Академический Документы
Профессиональный Документы
Культура Документы
BONDAD DE AJUSTE
CONTROL DE CALIDAD
PROFESOR:
Luis Vivar Morales
ALUMNOS:
Anthony Prado Cornejo
Cecilia Mitma Villagomez
Cristian Prez Sols
Jackeline Canchanya Torres
Jimmy More Olazabal
Ciudad Universitaria
2010
1
CONTROL DE CALIDAD
PROBLEMA 1
Habiendo recogido cada media hora, 20 piezas de la produccin de una maquina automtica
y contando en cada una de las muestras asi obtenidas, el numero K de piezas defctuosas
encontradas, se admite la siguiente distribucin reproducida en la siguiente tabla, al final de
las 100 extracciones.
k
nk
17
24
26
20
100
nk
17
24
26
20
7
3
1
1
1
100
w=200/100*20
GL= 5-2=
Rs=
k*nk
0
24
52
60
28
15
6
7
8
200
pk
0.1216
0.2702
0.2852
0.1902
0.0898
0.0319
0.0089
0.002
0.0002
1
0.1
3
7.8147
nk (t)
12.16
27.02
28.52
19.02
8.98
3.19
0.89
0.2
0.02
nk(t)
12.16
27.02
28.52
19.02
13.28
nk(t)-nk
-4.84
3.02
2.52
-0.98
0.28
R
1.9264
0.3375
0.2227
0.0505
0.0059
total
2.5431
2.5431<7.8147
entonces se acepta el ajuste
binomial
CONTROL DE CALIDAD
PROBLEMA 2
Se recogen cada 30 minutos, 25 ejes de la produccin de un determinado torno automtico,
contando en cada muestra el numero k de ejes defectuosos encontrados; si se obtiene la
distribucin que se muestra en la tabla, al final del periodo en un estudio, determinar la
produccin que se muestra en la tabla, al final del periodo en estudio, determinar la
proporcin de defectos media, de la produccin. Adems determine la ley de probabilidad
la cual hipotticamente se ajusta, usando un =0.01 1%.
K
nk 19
27
36 23 9
120
Solucin:
W=0.08, es la proporcin de defectos por la cantidad de productos producidos
k
# de
defectos
0
1
2
3
4
5
6
7
8
nk
19
27
36
23
9
3
1
1
1
120
w=240/25*120
GL= 6-2=
k*nk
0
27
72
69
36
15
6
7
8
240
0.08
4
Rs=13.2767
pk
0.1244
0.2704
0.2821
0.1881
0.0899
0.0329
0.0095
0.0023
0.0004
1
nk (t)
14.928
32.448
33.852
22.572
10.788
3.948
1.14
0.276
0.048
nk(t) nk(t)-nk
14.928 -4.072
32.448 5.448
33.852 -2.148
22.572 -0.428
10.788 1.788
5.412 -0.588
R
1.1107
0.9147
0.1363
0.0081
0.2963
0.0639
2.5301
2.5301<13.2767
entonces se acepta el ajuste binomial
CONTROL DE CALIDAD
PROBLEMA 3
En el estudio de una mquina para hacer sacos de polipropileno, se han registrado el
nmero de veces que falla por dia de trabajo, mostrando los siguientes resultados:
Nro. de fallas
Nro de
fallas
Frec.
observ
56
1
1
2
2
103 92 80 62
27
nk
56
103
92
80
62
27
9
4
0
1
434
LANDA=1001/434
GL= 7-2=
k*nk
0
103
184
240
248
135
54
28
0
9
1001
2.3
5
Rs=
15.0863
pk
0.1003
0.2306
0.2652
0.2033
0.1169
0.0534
0.0206
0.0068
0.0019
0.001
1
nk (t)
43.5302
100.0804
115.0968
88.2322
50.7346
23.1756
8.9404
2.9512
0.8246
0.434
nk(t)
43.5302
100.0804
115.0968
88.2322
50.7346
23.1756
13.1502
nk(t)-nk
-12.4698
-2.9196
23.0968
8.2322
-11.2654
-0.588
-0.8498
11.6316
11.6316<15.0863
entonces se acepta el ajuste poisson
PROBLEMA 4
Una empresa que pertenece al sector de industrias grficas, elabora y exporta guas de
Telefnicas para determinados pases. Su unidad de produccin est constituida por
paquetes de 27 guas; antes de embalar un lote debe efectuar determinada inspeccin, para
lo cual obtiene una muestra de 208 paquetes, mostrando los siguientes resultados:
R
3.5721
0.0852
4.6349
0.7681
2.5014
0.0149
0.0549
CONTROL DE CALIDAD
Frec. Observ.
59
89
44
11
nk
n*nk
P(k)
P(K)agrupado
nk(t)
nk
agrupado
59
0.32
0.32
66.5224
59
0.85063
89
89
0.365
0.365
75.8355
89
2.28527
44
88
0.208
0.208
43.2262
44
0.01385
11
33
0.079
0.079
16.426
11
1.79235
0.023
0.029
5.9893
0.16341
0.005
0.001
208
237
Lamda =
1.14
5.106
R=
5.106
CONTROL DE CALIDAD
PROBLEMA N5
Al extraer muestras de 5 piezas en un proceso de fabricacin, a intervalos regulares, se
encontr los siguientes resultados:
Nro. De piezas
defectuosas
Nro. De muestra
31
78
55
30
Comprobar si los resultados se ajustan a una ley Binomial o de Poisson con un alfa igual a
5%.
p(k)
agrupado
nk(t)
nk
agrupado R
nk
n*nk
p(k)
31
0.10970935
78
78
0.5887924
55
110
0.82792686
30
90
0.3266637
20
0.0232999
0.00255395
200
303
W=
0.303
1.87639221
R=
1.87639221
Solucin
Rs = 7.82 (para alfa 0.05 y 3 grados de libertad)
Como R<Rs entonces se acepta el ajuste a la distribucin de probabilidad Binomial
con W = 0.303.
CONTROL DE CALIDAD
PROBLEMA 6
En una maquina industrial se ha presentado fallas segn la siguiente data:
Falla ocurrida
Nro. De veces
30
62
46
10
nk
n*nk
30
62
p(k)
nk(t)
nk agrupado
0.21381376 0.21381376
32.072064
30
0.13386882
62
0.40247296 0.40247296
60.370944
62
0.04395862
46
92
0.28409856 0.28409856
42.614784
46
0.26891342
10
30
0.08912896 0.09961472
14.942208
12
0.57933793
0.01048576
150
192
W=
0.32
p(k) agrupado
1.02607879
R=
1.02607879
CONTROL DE CALIDAD
nk
n*nk
p(k)
p(k) agrupado
nk(t)
nk agrupado
30
0.2780373
0.2780373
41.7055951
30
3.28543342
62
62
62
1.39088619
46
92
46
4.09954688
10
30
12
2.72554026
0.03109795
150
192
Lamda =
1.28
11.5014068
R=
11.5014068
Como R<Rs entonces nos encontramos en la zona de rechazo, por lo tanto se rechaza el
ajuste a una distribucin de Poisson con Lamda =1.28
EJEMPLO 5
Una caracterstica de calidad importante en los acumuladores de automviles de transporte,
en su peso, porque es sensible a la cantidad de plomo en las placas. Se seleccionaron 100
bateras de la ltima produccin de una marca determinada de acumuladores para trabajo
pesado, mostrando los siguientes resultados:
Pesos (lb)
60 - 62.9
63 65.9
66 68.9
69 71.9
72 74.9
Frecuencias observada
18
42
27
a) Probar si la distribucin se ajusta a una terica normal, empleando la prueba del chicuadrado, utilice un = 5%.
Lim.
Pesos
NK Xi
Xi*NK
Sup. Teo
62.95 60.0 - 62.9 5 61.45 307.25
65.95 63.0 - 65.9 18 64.45 1160.10
68.95 66.0 - 68.9 42 67.45 2832.90
NK*(XiMed)^2
208.013
214.245
8.505
Z(NK)
P(x)
Dif.Suc NK(T) NK
4.55
20.91
38.6
5 0.0445
18 0.4050
42 0.2995
CONTROL DE CALIDAD
71.95
74.90
175.568
246.420
852.750
8.614
2.935
1.38
2.39
0.9162 0.2756
0.9916 0.0754
27.56
7.54
(0.05;2) = 5.9915
<
67.9
2.935
= 66.58
EJEMPLO 6
La distribucin siguiente es el nmero de fallas de energa que se registraron en una ciudad
situada al oeste de la ciudad de Mxico a lo largo de 296 das:
Nmero de fallas
Nmero de das
45
64
62
44
38
22
10
Con = 0.05 probar si el Nro. Diario de fallas de energa en tal ciudad, es una variable
aleatoria que tiene una distribucin de Poisson y binomial; segn el resultado Cul es la
probabilidad que un da cualesquiera se produzcan ms de 4 fallas en la mencionada
ciudad?
27 0.0114
8 0.0281
0.7884
CONTROL DE CALIDAD
Binomial
K
NK K.NK
PK
Poisson
NK(T) NK
Rb
PK
NK(T)
NK
Rp
0.0172
5.090
3.003
0.0413
12.238
0.8567
45
45
0.0910
26.949
45
12.091 0.1317
38.988
45
0.9270
64
128
0.2109
62.418
64
0.040
0.2098
62.104
64
0.0579
62
186
0.2791
82.611
62
5.142
0.2228
65.951
62
0.2367
44
176
0.2309
68.335
44
8.666
0.1775
52.527
44
1.3842
38
190
0.1222
36.177
38
0.092
0.1131
33.468
38
0.6137
22
132
0.0404
11.970
22
8.404
0.0600
17.770
22
1.0067
10
70
0.0076
2.450
12
37.216
0.0273
11.308
12
0.0423
16
0.0006
Total
296
943
294.3548
296
5.1251
0.0109
296
943
= 0.398
296 8
= 8 2 = 6
<
10
296
74.654
0.9944
= 0.398 8 = 3.186
(0.05;6) = 12.5916
CONTROL DE CALIDAD
EJEMPLO 7
En una oficina administrativa, se quiere establecer un sistema de incentivos para lo cual se
renen datos histricos, mostrando el siguiente cuadro:
a) Determinar X
b) Probar el ajuste a una distribucin terica usando un del 5% y 1% usando ambos
mtodos.
c) Qu % de expedientes se atienden en ms de 7 das y que % est entre 2 y 4 das?
Lim. Sup.
Teo
1.475
2.475
3.475
4.475
5.475
6.475
7.475
8.475
9.475
10.95
Pesos
0.0 - 1.45
1.5 - 2.45
2.5 - 3.45
3.5 - 4.45
4.5 - 5.45
5.5 - 6.45
6.5 - 7.45
7.5 - 8.45
8.5 - 9.45
9.5 - X
total
NK
Xi
Xi*NK
1
0.725
0.73
5
1.975
9.88
4
2.975 11.90
14 3.975 55.65
28 4.975 139.30
42 5.975 250.95
29 6.975 202.28
6
7.975 47.85
5
8.975 44.88
1 10.225 10.23
135
773.63
media 5.7306
Desv.
NK*(XiMed)^2
25.056
70.521
30.372
43.148
15.984
2.510
44.911
30.225
52.632
20.200
335.558
2.504
1.582
Z(NK)
-2.69
-2.06
-1.43
-0.79
-0.16
0.47
1.10
1.73
2.37
3.30
P(x)
0.0036
0.0197
0.0764
0.2148
0.4364
0.6808
0.8643
0.9582
0.9911
0.9995
Dif.Suc
0.0036
0.0161
0.0567
0.1384
0.2216
0.2444
0.1835
0.0939
0.0329
0.0084
NK(T)
NK
10.314
18.684
29.916
32.994
24.7725
12.6765
5.6430
10
14
28
42
29
6
6
0.0096
1.1743
0.1227
2.4583
0.7214
3.5164
0.0226
s(0.01;4) = 13.2767
s(0.05;4) = 9.4877
<
Por tanto, se concluye que tanto para un de 5% y 1% se ajusta a una distribucin normal.
8.0252
CONTROL DE CALIDAD
1 (7) = 1 0.7881 = . %
=
=
25.7306
1.582
45.7306
1.582
= 2.36
= 1.09
5.0 - 8.9 9.0 - 12.9 13.0 - 16.9 17.0 - 20.9 21.0 - 24.9 25.0 - 28.9 29.0 - 32.9
FRECUENCIA
10
14
25
17
Lim.
Sup.
Teor
nk
Limites de
clase
12
Frec.
Xi
Marca
de
clase
Xi*nk
Xi Med
nk*(Xi Med)
Z(nk)
P(z)
dif secc
nk(t)
nk
CONTROL DE CALIDAD
8.95
12.95
16.95
20.95
24.95
24.95
32.90
5.0 - 8.9
9.0 - 12.9
13.0 - 16.9
17.0 - 20.9
21.0 - 24.9
25.0 - 28.9
29.0 - 32.9
TOTAL
3
10
14
25
17
9
2
80
6.95
10.95
14.95
18.95
22.95
26.95
30.95
Media
20.85
109.50
209.30
473.75
390.15
242.55
61.90
1508
18.85
-11.90
-7.90
-3.90
0.10
4.10
8.10
12.10
424.830 -1.78
624.100 -1.06
212.940 -0.34
0.250
0.38
285.770 1.10
590.490 1.10
292.820 2.53
2431.200
Desv =
5.547
0.0375
0.1446
0.3669
0.648
0.8643
0.8643
0.9943
0.0375
0.1071
0.2223
0.2811
0.2163
0.0000
0.1357
1.0000
11.568
17.784
22.488
17.304
10.856
80
= 5 3 = 2
s(0.01;2) = 9.2104
= 1.270
<
Por tanto, se concluye que tanto se ajusta a una distribucin normal con un = 0.01.
a) La probabilidad de que la emisin de oxido de azufre (en toneladas) este entre 8.95
y 12.95
8.95 18.85
1 =
= 1.79
5.547
12.95 18.85
2 =
= 1.06
5.547
P (z1) = 0.0367
P (z2) = 0.1446
1 =
P (z1) = 0.9945
13
32.95 18.85
= 2.54
5.547
13
14
25
17
11
0.177
0.805
0.281
0.005
0.002
R= 1.270
CONTROL DE CALIDAD
EJEMPLO 5
0.32 0.49
0.52 0.69
0.72 0.89
0.92 1.09
1.12 1.29
1.32 1.49
1.52 1.69
1.72 1.89
1.92 2.09
14
28
32
25
16
a) Probar si los datos se ajustan a una distribucin Normal con un = 0.01 mtodo Xi
cuadrado.
Lim.
Sup.
Teor
0.305
0.505
0.705
0.905
1.105
1.305
1.505
1.705
1.905
2.09
Tiempo
(minutos)
0.12 - 0.29
0.32 - 0.49
0.52 - 0.69
0.72 - 0.89
0.92 - 1.09
1.12 - 1.29
1.32 - 1.49
1.52 - 1.69
1.72 - 1.89
1.92 - 2.09
TOTAL
14
nk
Xi
Frec.
Marca
de clase
1
5
4
14
28
32
25
16
7
3
135
0.205
0.405
0.605
0.805
1.005
1.205
1.405
1.605
1.805
2.005
Xi*nk
0.205
2.025
2.42
11.27
28.14
38.56
35.125
25.68
12.635
6.015
162.075
Media = 1.201
Z(nk)
P(z)
-1.00
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
-2.51
-1.95
-1.39
-0.83
-0.27
0.29
0.85
1.42
1.98
2.50
0.0060
0.0256
0.0823
0.2033
0.3936
0.6141
0.8023
0.9222
0.9761
0.9938
0.991
3.165
1.419
2.190
1.071
0.001
1.045
2.617
2.557
1.941
16.997
Desv. 0.356
= 7 3 = 4
dif
secc
nk(t)
nk
0.006
0.020
0.057
0.121
0.190
0.221
0.188
0.120
0.054
0.024
1.000
11.111
16.335
25.691
29.768
25.407
16.187
10.503
10
14
28
32
25
16
10
0.111
0.334
0.208
0.167
0.007
0.002
0.024
135
R= 0.853
CONTROL DE CALIDAD
s(0.01;4) = 13.2767
= 0.853
<
Por tanto, se concluye que tanto se ajusta a una distribucin normal con un = 0.01.
1 =
. 75 1.201
= 1.2668 = 1.27
0.356
2 =
P (z1) = 0.1020
1.2 1.201
= 0.0028 = 0.00
0.356
y
P (z2) = 0.5000
EJEMPLO 6
Suponga que una empresa que trabaja 3 turnos, a la salida de un torno, cada 30 se extraen
7 ejes; Luego de efectuar 105 extracciones se contabiliza el nmero de ejes defectuosos en
cada muestra, logrndose construir la siguiente tabla:
Ejes defectuosos
Nmero de muestras
28
27
21
11
15
CONTROL DE CALIDAD
a)
b)
c)
d)
e)
Con un de 1%
Con un de 5%
Comprare los resultados. Cul es su conclusin?
Cul es la media y cul es su significado en cada caso?
Cul es la probabilidad de que en una prxima extraccin se obtengan ms de 3 ejes
defectuosos?
Binomial
pk
nk
agrupado nk(t) agrupado
nk
n*nk
pk
0.064
0.064
6.72
0.774
28
28
0.215
0.215
22.575
28
1.304
27
54
0.311
0.311
32.655
27
0.979
21
63
0.249
0.249
26.145
21
1.012
11
44
0.120
0.120
12.6
11
0.203
20
0.035
0.041
4.305
5.120
30
0.006
105
239
1.000
105
105
9.393
R=
9.393
media=W= 0.325
16
CONTROL DE CALIDAD
Poisson
nk
n*nk
pk
pk
agrupado
nk(t)
nk
agrupado
0.103
0.103
10.815
0.305
28
28
0.234
0.234
24.57
28
0.479
27
54
0.266
0.266
27.93
27
0.031
21
63
0.202
0.202
21.21
21
0.002
11
44
0.115
0.115
12.075
11
0.096
20
0.052
0.072
7.56
0.274
30
0.020
105
239
1.000
105
105
1.186
media=
2.276
R=
1.186
17
CONTROL DE CALIDAD
EJEMPLO 7
Una mquina debe ser calibrada cierto tiempo,( por efecto de la vibracin que se produce)
para evitar que su produccin resultante muestre algn sesgo, deteriorando su calidad. Se
encarg al Dpto. de Control de Calidad realizar el estudio correspondiente. El mencionado
Dpto. observ permanentemente la mquina y efectuaba una calibracin, sin necesidad de
parar la mquina, cada vez que lo juzgaba necesario, apuntando con la ayuda de un
cronmetro, los intervalos de tiempo entre cada calibracin y la siguiente; al finalizar el
estudio (excluyendo tiempos de parada de mquina o por condiciones particulares), se
elabor el cuadro que se muestra a continuacin:
Intervalos de
tiempo
0.00 15.6
15.7 38.6
38.7 61.6
61.7 84.6
84.7 107.6
107.7 130.6
130.7
-153.6
153.7 176.6
176.7
-192.2
14
26
21
17
(minutos)
Nro.
calibraciones
Lim
superior tiempo(minutos) nk
terico
Xi
Xi*nk
15.65
0.01-15.6
7.8
7.8
38.65
15.7-38.6
27.15
61.65
38.7-61.6
84.65
61.7-84.6
14
18
XiMed
nk*(XiMed)^2
9742.874
98.706
z(nk)
nk
agrup
0.000
135.75
0.000
50.15
200.6
10
0.160
73.15
1024.1
14
0.229
CONTROL DE CALIDAD
33.356
107.65
84.7-107.6
26
2788.415
10.356
0.03
26
0.576
130.65
107.7-130.6
0.64
21
0.047
153.65
130.7-153.6
17
0.231
176.65
153.7-176.6
165.15
0.002
192.2
176.7-192.2
Total
97
97
1.245
R=
1.245
96.15
2499.9
990.9
10331.1
136115.086
0.989
0.02
0.989
97
media= 106.506
desv
est=
37.655
Solucin:
Rs (=0.01, GL= 3) = 11.3449
Ya que R<Rs, entonces, si se ajusta a la distribucin normal.
La probabilidad de que el tiempo que requiera un nuevo ajuste sea menor a media hora=
P(x<30)
Z= (30-106.506)/37.655=-2.03P (x<30)=0.4788
19