= 14 OZ

desviaci est = 0.1

muestra = 36
= 0.01666667

LCS = 14 + 3
LCI = 14 - 3

A)
n = 5
= 50
desviaci est = 1.72
Z = 3

LCS = 52.308
LCI = 47.692

B) Z = 2

LCS = 51.538
LCI = 48.462

Los lmites de control son ms estrictas, pero el nivel de confianza se ha reducido.

Datos
A2 = 0.419
D4 1.924
D3 0.076
Los lmites de control son:

A) Grfica x
LCS = 57.75 + 0.419 *
LCI = 57.75 - 0.419 *

B) Grfica R
LCS = 1.924 * 1.78 =
LCI = 0.076 * 1.78 =

= 420
Z = 4
Desviacin e = 25
n = 25
A)
LCI = - Z

LCS = + Z

B)
LCI = - 3

LCS = + 3
 R. prome = 6
= 705
Datos de la tabla
A2 = 0.308
D4 = 1.777
D3 = 0.223

A) X
LCS = + A2 x
LCI = - A2 x

B) R
LCS = D4 X =
LCI = D3 X =
Hora Media R
1 3.25 0.71
2 3.1 1.18
3 3.22 1.43 R =
4 3.39 1.26 n =
5 3.07 1.17 Tabla
6 2.86 0.32 A2 =
7 3.05 0.53 D4 =
8 2.65 1.13 D3 =
9 3.02 0.71
10 2.85 1.33 X
11 2.83 1.17 LCS =
12 2.97 0.4 LCI =
13 3.11 0.85 R
14 2.83 1.31 LCS =
15 3.12 1.06 LCI =
16 2.84 0.5
17 2.86 1.43 La media de la muestra ms pequea es 2,64, la
18 2.74 1.29 de control. Del mismo modo, el rango de la mue
19 3.41 1.61 1.61, tambin bien dentro de los lmites de cont
20 2.89 1.09 encuentra dentro del control. Sin embargo, los p
21 2.65 1.08 encima de la media esperada; esto puede ser el
22 3.28 0.46 del proceso.
23 2.94 1.58
24 2.64 0.97
2.98208333 1.02375

Hora Media M. de las medLCS LCI

1 3.25 2.98208333 3.728 2.236
2 3.1 2.98208333 3.728 2.236
3 3.22 2.98208333 3.728 2.236
4 3.39 2.98208333 3.728 2.236
5 3.07 2.98208333 3.728 2.236
6 2.86 2.98208333 3.728 2.236
7 3.05 2.98208333 3.728 2.236
8 2.65 2.98208333 3.728 2.236
9 3.02 2.98208333 3.728 2.236
10 2.85 2.98208333 3.728 2.236
11 2.83 2.98208333 3.728 2.236
12 2.97 2.98208333 3.728 2.236
13 3.11 2.98208333 3.728 2.236
14 2.83 2.98208333 3.728 2.236
15 3.12 2.98208333 3.728 2.236
16 2.84 2.98208333 3.728 2.236
17 2.86 2.98208333 3.728 2.236
18 2.74 2.98208333 3.728 2.236
19 3.41 2.98208333 3.728 2.236
20 2.89 2.98208333 3.728 2.236
21 2.65 2.98208333 3.728 2.236
22 3.28 2.98208333 3.728 2.236
23 2.94 2.98208333 3.728 2.236
24 2.64 2.98208333 3.728 2.236

Hora Rango M.de rango LCS LCI

1 0.71 1.024 2.336 0
2 1.18 1.024 2.336 0
3 1.43 1.024 2.336 0
4 1.26 1.024 2.336 0
5 1.17 1.024 2.336 0
6 0.32 1.024 2.336 0
7 0.53 1.024 2.336 0
8 1.13 1.024 2.336 0
9 0.71 1.024 2.336 0
10 1.33 1.024 2.336 0 2.5

11 1.17 1.024 2.336 0 2

12 0.4 1.024 2.336 0
13 0.85 1.024 2.336 0 1.5
14 1.31 1.024 2.336 0
1
15 1.06 1.024 2.336 0
16 0.5 1.024 2.336 0 0.5
17 1.43 1.024 2.336 0
18 1.29 1.024 2.336 0 0
0 5
19 1.61 1.024 2.336 0 R
20 1.09 1.024 2.336 0
21 1.08 1.024 2.336 0
22 0.46 1.024 2.336 0
23 1.58 1.024 2.336 0
24 0.97 1.024 2.336 0
 n = 5
Da Media (mm) Rango (mm)
1 156.9 4.2
2 153.2 4.6
3 153.6 4.1
4 155.5 5
5 156.6 4.5

A)
= 155.16 mm
B)
= 4.48 mm

C)
Grfica

= 155,16 mm de los datos de muestra

Tabla: A2 = 0.308

LCS = + A2 = 156.54
LCI = - A2 = 153.78

D)
R Grfica

= 4.48 mm
Tabla
D4 = 1.777
D3 = 0.223

LCS = D4 = 7.96 mm
LCI = D3 = 1.00 mm

E)
Si la lnea nominal deseado es 155 mm, entonces:
LCS 155 + 0.308 X 4.48 156.38
LCI 155 - 0.308 X 4.48 153.62
E l proceso ya no est en control. Muestra 3 se encuentra fuera
los lmites del rango; Las muestras 3 y 5 estn fuera de los lmites de medias. Las
causas asignables deben determinarse y eliminarse. Tal vez hay un nuevo ayudante de
panadero que carece de buen juicio sobre el peso de los panes.

Medias
LCS 6.56 Muestra Pieza1
LCI 5.84 1 6.3
Rango 2 6
LCS 1.141 3 6.3
LCI 0 4 6.2
5 6.5
 = 14.050 OZ
= 13.950 OZ

e ha reducido.
 1.78 = 58.496
1.78 = 57.004

3.425
0.135

= 440

= 440

= 405

= 435
 706.848
703.152

10.662
1.338
 2.982
1.024
4

0.729
2.282
0

+ A2 X 3.728
- A2 X 2.236

D4 X 2.336
D3 X 0

muestra ms pequea es 2,64, la mayor 3,41. Ambos son bien dentro de los lmites
mismo modo, el rango de la muestra ms grande es
bien dentro de los lmites de control. Podemos concluir que el proceso se
tro del control. Sin embargo, los primeros cinco valores para la media estn por
media esperada; esto puede ser el indicio de un problema en las primeras etapas

Grfico x
4

3.5

3
Medi a
2.5 M. de la s medi a s
LCS
2
LCI
1.5

0.5

0
0 5 10 15 20 25 30
 1.5

0.5

0
0 5 10 15 20 25 30

Grfico de Rangos

2.5

1.5

0.5

0
0 5 10 15 20 25 30
Ra ngo M.de rango LCS LCI
mm
mm
DA Promedio(lb) A)
1 16.3
2 15.9
3 15.8
4 15.5 = 16
5 16.3 Z = 2
6 16.2 = 0.12
7 16 n = 9
8 16.1
9 15.9 0.08
10 16.2
11 15.9
12 15.9 16 + 0.08 =
13 16.3 16 - 0.08
14 15.9
15 16.3 B) Con Z =
16 16.2
17 16.1 LCS = 16.12
18 15.9 LCI = 15.88
19 16.2
20 15.9
21 15.9
22 16
23 15.5
24 15.8
16
Pieza 2 Pieza 3 Pieza 4 Media Rango
6 5.9 5.9 6.025 0.4
6 6.3 5.9 6.05 0.4
4.8 5.6 5.2 5.475 1.5
6 6.2 5.9 6.075 0.3
6.6 6.5 6.9 6.625 0.4
16.08 LCS
15.92 LCI

3
 a) Cul es la desviacin estndar del proceso? Qu valor tiene ?
b) Si z = 3, cules son los lmites de control para la grfica de la
media?
c) Cules son los lmites de control para la grfica de rangos?
d) Est el proceso bajo control?

1 2 3 4 5 6 7 8 9
10 9 13 10 12 10 10 13 8
9 9 9 10 10 10 11 10 8
10 11 10 11 9 8 10 8 12
9 11 10 10 11 12 8 10 12
12 10 9 10 10 9 9 8 9
50 50 51 51 52 49 48 49 49
MEDIA 10 10 10.2 10.2 10.4 9.8 9.6 9.8 9.8
RANGO 3 2 4 1 3 4 3 5 4
Rango 3.3
Z 3

a) Cul es la desviacin estndar del proceso? Qu valor tiene ?

= 0.61 2.236068

b) Si z = 3, cules son los lmites de control para la grfica de la media

UCL 10 3 0.61 11.83
LCS 11.8246315
LCI 8.17536853

USANDO A2= 0,577

LCS 11.9041
LCI 8.0959

c) Cules son los lmites de control para la grfica de rangos?

RANGO SUPEROR 2.115
RANGO INFERIOR 0
LCSR 6.9795
LCIR 0
d) Est el proceso bajo control?
S, tanto la media y los grficos de distribucin indican proceso es
en control
 10
10
12
9
8
12
51
10.2
4
Determine los lmites de control superior e inferior y las medias
globales para las grficas de x y R. Dibuje la grfica representando los
valores de las medias y de los rangos muestrales. Los datos indican
que el proceso est bajo control? Por qu s o por qu no?
a)
MUESTRA MEDIA MUE RANGO A2 = 0.577
1 10.002 0.011 D4= 2.115
2 10.002 0.014 D3= 0
3 9.991 0.007 Media 10.0005
4 10.006 0.022 Rango 0.0115
5 9.997 0.013 X
6 9.999 0.012 LCSmedia 10.0071
7 10.001 0.008 LCImedia 9.993865
8 10.005 0.013 R
9 9.995 0.004 LCSR 0.0243225
10 10.001 0.011 LCLR 0
11 10.001 0.014
12 10.006 0.009
sumatoria 120.006 0.138
Media 10.0005 0.0115
GRAF
MUESTRA MEDIA MUE Media de MeLCS LCI
10.01
1 10.002 10.0005 10.0071 9.993865
2 10.002 10.0005 10.0071 9.993865 10.005
3 9.991 10.0005 10.0071 9.993865
10
4 10.006 10.0005 10.0071 9.993865
5 9.997 10.0005 10.0071 9.993865 9.995
6 9.999 10.0005 10.0071 9.993865
9.99
7 10.001 10.0005 10.0071 9.993865
8 10.005 10.0005 10.0071 9.993865 9.985
9 9.995 10.0005 10.0071 9.993865
10 10.001 10.0005 10.0071 9.993865 9.98
1 2 3 4 5
11 10.001 10.0005 10.0071 9.993865 MEDIA MUE
 9.985

9.98
1 2 3 4 5
MEDIA MUE
12 10.006 10.0005 10.0071 9.993865

MUESTRA RANGO Media de R LCS LCI

1 0.011 0.0115 0.0243225 0
2 0.014 0.0115 0.0243225 0 GR
3 0.007 0.0115 0.0243225 0 0.03
4 0.022 0.0115 0.0243225 0
5 0.013 0.0115 0.0243225 0 0.025
6 0.012 0.0115 0.0243225 0
0.02
7 0.008 0.0115 0.0243225 0
8 0.013 0.0115 0.0243225 0 0.015
9 0.004 0.0115 0.0243225 0
0.01
10 0.011 0.0115 0.0243225 0
11 0.014 0.0115 0.0243225 0 0.005
12 0.009 0.0115 0.0243225 0
0
1 2 3 4
RANGO

Todos los puntos de datos del grfico estan dentro de sus lmites de control.
 Z= 1
= 0.28867513
3.46410162

GRAFICO DE MEDIAS
10.01

0.005

10

9.995

9.99

9.985

9.98
1 2 3 4 5 6 7 8 9 10 11 12
MEDIA MUE Medi a de Me LCS LCI
9.985

9.98
1 2 3 4 5 6 7 8 9 10 11 12
MEDIA MUE Medi a de Me LCS LCI

GRAFICA DE RANGOS
0.03

0.025

0.02

0.015

0.01

0.005

0
1 2 3 4 5 6 7 8 9 10 11 12
RANGO Media de R LCS LCI
DATOS LCSR 6.058
Rango 3.25 LCIR 0.442
Z 3
n 8
D4 1.864
D3 0.136
a) B
n 100 SUPONIENDO QUE LIMITE ES 50
Z 3 n 50
0.01215 z 3

0.01215 LCS

LCS 0.05145 LCI

LCI -0.02145 LCIP

LCIP 0

C)
N= 100 El LCI puede llegar tan bajo como cero, pero no puede ser ne
Z= 2 es fsicamente posible tener menos de 0% defectuoso.

LCS 0.0393

LCI -0.0093

LCIP 0
UE LIMITE ES 50
RAIZ= 0.01745

0.06735

-0.03735

omo cero, pero no puede ser negativa porque no

menos de 0% defectuoso.
 n=100
PMEDIA (1-Pmedia) RAIZ LCSP LCIP
0.02 0.98 0.014 0.062 -0.022 0
0.04 0.96 0.01959592 0.09878775 -0.0187878 0
0.06 0.94 0.02374868 0.13124605 -0.0112461 0
0.08 0.92 0.02712932 0.16138796 -0.001388 0
0.1 0.9 0.03 0.19 0.01 0.01
DIA 1 2 3 4 5 6
DEFECTOS 7 6 6 9 5 6

DEFECTOS 57
DIAS 10
T MUESTRAS 100
N 1000

0.057

0.0232
El proceso est fuera de control en el tercer da (de la
LCSP 0.1266 prximos 3 das).
LCIP -0.0126
LCIP 0
 7 8 9 10
0 8 9 1 57

ntrol en el tercer da (de la

 0.00543599

LCSP 0.03130797
LCIP -0.001308
LCIP 0
 0.00821888

LCSP 0.05965664
LCIP 0.01034336
 En el departamento de procesamiento de datos del Banco de Georgia
trabajan cinco operadores para efectuar la entrada de datos. Diariamente,
durante 30 das, el nmero de registros defectuosos en una muestra de
250 registros introducidos por estos operadores se ha anotado de la
siguiente manera

# muestra # de defectos
1 7
2 5
3 19
4 10
5 11
6 8
7 12
8 9
9 6
10 13
11 18
12 5
13 16
14 4
15 11
16 8
17 12
18 4
19 6
20 16
21 17
22 12
23 6
24 7
25 13 Establezca los lmites de control superior e inferior con 3
26 10
27 14
28 6
29 12
30 3
300 0.040

(((1))/)
30 *250= 7500 0.012390
 UCL 0.07717 LCL 0.00283

El LCL no puede ser negativo debido a que el pocentaje de defectos nunca puede ser menor que 0.
los estandares de la industira no son tran estristos como las de georgina del banco.
georgina establece su limite de control superior al 0,077 = 7,7% defectuoso, mientras que la industria permite alcanzar el 10%
stria permite alcanzar el 10% antes de reclamar que la muestra esta fuera de control
 El Hospital Central de Detroit busca mejorar su imagen proporcionando una experiencia positiva a los
pacientes y sus familiares. Parte del programa de imagen incluye comidas sabrosas que inviten a los
pacientes a comer alimentos que tambin son saludables. Un cuestionario acompaa cada comida que se
sirve y pregunta, entre otras cosas, si el paciente est satisfecho o insatisfecho con la comida. Los resultados
de una muestra de 100 pacientes durante los pasados 7 das produjeron los siguientes datos:

DIA # DE PACIENTES TAMAO DE LA Construya una grfica p en la que se grafique el po

INSATISFECHOS MUESTRA insatisfechos con sus comidas. Establezca los lmite
1 24 100 el 99.73% de la variacin aleatoria en la satisfacci
2 22 100 Comente sus resultados
3 8 100
4 15 100
5 10 100
6 26 100
7 17 100
122 700

encuestados 0.1742857143

((0,1743(10,1743))/100)
(((1))
/) = 0.0379

=+3(((1))/)

=0,1743+3(0,0379) 0.2881

L=3(((1))/)

L=0,17433(0,0379) 0.0605

el analisis de digrama vemos que hay puntos que caen fuera de los limites de control
sin embargo, podemos ver que el dia 6 el # de pacientes insatifeschos se esta acercando al limite superior
el hospital podria tomar nota de la cmida que se srive ese dia y monitorear el futuro de los comentarios sobre los elementos d

grfico
0.35
MUESTRA RANGO MEDIA ULC LCL
grfico
1 0.24 0.1743 0.2881 0.0605 0.35
2 0.22 0.1743 0.2881 0.0605
0.3
3 0.08 0.1743 0.2881 0.0605
4 0.15 0.1743 0.2881 0.0605 0.25
5 0.01 0.1743 0.2881 0.0605
0.2

# de quejas
6 0.26 0.1743 0.2881 0.0605
7 0.17 0.1743 0.2881 0.0605 0.15

0.1

0.05

0
1 2
ncia positiva a los
s que inviten a los
a cada comida que se
a comida. Los resultados
es datos:

a p en la que se grafique el porcentaje de pacientes

comidas. Establezca los lmites de control para incluir
cin aleatoria en la satisfaccin con la comida.
dos

te superior
mentarios sobre los elementos del menu

grfico de control de pacientes insatisfechos

0.35
 grfico de control de pacientes insatisfechos
0.35

0.3
0.2881
0.25

0.2
# de quejas

0.1743
0.17
0.15

0.1

0.0605
0.05

0
1 2 3 4 5 6 7
 Chicago Supply Company fabrica clips y otros productos de oficina. Aunque son baratos, los
clips han proporcionado a la compaa un alto margen de utilidad. Se toman muestras de 200
artculos. A continuacin se presentan los resultados de las ltimas 10 muestras. Establezca los
lmites de control superior e inferior para la grfica de control y grafique los datos. Est el
proceso bajo control?

MUESTRA 1 2 3 4 5 6 7
DEFECTOS 5 7 4 4 6 3 5

n 200
50/100(200) 0.025

=+3(((1))/)
0.0581

L=3((
(1))/)
-0.0081 repuesta que tenga v signo negativo equivale a 0

el mayor % de defectos es de 0,040 por lo tanto el proceso esta en control

si n= 100 50/10(100) 0.05

ULC = 0,05 + 0,0654 = 0,1154

LCL = 0,05 - 0,0654 = 0 ( NO HAY ASPECTOS NEGATIVOS) PERMITIDOS

tos, los
as de 200
ablezca los
Est el

8 9 10
6 2 8 50
 La tienda departamental de Peter Ittig, Ittig Brothers, es la fabricante independiente de ropa ms grande
de Amherst. La tienda recibe un promedio de seis devoluciones por da. Usando z = 3, debe llevarse a
cabo alguna accin si el nmero de devoluciones aumenta a nueve en un da?

UCL + 3* ()(6+3*((6)=
= 13.35

LCL 3* ((6-3*((6)=
) -1.35 0
=
NUEVE RETORNOS ESTAN DENTRO DE LOS LIMITES DE CONTROL POR LO QUE ESTA CANTIDAD DE RETORNOS NO SERIAN CONS
 de ropa ms grande
3, debe llevarse a

D DE RETORNOS NO SERIAN CONSIDERADOS INUSUAL.

 Una agencia de publicidad rastrea las quejas recibidas semanalmente acerca de los anuncios colocados en su
ciudad:

SEMANA # DE QUEJAS
1 4
2 5
3 4
4 11
5 3
6 9

a) Qu tipo de grfica de control usara usted para monitorear este proceso y por qu?
b) Cules son los lmites de control 3 sigma para este proceso? Suponga que no se conoce la tasa de
quejas histrica.
c) De acuerdo con los lmites de control, est la media del proceso bajo control? Por qu s o por qu no?
d) Ahora suponga que la tasa de quejas histrica es de 4 llamadas a la semana. Cules seran ahora los
lmites de control 3 sigma para este proceso? De acuerdo con los lmites de control, est el proceso bajo
control?

A) contamos con atributos y no tenemos idea de como muchas observaciones en total existen ( la proporcionn de conductores
se trata de un grafico C

B) uso de media de 6 semanas de observacioes 36 = 6

UCL + 3* () =(6+3*((6)= 13.35

LCL 3* () (6-3*((6)= -1.35 0

=

C) estan en control porque las llmadas de todas las semans entran dentro del itervalo de ( 0 , 13)

D) en lgar de utilizar 36 -6 -6 ahora utilizamos 4-4-2

dode nos da que en la semana 4 ( 11 llmadas) es superior a la UCL y no esta en control

uncios colocados en su

?
noce la tasa de

qu s o por qu no?
s seran ahora los
st el proceso bajo

la proporcionn de conductores que no se ofenden sufuciente para llamar

 La direccin de una escuela est tratando de evaluar un nuevo programa de matemticas introducido este ao para
alumnos de segundo grado en cinco escuelas primarias de la regin. Una muestra de las calificaciones que obtuvier
estudiantes en el examen estandarizado de matemticas, aplicado en cada escuela primaria, gener los siguientes

ESCUELA # DE ERRORES EN EL EXAMEN

A 52
B 27
C 35
D 44
E 55
213

Construya una grfica c para los errores en el examen y establezca los lmites de control que contengan un
99.73% de la variacin aleatoria en las calificaciones. Qu le indica la grfica? Ha resultado efectivo el
nuevo programa de matemticas?

p = 213 / 42,6 = 5 Errores de ensayo por UCL en la escuela

UCL + 3* () =

UCL + 3* () = (42, 6+3*((42,6)= 62.1806

LCL 3* () (42, 6-3*((42,6)= 23.0194

=

ESCUELA RANGO MEDIA ULC LCL

A 52 50 62.1806 23.0194
B 27 50 62.1806 23.0194
C 35 50 62.1806 23.0194
D 44 50 62.1806 23.0194
E 55 50 62.1806 23.0194

dato ajustado para que coordine en el control

ticas introducido este ao para los
e las calificaciones que obtuvieron los
primaria, gener los siguientes datos:

trol que contengan un

esultado efectivo el

grfico de control de los errores en el

70

60

50

40

30

20

10
rdine en el control

0
A B C

El grfico indica que no hay escuelas fuera de control. Tambin muestra que 3 de 5 escu
es una buena indicacin de que el nuevo programa de matemticas se ha enseado la m
Sea o no el nuevo programa de matemticas es eficaz requerira comparaciones de los re
(en el marco del antiguo programa) o comparaciones con los datos nacionales de rendim
El grfico indica que no hay escuelas fuera de control. Tambin muestra que 3 de 5 escu
es una buena indicacin de que el nuevo programa de matemticas se ha enseado la m
Sea o no el nuevo programa de matemticas es eficaz requerira comparaciones de los re
(en el marco del antiguo programa) o comparaciones con los datos nacionales de rendim
 control de los errores en el examen

62.1806

55

50

23.0194

C D E

mbin muestra que 3 de 5 escuelas caen cerca o por debajo de la media del proceso, lo cual
temticas se ha enseado la manera ms eficaz en una escuela en el condado como otro.
uerira comparaciones de los resultados de este ao con los resultados de aos anteriores
los datos nacionales de rendimient
mbin muestra que 3 de 5 escuelas caen cerca o por debajo de la media del proceso, lo cual
temticas se ha enseado la manera ms eficaz en una escuela en el condado como otro.
uerira comparaciones de los resultados de este ao con los resultados de aos anteriores
los datos nacionales de rendimient
 Las entrevistas por telfono de 100 clientes de la oficina recaudadora de impuestos de Estados Unidos se
monitorean todos los das en forma aleatoria. Se registran los incidentes de informacin incorrecta u otros
errores (como la descortesa con los contribuyentes). Los datos de la ltima semana son:

DIA # DE INCONFORMIDADES
1 5
2 10
3 23
4 20
5 15
73

Construya una grfica c para las inconformidades considerando tres desviaciones

estndar.
Qu indica la grfica de control sobre los operadores de telfono de la oficina
recaudadora?
p = 73 / 5 = 14,6 inconformidades por dia UCL
UCL + 3* () =

UCL + 3* () = (14, 6+3*((14,6)= 26.063

LCL 3* () (14, 6-3*((14,6)= 3.137

=

DIA RANGO MEDIA ULC LCL

1 5 14.6 26.063 3.137
2 10 14.6 26.063 3.137
3 23 14.6 26.063 3.137
4 20 14.6 26.063 3.137
5 15 14.6 26.063 3.137
de Estados Unidos se
n incorrecta u otros
on:

GRAFICO DE CONTROL DE EL # DE INCORFOMIDADES

30

25

20

15

10

0
1 2 3 4

EL grafico C muestra que no hay una variacion significativa en los caoso de informacion incorrecta
dadas por los operadores de telefonia IRS. Asi todos los operadores estan igualmente mal informados) no nos dice nada acerc
ni juzgar si un promedio de casi 15 errores el dia es aceptable para el IRS.
DADES

26.063

15
14.6

3.137

4 5

ormados) no nos dice nada acerca de las consecuencias de la informacion incorrecta proporcionada,
El departamento de cuentas por cobrar de Rick Wing Manufacturing ha tenido dificultades para que los clientes pa
quejan de que las facturas son incorrectas y que no reflejan los materiales que llegan a sus puntos de recepcin. El
facturacin. Para establecer las grficas de control, se tomaron 10 muestras de 50 facturas cada una durante un me
notas de llegada enviadas por el departamento de embarques de la compaa, para determinar el nmero de factu

# de muestra # de facturas incorrectar

1 6
2 5
3 11
4 4
5 0
6 5
7 3
8 4
9 7
10 2
47

a) Determine el valor de la p-barra, es decir, la media de la fraccin defectuosa. Despus determine los lmites de c
un nivel de confianza del 99.73% (3 desviaciones estndar). Est el proceso bajo control? Si no es as, cul(es) mu
control?
b) Cmo utilizara usted las herramientas para la calidad analizadas en el captulo 6 para determinar la fuente de
dnde iniciara sus esfuerzos de mejora para eliminar las causas?

p 0.094
0.041

UCL 0.218
LCL 0

LA MUESTRA # DE FACTURAS INCORRECTAS VALOR ES LA FACTURACION

PROCESO DE CONTROL
1 6 0.120 Y
2 5 0.100 Y
3 11 0.220
4 4 0.080 Y
5 0 0.000 Y
6 5 0.100 Y
7 3 0.060 Y
8 4 0.080 Y
9 7 0.140 Y
10 2 0.040 Y
El valor de la fraccin global defectuoso es 0.094. El proceso no est en control. Las causas de la cantidad excesiva
de billetes incorrectos en la muestra 3 deben ser investigadas para determinar por qu un nmero tan alto se
produjo durante ese perodo. Cuando se eliminan estas causas, el proceso debe ser muestreada de nuevo para determinar los

B) Cmo reducir la fraccin en el error? Primero un lluvia de ideas podra resultar en un grfico de espina de pescado que repre
A continuacin, una hoja de verificacin podra ser diseado para recopilar datos sobre los tipos de defectos que se produjeron
amplia muestra de facturas podra identificar un nmero suficiente para investigar.

Por ejemplo, 300 cuentas se traducira en 25-30 facturas defectuosas (300 9,4%). Cada seran estudiados y los tipos de errore
podra construirse que muestra qu tipos de errores ocurrieron con mayor frecuencia. Esta identificacin de los pocos crticos
ficultades para que los clientes paguen el monto total de sus facturas. Muchos clientes se
gan a sus puntos de recepcin. El departamento decidi implementar SPC en su proceso de
0 facturas cada una durante un mes y los artculos en las facturas se revisaron contra las
ara determinar el nmero de facturas que no estuvieron correctas. Los resultados fueron:

espus determine los lmites de control para la gr- fica p usando

control? Si no es as, cul(es) muestra(s) estuvieron fuera de

o 6 para determinar la fuente de los defectos de facturacin y

 de la cantidad excesiva
nmero tan alto se
reada de nuevo para determinar los nuevos lmites de control

fico de espina de pescado que representa las posibles causas de las facturas incorrectas.
s tipos de defectos que se produjeron con ms frecuencia. El muestreo al azar de una

eran estudiados y los tipos de errores observados. A continuacin, un grfico de Pareto

a identificacin de los pocos crticos permitira a un equipo para centrarse en la eliminacin de las causas ms importantes en primer luga
s ms importantes en primer lugar
6.26

_=()/6

_=0.6/(6(0.1))=0.6/0.6=1.0

Este proceso es apenas competente

6.27

_=()/6

_=(2.4001.600)/(6(100))=800/600=1.33

_=[("x")/3()/3]

_=[(2.4001.800)/(3(100))(1.8001.600)/(3(100))]

_=[(2.4001.800)/(3(100))(1.8001.600)/(3(100))]

_=[2.000.67]=0.67

Los Cp nos dice que la varibilidad de la mquina es aceptable en relacion con el

rango de los limites de tolerancia .Pero Cpk nos dice que la distribucion esta
demaciado cerca de la especificacion inferior y producira unos chips cuyas
vidas seran demaciado cortos.

6.28
_=[(8.1358,00)/((3)(0.04))(8,007.865)/((3)(0.04))]

o
_=[0.135/0.12=1.125;0.135/0.12=1.125]

Por lo tanto Cpk= 1.125

Este proceso se producira dentro de la tolerancia especificada

6.29

=2.9;=3.1

_=((3.13.0)" ")/((30.02))=1,67

El limite de especificacin superior se encuantra a unos 5 desviaciones estandar de la

linea central, por lo que practicamente el 100% de las unidades va cumplir con las
especificaciones.

6.30

_=[(16.516)/((3)(1))(1615.5)/((3)(1))]
 o

_=[0.5/(3);0.5/3]_=0.1667

6.31

=3.15;=2.85

_=min ((3.1503.043))/0.102

o
_=min ((3.0422.8550))/0.102

_=1.059

Puesto que un valor de 1.0 da 2.7 defectos por 1000 unidades, significa que el proceso es
un poco mejor debido a que Cpk ligeramente es mayor que 1.0 .
Esto indica que el proceso tiene como maximo de 0.27% de defectos. Por lo tanto mas del 99.73%
de las botellas cumple con las especificaciones.

6.32

=((_)(_)())/=((0.03)(0.79)(1.00080))/1.000=21.80/1.000=0.22

=2.2%

6.33
 =((_)(_)())/=((0.04)(0.57)(50060))/500=10.0/500=0.2

=2.0%

6.34

a) Distancia
Limite de con 61,131 41.62
Linea de cen 49,776 41.63
Limite inferio 38,421 41.64

Datos recientes
Hora 1 2 3 4 5
26 48 52 39 57 61 51,422
27 45 53 49 46 66 51,621
28 63 49 50 45 53 50,018
29 47 70 45 52 61 57,025
30 45 38 46 54 52 47,016

b) Si el proceso esta bajo control. Las muestras 26-30 se mantienen de del los
rangos de los limites de control superior e inferior.
Para ambos graficos y R.

c) Los tiempos de vida observados tienen una media de aproximadamente un valor de 50 horas
que apoya la demanda realizada por West batera Corp.
Sin embargo, la varianza de la media tiene que ser controlada y reducida.
Los tiempos de los limites deben desviarse de la media no mas de 5 horas (10% de la varianza).
o mas del 99.73%
 R

lor de 50 horas
de la varianza).