Академический Документы
Профессиональный Документы
Культура Документы
m
e
t
r
o
i
n
c
o
r
r
e
c
t
o
A
c
a
b
a
d
o
P
i
e
z
a
s
c
u
r
v
a
s
O
t
r
o
s
1 2 3 4 5 6 7 8 9
F
r
e
c
u
e
n
c
i
a
Defecto
Defectos en los tornillos
ROMERO RUEDA INES MARIA Pgina 109
7. La compaa Teclusa desea conocer el comportamiento del
proceso de produccin y decide obtener ms informacin. Para
esto se pide la asesora del grupo de control de calidad, el cual
decide tomar 5 piezas cada 15 minutos, midindolas y
registrndolas. Este proceso de produccin consiste en la
fabricacin de ciertas piezas de hule, cuya dureza debe ser de
25 5. Los valores se tienen en la tabla. Desarrolle un
histograma para explicar su comportamiento.
x Lmite real f
21 20.5 21.5 5
22 21.5 22.5 10
23 22.5 23.5 22
24 23.5 24.5 26
25 24.5 25.5 30
26 25.5 26.5 18
27 26.5 27.5 9
28 27.5 28.5 3
29 28.5 29.5 2
Muestra Datos
1 24 26 26 26 25
2 21 22 24 26 24
3 24 22 21 27 25
4 26 25 26 23 21
5 23 24 27 26 22
6 23 27 28 25 24
7 22 25 24 25 26
8 26 23 23 24 28
9 25 22 23 26 25
10 21 24 23 25 25
ROMERO RUEDA INES MARIA Pgina 110
LE = 25 5, LSE = 30 y LIE = 20.
De acuerdo a lo dicho por Shewart:
El tamao de la muestra debe ser 5 4, ya que menos informacin
no es representativa de la poblacin, y ms informacin puede llegar a
deformar la visin del analista en el muestro y estudio del proceso. El
rango de los datos en el muestreo es R = 29 21 = 8. Ahora,
condensamos los datos en una tabla de frecuencias con sus
respectivos lmites para construir el histograma.
11 27 24 23 22 23
12 22 22 24 23 25
13 24 23 25 22 22
14 24 25 24 23 25
15 26 23 27 26 24
16 28 27 26 24 24
17 25 25 25 26 23
18 24 27 24 25 24
19 24 23 26 23 25
20 23 23 27 24 23
21 23 25 27 26 25
22 29 24 23 24 25
23 24 25 28 25 24
24 26 23 21 25 29
25 26 25 25 25 25
0
5
10
15
20
25
30
35
20.5
21.5
21.5
22.5
22.5
23.5
23.5
24.5
24.5
25.5
25.5
26.5
26.5
27.5
27.5
28.5
28.5
29.5
F
r
e
c
u
e
n
c
i
a
Valor de la variable
Medicin de piezas en el proceso
ROMERO RUEDA INES MARIA Pgina 111
Se calcula la capacidad de un proceso de fresado de unas barras de
acero inoxidable, hasta un espesor de 0.12 0.03 in.
8. . El estudio se inici en la fresadora #3 durante el primer turno
con el acero inoxidable en su operacin no. 35.las mediciones en
in fueron:
1 0.1220 11 0.1200 21 0.1205 31 0.1210 41 0.1205
2 0.1205 12 0.1215 22 0.1200 32 0.1220 42 0.1200
3 0.1210 13 0.1210 23 0.1220 33 0.1200 43 0.1210
4 0.1210 14 0.1220 24 0.1205 34 0.1215 44 0.1210
5 0.1210 15 0.1210 25 0.1210 35 0.1210 45 0.1215
6 0.1215 16 0.1215 26 0.1215 36 0.1200 46 0.1210
7 0.1210 17 0.1215 27 0.1205 37 0.1225 47 0.1205
8 0.1215 18 0.1220 28 0.1205 38 0.1210 48 0.1205
9 0.1205 19 0.1210 29 0.1215 39 0.1210 49 0.1210
10 0.1210 20 0.1195 30 0.1210 40 0.1215 50 0.1215
Realice el grfico correspondiente.
Lo valores a considerar son los siguientes:
La hoja de verificacin entonces es:
La media de la distribucin es:
x Lmite real f f*x
0.1195 0.11925 0.11975 1 0.1195
0.1200 0.11975 0.12025 5 0.600
0.1205 0.12025 0.12075 9 1.0845
0.1210 0.12075 0.12125 18 2.178
0.1215 0.12125 0.12175 11 1.3365
0.1220 0.12175 0.12225 5 0.61
0.1225 0.12225 0.12275 1 0.1225
Total 6.051
12102 . 0
50
051 . 6
N
x f
x = =
76 . 8
25
219
N
R
R = = =
47.386 LSP 614 . 34 LIP
76 . 8 729 . 0 41 R A x LP
4 n
2
= =
= =
=
Fecha Muestra Datos Media R
12/23 1 35 40 32 37 36 8
2 46 37 36 41 40 10
3 34 40 34 36 36 6
4 69 64 68 59 65 10
5 38 34 44 40 39 10
12/27 6 42 41 43 34 40 9
7 44 41 41 46 43 5
8 33 41 38 36 37 8
9 48 44 47 45 46 4
10 47 43 36 42 42 11
12/28 11 38 41 39 38 39 3
12 37 37 41 37 38 4
13 40 38 47 35 40 12
14 38 39 45 42 41 7
15 50 42 43 45 45 8
12/29 16 33 35 29 39 34 10
17 41 40 29 34 36 12
18 38 44 28 58 42 30
19 35 41 37 38 38 6
20 56 55 45 48 51 11
12/30 21 38 40 45 37 40 8
22 39 42 35 40 39 7
23 42 39 39 36 39 6
24 43 36 35 38 38 8
25 39 38 43 44 41 6
Totales 1025 219
ROMERO RUEDA INES MARIA Pgina 120
4.- A continuacin se presenta una forma caracterstica de la grfica x R,
que contiene informacin sobre una concentracin de cido en mililitros.
Termine de hacer todos los clculos, grafique los puntos y dibuje la lnea
central de ensayo y los lmites. Analice los puntos y diga si el proceso es
estable.
Valor nominal: 70 ml. Tolerancia: 0.20
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
1 85 75 80 65 75 60 80 70 75 60 80 75 70 65 85 80 70 70 65 65 55 75 80 65 65
2 65 85 80 75 70 75 75 80 85 70 75 85 70 70 75 75 85 80 65 60 50 65 65 60 70
3 65 75 75 60 65 75 65 75 85 60 90 85 75 85 80 75 75 70 85 60 65 65 75 65 70
4 70 85 85 70 80 70 75 75 80 80 50 65 70 75 80 80 70 70 65 65 80 80 65 60 60
X 285 320 320 270 290 280 295 300 325 270 295 310 285 295 320 310 300 290 280 250 250 285 285 250 265
X 71 80 80 68 73 70 74 75 81 68 74 78 71 74 80 78 75 73 70 63 63 71 71 63 66
R 20 10 10 15 15 15 15 10 10 20 40 20 5 20 10 5 15 10 20 5 30 15 15 5 10
Clculos:
1 . 72
25
05 . 1802
N
x
x = = =
6 . 14
25
365
N
R
R = = =
743 . 82 LSP 46 . 61 LIP
6 . 14 729 . 0 1 . 72 R A x LP
4 n
2
= =
= =
=
31
36
41
46
51
56
61
66
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
M
e
d
i
a
Muestra
Grfico de control x - R
ROMERO RUEDA INES MARIA Pgina 121
Este grfico presenta adhesin a la lnea superior de control. A pesar de ello el
proceso est bajo control estadstico y el obrero puede trabajar en el intervalo de
especificacin, pues los lmites del proceso se encuentran dentro de los de
especificacin.
5.- Se presenta la siguiente hoja de verificacin
Especificaciones: Mximo 215 C, mnimo 185 C, Media de especificacin:
200 C
Fech
a
Subgru
pos
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
1
0
x o
Ago-
01
1 20
0
18
8
20
5
19
9
19
0
21
1
19
0
19
3
20
1
20
1
197
.8
7.405
7
2 20
5
19
5
19
1
21
5
19
5
20
4
19
5
19
1
19
3
18
8
197
.2
8.283
9
3 20
2
19
8
19
8
20
7
21
6
18
9
19
5
21
1
18
9
19
5
200 9.006
17
4 21
0
20
1
18
8
18
5
19
8
19 19
7
19
5
19
3
19
5
178
.1
56.31
94
5 21
2
25 19
3
20
1
19
8
19
5
19
7
19
5
19
3
19
5
180
.4
54.88
82
6 19
0
20
5
18
9
20
5
20 20
1
20
2
19
8
18
6
19
2
178
.8
56.21
94
7 19
5
20
8
18
9
19
3
19
2
19 20
1
19
6
20
4
20
1
179
.8
56.80
14
8 21
6
19
6
19
7
19
1
21
3
21
4
21
2
19
8
21
1
18
8
203
.6
10.59
56
50
55
60
65
70
75
80
85
90
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
C
o
n
c
e
n
t
r
a
c
i
n
Muestra
Concentracin de cido (mL)
ROMERO RUEDA INES MARIA Pgina 122
Ago-
02
9 19
8
18
6
20
8
20
8
19
3
19
8
21
0
21
2
19
3
19
3
199
.9
8.962
27
10 18
8
21
4
20
3
19
2
18
9
20
5
19
6
21
0
18
9
20
7
199
.3
9.661
5
11 19
3
21
1
18
9
20
4
20
1
19
1
20
8
19
5
20
8
20
8
200
.8
8.162
2
12 21
1
19
7
20
3
20
6
19
7
19
8
19
2
19
8
20
3
18
9
199
.4
6.518
3
13 20
4
20
8
18
8
19
5
20
8
18
8
20
4
20
1
19
5
19
3
198
.4
7.618
7
14 18
9
19
5
20
0
20
6
23 20
1
19
8
19
3
20
6
19
8
180
.9
55.73
44
15 20
1
20
8
19
8
19
9
19
7
19
5
20
7
19
8
19
5
20
1
199
.9
4.508
16 19
5
20
3
20
1
21
4
20
8
20
1
19
6
19
5
21
3
21
4
204 7.760
3
Ago-
03
17 20
1
18
9
20
5
19
8
20
3
21
1
19
8
20
6
20
7
21
1
202
.9
6.724
18 21
1
19
9
21
2
18
8
18
9
20
0
19
7
19
9
20
8
20
8
201
.1
8.543
3
19 18
7
21
6
21
0
19
3
19
8
19
2
20
8
20
8
18
9
19
3
199
.4
10.20
02
20 19
3
20
7
21
1
20
0
18
8
21
3
19
3
20
3
19
9
21
2
201
.9
8.812
24
21 20
0
19
6
19
0
20
1
19
3
18
8
19
1
19
7
21
5
21
0
198
.1
8.748
97
22 19
2
19
8
20
5
19
7
21
1
19
5
20
8
20
8
20
7
18
8
200
.9
7.894
23 19
7
20
0
19
5
20
8
20
4
19
8
18
9
20
3
20
1
19
5
199 5.416
03
24 20
8
19
2
19
8
20
3
18
9
20
1
20
1
19
2
19
7
19
8
197
.9
5.743
6
25 20
3
21
3
18
7
18
9
21
3
20
0
19
7
20
4
20
8
20
1
201
.5
8.847
4
Clculos
04 . 196
25
4901
N
x
x = = =
( )
575 . 17
25
375 . 439
N
1) - N(N
x x N
N
2
2
= =
= =
o
o
ROMERO RUEDA INES MARIA Pgina 123
176 . 213 LSP 9044 . 178 LIP
575 . 17 975 . 0 04 . 196 A x LP
10 n
3
= =
= =
=
o
El proceso se encuentra fuera de control, ya que el lmite inferior de
proceso se halla por debajo del lmite inferior de especificacin. Tambin
se notan saltos bruscos de los puntos, debido a variaciones observadas en
la hoja de verificacin. Debe prestarse atencin a las mediciones
realizadas, ya que seguramente se trata de un error del obrero.
160
170
180
190
200
210
220
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
T
e
m
p
e
r
a
t
u
r
a
Muestra
Medicin de temperatura en gases de emisin
ROMERO RUEDA INES MARIA Pgina 124
6.- Los datos se presentan a continuacin para realizar un grfico x o.
Muestra Observaciones
x o
1 6.35 6.4 6.32 6.37 6.36 0.034
2 6.46 6.37 6.36 6.41 6.4 0.045
3 6.34 6.4 6.34 6.36 6.36 0.028
4 6.69 6.64 6.68 6.59 6.65 0.045
5 6.39 6.34 6.44 6.4 6.3925 0.042
6 6.42 6.41 6.43 6.34 6.4 0.041
7 6.44 6.41 6.41 6.46 6.43 0.024
8 6.33 6.41 6.38 6.36 6.37 0.034
9 6.48 6.44 6.47 6.45 6.46 0.018
10 6.47 6.43 6.36 6.42 6.42 0.045
11 6.38 6.41 6.39 6.38 6.39 0.014
12 6.37 6.37 6.41 6.37 6.38 0.02
13 6.4 6.38 6.47 6.35 6.4 0.051
14 6.38 6.39 6.45 6.42 6.41 0.032
15 6.5 6.42 6.43 6.45 6.45 0.036
16 6.33 6.35 6.29 6.39 6.34 0.042
17 6.41 6.4 6.29 6.34 6.36 0.056
18 6.38 6.44 6.28 6.58 6.42 0.125
19 6.35 6.41 6.37 6.38 6.3775 0.025
20 6.56 6.55 6.45 6.48 6.51 0.054
21 6.38 6.4 6.45 6.37 6.4 0.036
22 6.39 6.42 6.35 6.4 6.39 0.029
23 6.42 6.39 6.39 6.36 6.39 0.024
24 6.43 6.43 6.35 6.38 6.3975 0.036
25 6.39 6.39 6.43 6.44 6.4125 0.029
La media de las medias del proceso es: 41 . 6
25
160.27
N
x
x = = =
La media de las desviaciones es:
( )
0386 . 0
25
965 . 0
N
1) - N(N
x x N
N
2
2
= =
= =
o
o
ROMERO RUEDA INES MARIA Pgina 125
Los lmites de proceso son:
473 . 6 LSP 34716 . 6 LIP
0386 . 0 628 . 1 41 . 6 A x LP
10 n
3
= =
= =
=
o
El proceso no se encuentra bajo control estadstico ya que hay tres puntos
que se salen de los lmites de proceso.
7.- Teclusa es una empresa embotelladora de refrescos que utiliza las
grficas de control p para varias etapas de su proceso de produccin. En la
lnea de envasado se separan las botellas que contienen un nivel de
refresco menor o mayor al especificado. La empresa desea usar en esta
etapa del proceso los grficos de control y decide elaborar las grficas np y
100p, para los mismos datos. Cada da se toman 5 muestras de 200 cajas
cada una, obtenindose los siguientes datos:
Da Unidades
inspeccionadas
Unidades
defectuosas
np
Porcentaje
defectuoso
100p
1 200 2 1.0
2 200 5 2.5
3 200 0 0.0
4 200 14 7.0
5 200 3 1.5
6 200 0 0.0
7 200 1 0.5
6.15
6.2
6.25
6.3
6.35
6.4
6.45
6.5
6.55
6.6
6.65
6.7
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
V
a
l
o
r
Muestra
Grfico x - desv
ROMERO RUEDA INES MARIA Pgina 126
8 200 0 0.0
9 200 18 9.0
10 200 8 4.0
11 200 6 3.0
12 200 0 0.0
13 200 3 1.5
14 200 0 0.0
15 200 6 3.0
16 200 4 2.0
17 200 9 4.5
18 200 15 7.5
19 200 12 6.0
20 200 10 5.0
4000 116
Clculos:
9 . 2 p 100 p n 029 . 0
4000
116
n
np
p = = = = =
( ) ( )
0 13 . 2 LSP 9342 . 7 LIP
0.029 - 1 2.9 3 9 . 2 p - 1 p n 3 p n LP
= =
= =
0
2
4
6
8
10
12
14
16
18
20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
N
m
e
r
o
d
e
d
e
f
e
c
t
o
s
Muestra
Defectos en el llenado de botellas
ROMERO RUEDA INES MARIA Pgina 127
En este grfico se observa que el proceso se halla fuera de control. Adems, a la
empresa le est costando mucho las prdidas por fallas internas en el envasado,
pues son muchos los puntos que se salen de control, por lo tanto se rechaza.
8. Datos preliminares correspondientes a la prueba final del MODEM
para computadora y lmites de control para cada subgrupo. Calcule
los lmites del proceso y trace la grfica p.
Cantidad
inspeccionad
a
Num. De no
conformidade
s
Fraccin de
no
conformidade
s
Lmit
e
Subgrupo n np p LSP LIP
Marz
o
29 2385 55 0.023 0.029 0.01
1
30 1451 18 0.012 0.031 0.00
9
31 1935 50 0.026 0.03 0.01
Abril 1 2450 42 0.017 0.028 0.01
2
2 1997 39 0.02 0.029 0.01
1
5 2168 52 0.024 0.029 0.01
1
6 1941 47 0.024 0.03 0.01
7 1962 34 0.017 0.03 0.01
8 2244 29 0.013 0.029 0.01
1
9 1238 53 0.043 0.032 0.00
8
12 2289 45 0.02 0.029 0.01
1
13 1464 26 0.018 0.031 0.00
9
14 2061 47 0.023 0.029 0.01
1
15 1667 34 0.02 0.03 0.01
ROMERO RUEDA INES MARIA Pgina 128
16 2350 31 0.013 0.029 0.01
1
19 2354 38 0.016 0.029 0.01
1
20 1509 28 0.018 0.031 0.00
9
21 2190 30 0.014 0.029 0.01
1
22 2678 113 0.042 0.028 0.01
2
23 2252 58 0.026 0.029 0.01
1
26 1641 34 0.021 0.03 0.01
27 1782 19 0.011 0.03 0.01
28 1993 30 0.015 0.03 0.01
29 2382 17 0.007 0.029 0.01
1
30 2132 46 0.022 0.029 0.01
1
= 50515 = 1015
Tenemos que:
p = np/n = 1015/50515 = 0.020
sta es la frmula empleada para calcular los lmites de control:
LC = p 3\|p (1-p) |/n
GRFICO P
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
0 5 10 15 20 25 30
ROMERO RUEDA INES MARIA Pgina 129
9. TECLUSA es una empresa fabricante de muebles para el hogar. El
personal de calidad, desea aplicar la grfica c para controlar la
calidad de acabado de las mesas de los comedores, para la cual
deciden revisar cada mesa y registrar los defectos encontrados en
ellas. Los datos para las primeras 30 mesas se muestran a
continuacin:
Teniendo como frmulas:
LC = c 3\ c
LC = c
Por lo que tenemos:
LCS = c + 3\ c
LCI = c - 3\ c
No. de mesa Defectos No. de mesa Defectos
1 3 16 8
2 3 17 3
3 3 18 2
4 4 19 7
5 2 20 3
6 3 21 4
7 4 22 8
8 6 23 3
9 5 24 3
10 4 25 9
11 4 26 3
12 2 27 3
13 3 28 5
14 5 29 2
15 4 30 1
ROMERO RUEDA INES MARIA Pgina 130
Donde:
c =Ec/No. de subgrupo
Entonces tenemos:
c =119/30 = 3.97
LC = 3.97
LCS = 9.95
LCI = - 2.007, Como el resultado es negativo se toma como cero.
Se puede observar que el proceso se haya bajo control estadstico, con
una serie de puntos disparados alejados del lmite central, por lo cual es
conveniente mantener bajo inspeccin el proceso y estar pendiente de
cualquier cambio.
Problemas de capacidad de procesos
EJERCICIOS DE APLICACIN
GRFICO C
0
1
2
3
4
5
6
7
8
9
10
0 5 10 15 20 25 30 35
ROMERO RUEDA INES MARIA Pgina 131
Habilidad de un proceso
Ejercicio 1: El dimetro de ciertos cojinetes es una caracterstica de calidad que se
ha mantenido bajo control estadstico. Se han tomado muestras de tamao cinco
cada una. De las ltimas veinte tenemos la informacin siguiente:
x = 205.1260cm y
R= 0.3
Los limites de especificacin son 10.25 0.03 cm
a) El proceso es hbil para ?
b) El proceso es hbil para ?
c) Cunto se debe reducir la variabilidad del proceso, para que este sea hbil para
o 5 ?
Respuesta: Se tienen los siguientes datos del texto:
n = 5 LE = 10.25 0.03 LIE = 10.22 LSE = 10.28
Ultimas 20 muestras
1260 . 205 x =
0.3 R =
10.2563
20
1260 . 205
N
x
x = = =
5 0.01
20
0.30
N
R
R = = =
Con esto calculamos los parmetros para obtener el valor de la capacidad
006448 . 0
2.326
0.015
d
R
2
= = =
55 . 1
006448 . 0 6
22 . 10 28 . 10
6
LIE LSE
Cp =
=
o 3
o 4
ROMERO RUEDA INES MARIA Pgina 132
a) 1.55 > 1 si es hbil para 3o.
b) Para calcular la capacidad del proceso para 4o, deberamos recalcular la
capacidad, pero con un denominador 8o. Hay una forma ms sencilla de analizar los
argumentos una vez obtenida la capacidad para 3o. Si escribimos la ecuacin de
capacidad de un proceso con 4o
8
LIE LSE
Cp
=
Tenemos que para este valor de 4o, el denominador es 8o. Para 3o, el
denominador es 4o. Si establecemos que el proceso sea capaz (con el valor de
4o), entonces Cp = 1.
8
LIE LSE
1
=
Si utilizamos un sencillo razonamiento matemtico, podemos convertir el 8o en 6o,
mediante las siguientes operaciones
6
LIE LSE
3
2
6
LIE LSE
6
8
6
6
8
LIE LSE
1
=
=
Con este razonamiento, podemos hacer razonamientos para 4o teniendo el valor
de Cp para 3o, estableciendo que cuando trabajemos con 4o, la capacidad debe
ser mayor o igual a 2/3 (aprox 1.33). Haciendo razonamientos anlogos, podemos
encontrar que:
Nivel de
habilidad
Valor de Cp usando
la frmula para 3o
Nivel de
habilidad
Valor de Cp usando
la frmula para 3o
3o > 1.00 5o > 1.66
ROMERO RUEDA INES MARIA Pgina 133
4o > 1.33 6o > 2.00
De los resultados anteriores, 1.55 > 1.33, por lo que el proceso si es hbil para 4o.
c) Aplicando la frmula para la capacidad de un proceso, encontramos que el rango
medio necesario para lograr lo pedido en este inciso es:
2
6
d
R
LIE LSE
Cp
= 014 . 0 ) 326 . 2 (
) 66 . 1 ( 6
06 . 0
) (
6
2
= =
= d
Cp
LIE LSE
R
La capacidad iguala a 1 indica que el proceso es capaz en lo mnimo, por lo que
este rango nuevo sera mximo. La diferencia entre el rango anterior (el original,
dado por el muestreo) es:
R1 R2 = R3 0.015 - 0.014 = 0.001
Este valor de R3 se extrae de 0.03, que es el valor de la especificacin:
0.03 - 0.001 = 0.029
Este es el valor de la nueva variabilidad. No podemos admitir que esta
especificacin dar resultados correcto al aplicarlo de nuevo a la frmula de
capacidad, pues la variacin ha sido cambiada al realizar el razonamiento anterior.
Debe recalcularse la desviacin con estos nuevos valores para poder terminar el
razonamiento de manera correcta.
Cp
LIE LSE
6
= o
73 0058232931 . 0
) 66 . 1 ( 6
221 . 10 279 . 10
=
= o
o
=
6
LIE LSE
Cp
ROMERO RUEDA INES MARIA Pgina 134
Esta nueva desviacin es la que se obtiene si se realizan los cambios pertinentes
para lograr que el proceso sea hbil para 5o
Ejercicio 2: El dimetro de cierta rosca tiene una especificacin de 0.4037 0.0007
pulgadas. Se han estado tomando muestras de tamao cuatro y el proceso se
encuentra en control estadstico con los siguientes datos:
LC
X
= 0.4033 Y LC
R
= 0.0006
a) El proceso es hbil para o 3 ?
b) El proceso es hbil para o 4 ?
c) Cul debe ser el rango promedio para que el proceso sea hbil para o 4 ?.
Respuesta: Se tienen los siguientes datos del texto:
n = 4 LC
X
= 0.4033 LC
R
= 0.0006 LSE = 0.4044 LIE = 0.403
Se calcula la capacidad del proceso para 3o:
8045 . 0
) 0002914 . 0 ( 6
403 . 0 4044 . 0
6
=
=
o
=
LIE LSE
Cp
a) 0.8045 < 1 no es hbil para 3o.
b) 0.8045 < 1.33 no es hbil para 4o (si no es hbil para 3o, menos lo
ser para 4o).
c) Aplicamos la frmula de capacidad de proceso para encontrar el nuevo
rango medio:
2
6
d
R
LIE LSE
Cp
=
R1 R2 = R3 0.0006 3.612x10
-4
= 2.388x10
-4
0002914 . 0
059 . 2
0006 . 0
2
= = = o
d
R
4
2
10 612 . 3 ) 059 . 2 (
) 33 . 1 ( 6
) 403 . 0 4044 . 0 (
) (
6
= X d
Cp
LIE LSE
R
ROMERO RUEDA INES MARIA Pgina 135
Entonces 0.0007 - 2.388x10
-4
= 0.0004612
El valor del rango medio debe ser 0.0004612 para que el proceso sea hbil
para 4o. Obviamente, este nuevo rango genera un nuevo valor para
desviacin, y antes de hacer anlisis a partir de este rango debe calcularse
la nueva desviacin.
Ejercicio 3: La distancia entre dos puntos de un electrodo se debe mantener entre
0.14 0.003 in. A partir de muestras de tamao seis, se obtiene la informacin
siguiente:
X = 0.1406 y R = 0.00086
a) El proceso es hbil para o 3 y para ?
b) Cules son las tolerancias mas estrechas que se pueden tener, para que el
proceso sea aun hbil o 4 ?
c) Bajo que condiciones son validas sus respuestas?
Respuesta: Los datos disponibles son los siguientes
n = 6 d
2
= 2.534 X = 0.1406 R= 0.00086
LE = 0.14 0.003 LSE = 0.143 LIE = 0.137
Se calcula la capacidad del proceso para 3o:
o 4
725 0003393843 . 0
534 . 2
00086 . 0
2
= = = o
d
R
946511628 . 2
) 725 0003393843 . 0 ( 6
137 . 0 143 . 0 .
6
=
=
o
=
LIE LSE
Cp
ROMERO RUEDA INES MARIA Pgina 136
a) En este caso 2.94 > 1, por lo que el proceso es hbil para 3o; y 2.94 > 1.33, por
lo que s es hbil para 4o
b) Se recalcula el rango para encontrar las nuevas especificaciones, mediante los
siguientes clculos:
2
6
d
R
LIE LSE
Cp
=
001905263 . 0 ) 534 . 2 (
) 33 . 1 ( 6
) 137 . 0 143 . 0 (
) (
6
2
=
= d
Cp
LIE LSE
R
El nuevo lmite para los rangos es:
R1 R2 = R3 0.00086 0.001905263 = -1.04523x10
-3
0.003 (-1.04523X10-3 ) = 0.00404526
La variacin del proceso entonces debe ser:
001015 . 0
) 33 . 1 ( 6
1359 . 0 1440 . 0
=
= o
3 0027088729 . 0 ) 33 . 1 )( 72 0003393843 . 0 ( 6 6 = = o = Cp LIE LSE
46 0013541436 . 0
2
=
LIE LSE
LE = 0.14 0.001354143646
Estas son las nuevas especificaciones. Este es un dato extrado de un
supuesto, y tal vez no sea necesario que se apliquen medidas correctivas
para nuevas condiciones pues el proceso es hbil en gran medida.
Habilidad real de un proceso
o
=
6
LIE LSE
Cp
Cp
LIE LSE
6
= o
ROMERO RUEDA INES MARIA Pgina 137
Ejercicio 1: La salida de alto voltaje de la fuente de potencia de una
maquina tiene especificaciones de 350 5 Volts. Se ha llevado una grafica
de control, tomando muestras de tamao cuatro cada una, y el proceso
esta en control estadstico. La grafica muestra lo siguiente:
x
C L = 349.808
R
LC = 2.512
a) Es el proceso hbil para 3o?
b) Es el proceso hbil para 4o?
c) Cual es la mxima desviacin con respecto al centro de las
especificaciones, que debe tener el proceso para ser realmente hbil
para 4o
Respuesta: Se calcula la capacidad del proceso para 3o:
o =
2
d
R
= 22 . 1
059 . 2
512 . 2
=
( )
366 . 1
22 . 1 6
345 355
=
= Cp
Se aprecia que el proceso es hbil potencialmente para 3o. La capacidad
real se calcula de la siguiente forma:
( ) k Cp
k
= 1 366 . 1 donde
( )
0384 . 0
345 355
88 . 349 350 2
=
= k
por lo tanto, el valor de la capacidad real es:
( ) 3135 . 1 0384 . 0 1 366 . 1 = =
k
Cp
Por lo tanto, podemos ver que el proceso es realmente hbil para 3o.
b) De acuerdo a los datos anteriores, el proceso no es potencialmente hbil
para 4o, ya que Cp < 1.33. Si el proceso no es potencialmente hbil,
menos lo ser para una habilidad real. Esto es porque el trmino (1 k) en
un caso ideal sera 1 (con k = 0), y esto deja fuera la posibilidad de una
capacidad real para el proceso.
c) Como ya estamos hablando de capacidad real, no podemos partir del
concepto de capacidad del proceso. Debemos utilizar el factor k para hacer
las suposiciones. En este caso:
Cp
Cp
k
k
=1 2679 . 0
366 . 1
1
1 = = k
ROMERO RUEDA INES MARIA Pgina 138
Este ultimo valor sumado a la media del proceso nos dar la nueva media
(se suma porque la media del proceso qued debajo o a la izquierda de
la media deseada, la de especificacin):
076 . 350 2679 . 0 808 . 349 = +
Y utilizamos este dato para encontrar el nuevo valor de k:
01519 . 0
10
0759 . 350 350 2
=
= k
De este valor podremos deducir si el proceso ahora es realmente hbil
para 4o
( ) 345 . 1 01519 . 0 1 366 . 1 = =
k
Cp
Con esto comprobamos que esta relacin permite la capacidad real del
proceso. Las tolerancias que hacen realmente hbil el proceso son:
5 0.01519=4.9848
Y las nuevas tolerancias son: LE = 350 4.9848
Ejercicio 2: Una caracterstica importante en un proceso de teido de telas
es el pH de la solucin. El pH debe de estar en el rango 4.15 0.42. El
proceso se encuentra en control estadstico y se han estado encontrando
muestras de tamao cinco y se tiene la siguiente informacin:
LCX = 4.22 Y LCR = 0.293
a) El proceso es hbil para ?
b) El proceso es hbil para ?
c) Qu medidas se deben tomar para que el proceso sea realmente hbil
para
?
Datos:
n = 5 d
2
= 2.326 LCX = 4.22 LCr = 0.293
LE = 4.15 0.42 LSE = 4.57 LIE = 3.73
La capacidad potencial del proceso es:
.
o 3
o 4
o 4
125967325 . 0
326 . 2
293 . 0
2
= = = o
d
R
111399318 . 1
) 125967325 . 0 ( 6
73 . 3 57 . 4
6
=
=
o
=
LIE LSE
Cp
ROMERO RUEDA INES MARIA Pgina 139
a) Se concluye que el proceso es potencialmente hbil para 3o.
b) El proceso no es potencialmente hbil para 4o, pues la capacidad
potencial es menor a 1.33.
c) Primero, establecemos todos los parmetros necesarios y, analizando
sus cambios, definiremos las nuevas especificaciones que deben
implantarse para volver capaz al proceso.
926166098 . 0 ) 166666 . 0 1 ( 111399318 . 1 = = Cpk
En estos clculos observamos que el proceso no es realmente hbil ni para
3o ni para 4o. Recalculamos el valor de k:
100233387 . 0
111399318 . 1
1
1 1 = = =
Cp
Cpk
K
Con este dato, corregimos el valor de la media del proceso, para poder
ajustar la curva del proceso a la curva de especificacin.
4.22 0.100233387 = 4.11976613
071985 . 0
84 . 0
11976613 . 4 15 . 4 2 2
=
=
LIE LSE
M
K
Se recalcula el rango para la especificacin
R
1
R
2
= R
3
0.293 0.071984254 = 0.221015745
0.42 0.071984254 = 0.348015746
Luego entonces: LE = 4.15 0.348015746
) 1 ( K Cp Cpk = 16666666 . 0
84 . 0
22 . 4 15 . 4 2 2
=
=
LIE LSE
M n
K
4.15 4.22
LP LE
ROMERO RUEDA INES MARIA Pgina 140
Con estas especificaciones, el proceso ser realmente hbil, lo que
comprobaremos en los siguientes clculos.
095019666 . 0
326 . 2
221015745 . 0
2
= = = o
d
R
220855 . 1
) 095019666 . 0 ( 6
801984254 . 3 4980157416 . 4
6
=
=
o
=
LIE LSE
Cp
132972795 . 1 ) 071984254 . 0 1 ( 220855 . 1 ) 1 ( = = = K Cp Cpk
Se ha demostrado que el proceso es realmente hbil para 3o con las
nuevas especificaciones. Para 4o, el desarrollo es el siguiente:
086873618 . 0
696031482 . 0
119766613 . 4 15 . 4 2 2
=
=
LIE LSE
M n
K
R
1
R
2
= R
3
0.221015746 0.086873618 =
0.134142127
0.348015746 0.086873618 = 0.261142128
LE = 4.15 0.261142128
Comprobaremos si esta especificacin le concede habilidad real al proceso
para 4o:
3782598 . 1 ) 086873618 . 0 1 ( 50938561 . 1 ) 1 ( = = = K Cp Cpk
Se comprueba la habilidad real del proceso para 4o.
Ejercicio 3: Una maquina llenadora debe de entregar producto con un
contenido de 96 3.5 onzas. Sean estado tomando muestras de tamao 8
y el proceso se encuentra en control estadstico. De las ltimas 12
muestras se tiene la siguiente informacin:
y
= 81 . 2 R
057670734 . 0
326 . 2
134142127 . 0
2
= = = o
d
R
50938561 . 1
) 057670734 . 0 ( 6
888857872 . 3 411142128 . 4
6
=
=
o
=
LIE LSE
Cp
= 2 . 1141 X
ROMERO RUEDA INES MARIA Pgina 141
a) El proceso es hbil para o 3 y para ?
b) Cul es la mxima desviacin de la media del proceso con respecto a
la media de las especificaciones, para que el proceso sea realmente
hbil para o 3 ?
c) En cuanto se debe reducir para la variabilidad del proceso, para que
sea realmente hbil para o 4 , si la medida del proceso no se puede
variar?
Datos y desarrollo para la capacidad potencial del proceso en 3o:
n = 8 d
2
= 2.847 X = 95.1 R= 2.81
LE = 96 3.5 LSE = 99.5 LIE = 92.5
9870 . 0
847 . 2
81 . 2
2
= = = o
d
R
.
a) El proceso es potencialmente hbil para , pero no para 4o.
b) Se desarrollan los clculos para encontrar si el proceso es realmente
hbil para 3o.
) 1 ( K Cp Cpk = 2571428 . 0
7
1 . 95 96 2 2
=
=
LIE LSE
M
K
87808179 . 0 ) 2571428 . 0 1 ( 182033 . 1 = = Cpk
Se demuestra que el proceso no es realmente hbil para 3o. Los clculos
para la correccin (que, en este caso, se refiere a encontrar la nueva
desviacin) son:
Se suma el valor de K porque la media del proceso est a la izquierda de la
de especificacin.
95.1 + 0.1539967 = 95.253997
o 4
182033 . 1
) 9870 . 0 ( 6
5 . 92 5 . 99
6
=
=
o
=
LIE LSE
Cp
1539967 . 0
182033 . 1
1
1 1 = = =
Cp
Cpk
K
ROMERO RUEDA INES MARIA Pgina 142
Con esta media encontramos el nuevo valor de K y los dems parmetros
para definir las especificaciones que darn capacidad real al proceso.
213143714 . 0
7
253997 . 95 96 2 2
=
=
LIE LSE
M
K
R
1
R
2
= R
3
3.5 0.2131438 = 3.28656286
LE = 96 3.28656286
Para confirmar que estas especificaciones son correctas, desarrollamos los
clculos correspondientes:
91213778 . 0
847 . 2
596856 . 2
2
= = = o
d
R
20 . 1
) 91213778 . 0 ( 6
5712571 . 6
) 91213778 . 0 ( 6
7143714 . 92 2856286 . 99
6
= =
=
o
LIE LSE
Cp
006425 . 1 ) 213143714 . 0 1 ( 28 . 1 ) 1 ( = = = K Cp Cpk
c) Para 4o , sabemos que el proceso no es realmente hbil a partir de los
problemas anteriores. Comenzamos directo con las correcciones
necesarias para las nuevas especificaciones:
227050312 . 0
7143714 . 92 2856286 . 99
253997 . 95 96 2 2
=
=
LIE LSE
M n
K
R
1
R
2
= R
3
3.28656286 0.227050312 =
3.059512548
LE = 96 3.059512548
Veremos si las especificaciones cumplen lo necesario:
832386964 . 0
847 . 2
369805688 . 2
2
= = = o
d
R
22 . 1
) 832386964 . 0 ( 6
119025098 . 6
) 832386964 . 0 ( 6
94048745 . 92 05951255 . 99
6
= =
=
o
LIE LSE
Cp
Como las especificaciones no le conceden potencial capacidad al proceso,
debe recalcularse el valor de K a partir de estos valores hasta que se logre
que Cp
k
> 1.33.
ROMERO RUEDA INES MARIA Pgina 143
Ejercicio 4: El espesor de las nervaduras para un anillo para motor debe de
estar entre 1.5000 0.0040 in. Se han tomado muestras de tamao cuatro
y el proceso se encuentra en control estadstico. Los datos de la grafica
son:
LCX = 1.50500 Y LCr = 0.00215
a) El proceso es hbil para o 3 ?
b) Muestre grficamente como esta la situacin, usando una curva normal.
c) Qu sugieres para mejorar la habilidad del proceso?
Datos y capacidad potencial:
n = 4 d
2
= 2.059 n = 1.505 R = 0.00215
LE = 1.5 +/- .004 LSE = 1.504 LIE = 1.496
2 0104419621 . 0
059 . 2
00215 . 0
2
= = = o
d
R
276894225 . 1
006265177 . 0
008 . 0
) 12 0010441962 . 0 ( 6
496 . 1 504 . 1
6
= =
=
o
=
LIE LSE
Cp .
a) El proceso es potencialmente hbil en 3o.
b)
503 . 1
506 . 1
2
2
= =
= =
R A X LIP
R A X LSP
25 . 1
008 . 0
505 . 1 5 . 1 2 2
=
=
LIE LSE
M n
K
1.5 1.496
LE LIE LSP LP LSP LSE
1.503 1.504 1.505 1.506
ROMERO RUEDA INES MARIA Pgina 144
213143714 . 0
7
253997 . 95 96 2 2
=
=
LIE LSE
M n
K
c) Lo recomendable es correr la curva de proceso hacia la izquierda. Esto
se lograr calibrando las mquinas, pues el proceso trabaja con dispersin
adecuada, pero no sobre la media de especificacin, lo que da un valor de
K > 0.
Estimaciones de la habilidad real de un proceso con un solo lmite de
especificacin
Ejercicio 1: Una caracterstica critica para una pieza metlica es la
rugosidad medida en milsimas de pulgada. El proceso se encuentra en
control estadstico y se han tomado muestras de tamao cuatro de. De las
ultimas 15 se tiene que:
189 =
x y
= 445 . 38 R
La rugosidad para que una pieza se considere aceptable, debe ser menor a
17 milsimas de in.
a) Es el proceso hbil para 3o y para 4o?
b) Cul es el valor mayor que puede tomar la media del proceso, para
que siga siendo hbil para 3o?
c) Cul debe ser la variabilidad para que el proceso sea hbil para 4o?
a) Podemos obtener de las suma de las medias y los rangos sus
respectivos valores para hacer los clculos en el problema.
563 . 2
15
445 . 38
6 . 12
15
189
= = = = = =
n
R
R y
n
x
x
Se calculan o y Cp
k
:
244779 . 1
059 . 2
563 . 2
= = o
( )
17833 . 1
244779 . 1 3
6 . 12 17
=
=
k
Cp
El proceso es realmente hbil para 3o, pero no lo es para 4o.
b) Como primer paso, suponemos una capacidad Cp
k
= 1, como parmetro
para estimar la media que necesitamos:
k k
Cp LSE
LSE
Cp 3 '
3
'
o
o
=
=
ROMERO RUEDA INES MARIA Pgina 145
Sustituyendo valores:
( )( ) 2656 . 13 1 2447 . 1 3 17 ' = =
c) De nuevo, el parmetro comparativo es Cp
k
= 1, y calculamos el rango
necesario para calcular la desviacin requerida:
2
4
'
d
R LSE
Cp
k
=
= o
o
( ) ( )
( )
9222 . 1
1 4
26566 . 13 17 059 . 2
4
'
2
=
= R
Cp
LSE d
R
k
de este valor de R podemos obtener un nuevo valor de R al restar el valor
anterior con el valor que da el problema:
64674 . 0 9222 . 1 563 . 2 3
2
1 = = R R R
obviamente, este nuevo valor de R altera las tolerancias que se tenan, as
que, suponiendo que existe una tolerancia bilateral, calculamos los lmites
superior e inferior:
73434 . 3 26566294 . 13 17 =
Con este valor de lmites, sacamos el unilateral de inters: el superior.
Entonces, la tolerancia nueva es:
093587 . 3 64674 . 0 73464 . 3 =
Por lo que el problema queda redefinido ahora como: LE = 13.2656 +
3.0935
Ejercicio 2: La resistencia mnima a la atraccin de una parte metlica debe
ser de 520 psi. Se han tomado muestras de tamao de tres y los datos de
las graficas son:
LCX = 530 Y LCR = 8.35
a) El proceso es hbil para o 3 ?
b) Cul debe ser la media del proceso para que sea hbil a o 3 ?
c) Qu porcentaje de piezas esta fuera de especificaciones?
Datos y clculos:
n = 3 d
2
= 1.693 LCX = 530 LCR = 8.35
932073293 . 4
693 . 1
35 . 8
2
= = = o
d
R
6758 . 0
) 932073293 . 4 ( 3
) 520 530 (
3
) (
=
=
o
=
LIE u
Cpk
ROMERO RUEDA INES MARIA Pgina 146
a) El proceso no es hbil para 3o, y es grave, pues el dato es demasiado
bajo.
b) Si sustituimos la frmula con Cp
k
= 1, y despejamos el parmetro de
inters:
) 932073293 . 4 ( 3
) 520 (
1
=
u
psi u 7962 . 534 520 ) 932073243 . 4 ( 3 = + =
c) El 0.135 % de las piezas.
Ejercicio 3. El contenido de una sustancia no deseada, en cada envase de
un producto debe tener un mximo de 0.3 gr. se han estado tomando
muestras de tamao seis y se tienen los siguientes datos de la grafica de
control:
063 . 0 y 21 . 0 = =
R X
LC LC
a) Es el proceso hbil para 3o y para 4o?
b) Cul es el mximo valor que puede tomar la media del proceso, para
que siga siendo hbil para 3o?
c) Qu porcentaje de envases exceden esa cantidad de sustancia no
deseada?
a) De la formula
o
3
'
=
LSE
Cp
k
:
02486 . 0
534 . 2
063 . 0
2
= = =
d
R
o
( )
2086 . 1
02486 . 0 3
21 . 0 3 . 0
3
'
=
=
o
LSE
Cp
k
De aqu observamos que el proceso es realmente hbil para 3o, pero
para 4o no es realmente hbil.
b) El mximo valor que puede tomar la media del proceso es, con un valor
de Cp
k
= 1 :
o
3
'
=
LSE
Cp
k
( )( )( ) gr Cp LSE
k
2254 . 0 02486 . 0 1 3 3 . 0 3 ' = = = o
ROMERO RUEDA INES MARIA Pgina 147
c) 0.135% de los envases exceden esa cantidad de sustancia no permitida.
Ejercicio 4: La vida de un foco domestico debe tener una vida mnima de
1000 hrs. Se han llevado muestras de tamao 5 y el proceso se encuentra
en control estadstico. Los datos:
20 y 1108 = =
R X
LC LC
a) El proceso es hbil para +/-3o y para +/-4o ?
b) Cul es el mnimo valor de la media para que el proceso siga siendo
hbil para +/- 4o ?
c) Si la variacin se reduce a la mitad, conteste el inciso b).
a) Calculamos el valor de la capacidad del proceso con la frmula ya
conocida:
598 . 8
326 . 2
20
2
= = =
d
R
o
( )
187 . 4
598 . 8 3
1000 1108
3
'
=
=
o
LSE
Cp
k
Con este valor de capacidad, encontramos que el proceso tiene capacidad
para 3o y para 4o.
b) El mnimo valor que puede tomar la media del proceso es, con un valor
de Cp
k
= 1.33 (pues es para 4o):
o
4
'
=
LIE
Cp
k
( )( )( ) . 74 . 1045 598 . 8 33 . 1 4 1000 4 ' hrs Cp LIE
k
= = = o
c) Si se reduce a la mitad la variabilidad tenemos que:
10
2
20
2
= =
R
....por lo que al calcular o tenemos que: 299 . 4
326 . 2
10
2
= = =
d
R
o . Al
sustituir valores en ' tenemos:
( )( )( ) . 87 . 1022 299 . 4 33 . 1 4 1000 4 ' hrs Cp LIE
k
= = = o
ROMERO RUEDA INES MARIA Pgina 148
Habilidad de un proceso partiendo de un grafico p np
Ejercicio 1: Los datos siguientes son el nmero de unidades defectuosas
que fueron encontradas en las ultimas 15 muestras, de un proceso que se
encuentra en control estadstico mediante una grafica np. El tamao de la
muestra es constante y de tamao 250.
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Total
Np 4 1 3 2 5 1 4 3 5 3 1 2 4 3 2 43
a) Es este proceso hbil para 3o?
b) Cunto debe valer la lnea central de la grafica np, para que el proceso
sea hbil para 3o?
a) Usando la la formula |
.
|
\
|
=
n
np
Ch 1 100 donde 86667 . 2
15
43
= = np , tenemos
que:
% 85 . 98
250
86667 . 2
1 100 =
|
.
|
\
|
= Ch
Como Ch<99.73%, el proceso no es hbil para 3o
b) Para que el proceso sea hbil para 3o, debemos ajustar el valor de np,
para que Ch = 99.73. Entonces:
( ) 250
100
73 . 99
1
250
1
100
73 . 99
1 100 73 . 99 |
.
|
\
|
= = |
.
|
\
|
= = np
np
n
np
Ch
de aqu obtenemos que np = 0.675, as que para el proceso sea hbil para
3o, debe de haber menos de un producto defectuoso en la lnea por cada
15, o aproximadamente, 2 productos defectuosos por cada 45 en la lnea.
Ejercicio 2.- Los datos que siguen, nos muestran el numero de unidades
defectuosas en varias muestras de un componente electrnico. El tamao
de la muestra vara, y el proceso ha estado en control estadstico usando
una grafica p. Los datos de las ultimas diez muestras son:
ROMERO RUEDA INES MARIA Pgina 149
Muestra 1 2 3 4 5 6 7 8 9 10 Total
Tamao 580 610 590 575 630 620 570 625 605 595 6000
defectuosos 4 7 5 6 6 6 4 5 8 7 58
Es el proceso hbil para 3o?
Para empezar a resolver este problema, debemos de estimar primero el
parmetro P:
009667 . 0
6000
58
= = =
n
np
P
Al aplicar la formula de ( ) P C
h
= 1 100 , encontramos si el proceso es hbil
no:
( ) % 0333 . 99 009667 . 0 1 100 = =
h
C
Por lo tanto, el proceso no es hbil para 3o pues C
k
< 99.73%, que es el
parmetro de porcentaje de piezas con defectos aceptables que el proceso
debe entregar para 3o.
Habilidad de un proceso partiendo de una grafica c y u
Ejercicio 1.- Un proceso ha estado en control estadstico mediante una
grafica c. Se registra el nmero de defectos menores que muestran hojas
de lminas para un estampado metlico. El nmero de defectos para las
ltimas 15 hojas inspeccionadas ha sido 1, 2, 0, 0, 3, 1, 2, 1, 0, 0, 1, 2, 2, 0
y 0. Se considera que no se puede usar satisfactoriamente una hoja que
tenga tres ms defectos.
a) Es el proceso hbil para 3o?
b) Para qu LSE es el proceso hbil para 3o?
a) A partir de los datos anteriores, podemos estimar el nmero promedio de
defectos por unidad, que es:
1
15
2 2 1 1 2 1 3 2 1
=
+ + + + + + + +
= = =
muestra la de tamao
defectos de numero del sumatoria
n
c
U
i
i
i
Puesto que el proceso ha estado en control estadstico, tenemos que el
numero de defectos de una lamina para este problema, se describe
ROMERO RUEDA INES MARIA Pgina 150
mediante una curva de probabilidad de Poison con una medida de c = 1.
buscamos en la tabla de Poison para una lamina de 1.00 y con un valor de
x = 3, obtenemos un rea bajo la curva de 0.9810.
Esto indica que tenemos 1-0.9810 = 0.019, sea 1.9% de producto fuera
de especificaciones; para que el proceso fuera hbil para 3o, solamente
deberamos tener un 0.135% de producto fuera de especificaciones, pero
como tenemos un 1.9% fuera de especificaciones decimos que el proceso
no es hbil para 3o.
b) Para que el proceso sea hbil para 3o, es necesario que el porcentaje
de artculos defectuosos que exceda el LSE, sea menor a 0.135% lo que
es equivalente, que el porcentaje de productos buenos, sea mayor a
0.99865, de manera que, manteniendo la misma media del proceso, c =1 ,
el nuevo valor de x que da un valor mayor de 0.99865 en la tabla es de x
= 5, por lo que, para que el proceso sea hbil para 3o, necesitamos que el
nuevo valor del LSE sea igual a 5, sea que haya 5 defectos por lamina.
PROBLEMAS DEL CARDENAS.
Diagrama Causa Efecto
Una importante embotelladora de la regin, lder en la venta de refresco,
recientemente ha tenido problemas de calidad en sus productos, por lo que
ha registrado bajas en sus ventas.
En un intento por mejorar, el gerente general te ha pedido encontrar la
solucin al problema. T llamas a ingenieros, supervisores y operarios para
pedirles que enumeren las posibles causas que han repercutido en el
producto.
Ante esta situacin se recopilan los siguientes datos:
Baj la calidad de purificacin de agua
Botellas (envases) en mal estado
Mquinas embotelladora desajustada
Operarios nuevos mal capacitados
ROMERO RUEDA INES MARIA Pgina 151
Operarios antiguos molestos con el supervisor del primer turno
Ingeniero de produccin nuevo y sin experiencia
Por la calidad temporal, hay escasez de agua
Problemas con el proveedor de azcar, entregas tardas
Velocidad alta de embotellado
Corcholatas defectuosas
Se desconocen los estndares de trabajo
Falta personal de mantenimiento que renunci hace 3 semanas y
no se cuenta con personal de reemplazo an.
Error: Adentro de la rama de maquina se encuentran mal acomodadas las
subsubcausas porque dentro del mantenimiento deberia de ir lo de
desajustada por falta de mantenimiento y dentro de ese desajuste esta la
alta velocidad asi tambin en la rama de mano de obra estn mal
acomodadas ya que se debe tomar dos clases de mano de obra la nueva y
la vieja. Lo que podria traer como consecuencia la mala interpretacion del
problema
Un ingeniero industrial posee una pequea empresa de fundicin. El
ingeniero tiene programada una produccin de discos de 20, 30 y 45 cm.
De dimetro para los siguientes dos meses. Despus de dos semanas de
haber iniciado sus operaciones recibe quejas de su cliente, pues algunas
piezas salen con menor dureza que la esperada, demasiada rebaba y/o
impureza notorias.
El ingeniero investiga las posibles causas.
Aluminio fuera de especificacin
Mezcla defectuosa de arena
Diferencias por operario
Brocas desgastadas
Taladro desajustado
Diferencia por turno
Diferencia por taladro (el ingeniero posee dos)
Diferencia por torno (el ingeniero posee dos)
Falta capacitacin
Falta adiestramiento
Falta grficas de control
Recoleccin defectuosa de escoria
Formacin defectuosa de moldes
Se desconoce los estndares de trabajo
ROMERO RUEDA INES MARIA Pgina 152
Error: En la causa maquina solo se deberia ir las subcausas de desajuste y
de desgaste y dentro de esas subcausas se pueden acomodar las
respectivas subsubcausas que se dan en el problema.
Una compaa fabrica carritos modelo a control remoto. El departamento
de investigacin y desarrollo, junto con mercadotecnia han desarrollado un
nuevo coche muy verstil, con muchas opciones de mando y muy
econmico. Se comienza con la produccin del nuevo modelo se realizan
las pruebas convenientes para el control de calidad.
Tres meses despus la demanda de este juguete se quintuplica. Aunque la
empresa estaba preparada, jams se imagin ese nivel de ventas. El
departamento de produccin hace sus ajustes y logran cumplir con los
pedidos. Sin embargo, dos semanas despus empiezan las devoluciones
de una cantidad considerable de estos conches: los clientes alegan que el
coche no responde como debera al control remoto.
Posibles causas, obteniendo las siguientes:
Transitor de radiofrecuencia
Convertidor digital anlogo
Maltrato a los potencimetros por parte del proveedor
Microprocesador- mal manejo den la fabricacin
Memoria EPROM. Fallas de programacin
Sistema programador de EPROMS que ha estado trabajando a
toda su capacidad sin tiempo para mantenimiento
Placa de fibra de vidrio
Cloruro frrico
Capacitacin- hay un nuevo turno
Desconocimiento de procedimientos por parte de algunos
operadores
Error: En la cuasa hombre solo se debe de tomar en cuenta la variacin por
turno ya que aqui caen las dems subcausas como la falta de capacitacin.
Una empresa se ha dedicado a la produccin y distribucin de aparatos
elctricos domstios y calculadoras. En los ltimos dos meses los
directives han decidido incursionar en el campo de las computadoras. La
ROMERO RUEDA INES MARIA Pgina 153
compana cuenta con la tecnologa y el financiamiento necesarios para su
primer modelo.
Despus de cinco das de produccin y antes deempezar a distribuir las
computadoras, se detecta un grave problema en el ROM de la mquina.
Posibles causas de esta falla:
Capacitor 1 MF, 20 V
Capacitor 10 MF, 10 V
Capacitor 10 MF, 20 V
Transistor ECG-163 (el proveedor tuvo problemas con sta)
Transistor ECG-161
Diodo IN 101
Diodo IN 111
Soldadura - segun algunos, ha resultado de baja calidad
Cautn, ms de la mitad ha sufrido corto circuito
Procedimiento de trabajo desconocido para la mayora
Falta de capacitacin
Falta grfica de control
El supervisor del Segundo turno es mas estricto que el primer
Error: En la causa de mtodo solo podra ir dos espinas la de desconocido
y la de conocido y dentro de esas dos subcausas se englobarian
respectivamente otras subcausas y en la causa del hombre solo debera ir
la de diferencias de turno.
Diagrama de Pareto
En septiembre de 1990 se realiz una reunion mundial para slavar a los
nios de todos los pases.
En esta cumber, la UNICEF report los siquientes datos de muertes
infantiles por da
1 400 De tosferina
4 000 De sarampin
2 150 De tetanos
2 250 De malaria
11000 De diarrea
6 000 De nuemona
ROMERO RUEDA INES MARIA Pgina 154
Nios muetos por da
Enfermedad acumulado porcentaje p.acum.
Diarrea 11 000 11 000 41.04% 41.04%
Neumonia 6000 17 000 22.39% 61.43%
Sarampion 4000 21 000 14.93% 78.36%
Malaria 2250 25 400 8.02% 94.78%
Tosferina 1400 26 800 5.22% 100.00%
Error: Slo cuenta 6 elementos y la teora nos dice que este mtodo
necesita como mnimo 7. En la grfica la lnea de unin de los datos no se
encuentra sobre los puntos medios.
La escala est mal, se puede observar que 22 000 est antes de 20 000.
En la empresa torniquete se ha tenido recientemente una gran demanda de
tornillos, lo que, al parecer, ha ocuacionado una avalancha de productos
defectuosos. A continuacin se presentan los defectos junto con la
cantidad de productos defectuosos
Tornillos defectuosos
Defecto acumulado porcentaje
Demasiada rebaba 5 000 53.48%
Longitude excedente 7 300 24.60%
Resistencia inferior 8 150 9.09%
Anchura escasa 8 850 7.49%
Fisuras 9 350 5.35%
Error: Slo cuenta con 5 elementos y la teora nos dice que este mtodo se
necesita como mnimo 7. En la grfica la lnea de unin de los datos no se
2 300 Tornillos con longitud
excedente
5 000 Tornillos con demasiada
rebaba
500 Tornillos con fisuras
850 Tornillos con resistencia
inferior a la especifica
700 Tornillos con anchura
escasa
ROMERO RUEDA INES MARIA Pgina 155
encuentra sobre los puntos medios. Este mtodo no ser el ms
adecuado, debido a que los datos son excluyentes, es decir, en este caso
los tornillos slo se toma en cuenta un defecto. Con esto se lograr un
resultado poco favorable debido a que el problema no estar del todo
resuelto.
Usted se da cuenta de que ha cometido un ligero error al leer el
memorndum del gerente de produccin de la empresa torniquete, S. A.
las ultimas lneas decan:
solicito que usted elabore un diagrama de pareto con base en costos
Defecto costo total acumulado porcentaje p. acum.
Damasiado 1 500 1 500 35.80% 35.80%
Rebaba
Fisuras 1 000 2 500 23.87% 59.67%
Resisntencia 765 3 265 18.26% 77.92%
Inferior
Longitud 575 3 840 13.72%
91.65%
Excedente
Anchura 350 4 190 8.35% 10
Error: Slo cuenta con 5 elementos y la teora nos dice que este mtodo se
necesita como mnimo 7. En la grfica la lnea de unin de los datos no se
encuentra sobre los puntos medios. No especifica bien la escala, es decir,
no es proporcional.
El dueo de la compaia Sierra, S.A. est preocupado por el reciente
estado de resultado, el cual muestra un incremento desmesurado en los
costos. Investigando encuentra que los costos aunmentaron al mosmo
tiempo que los defectos en las puertas de Madera. El dueo ha recabado
los siguientes datos:
Cantidad Costo unitario
Puertas mal cortadas 30 $ 30 000
Desperdicio 70 8 000
Puertas pandeadas 50 15 000
Puertas con
pequeas fisuras
20 50 000
Puertas con
rayaduras
60 5 000
ROMERO RUEDA INES MARIA Pgina 156
Diagrama de pareto conbase en costos totales de defectos
Defecto costo totales acumulado porcentaje p.acum.
fisura 1 000 000 1 000 000 28.49%
28.49%
Mal cortadas 900 000 1 900 000 25.64% 54.13%
Pandeadas 750 000 2 650 000 21.37% 75.50%
Desperdicio 560 000 3 210 000 15.95% 91.45%
Rayaduras 300 000 3 510 000 8.55% 100.99%
Error: solo cuenta con 5 elementos y la teora nos dice que este mtodo se
necesita como mnimo 7. En la grfica la lnea de unin de los datos no se
encuentra sobre los puntos medios.
En una fbrica de cermica se tiene la siguiente estadstica de fallas:
Defectos frec. Frec.acum. %
p.acum
Vaciado de taza 14 14 43.75 43.75
Esmaltado 12 26 37.5
81.25
Sellos 4 30 12.5 93.75
Mal acabado 2 32 5.25 100.00
Error: Solo cuenta con 4 elementos y la teora nos dice que este mtodo se
necesita como mnimo 7. En la grfica la lnea de unin de los datos no se
encuentra sobre los puntos medios. No sabemos que pide el problema El
porcentaje en mal acabado es de 6.25 y no de 5.25. Con los datos de
porcentajes individuales no suma el 100%.
ROMERO RUEDA INES MARIA Pgina 157
Histograma
Los registros de una semana de una flota de automoviles muestran las
siguientes cantidades (dolares) que se gastaron en gasolina en c/u de sus
32 automoviles
39.01 37.87 24.75 38.67 31.55 50.55 64.50 31.55
30.55 60.49 52.83 53.41 60.75 21.45 47.82 40.69
45.13 37.51 64.69 41.77 30.24 15.25 27.63 24.65
23.65 20.11 31.22 41.35 26.27 36.00 38.76 25.69
Clases Li Ls conteo n
1 15.245 26.095 IIIII II 7
2 26.095 39.945 IIIII IIII 9
3 39.945 47.795 IIIII IIII 9
4 47.795 58.645 IIII 4
5 58.645 69.495 III 3
Error: La distribucion se encuentra erronea y tambin debe ser de 7 a 15
elementos en el histograma. El numero de clase esta mal calculado
84 . 5 ) 32 log( * 22 . 3 1 = + = k 28 . 9 84 . 5 / 24 . 54 / = = = k R i se toma 9
Los datos siguientes muestran el espesor, medido en pulgadas de 50
laminas de acero.
.053 .027 .028 .036 .047 .049 .031 .035
.040 .045 .048 .034 .039 .038 .034 .044
.039 .042 .043 .038 .043 .040 .043 .044
.040 .041 .038 .033 .032 .023 .045 .044
.050 .051 .055 .046 .052 .048 .032 .029
.048 .054 .037 .039 .040 .042 .039 .037
.035 .039
ROMERO RUEDA INES MARIA Pgina 158
Clases Li Ls conteo n
1 .0225 .0275 II 2
2 .0275 .0325 IIII 4
3 .0325 .0375 IIIII III 8
4 .0375 .0425 IIIII IIIII IIIII 15
5 .0425 .0475 IIIII IIIII 10
6 .0475 .0525 IIIII III 8
7 .0525 .0575 IIIII III 8
Error: Se encuentra mal calculado el numero de clases y la amplitud de
esta, igualmente la distribucin de frecuencia esta mal hecha
47 . 6 ) 50 log( * 22 . 3 1 = + = k 0049 . 47 . 6 / 032 . / = = = k R i Se toma .005
Por lo tanto quedan 11 clases.
Se desea analizar el tiempo de vida de los focos de las seales
direccionales para autos. Para ello se procede a obtener una muestra de
30 focos, registrando el nmero de horas que duran encendidos, y los
resultados son los siguientes:
237 180 285 225 288 232
290 234 271 295 247 338
315 284 320 255 305 274
284 292 192 318 268 279
261 374 228 358 210 244
Clases Li Ls conteo n
1 179.5 218.5 III 3
2 218.5 257.5 IIIII III 8
3 257.5 296.5 IIIII IIIII II 12
4 296.5 335.5 IIII 4
5 335.5 374.5 III 3
Error: Solo cuenta con 5 elementos y esto es incorrecto. La distribucin de
frecuencias por lo tanto esta mal hecha.
En una fbrica el tiempo en horas de trabajo durante el cual una maquina
queda fuera de operacion debido a dificultades como fracturas o fallas
ROMERO RUEDA INES MARIA Pgina 159
denominadas tiempo de inactividad. Un experto en eficiencia midio
durante cierto periodo cien tiempo de inactividad consecutivos (en min.)
que son:
32 63 52 62 35 34 74 53 64 80
51 55 48 60 76 51 35 44 45 54
33 45 61 53 21 68 85 60 77 61
42 67 34 53 45 47 52 68 52 69
73 61 55 65 62 54 41 59 53 50
26 58 82 74 41 70 38 50 47 35
36 67 43 28 56 79 84 49 36 65
92 22 62 55 72 68 40 37 78 43
65 73 57 39 46 57 56 60 50 88
45 56 75 40 51 70 74 76 48 59
Clase Li Ls conteo n
1 20 29 IIII 4
2 30 39 IIIII IIIII II 12
3 40 49 IIIII IIIII IIIII III 18
4 50 59 IIIII IIIII IIIII IIIII IIIII I 26
5 60 69 IIIII IIIII IIIII IIIII 20
6 70 79 IIIII IIIII IIIII IIII 14
7 80 89 IIIII I 6
CAPITULO 7
[Escribir texto] Pgina 160
Los datos siguientes muestran las calificaciones finales de 30
estudiantes de curso de calidad, para analizar su distribucion y su
grado de aprendizaje las calificaciones indicant el numero de aciertos
obtenidos de 250 preguntas
Calificaciones:
Clase Li Ls conteo
n
1 54.5 89.5 IIII
4
2 89.5 124.5 IIIII I
6
3 124.5 159.5 IIIII I
6
4 159.5 194.5 IIIII IIII
9
5 194.5 229.5 IIIII
62 156 231
172 107 226
178 69 162
92 148 184
224 126 89
172 113 55
110 156 161
124 117 172
200 189 221
140 182 140
ROMERO RUEDA INES MARIA Pgina 161
Error: Solo cuenta con 5 elementos por lo que es erroneo deberia
tener como mnimo 7 elementos. Esta mal calculado el numero de
clases y la amplitud de la misma, la distribucin de frecuencias por lo
tanto tambin esta mal hecha las lneas de especificacin y de
proceso hacen falta.
Los resultados de anlisis de cloro en partes por millon existents en 30
muestras de agua tratada, hacer la distribucin de frecuencias, sacar
desviacin estandar y media
16.2 15.4 16.0 16.6 15.9 16.0 16.8 16.9 16.8 15.8
15.7 16.4 15.2 15.8 15.9 16.1 15.6 15.9 15.6 16.0
16.7 15.8 15.7 16.2 15.6 15.9 16.3 16.0 16.3 16.3
Clase Li Ls Marca
de clase
Frec.
Absoluta
Frec.
Absoluta
acum.
Frec.
Rel.
acum..
1 15.2 15,54 15.37 2 2 6.6%
2 15.51 15.88 15.71 8 10 33.3%
3 15.83 16.22 16.05 11 21 70%
4 16.22 16.58 16.39 4 25 83.3%
5 16.56 16.9 16,73 5 30 100%
X= 16.04 x= f
x
= 182.18 = 16.072
N 30
Error: Solo cuenta con 5 elementos por lo que no podemos confiar por
lo que deberia de contar como mnimo con 7 elementos
Diagramas de Dispersin
Los datos que se muestran a continuacin se obtuvieron del registro
de un laboratorio de Lactologa y nos muestra el porcentaje de grasa
en la leche por da, as como el rendimiento en porcentaje de queso
manchego por da.
% grasas Rendimiento
3.3 11.55
3.2 11.03
ROMERO RUEDA INES MARIA Pgina 162
3.0 11.67
3.4 11.30
3.5 9.64
3.1 11.65
3.4 11.24
3.5 11.76
3.4 12.12
3.1 11.06
3.2 12.40
3.1 10.09
Error: no menciona el objetivo del problema. Los puntos (3.0, 11.67) y
(3.0, 10.59) situados sobre la grafica estn mal sealados en el plano
cartesiano De acuerdo a la teora sealada en clase, y ocupando la
formula proporcionada para obtener r, el resultado manejado en el
problema esta mal, por lo tanto se debe de corregir r.
Los siguientes datos corresponden a un estudio realizado para la
empresa SEARS. Para los 10 aos (de 1953 a 1962) bajo estudio, se
consider como variable independiente x el ingreso de la sociedad
americana, y como v
ariable dependiente y las ventas netas de SEARS (ambas variables en
billones de dolares)
% grasas Rendimiento
3.2 11.40
3.0 10.59
3.1 11.47
3.5 12.30
3.1 11.56
3.3 12.29
3.1 12.60
3.4 12.60
3.3 12.23
3.2 12.00
3.2 12.10
3.1 11.90
Ao Ingreso
anual
disponible
Ventas
netas de
SEARS
1953 252.6 2.982
1954 257.4 2.965
1955 275.3 3.307
1956 193.2 3.556
1957 308.5 3.601
1958 318.8 3.721
1959 337.3 4.036
1960 350.0 4.134
1961 364.4 4.268
ROMERO RUEDA INES MARIA Pgina 163
Error: Segn con lo visto en clase, tiene que dividir la paralela y de ah
los cuadrantes y atravesar una recta lo cual hace falta en el grafico de
este problema. Y ocupando la formula de clase el valor de r es erroneo
debe ser igual r=.8143
En un grupo de investigaciones se estableci una escala de grado de
violencia en los programas de TV; se calificaron los programas y se
recopilaron datos del porcentaje del teleauditorio que ve los grados del
modo siguiente:
Las siguiente tabla muestra las alturas de padres e hijos (X y Y
respectivamente) de una muestra de 12 padres e hijos primognitos:
Altura x del padre en
pulgadas
Altura y del hijo en
pulgadas
65 68
63 66
67 68
64 65
68 69
62 66
70 68
66 65
1962 385.3 4.578
medianas X=314.28 Y=3.7148
Programa Grado de
violencia
% de
teleauditorio
1 10 15
2 20 16
3 30 20
4 40 24
5 40 25
6 50 30
7 55 30
8 65 35
9 70 35
10 70 35
medianas X=45 Y=27.5
ROMERO RUEDA INES MARIA Pgina 164
68 71
67 67
69 68
71 70
X=66.667 Y=67.584
Error: De acuerdo con lo visto en clase en el grafico falta la recta que
divide los cuadrantes respectivamente
Analizando el nmero de errores al devolver trabajos sin arreglar en
una talabartera se encontr lo siguiente:
N X Y
3 15 2
4 18 2
5 15 3
6 20 0
7 16 2
8 15 3
9 16 2
10 17 2
11 15 3
12 20 11
13 16 2
X mediana:16.5 Y mediana: 3
Error: El grafico esta mal elaborado debido a que no se encuentra
dividido a la mitad de los ejes X y Y, as como tambin falta la recta
que divide a los cuadrantes respectivamente.
N X Y
14 15 7
15 19 3
20 17 3
21 15 1
22 15 3
23 19 5
24 20 8
25 18 3
26 15 2
27 16 5
28 15 2
29 18 2
30 19 10