CIP - JUNIN

HERRAMIENTA
S DE LA
CALIDAD CON
APLICACIN
EN MINITAB
TALLERES N1 AL N7

LPEZ CRISTOMO DORA

ISABEL
HUANCAYO 2015

Contenido
TALLER N 1............................................................................................................. 2
PREGUNTA 2:........................................................................................................ 2
PREGUNTA 5:........................................................................................................ 3
TALLER N 2............................................................................................................. 6
PREGUNTA 3:........................................................................................................ 6
PREGUNTA 4:........................................................................................................ 7
TALLER N 3............................................................................................................. 9
PREGUNTA 2:........................................................................................................ 9
TALLER N 4........................................................................................................... 12
PREGUNTA 1:...................................................................................................... 12
PREGUNTA 3:...................................................................................................... 15
TALLER N 5........................................................................................................... 17
PREGUNTA 1:...................................................................................................... 17
PREGUNTA 3:...................................................................................................... 18
TALLER N 7........................................................................................................... 20
PREGUNTA 1:...................................................................................................... 20

TALLER N 1
HERRAMIENTAS BSICAS DE CALIDAD
HISTOGRAMAS Y ESTRATIFICACIN
PREGUNTA 2:
En una fbrica de piezas de asbesto una caracterstica de importante de la calidad
es el grosor de las lminas. La especificacin de dichas lminas es de 5mm como
mnimo, menor a este valor no rene las condiciones de resistencia para su uso, y
como mximo 6 mm, mayor a este valor en grosor eleva el costo del producto. Se
tomaron 50 mediciones como muestra del grosor de estas lminas:

5.82
5.82
5.80
5.77
5.79

5.84
5.81
5.80
5.77
5.79

5.88
5.79
5.77
5.80
5.72

5.79
5.83
5.84
5.79
5.88

5.73
5.79
5.79
5.81
5.78

5.76
5.84
5.74
5.76
5.79

5.80
5.77
5.80
5.83
5.81

5.73
5.84
5.76
5.81
5.78

5.83
5.78
5.84
5.85
5.79

5.76
5.80
5.82
5.84
5.80

Qu conclusiones podemos obtener?

SOLUCIN:
Se realiza con la herramienta: Estadstica -> Estadstica Bsica -> Resumen Grfico,
del cual se obtiene el siguiente grfico.

Resumen para GROSOR (mm)

Prueba de normalidad de Anderson-Darling
A-cuadrado
Valor P

5.72

5.76

5.80

5.84

5.88

0.44
0.275

Media
Desv.Est.
Varianza
Asimetra
Kurtosis
N

5.7986
0.0353
0.0012
0.042272
0.114943
50

Mnimo
1er cuartil
Mediana
3er cuartil
Mximo

5.7200
5.7775
5.8000
5.8225
5.8800

I ntervalo de confianza de 95% para la media

5.7886

5.8086

I ntervalo de confianza de 95% para la mediana

5.7900

5.8100

I ntervalo de confianza de 95% para la desviacin estndar

I ntervalos de confianza de 95%

0.0295

0.0440

Media

Mediana
5.790

5.795

5.800

5.805

5.810

INTERPRETACIN:
2

Segn la PRUEBA DE NORMALIDAD de Anderson Darling, los datos siguen

una distribucin normal, ya que el Valor P es mayor a 0.05 (Valor P = 0.275), por
consiguiente se trabaja con el promedio de los datos (Media = 5.7986), y el
intervalo de confianza de 95% para el promedio se encuentra entre 5.7886 a
5.8086.
CONCLUSIN:
Por lo tanto las muestras s cumplen la especificacin para la condiciones de calidad
respecto al grosor al 95 % de confianza y se puede aprobar su utilizacin.
PREGUNTA 5:
Al realizar una encuesta de satisfaccin de clientes de una empresa de
manufactura, la encuesta va de 0 puntos a 100 puntos de satisfaccin. Las 70
respuestas de los clientes entrevistados son las siguientes:

72
86
76
76
81
46
76

71
82
85
81
87
65
46

88
76
79
76
81
74
59

80
77
71
92
76
64
61

82
79
83
81
76
69
64

84
86
84
72
83
74
55

81
78
64
82
82
62
51

76
86
80
84
87
61
55

85
85
80
82
87
59
60

77
74
83
79
82
70
53

Las primeras 5 filas son respuestas de los clientes de la sede principal y las dos
ltimas filas son respuestas de los clientes de la sucursal.
A qu conclusiones podemos llegar?
SOLUCIN:
Primero se obtiene los residuos de las respuesta con la herramienta: Estadsticas ->
ANOVA -> Un solo factor (almacenar residuos).
Despus se realiza la prueba de Normalidad para esos residuos con la herramienta:
Estadsticas -> Estadstica Bsica -> Prueba de Normalidad, del cual se obtiene el
siguiente grfico.

Grfica de probabilidad de RESID1

Normal
99.9

Media
Desv.Est.
N
AD
Valor P

99

Porcentaje

95
90

-3.24820E-15
6.362
70
0.426
0.308

80
70
60
50
40
30
20
10
5
1
0.1

-20

-10

0
RESID1

10

20

INTERPRETACIN:

ANOVA unidireccional:
GRADO DE
SATISFACCION vs.
SEDE
Fuente
CM
SEDE
5233.4
Error
41.1
Total

GL
SC
F
P
1 5233.4
127.44 0.000
68 2792.4
69

8025.8

S = 6.408
R-cuad. =
65.21%
R-cuad.
(ajustado) = 64.70%

ICs de 95% individuales

para la media
basados en Desv.Est.
agrupada
Nivel
N
Media
Desv.Est. --+---------+--------+---------+-----1
50 80.340
5.259
(--*--)
2
20 61.200
8.697 (----*----)
---+---------+--------+---------+-----60.0
72.0

66.0
78.0

Desv.Est. agrupada =
6.408

Los residuos siguen una distribucin normal, ya que

el valor P es mayor a 0.05 (Valor P = 0.308).
Por lo tanto se realiza el ANOVA DE UN SOLO FACTOR,
para verificar si los promedios de las respuestas de
los clientes en la sede principal y sucursal son
iguales.
Se realiza con la herramienta: Estadsticas -> ANOVA
-> Un solo factor.
INTERPRETACIN:
Segn el resultado se observa que el valor P es
menor a 0.05 (Valor P = 0.000), lo que quiere decir
que las medias del grado de satisfaccin en las sedes
principal y sucursal son distintas. Adems se observa
que el grado de satisfaccin es mucho mayor en la
sede principal que en la sucursal.
CONCLUSIN:
Las respuestas de los clientes en cuanto al grado de
satisfaccin de la sede principal y la sucursal no son
homogneos y se deben analizar por separado. Se
evidencia que por la percepcin del cliente la sede
principal est trabajando mejor en el grado de
satisfaccin que le brinda, se debe reforzar el trabajo
4

en la sucursal para producir mejores resultados en cuanto al grado de satisfaccin

del cliente.

TALLER N 2
HERRAMIENTAS BSICAS DE CALIDAD
DIAGRAMA DE PARETO Y DIAGRAMA CAUSA EFECTO
PREGUNTA 3:
De acuerdo a los registros en una lnea de proceso de envasado de tequila, en el
ltimo mes se presentaron los siguientes resultados en cuanto a defectos y
frecuencia.

Defecto de
envasado
Botella
Tapa
Etiqueta
Contraetiqueta
Botella sin
vigusa
Otros

Frecue
ncia
804
1087
1824
740
16
8

Realice un diagrama Pareto y obtenga conclusiones.

SOLUCIN:
Se realiza con la herramienta: Estadsticas -> Herramientas de Calidad ->Diagrama
de Pareto, del cual se obtiene el siguiente grfico.

Diagrama de Pareto de DEFECTOS DE ENVASADO

5000

FRECUENCIA

4000

80

3000

60

2000

40

1000

20

0
DEFECTOS DE ENVASADO

FRECUENCIA
Porcentaje
% acumulado

Porcentaje

100

1824
40.7
40.7

1087
24.3
65.0

804
18.0
82.9

740
16.5
99.5

16
0.4
99.8

8
0.2
100.0
6

INTERPRETACIN:
Segn el grafico, se tiene tres variables (etiqueta, tapa y botella) que equivalen al
82.9% de los defectos en el proceso de envasado del tequila.
CONCLUSIN:
Lo ms importante a priorizar para solucionar los defectos de envasado son en la
etiqueta, tapa y botella, ya que se asegura que el 82.9 % de los problemas que
contribuyen a los defectos de envasado se estn solucionando.

PREGUNTA 4:
En el anlisis de reclamos de una empresa se detect seis tipos bsicos de reclamos
de clientes, pero cada uno con diferente grado de insatisfaccin. En la siguiente
tabla se resume la informacin recolectada.

Tipo de
Reclamo
A
B
C
D
E
F

Grado de
Insatisfaccin
4
8
2
6
4
8

Frecuencia de
Ocurrencia
12%
5%
40%
25%
10%
8%

Realice un diagrama Pareto y obtenga conclusiones.

SOLUCIN:
En primer lugar hay que generar una columna que priorice el grado de
insatisfaccin segn el grado de ocurrencia.

Tipo de
Reclamo
A
B
C
D
E
F

Priorizaci
n
0.48
0.40
0.80
1.50
0.40
0.64

Despus se analiza con la herramienta: Estadsticas -> Herramientas de Calidad

->Diagrama de Pareto, del cual se obtiene el siguiente grfico.

Diagrama de Pareto de TIPO DE RECLAMO

100

80

60
2
40
1

0
TIPO DE RECLAMO
PRIORIZACION
Porcentaje
% acumulado

Porcentaje

PRIORIZACION

20

D
1.50
35.5
35.5

C
0.80
19.0
54.5

F
0.64
15.2
69.7

A
0.48
11.4
81.0

B
0.40
9.5
90.5

E
0.40
9.5
100.0

INTERPRETACIN:
Segn el grfico, los tipos de reclamos D, C, F y A, equivalen al 81.0% de los
reclamos generados por los clientes.
CONCLUSIN:
Se debe buscar solucionar en primer lugar los tipos de reclamos D, C, F y A, ya que
as se disminuye en 81% la frecuencia de ocurrencia y el grado de insatisfaccin
que genera el tipo de reclamo.

TALLER N 3
HERRAMIENTAS BSICAS DE CALIDAD
DIAGRAMA DE DISPERSIN

PREGUNTA 2:
Byers y Williams ("Viscosities of Binary and Ternary Mixtures of Polynomatic
Hydrocarbons", Journal ofChemical and Engineering Data, 32,349-354,1987)
estudiaron el impacto de la temperatura sobre la viscosidad de mezclas de tolueno
y tetralina. La tabla siguiente muestra los datos para mezclas con fraccin molar de
tolueno igual a 0.4.

T (C)
24.9
35.0
44.9
55.1
65.2
75.2
85.2
95.2

Viscosidad (mPa
s)
1.133
0.9772
0.8532
0.755
0.6723
0.6021
0.542
0.5074

Verificar si existe relacin entre dichas variables.

SOLUCIN:
Se realiza el grfico de dispersin para tener una primera visin del
comportamiento de los datos, y si la viscosidad depende de la temperatura. Se
utiliza la herramienta: Grafica -> Grfica de dispersin.

Grfica de dispersin de VISCOSIDAD(mPa.s) vs. T(C)

1.2

VISCOSIDAD(mPa.s)

1.1
1.0
0.9
0.8
0.7
0.6
0.5
20

30

40

50

60
T(C)

70

80

90

100

INTERPRETACIN:
Grficamente se aprecia que si existe relacin entre las variables, pero se tiene que
analizar estadsticamente para corroborar el resultado.
As que se trabaja con la herramienta: Estadsticas -> Estadstica Bsica ->
Correlacin.

Anlisis de regresin:
Correlaciones: T(C),
VISCOSIDAD (mPa.s)
VISCOSIDAD(mPa.s)
vs. T (C)
Correlacin de Pearson
La
de ecuacin
T(C) y de
regresin
es
VISCOSIDAD(mPa.s)
=
VISCOSIDAD
(mPa.s) =
-0.980
1.28
Valor-P0.00876
= 0.000T (C)
Predictor
Coef
SE Coef
T
P
Constante
1.28151
0.04687
27.34 0.000
T(C)
-0.0087578
0.0007284 -12.02
0.000

INTERPRETACIN:
El valor p es 0.000, quiere decir que si existe relacin
significativa entre las variables (r 0). Y el r es
negativo (r = - 0.98) porque la relacin es inversa.
Pero se tiene que establecer el grado de relacin
entre variables, para esto se usa la herramienta:
Estadstica -> Regresin -> Regresin, que muestra el
siguiente resultado.

S = 0.0474336
R-cuad.
= 96.0%
R-cuad.
(ajustado) = 95.4%
Anlisis de varianza
Fuente
GL
SC
CM
F
P
Regresin
1
0.32529 0.32529
144.58 0.000
Error residual
6
0.01350 0.00225
Total
7
0.33879

10

INTERPRETACIN:
Segn el anlisis existe un 95.4% de correlacin entre las variables temperatura y
viscosidad.
CONCLUSIN:
Entonces, si existe relacin entre la variables, ya que la viscosidad depende de la
temperatura en un 95.4%, es decir que conociendo la temperatura se predice la
viscosidad, con la ecuacin de la regresin lineal.

11

TALLER N 4
HERRAMIENTAS BSICAS DE CALIDAD
GRFICOS DE CONTROL DE VARIABLES
PREGUNTA 1:
Los datos que se muestran en la tabla inferior, son las mediciones que se hacen al
dimetro interior de los rodamientos. Verificar si el proceso est bajo control
estadstico. Estimar los lmites de control.

N
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

r1

r2

Repeticiones
r3

34.8
34.4
33.9
33.8
34.0
33.8
33.6
34.2
34.6
34.8
34.7
34.3
34.3
34.2
35.3
34.4
35.4
34.6
34.6
34.4
34.4
34.1
35.0
34.8
34.3
34.2
34.4
34.1
34.8
34.0

34.5
34.4
34.1
34.3
34.4
34.5
34.4
34.6
35.0
33.6
34.6
34.1
34.7
34.1
35.0
34.1
33.7
34.9
34.3
34.2
34.2
34.5
34.7
34.7
34.1
35.0
34.4
34.4
34.4
34.3

34.5
34.3
35.1
35.0
33.7
33.9
34.3
34.2
34.1
35.0
34.6
34.8
34.9
34.2
34.8
34.2
35.3
34.5
34.5
34.6
34.8
34.5
34.8
35.1
34.7
34.5
34.7
34.4
34.5
34.2

r4

r5

34.3
35.0
34.3
34.5
34.8
35.0
35.1
34.7
34.4
34.5
34.6
34.5
34.1
34.4
34.7
34.3
34.5
34.9
34.6
34.1
34.0
34.9
33.9
34.4
33.9
34.4
34.7
34.3
34.2
35.2

34.0
34.5
34.0
34.7
34.3
34.3
34.2
34.4
34.2
34.5
34.2
35.2
35.4
34.9
34.8
34.6
35.0
34.4
33.7
34.8
34.3
35.3
35.0
35.1
34.8
35.1
34.5
34.4
34.7
34.6

SOLUCIN:
12

Las mediciones del dimetro interior del rodamiento, son datos continuos y se
asume la normalidad de los datos (n >30) para trabajar con el promedio, pero se
puede corroborar si en realidad los datos siguen una distribucin normal; para esto
se trabaja con la herramienta: Estadsticas -> Estadstica Bsica -> Prueba de
Normalidad, del cual se obtiene el siguiente grfico.

Grfica de probabilidad de DIAMETRO

Normal
99.9

Media
Desv.Est.
N
AD
Valor P

99
95

Porcentaje

90

34.49
0.3844
150
0.688
0.071

80
70
60
50
40
30
20
10
5
1
0.1

33.0

33.5

34.0

34.5
DIAMETRO

35.0

35.5

36.0

INTERPRETACIN:
Los datos siguen una distribucin normal, ya que el Valor P es mayor a 0.05 (Valor P
= 0.071).
Por lo tanto los datos cumplen las dos condiciones para realizar el grafico de control
de variables por subgrupos (la variable x es continua y posee distribucin normal).
Se trabaja con la herramienta: Estadsticas -> Grficas de control -> Grficas de
variables para subgrupos -> Xbarra R, del cual se obtiene el siguiente grfico.

13

Grfica Xbarra-R de DIAMETRO

LCS=35.010

Media de la muestra

35.00
34.75

_
_
X=34.495

34.50
34.25
34.00

LCI =33.979
1

10

13

16
Muestra

19

22

25

28

Rango de la muestra

2.0

LCS=1.891

1.5
_
R=0.894

1.0
0.5
0.0

LCI =0
1

10

13

16
Muestra

19

22

25

28

INTERPRETACIN:
Segn el grfico podemos observar que los lmites de control de la media de la
muestra son en LCI = 33.979 a LCS =35.010 y que el promedio es de 34.495.
Adems que el rango de la muestra tiene un LCS = 1.891.
CONCLUSIN:
Se puede asegurar que el proceso est bajo control estadstico. Adems que el
promedio en cada momento de muestreo del dimetro interior de los rodamientos
debe estar entre 33.979 a 35.010 y la diferencia del dimetro mximo y mnimo en
las cinco repeticiones no debe pasar de 1.891.

14

PREGUNTA 3:
Una caracterstica importante en la produccin de tapas metlicas para bebidas
gaseosas es la cantidad de PVC que lleva cada tapa. Para estimar los lmites de
control para la cantidad de PVC en las tapas se tom las siguientes muestras: (una
medicin cada media hora).

212.
4
214.
5
216.
4
214.
3
215.
4

214.
8
218.
6
209.
7
217.
3
214.
9

213.9
215.5
210.6
212.9
214.9

213.
5
210.
7
215.
7
213.
0
211.
6

214.
1
212.
1
215.
5
212.
9
216.
8

213.
7
214.
3
215.
1
215.
8
215.
4

213.
6
212.
1
214.
2
210.
7
218.
7

211.
7
215.
2
216.
7
211.
3
214.
2

215.
5
213.
6
212.
9
214.
1
218.
2

218.2
208.0
215.4
212.6
212.0

Establece los lmites de control para la cantidad de PVC en las tapas.

SOLUCIN:
Realizamos la prueba de normalidad, con la herramienta: Estadsticas -> Estadstica
Bsica -> Prueba de Normalidad, del cual se obtiene el siguiente grfico.

Grfica de probabilidad de CANTIDAD DE PVC

Normal
99

Media
Desv.Est.
N
AD
Valor P

95
90

214.1
2.309
50
0.214
0.842

Porcentaje

80
70
60
50
40
30
20
10
5

208

210

212
214
216
CANTIDAD DE PVC

218

220

INTERPRETACIN:
Los datos siguen una distribucin normal por tener un Valor P mayor a 0.05 (Valor P
= 0.842).

15

Entonces los datos cumplen las dos condiciones para realizar el grafico de control
de variables para individuos (la variable x es continua y posee distribucin normal).
Se trabaja con la herramienta: Estadsticas -> Grficas de control -> Grficas de
variables para individuos -> Individuos, del cual se obtiene el siguiente grfico.

16

Grfica I de CANTIDAD PVC

222.5

LCS=221.87

220.0

Valor individual

217.5
215.0

_
X=214.10

212.5
210.0
207.5
LCI=206.34
205.0
1

11

16

21
26
31
Observacin

36

41

46

INTERPRETACIN:
Segn el grfico podemos observar que los lmites de control de la muestra son en
LCI = 206.34 a LCS = 221.87.
CONCLUSIN:
En cada media hora el valor que se mide debe estar entre 206.34 a 221.87.

17

TALLER N 5
HERRAMIENTAS DE CALIDAD Y MEJORA CONTNUA
GRFICOS DE CONTROL DE POR ATRIBUTOS
PREGUNTA 1:
En una empresa industrial, cada hora se muestrea 100 unidades para verificar la
apariencia de los productos terminados. Se desea estimar la mxima proporcin de
productos no conformes del proceso productivo, para ello se tiene la siguiente
informacin:

Hora

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

N de
No
Confor
mes
2
3
0
1
4
2
0
2
1
0
4
1
2
0
4

Hora

16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

N de
No
Confor
mes
0
1
1
2
3
4
3
1
1
1
5
1
5
3
0

18

SOLUCIN:
Las variables son continuas y se desarrolla con la herramienta: Estadsticas ->
Grficas de Control -> Grficas de atributos -> P

Grfica P de NO CONFORMES
0.06

LCS=0.05996

Proporcin

0.05
0.04
0.03
_
P=0.019

0.02
0.01
0.00

LCI=0
1

10

13
16
19
Muestra

22

25

28

CONCLUSIN:
Se tolera un mximo de 5.9% de no conformes en el proceso. Es decir que en cada
momento de muestreo se acepta 5 unidades no conformes de cada 100 muestras.
Si la proporcin es mayor a 5.9%, quiere decir que el proceso est fuera de control.

PREGUNTA 3:
En una lnea de ensamble de pequeas piezas en tarjetas electrnicas se cuantifica
el nmero de defectos de diferente tipo por medio de una muestra de 100 tarjetas.
Los defectos encontrados en las ltimas 30 muestras son las siguientes:

5
6
7
8
6

5
3
4
6
6

3
8
12
7
5

10
9
5
6
4

4
7
11
6
3

4
9
4
7
11

Establece los lmites de control.

19

SOLUCIN:
Se trabaja con la herramienta: Estadsticas -> Grficas de Control -> Grficas de
atributos -> C

Grfica C de NUMERO DE DEFECTOS DE TARJ ETAS

14

LCS=13.94

Conteo de muestras

12
10
8
_
C=6.37

6
4
2
0

LCI=0
1

10

13
16
Muestra

19

22

25

28

CONCLUSIN:
Se acepta hasta un mximo de 13 defectos, si el nmero de defectos es igual o
mayor a 14, se considera que el proceso est fuera de control.

20

TALLER N 7
CAPACIDAD DE PROCESO
PREGUNTA 1:
Estimar los ndices de capacidad para las variables: X1, X2, X3, X4 y X5.
Sabiendo que;

LTI
LTS

1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2

X1
65.00

X2
8.00
10

X3

X4
1
2

X5
12

X1

X2

X3

X4

X5

66.69

9.08

6.56

1.08

11.15

67.98

9.90

5.61

1.72

11.65

67.33

8.76

5.22

1.44

10.94

66.66

8.31

6.90

1.64

11.67

66.30

8.19

6.94

1.75

11.80

66.22

9.06

6.69

1.43

10.88

67.85

9.42

5.61

1.45

10.89

66.02

8.98

6.19

1.43

11.30

67.59

8.88

5.89

1.08

11.23

67.87

8.92

5.00

1.68

11.52

67.33

9.97

6.46

1.67

10.74

67.18

9.04

6.34

1.53

10.92

66.46

9.00

5.02

1.53

11.34

66.70

9.31

5.71

1.21

10.69

67.11

9.91

5.41

1.35

11.50

67.35

8.22

6.23

1.33

11.37

66.68

9.82

5.44

1.92

11.14

66.12

9.90

5.35

1.93

11.71

67.70

8.50

6.20

1.81

11.26

67.56

8.65

5.37

1.03

11.25

66.42

9.94

5.29

1.62

11.24

66.90

8.96

6.49

1.33

10.81

21

2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0

66.10

9.92

5.18

1.54

10.25

66.02

9.96

5.79

1.97

10.08

66.37

9.27

6.34

1.70

11.33

67.96

9.47

5.26

1.36

10.84

67.48

8.09

6.74

1.45

10.98

66.37

8.72

6.86

1.48

10.10

67.28

9.87

5.79

1.51

10.34

67.05

8.91

5.02

1.61

11.21

SOLUCIN:
Se trabaja con la herramienta: Estadsticas -> Herramientas de calidad -> Anlisis
de capacidad -> Normal.

Capacidad de proceso de X1
LEI
Dentro de
General

Procesar datos
LEI
65
O bjetivo
*
LES
*
Media de la muestra 66.955
Nmero de muestra
30
Desv.Est. (Dentro)
0.635241
Desv.Est. (General)
0.632127

Capacidad (dentro) del potencial

Cp
*
CPL 1.03
CPU
*
Cpk
1.03
Capacidad general
Pp
PPL
PPU
Ppk
Cpm

*
1.03
*
1.03
*

65.0 65.5 66.0 66.5 67.0 67.5 68.0 68.5

Desempeo observado
PPM < LEI 0.00
PPM > LES
*
PPM Total
0.00

Exp. Dentro del rendimiento

PPM < LEI 1043.47
PPM > LES
*
PPM Total
1043.47

Exp. Rendimiento general

PPM < LEI
991.61
PPM > LES
*
PPM Total
991.61

CONCLUSIN:
Existe capacidad en el proceso, ya que el Cpk es mayor que 1 (Cpk = 1.03), se
asegura que el 99.7 % del producto est dentro de la especificacin. Slo existe
991.61 sobre un milln fuera de la especificacin, lo que hace el 0.09% de producto
no conforme.

22

Capacidad de proceso de X2
LEI

LES
Dentro de
General

Procesar datos
LEI
8
O bjetivo
*
LES
10
Media de la muestra 9.16433
Nmero de muestra
30
Desv.Est. (Dentro)
0.625764
Desv.Est. (General)
0.597285

Capacidad (dentro) del potencial

Cp
0.53
CPL 0.62
CPU 0.45
Cpk
0.45
Capacidad general
Pp
PPL
PPU
Ppk
Cpm

8.0
Desempeo observado
PPM < LEI 0.00
PPM > LES 0.00
PPM Total
0.00

8.5

9.0

Exp. Dentro del rendimiento

PPM < LEI
31396.23
PPM > LES
90867.22
PPM Total
122263.45

9.5

0.56
0.65
0.47
0.47
*

10.0 10.5

Exp. Rendimiento general

PPM < LEI
25625.27
PPM > LES
80890.24
PPM Total
106515.51

CONCLUSIN:
No existe capacidad sobre el proceso, ya que el Cpk es menor que 1 (Cpk = 0.45),
no se cumple con la especificacin. Existe 106515.51 sobre un milln fuera de la
especificacin, lo que genera un 10.65% de producto no conforme.

Capacidad de proceso de X3
LES
Dentro de
General

Procesar datos
LEI
*
O bjetivo
*
LES
7
Media de la muestra 5.89667
Nmero de muestra
30
Desv.Est. (Dentro)
0.663365
Desv.Est. (General)
0.629315

Capacidad (dentro) del potencial

Cp
*
CPL
*
CPU 0.55
Cpk
0.55
Capacidad general
Pp
PPL
PPU
Ppk
Cpm

4.5
Desempeo observado
PPM < LEI
*
PPM > LES 0.00
PPM Total
0.00

5.0

5.5

Exp. Dentro del rendimiento

PPM < LEI
*
PPM > LES 48132.52
PPM Total
48132.52

6.0

6.5

7.0

*
*
0.58
0.58
*

7.5

Exp. Rendimiento general

PPM < LEI
*
PPM > LES 39781.24
PPM Total
39781.24

23

CONCLUSIN:
No existe capacidad sobre el proceso, ya que el Cpk es menor que 1 (Cpk = 0.55),
no se cumple con la especificacin. Existe 39781.24 sobre un milln fuera de la
especificacin, lo que genera un 3.97% de producto no conforme.

Capacidad de proceso de X4
LEI

LES
Dentro de
General

Procesar datos
LEI
1
O bjetivo
*
LES
2
Media de la muestra 1.51933
Nmero de muestra
30
Desv.Est. (Dentro)
0.215517
Desv.Est. (General)
0.2425

Capacidad (dentro) del potencial

Cp
0.77
CPL 0.80
CPU 0.74
Cpk
0.74
Capacidad general
Pp
PPL
PPU
Ppk
Cpm

1.0
Desempeo observado
PPM < LEI 0.00
PPM > LES 0.00
PPM Total
0.00

1.2

Exp. Dentro del rendimiento

PPM < LEI
7982.68
PPM > LES 12863.99
PPM Total
20846.66

1.4

1.6

1.8

0.69
0.71
0.66
0.66
*

2.0

Exp. Rendimiento general

PPM < LEI
16113.75
PPM > LES 23732.49
PPM Total
39846.24

CONCLUSIN:
No existe capacidad sobre el proceso, ya que el Cpk es menor que 1 (Cpk = 0.74),
no se cumple con la especificacin. Existe 39846.24 sobre un milln fuera de la
especificacin, lo que genera un 3.98% de producto no conforme.

24

Capacidad de proceso de X5
LES
Dentro de
General

Procesar datos
LEI
*
O bjetivo
*
LES
12
Media de la muestra 11.071
Nmero de muestra
30
Desv.Est. (Dentro)
0.39863
Desv.Est. (General)
0.457869

Capacidad (dentro) del potencial

Cp
*
CPL
*
CPU 0.78
Cpk
0.78
Capacidad general
Pp
PPL
PPU
Ppk
Cpm

10.0 10.4
Desempeo observado
PPM < LEI
*
PPM > LES 0.00
PPM Total
0.00

Exp. Dentro del rendimiento

PPM < LEI
*
PPM > LES 9890.42
PPM Total
9890.42

10.8 11.2

*
*
0.68
0.68
*

11.6 12.0

Exp. Rendimiento general

PPM < LEI
*
PPM > LES 21230.89
PPM Total
21230.89

CONCLUSIN:
No existe capacidad sobre el proceso, ya que el Cpk es menor que 1 (Cpk = 0.78),
no se cumple con la especificacin. Existe 21230.89 sobre un milln fuera de la
especificacin, lo que genera un 2.12% de producto no conforme.

25