TALLER DE INGENIERIA DE LA CALIDAD

JEFFERSON LEONARDO SANTANDER

JAVIER ORLANDO BAUTISTA
EMERSON FABIAN PEREZ
LUZBING CALDERON PEREZ

PRESENTADO A: Msc .ING. DIANA GABRIELA PARRA

UNIVERSIDAD DE PAMPLONA
VILLA DEL ROSARIO
2014-04-20

1. Con sus palabras y apoyndose en graficas, conteste los siguientes incisos:

a) Que es la tendencia central y que es la variabilidad de un proceso o unos
datos?
Es el valor en torno al cual los datos o mediciones de una variable tienden
a aglomerarse o concentrarse. La variabilidad de un proceso par su calcula
se debe utilizar un numero grande de datos que hayan sido obtenidos en el
transcurso de un lapso de tiempo amplio.
b) Represente de manera grafica y mediante curvas de distribucin, dos
procesos con la misma variabilidad pero diferente tendencia central.

c) Elabore una grafica con dos procesos de la misma media pero diferente
dispersin.

d) Represente dos procesos cuya forma de distribucin sea diferente.

e) Que significa que un procesos sea capaz?

R=Significa que los valores que obtuvieron han cado dentro de las
especificaciones inferiores y superiores. Un proceso es aquel que cumpla
con las especificaciones decimos que es un proceso de calidad est
asociada al cumplimiento de los requisitos del cliente
2. Si una caracterstica de calidad debe estar entre 30 2, y se sabe que su media
es = 29.9; entonces se tiene buena calidad, se cumple con las especificaciones?
R=Si se tiene buena calidad ya que se est entre la tolerancia permitida. No hay
muchos valores o casi nada de valores extremos que haga que pierda
representatividad la media.

3. De qu manera afectan los datos raros o atpicos a la media? Explique su

respuesta.
R=Estos valores muy extremos hacen que la media pierda representatividad. Es
decir el valor obtenido sea muy inferior o superior a lo real.
4. Un grupo de 30 nios va de paseo en compaa de tres de sus maestras. La
edad de los nios vara entre 4 y 8 aos, la mitad tiene 5 aos o menos. La edad
que se repite ms es la de 4.La edad de las tres maestras es de aproximadamente
30 aos. Con base en lo anterior, incluyendo a las tres maestras, proponga un
valor aproximado para la media, la moda y la mediana de la edad de los 33
paseantes. Argumente sus propuestas.
Media = 11, este valor estimado es porque al ver 3 valores muy extremos como 30
aos con 4 y 8 aos, esto determina a la media a perder representatividad.
Moda = 4, es el valor que ms se repite.
Mediana = 5, es el valor medio.es decir que el 50% tiene un valor inferior a 5 aos
y el otro 50% tiene un valor superior a 5 aos pesar que las 3 maestras tienen un
aproximado de 30 aos. Esto es porque la mayor cantidad de paseantes son
menores de 5 aos y las 3 maestras de 30 aos aproximadamente no influyen en
la mediana.
5. En una empresa se llevan los registros del nmero de fallas de equipos por
mes; la media es de 4 y la mediana de 6.
a) Si usted tiene que reportar la tendencia central de fallas, Qu numero
reportara? Por qu?
R= Reportara en # 6 porque me da el valor medio de fallas que ocurrieron en
cada mes. Es decir que el 50% de fallas es inferior a 6 y el otro 50% es
superior a 6.
b) La discrepancia entre las media y la mediana se debi a que durante varios
meses ocurrieron muchas fallas?
R= Si, porque al ver varias fallas en unos meses y en otros mese no. Esto nos
proporciona valores extremos que influyen en el anlisis de los datos,
perdiendo representatividad el valor de la media.

6. De acuerdo con los registros de una empresa el ausentismo por semana del
personal de labor directa es de 25 personas en promedio, con una desviacin
estndar de 5. Con base en esto conteste los siguientes dos incisos:
a) Entre qu cantidad se espera que usualmente vare el nmero de personas
que no acuden a trabajar por semana?
R=Se espera que el nmero de personas que no acuden a trabajar por semana
vari en 20 personas.
b) Si en la ltima semana hubo 34 ausencias significa que paso algo fuera de
lo normal por lo que debemos investigar que sucedi y tomar alguna medida
urgente para minimizar el problema?
R= El hecho de que en la ltima semana se hayan presentado 34 ausencias de
personal da un indicio de que algo est mal, ya que si tenemos en cuenta la
media de los registros de ausentismo (25 personas) vemos que el registro de la
ltima semana est bastante alto por lo que es necesario realizar un anlisis de
la situacin para ver qu es lo que est sucediendo y buscar minimizar el
nmero de ausentismos.
7. En una empresa se lleva un registro semanal del nmero de empleados que
acuden a la enfermera de la empresa a recibir atencinmdica. De acuerdo con
los datos de los primeros seis meses del ao se tiene que el nmero promedio por
semana es de 16, y la desviacin estndar es de 3.5. Con base en esto conteste
los siguientes dos incisos:
A. Entre que cantidades se espera que varen usualmente el nmero de
empleados que acuden a enfermera por semana?
R== Se espera que el nmero de empleados que acuden a la enfermera por
semana variedad usualmente entre 22 personas.
B. Si en la ltima semana acudieron a la enfermera 25 personas, esto
significa que en esta semana paso algo fuera de lo usual. Conteste s o no
y explique porque.
R= El hecho de que en la ltima semana hayan acudido a la enfermera 25
personas, si significa que algo inusual est ocurriendo ya que si analizamos
este dato teniendo como referencia la media (16 personas), el servicio
(atencin medica en enfermera), vemos como este ltimo registro de las
personas que acudieron a la enfermera est bastante alejado de la media lo
que hace pensar que algo ando funcionando inadecuadamente.

8. De acuerdo con cierta norma, a una bomba de gasolina en cada 20 L se le

permite una discrepancia de 0.2 L. En una gasolinera se hacen revisiones
peridicas para evitar infracciones y ver si se cumplen las especificaciones
(EI = 19.8, ES = 20.2). De acuerdo con los resultados de 15 inspecciones para una
bomba en particular, la media y la desviacin estndar de los 15 datos son 19.9 y
0.1, respectivamente. De acuerdo con esto, se puede garantizar que la bomba
cumple con la norma?
Argumente su respuesta

La bomba no cumple con la norma porque el proceso es inadecuado por la

izquierda, respecto alas especificaciones.
9. La desigualdad de Chebyshev y la regla emprica establece la relacin entre la
media y la desviacin estndar. Explique esta situacin y explique si sr aplica para
el caso muestral, poblacional o para ambos.
Si una variable aleatoria tiene una desviacin estndar pequea, se esperara que
la mayora de los valores se agrupen alrededor de la media. Por lo tanto, la
probabilidad de que una variable aleatoria tome un valor dentro de cierto intervalo
alrededor de la media es mayor que para una variable aleatoria similar con una
desviacin estndar mayor si pensamos en la probabilidad en trminos de una
rea, esperaramos una distribucin continua con un valor grande de que
indique una variabilidad mayor y, por lo tanto, esperaramos que el rea este
extendida. Sin embargo, una desviacin estndar pequea debera tener la mayor
parte de su rea cercana a .
Esta desigualdad de chebyshev es aplicada para ambos casos (muestral y
poblacional).

10. Dos mquinas, cada una operada por una persona, son utilizadas para cortar
tiras de hule, cuya longitud ideal es de 200 mm, con una tolerancia de 3 mm. Al
final del turno un inspector toma una muestra e inspecciona que la longitud cumpla
especificaciones.
A continuacin se muestran las ltimas 110 mediciones para ambas mquinas.
199.2
200.7
200.7
200.5
200.2
202.0
200.7
198.6
199.7
199.6
198.9
199.0
199.6
199.4

199.7
201.4
200.9
201.2
201.0
201.0
201.8
200.3
199.7
199.0
198.8
199.0
199.0
198.7

201.8
200.4
201.0
201.7
201.4
201.5
200.5
198.5
199.0
198.7
198.7
198.7
199.7
198.5

202.0
201.7
201.5
201.2
201.4
201.6
200.5
198.2
198.4
200.5
199.2
199.1
198.9
198.7

201.0
201.4
201.2
201.2
201.1
200.6
200.8
199.6
199.1
198.4
199.3
200.3
199.2
198.6

201.5
201.4
201.3
200.5
201.2
200.1
200.3
198.2
198.8
199.2
199.7
200.5
197.9
198.5

200.0
200.8
200.9
200.1
201.0
201.3
200.7
198.4
198.3
198.8
197.8
198.1
200.3
0

199.8
202.1
200.7
201.4
200.6
200.6
199.5
199.0
198.9
198.5
199.9
198.3
199.6
0

A) Obtenga las medidas de tendencia central y con base en ellas seale si la

tendencia central del proceso es adecuada.
Estadsticas descriptivas: C1
Moda: 201.4
Media: 200.0
Mediana: 200.1
Todas las medidas de tendencia central nos indican que la tendencia es adecuada,
porque est dentro de los lmites permitidos.

B) Calcule la desviacin estndar y una aproximacin de los lmites reales, y a

partir de stos decida si la variabilidad de los datos es aceptable.
DE= 1.16
Varianza= 1.34
Limites reales = u3 desv. Estndar
C) Obtenga un histograma e interprtelo (tendencia central, variabilidad,
acantilados, sesgos, etctera).

histograma

Axis Title

0.14
0.12
0.1
0.08
0.06
0.04
0.02
0

Axis Title

D) Con la evidencia obtenida antes, cul es su opinin acerca de lo adecuado o no

de la longitud de las tiras que se cortaron en el periodo que representan las
mediciones.
R=Las longitudes de las tiras se encuentran en el rango permitido, as que
podemos decir que las tiras cumplen las especificaciones requeridas y el lote es
aceptado.

11. En el caso del ejercicio anterior, considere que los primeros 55 datos
(ordenados por rengln) corresponden a una mquina, y los ltimos 55 a otra.
Ahora conteste lo siguiente.
A) Evale las dos mquinas en cuanto a su centrado (tendencia central) y con
respecto a la longitud ideal (200).
variable
maquina
1
maquina
2

media

mediana moda

200.08

200.20

199.5

199.91

200.10

201.4

La mquina 2 es ms exacta que la 1.

B) Analice la dispersin de ambas mquinas utilizando la desviacin estndar y
la regla emprica.
Variable
Maquina
1
Maquina
2

DE

varianza

q1

q3

sesgo

1.16

1.36

199.00 201.20 0.09

1.15

1.32

198.80 200.90

kurtosis
-143

-17

-120

De acuerdo a las especificaciones ambas mquinas cumplen las tolerancias

permitidas. Pero la mquina 2 es la ms exacta a la media ideal de 200 mm,
porque su desv. Est. es menor a la de la mquina 1.
C) De acuerdo a lo anterior, cul es el problema de cada mquina?
La mquina 1 tiene menor precisin, la mayora de sus valores son
inferiores a la media ideal (200 mm).
La mquina 2 es ms precisa, pero la mayora de sus valores son
superiores e inferiores.

D) Considere que cada mquina es operada por una persona diferente, y

determine cules son las posibles causas de los problemas sealados en el
inciso anterior y seale qu hara para corroborar cules son las verdaderas
causas.
Causas:

Puede ser que la persona que est operando la mquina no est

revisndola constantemente, ya que la mquina puede ser muy antigua y

se descontrole fcilmente.
El operario no ha sido capacitado correctamente.

Precauciones:

Revisar constantemente la mquina.

Evaluar al operario.

12. a) Medidas de tendencia central

Media
Mediana
Moda

59,8
58,5
42 78

Medidas de dispersin
Desv estndar
Rango
Coeficiente de variacin

21,13
62
0,35

Las medidas de tendencia central no son muy similares lo que nos da un indicio
que el servicio nos es de muy buena calidad ya que no est centrad el proceso.
Las medidas de dispersin: la desviacin estndar nos muestra que el servicio
tiene alta variabilidad, cosa que tambin se refleja en el rango el cual nos muestra
un variacin de 35 % del servicio, de lo cual podemos concluir que el servicio no
es de buena calidad.
b) Histograma

frecuencia
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0

Analizando el histograma se puede ver:

1. Una mayor parte de las mediciones se encuentra en 42 y 78.
2. El centrado del proceso se observa bimodal, dos realidades, un factor de
esto puede ser que se utilizaron diferentes instrumentos de medicin o
recoleccin de datos.
c) Lo ms destacado en el histograma es que un poco ms del 50 % de los datos
tiene la misma frecuencia.
d) Hacer un anlisis por separado de cada una de las preguntas del cuestionario
sera de gran utilidad ya que nos permitira realizar un anlisis ms detallado de la

prestacin del servicio de tal manera que se puedan detectar problemticas y

posibles soluciones para estos y as mejorar la calidad del servicio.

13. En una fbrica de piezas de asbesto una caracterstica importante de la

calidad es el grosor de las lminas. Para cierto tipo de lamina el grosor optimo es
de 5mm y se tiene una discrepancia tolerable de 0.8 mm, ya que si la lamina tiene
un grosor menor que 4.2 mm se considera demasiado delgada y no reunir las
condiciones de resistencia exigidas por el cliente. Si la lamina tiene un grosor
mayor que 5.8 mm, entonces se gastara demasiado material para su elaboracin y
elevaran los costos del fabricante. Por lo tanto, es de suma importancia fabricar
las lminas con el grosor optimo, y en el peor de los casos dentro de las
tolerancias especificadas. De acuerdo con los registros de las mediciones
realizadas en los ltimos tres meses se aprecia un proceso con una estabilidad
aceptable, el grosor medio es = 4.75, la mediana 4.7, y la desviacin estndar
= 0.45.
Media = 4.75
Mediana = 4.7
DE= 0.45
A) El centrado del proceso aunque no es el que se quiere se encuentra dentro
de la zona de tolerancia en cuanto al grosor de la lmina, por lo tanto es
aceptable, adecuado.
B) Considerando que la media es la sumatoria de los datos dividido entre el
nmero de estos y que est dentro del rango de aceptacin, y que adems
la mediana es el dato central del conjunto de datos; podemos decir que el
proceso est dentro de las especificaciones requeridas y por lo tanto las
cumple, ya que se tiene una idea central de la recopilacin de datos por
medio de estas medidas de tendencia central.
C) LMI= media- 3 desviacin estndar
LMI= 4.75- 3(0.45)
LMI= 3.4
LMS= media+3 desviacin estndar
LMS=4.75+3(0.45)
LMS=6.1

14. Los 120 datos obtenidos durante tres das se muestran continuacin
Media= 4.88
Mediana=4.9
Moda=5
Desv. Estandar= 0.31

grosor
4,1
4,2
4,3
4,4
4,5
4,6
4,7
4,8
4,9
5
5,1
5,2
5,3
5,6
5,7

frecuenci
a
2
2
1
6
8
11
12
9
14
18
15
8
12
1
1

15)
Media: 27.98
Mediana: 27.96
Moda: 27.94
Desv. Estandar: 0.14

frecuencia
7
6
5
4
3
2
1
0

16)
Media: 19.56
Mediana: 19.6
Moda: 19.7-20
Desv. Estandar: 0.64
C.V: 3.32
peso

frecuenc
ia

peso
27,63
27,7
27,72
27,74
27,75
27,76
27,78
27,81
27,82
27,84
27,85
27,86
27,87
27,88
27,89
27,9
27,91
27,93
27,94
27,95
27,96
27,97
27,98
27,99
28
28,01
28,02
28,04
28,05
28,06
28,07
28,08
28,09
28,1
28,11
28,12
28,13
28,14
28,16
28,19
28,21
28,22
28,23
28,26
28,27
28,39

frecuenc
ia
1
1
1
2
3
2
1
2
2
5
3
1
4
4
3
3
4
4
6
3
3
3
3
1
2
2
3
3
3
1
2
3
1
4
2
1
4
2
4
3
2
1
1
1
1
1

17,8
18,4
18,5
18,6
18,7
18,8
18,9
19
19,1
19,2
19,3
19,4
19,5
19,6
19,7
19,8
19,9
20
20,1
20,2
20,3
20,4
20,5
20,6
20,7
20,8
21

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

frecuencia
10
9
8
7
6
5
4
3
2
1
0

Lote 1
Media: 19.35
Mediana: 19.25
Desv. Estndar: 0.55
peso
18,6
18,7
18,8
18,9
19
19,1
19,2
19,3
19,4
19,5
19,6
19,8
20
20,4
21

frecuenc
ia
3
1
1
1
3
4
2
2
3
1
2
2
3
1
1

frecuencia
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
18.600000000000001

Lote 2
Media: 19.3
Mediana: 19.35

19

19.399999999999999

20

Desv. Estandar: 0.68

peso
17,8
18,4
18,5
18,6
18,8
18,9
19
19,1
19,2
19,3
19,4
19,5
19,6
19,7
19,9
20
20,1
20,3
20,6
20,7

frecuenc
ia
1
3
1
1
2
2
2
1
1
1
2
1
3
3
1
1
1
1
1
1

frecuencia
3.5
3
2.5
2
1.5
1
0.5
0

Lote 3
Media: 20.04
Mediana: 20

Moda: 19.57
Desv. Estandar: 0.4
peso
19,1
19,6
19,7
19,8
19,9
20
20,1
20,2
20,3
20,4
20,5
20,6
20,8
21

frecuenc
ia
1
2
6
2
1
5
2
3
1
3
1
1
1
1

frecuencia
7
6
5
4
3
2
1
0

17)
Media= 5.1
Mediana= 1,7 2 2,9 3
4,8 5 5,4 5,4 5,5 5,5
7,1 7,5 7,7 7,9
Rango = 7,9 1,7 =6.2
K= 1+ 3.3 log(35)=6.09
A = R/K= 1.0163

3,1 3,2 3,6 3,9 3,9

4 4,1 4,1 4,5 4,7
5,7 5,8 5,9 5,9 6 6,3 6,5 6,7 6,8 6,8 7

INTER
CLS
1.7-2.7
2.7-3.7
3.7-4.7
4.7-5.7
5.7-6.7
6.7-7.7
7.7.8.7

FREC
ABS
2
5
7
7
7
6
1

FREC REL
0,057
0,142
0,2
0,2
0,2
0,171
0,028

histograma
8
6
4
2
0

El histograma presenta caractersticas multimodales esto es debido a la variacin

de los tiempos que se toman en anlisis de este caso.
18.
horas
5,8
6
6,1
6,2
6,5
6,7
7
7,4
7,5
7,7
8
8,1
8,2
8,5

frecuenc
ia
1
2
1
2
1
1
2
1
2
2
2
4
3
1

frecuencia
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0

19.
2,7
3,4
2,2
3,2
3,4
2,9
3,4
2,9

3,4
2,7
3,4
3,1
3
3,5
3,1
3

MEDIA =3,16041667
Mediana =3,2
Moda =3,2 y 3,3
S=0,3305312

3,5
3,3
3,3
2,9
2,9
3,1
3,2
3,2

4
3,6
2,5
2,7
3,2
3,5
3,3
3,2

3,1
2,9
3,4
3,3
3,2
3
3,2
3,3

3,3
2,8
2,7
3,6
3
3,1
3,3
3,8

INTERV CLASE
2.2-2.475
2.475-2.75
2.75-3.025
3.025-3.3
3.3-3.575
3.575-3.85
3.85-4.125

FRECUENCIA ABS
1
5
10
19
9
3
1

FRECUENCIA RELAT
0,0208
0,1041
0,2083
0,3958
0,1875
0,0625
0,0208

Rango = 4-2.2=1.8
K=1+3.3 log (48) =6.54
A=R/K=0,275

20
18
16
14
12
10
8
6
4
2
0

20)
28,3
30,4
26,2
28,4
28,8
29,3
26,9

26,8
27,7
27,7
26,3
25
27,8
27,7

26,6
27
27,2
28,1
25,3
25,1
26,2

26,5
26,1
25,9
28,7
27,7
26,6
27

28,1
28,1
26,5
27
25,2
26,8
27,6

24,8
26,9
28,3
25,5
28,6
26,4
28,8

27,1
29,5

26,4
26,4

27,2
25,8

27,3
26,7

27

27,7

MEDIA= 27.1346154
MEDIANA=27
MO=27.7
S= 1.21136523
RANGO= 30, 4-24,8=5,6
K=1+3.3LOG (52) =6,662
A=R/K=0.8405

INTERV CLASE
24,8-25,64
25,64-26,48
26,48-27,32
27,32-28,16
28,16-29
29-29,84
29,84-30,68

FRECUE ABS
6
9
17
10
7
2
1

FRECUENCIA RELATI
0,1153
0,1730
0,3269
0,1923
0,1346
0,0384
0,0192

18
16
14
12
10
8
6
4
2
0

21) Medidas de tendencia central

media
mediana

27,1
27,1

moda

27,

Limites reales
LRI= 27,1 3(1,39)

LRI=22,93

LRS=27,1 + 3(1,39)

LRS=31,27

frecuencia
7
6
5
4
3
2
1
0

Segn los anlisis realizados anteriormente teniendo como base en primer lugar
las medida es de tendencia central se puede decir que el procesos esta
adecuadamente ya que estas medidas son muy similares.
Si tenemos en cuenta la especificacin de resistencia mnima para la elaboracin
de envase plstico que es de 20 kg.f y teniendo en cuenta el histograma se puede
observar que el proceso no tiene la capacidad para elaborar los envase de plstico
segn las especificaciones.

22) ANALISIS DE CAPACIDAD Teniendo en cuenta la media del proceso se

puede observar que se cumple con las especificaciones del producto adems la
media obtenida de acerca al valor optimo del porcentaje de grasa para la crema
por lo que se puede decir que el proceso est centrado adecuadamente.
Ahora teniendo en cuenta los limites reales del proceso y al compararlos con las
especificaciones se aprecia que los limites reales caen dentro de las mismas, por
lo que se concluye que el proceso tiene la capacidad de cumplir con las
especificaciones.
Se recomienda tener en cuenta otras medidas de variabilidad para tener una mejor
visin del comportamiento del proceso de manera que permita reconocer puntos
dbiles e implementar acciones de mejora que permitan aumentar la capacidad
del proceso y garantizar la menor cantidad de producto no conforme, es
importante tambin que no solo se tengan en cuenta las medidas de tendencia

central a la hora de analizar caractersticas de calidad en el proceso ya que estas

son insuficientes a la hora de realizar este anlisis.

23) si se tiene en cuenta la informacin histrica del proceso, teniendo como

referencia la media y comparndola con las especificaciones se puede decir que
el proceso tiene la capacidad para cumplir con las especificaciones; pero hay que
tener en cuenta que la media no es suficiente para dar conclusiones acerca del
funcionamiento del proceso; se hace necesario recurrir a otras tipos de variables
como lo son las mediadas de dispersin; en el caso de este proceso se cuenta con
una desviacin estndar la cual muestra que la variabilidad del proceso puede
considerarse baja.

24) medidas de tendencia central

media
mediana
moda

2,6
2,6
2,6

Todas las medidas de tendencia del proceso son iguales, por lo que se puede
decir que el proceso est centrado adecuadamente en 2,6.

b) desviacin estndar:0,056
Limites reales
LRI= 2,6 3* (0,056)

LRI= 2,43

LRS=2,6 + 3* (0,056)

LRS= 2,77

En el proceso se espera que la caracterstica de calidad (porcentaje de CO2)

vari de 2,43 a 2,77, con una media de 2,6. Al comparar esto con las
especificaciones se aprecia que los limites reales caen dentro de las mismas,
entonces se concluye que el proceso es capaz de cumplir con las especificaciones
de calidad del proceso.
c) Histograma

frecuencia
12
10
8
6
4
2
0

Del histograma se puede inferir que:

1. La mayor parte de las mediciones se localiza en 2,61
2. El proceso presenta gran variabilidad; se denotan acantilados y un sesgo
en la cola derecha.
3. Se denota que el proceso no cumple con las especificaciones de calidad
para el proceso (porcentaje de CO2).
4. Con la informacin obtenida anteriormente se puede decir que el proceso
no tiene la capacidad para cumplir con las especificaciones para el proceso
de la elaboracin de la bebida, se est produciendo bebidas con porcentaje
de CO2 por debajo de la especificacin.