Oregon Fiber Board fabrica forros interiores de techo para la industria automotriz.

La gerente de manufactura est pr

la calidad de este producto. Sospecha que un defecto en particular, las rasgaduras de la tela, esta relacionado con el
actuales partidas de produccin. Un asistente ha recopilado los siguientes datos, basndose en los registros de prod
Partida
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Tamao
1000
4100
2000
6000
6800
3000
2000
1200
5000
3800
6500
1000
7000
3000
2200
1800
5400
5800
1000
1500

Defectos (%)
3.5
3.8
5.5
1.9
2.0
3.2
3.8
4.2
3.8
3.0
1.5
5.5
1.0
4.5
4.2
6.0
2.0
2.0
6.2
7.0

Pregunta:

a)Existe alguna relacin entre el tamao de la partida y el procentaje de defe

Qu consecuencias tiene esto para los negocios de Oregon?

b)Analice las Grficas de Control considerando el mismo nivel de defectos pa

Tamao de Muestra Fijo igual a 1000

c) Calcule el nivel sigma del proceso, considerando los defectos promedio po

del lote ( considere un solo tipo de falla de calidad )

RESOLUCION B
MEDIA
DESV ESTA

3.7
1.7
defectos
3.5
3.8
5.5
1.9
2.0
3.2
3.8
4.2
3.8
3.0
1.5
5.5
1.0
4.5
4.2
6.0
2.0

ENTONCES

Xraya

LCS
LCI
LCS

3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73
3.73

8.828699525
-1.36869952

LCI
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83
8.83

-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37
-1.37

Ch
10.00
8.00
6.00
4.00
2.00
0.00
-2.00

Column B

2.00
0.00
-2.00

2.0
6.2
7.0

3.73
3.73
3.73

PROM PONDERADO

2.890

8.83
8.83
8.83

-1.37
-1.37
-1.37

Defectos (%)
3.5
3.8
5.5
1.9
2.0
3.2
3.8
4.2
3.8
3.0
1.5
5.5
1.0
4.5
4.2
6.0
2.0
2.0
6.2
7.0
SUMA

CONSIDERANDO

3500
15580
11000
11400
13600
9600
7600
5040
19000
11400
9750
5500
7000
13500
9240
10800
10800
11600
6200
10500
202610

Column B

EL PROCESO SE ENCUENTRA BAJO

RESOLUCION C

Tamao
1000
4100
2000
6000
6800
3000
2000
1200
5000
3800
6500
1000
7000
3000
2200
1800
5400
5800
1000
1500

z. La gerente de manufactura est preocupada por

as de la tela, esta relacionado con el tamao de las
, basndose en los registros de produccin.

RESOLUCION 1

Relacion negat
8.0
7.0
6.0
5.0

f(x) = - 0.0006718792x + 6.08493

R = 0.7206155904

4.0
3.0

o de la partida y el procentaje de defectos? Demustrelo

negocios de Oregon?

2.0
1.0

erando el mismo nivel de defectos para un

0.0

nsiderando los defectos promedio ponderado al tamao

Chart Title
8.00
6.00
4.00
2.00

-2.00

Column B

9 10 11 12 13 14 15 16 17 18 19 20
Column C

1000

2000

3000

4000

500

La Varialble "Tamao" explica el 72% de la relacion co

Existe una correlacion alta 84%

10.00

0.00

Column D

2.00
0.00

-2.00

Column B

9 10 11 12 13 14 15 16 17 18 19 20
Column C

Column D

L PROCESO SE ENCUENTRA BAJO CONTROL ESTADISTICO

LSE
LIE

Relacion negativa

f(x) = - 0.0006718792x + 6.0849365651

R = 0.7206155904

00

2000

3000

4000

5000

6000

7000

mao" explica el 72% de la relacion con la variable % defectos

elacion alta 84%

8000

Resumen
Estadsticas de la regresin
Coeficiente de correlacin m 0.8488908
Coeficiente de determinaci 0.72061559
R^2 ajustado
0.70509423
Error tpico
0.92295345
Observaciones
20
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
Regresin
1 39.5488248 39.5488248 46.4273602 2.224E-006
Residuos
18 15.3331752 0.85184306
Total
19
54.882
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%
6.08493657 0.40254401 15.116202 1.133E-011 5.23922298 6.93065015
-0.00067188 9.861E-005 -6.81376256 2.224E-006 -0.00087904 -0.00046472

Intercepcin
Tamao

Resultados de datos de probabilidad

Percentil
2.5
7.5
12.5
17.5
22.5
27.5
32.5
37.5
42.5
47.5
52.5
57.5
62.5
67.5
72.5
77.5
82.5
87.5
92.5
97.5

Defectos (%)
1
1.5
1.9
2
2
2
3
3.2
3.5
3.8
3.8
3.8
4.2
4.2
4.5
5.5
5.5
6
6.2
7

D e fe c tos (% )

Grfico de probabilidad normal

10
5
0
0

Inferior 95.0%Superior 95.0%

5.23922298 6.93065015
-0.00087904 -0.00046472

20

40

60
80
Muestra percentil

100

120

normal

120

Efectuar el analisis de estadstica descriptiva de la produccin de uvas de una zona agrcola. Utilice grficos.
Analice la variabilidad de cada indicador.
Produccin, superficie y rendimiento de uvas

Aos
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004

Superficie
cosechada
Has
9,462
9,423
9,360
9,696
9,478
9,264
9,797
8,759
8,652
8,725
8,687
8,801
8,661
9,124
9,730
10,702
11,314
12,367
10,321
10,324
10,292
11,578
11,977
12,003
12,258

Produccin

56,496
55,034
49,418
45,467
35,600
51,613
46,787
56,401
47,352
65,467
55,431
56,100
43,363
47,441
64,916
81,446
90,514
114,388
76,074
98,343
107,232
127,701
136,051
145,963
146,536

Rendimiento
Prom Nac
Kg/Ha
5,971
5,840
5,280
4,689
3,756
5,571
4,776
6,439
5,473
7,503
6,381
6,374
5,007
5,200
6,995
7,610
8,000
9,600
7,371
9,256
10,421
10,930
12,447
12,690
11,950

Fuente: Minag-Dgia
Elaboracin: AgroData-CEPES

Chart Title
14000
12000
10000

Superficie
cosechada
Has
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muest
Curtosis
Coeficiente de asimet
Rango
Mnimo
Mximo
Suma
Cuenta
CV

Estadsticas de la regresin
Coeficiente de correl
Coeficiente de deter
R^2 ajustado
Error tpico
Observaciones

ANLISIS DE VARIANZA
Grados de liberta
Regresin
Residuos
Total

8000
6000

Intercepcin

4000

Superficie
cosechada
Has

2000
0

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

8000
6000
4000
2000
0

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

Resumen
Estadsticas de la regresin
Coeficiente de correl
Coeficiente de deter
R^2 ajustado
Error tpico
Observaciones

ANLISIS DE VARIANZA
Grados de liberta
Regresin
Residuos
Total

Intercepcin
Produccin

Resumen
Estadsticas de la regresin
Coeficiente de correl
Coeficiente de deter
R^2 ajustado
Error tpico
Observaciones

ANLISIS DE VARIANZA
Grados de liberta
Regresin
Residuos
Total

Intercepcin
Superficie
cosechada
Has

Rendimiento
Prom Nac
Kg/Ha

Produccin

10030.1816
246.16284
9696
#N/A
1230.8142
1514903.59
-0.79382183
0.7086942
3715
8652
12367
250754.54
25
0.12271106

Media
76045.36
Error tpico
6954.07109
Mediana
56496
Moda
#N/A
Desviacin es 34770.3554
Varianza de l 1208977617
Curtosis
-0.4649974
Coeficiente d 0.93532237
Rango
110936
Mnimo
35600
Mximo
146536
Suma
1901134
Cuenta
25
0.45723178

Media
7421.22665
Error tpico
519.170201
Mediana
6439.20539
Moda
#N/A
Desviacin es 2595.85101
Varianza de l 6738442.45
Curtosis
-0.46757435
Coeficiente d 0.79222474
Rango
8933.93332
Mnimo
3756.06668
Mximo
12690
Suma
185530.666
Cuenta
25
0.34978732

SUPERFICIE COSECHADA VS PRODUCCION

dsticas de la regresin
0.8982526
0.80685774
0.79846025
15609.5179
25

Se observa una correlacion alta entre estas 2 variables 89%

"Superficie cosechada" explica el 80% de la" Produccion"
Produccion= sup cosechada*25.37-178475

S DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
1 2.341E+010 2.341E+010 96.0832071 1.113E-009
23 5604112126 243657049
24 2.902E+010
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
-178475.811 26152.7106 -6.82437144 5.850E-007 -232576.815 -124374.807 -232576.815 -124374.807

25.3755297 2.58875751

9.8022042

1.113E-009 20.0202768 30.7307826 20.0202768 30.7307826

Produccion vs Rendimiento

dsticas de la regresin
0.98543308
0.97107836
0.96982089
450.954732
25

S DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
1 157045335 157045335 772.252178 3.360E-019
23 4677283.93 203360.171
24 161722619
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
1826.608 220.601213 8.28013578 2.364E-008 1370.25962 2282.95637 1370.25962 2282.95637
0.07356949 0.00264739 27.7894257 3.360E-019 0.06809295 0.07904604 0.06809295 0.07904604

Superficie cosechada vs Rendimiento

dsticas de la regresin
0.82310199
0.67749689
0.66347502
1505.87324
25

S DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
1 109566572 109566572 48.3171424 4.376E-007
23
52156047 2267654.22
24 161722619
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
-9990.81567 2522.9906 -3.95990998 0.0006214 -15210.0194 -4771.61196 -15210.0194 -4771.61196

1.73596481 0.24974126 6.95105333 4.376E-007 1.21933566 2.25259397 1.21933566 2.25259397

uperior 95.0%

R e nd im ie nto
P rom N a c
K g /H a

Grfico de probabilidad normal

0

Muestra percentil

10

12

uperior 95.0%

uperior 95.0%

caso 2
Rendimiento vs sup cosechada , aos, produccion
Resumen
Estadsticas de la regresin
Coeficiente de correlac 0.9955143
Coeficiente de determi 0.99104873
R^2 ajustado
0.98976998
Error tpico
262.553673
Observaciones
25
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
Regresin
3 160274996 53424998.6 775.011814 1.178E-021
Residuos
21 1447623.05 68934.4312
Total
24 161722619

Intercepcin
Aos
Superficie
cosechada
Has
Produccin

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%

-99.2560225 28889.4251 -0.00343572 0.99729113 -60178.1044 59979.5924
3.56427432 14.5285165 0.24532954 0.80858287 -26.6494297 33.7779783

-0.67323737 0.10076383 -6.68133932 1.300E-006 -0.88278723

-0.4636875

0.09432714 0.00476742 19.7857988 4.652E-015 0.08441275 0.10424152

R end im iento
P rom N a c
K g /H a

os, produccion

Grfico de probabilidad normal

20
10
0

Inferior 95.0%Superior 95.0%

-60178.1044 59979.5924
-26.6494297 33.7779783

-0.88278723

-0.4636875

0.08441275 0.10424152

6
8
Muestra percentil

10

12

La variable aos no se considerara por que la debido a que su probabilidad

mayor a 5%=alpha

normal

10

12

a que su probabilidad

rendimiento vs superficie cosecha y produccion

Resumen
Estadsticas de la regresin
Coeficiente de 0.99550142
Coeficiente d 0.99102307
R^2 ajustado 0.99020699
Error tpico
256.884479
Observacione
25
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
Regresin
2 160270847 80135423.4 1214.36378 3.051E-023
Residuos
22 1451771.98 65989.6356
Total
24 161722619

Intercepcin
Superficie
cosechada
Has
Produccin

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
6985.68773 748.546098 9.33234139 4.180E-009 5433.29814 8538.07732 5433.29814

-0.67773912 0.09693957 -6.99135673 5.124E-007 -0.87877948 -0.47669875 -0.87877948

0.09511935

0.0034315 27.7194382 1.324E-018 0.08800285 0.10223585 0.08800285

Resultados de datos de probabilidad

Percentil
2
6
10
14
18
22
26
30
34
38
42
46
50
54
58
62
66
70
74
78

Rendimiento
Prom Nac
Kg/Ha
3756.06668
4689.2533
4775.64561
5006.69669
5200
5279.70085
5472.95423
5571.35147
5840.39053
5970.83069
6374.27565
6380.91401
6439.20539
6995
7371
7503.38109
7610
8000
9256
9600

82
86
90
94
98

10421
10930
11950
12447
12690

R end im ie nto
P rom N a c
Kg /H a

Grfico de probabilidad normal

20000
10000
0

Superior 95.0%
8538.07732

-0.47669875
0.10223585

20

40
60
80
Muestra percentil

100

120

Superficie
cosechada
Has

Aos
Aos
Superficie
cosechada
Has
Produccin

Rendimiento
Prom Nac
Kg/Ha

Produccin

Rendimiento
Prom Nac
Kg/Ha

0.73199679

0.86032864

0.8982526

Se observa una alta correlacion entr

1

0.86344457 0.82310199 0.98543308

e observa una alta correlacion entre estas variables

Proinversin estudia las relaciones entre el nmero de licitadores para un proyecto de carretera,
y la propuesta ganadora (la de mas bajo costo) para el proyecto. De particular inters es si el
nmero de postores aumenta o disminuye el importe de la licitacin ganadora.

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

No Licitadores
9
9
3
10
5
10
7
11
6
6
4
7
7
7
6

Oferta Ganadora
(millones US$)
5.1
8
9.7
7.8
7.7
5.5
8.3
5.5
10.3
8
8.8
9.4
8.6
8.1
7.8

a) Determine si ms licitadores tienden a aumentar o disminuir el importe de la propuesta ganadora.

b) Estime el monto de la oferta ganadora si hubiese siete postores

A) mas licitaciones tiende a disminuir el valor de la oferta ganadora

b)

valor de oferta para 7 postores =

7.9631 millones $

Resumen

Estadsticas de la regresin
Coeficiente de0.706380686 Aunque es una correlacion casi alta
Coeficiente d 0.498973673 la variable n licitadores solo explica el 49% de la relacion con la variable oferta ga
R^2 ajustado 0.460433187 TIENEN UNA RELACION NEGATIVA
Error tpico
1.113818913
Observacione
15
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
Regresin
1 16.0616299 16.0616299 12.94674034 0.003243266
Residuos
13 16.12770344 1.240592572
Total
14 32.18933333
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95%
Intercepcin 11.23598553 0.968946401 11.59608573
3.15E-08
9.1427041
No Licitadore -0.46672694 0.129712746 -3.59815791 0.003243266 -0.7469543

licitadores vs oferta ganadora

12
10
f(x) = - 0.4667269439x + 11.2359855335
R = 0.4989736734

8
6
4
2
0

10

11

12

de la relacion con la variable oferta ganadora

or crtico de F

Superior 95% Inferior 95.0%Superior 95.0%

13.32926697
9.1427041 13.32926697
-0.18649959 -0.7469543 -0.18649959

1. La unidad de Atencin al Cliente de un Centro de Servicios Mdicos efectu la

medicin de la cantidad de reclamos mensual de los pacientes. Los resultados se
muestran en la tabla a continuacin. Se solicita graficar y analizar la informacin
disponible. Qu recomendaciones dara a la unidad de Atencin al Cliente? (4ptos.)
MES

Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre

Octubre
Noviembre
Junio
Diciembre
Setiembre
Agosto
Enero
Mayo
Abril
Febrero
Marzo
Julio
total

42
38
30
29
28
26
22
22
20
18
18
18
311

45
40
35
30
25
20
15
10
5
0

RECLAMOS

22
18
18
20
22
30
18
26
28
42
38
29

0.1350482315
0.1221864952
0.0964630225
0.0932475884
0.0900321543
0.0836012862
0.0707395498
0.0707395498
0.0643086817
0.0578778135
0.0578778135
0.0578778135

14%
26%
35%
45%
54%
62%
69%
76%
83%
88%
94%
100%

Chart Title

Chart Title
50

120
100
80%
60%
40%
20%
0%

40
30
20
10
0

Column B

LAS QUEJAS AUMENTA EN LA SEGUNDA MITAD DEL AO A EXCEPCION DEL MES DE JULIO
Seria necesario evaluar la causa de la mayoria de las quejas
PODRIA SER QUE LOS PACIENTES EN EL MES DE JULIO DESTINAN SU PRESUPUESTO PARA OTROS
GASTOS Y LAS ATENCIONES EN EL CENTRO MEDICO SON MENOS

itle

umn B

PARA OTROS

120%
100%
80%
60%
40%
20%
0%

El nmero de quejas en un banco durante 10 das se contabiliza en 8, 4, 0, 2, 3, 9, 6, 0

Desarrollar la grfica correspondiente y analizar el proceso de atencin al pblico para

lunes
martes
miercoles
jueves
viernes
sabado
domingo
lunes
martes
miercoles

8
4
0
2
3
9
6
0
4
6

Chart Title
10
9
8
7
6
5
4
3
2
1
0

Column

za en 8, 4, 0, 2, 3, 9, 6, 0, 4, 6.
atencin al pblico para estas 2 semanas.

Chart Title

Column C

En una acera se levant la informacin referida a lesiones entre el 1ro. de enero y 30 de junio
Enero

Febrero

Marzo

Quemadura con cido

Abril

Esguince de tobillo

Esguince de espalda

10

Cuerpo extrao en el ojo

10

Cortadura de pierna

Cortadura de mano

total

17

16

13

Los das de ausencia que generan estos accidentes se especifican a continuacin:

dias ausenc

Quemadura con cido

Esguince de tobillo
Esguince de espalda
Cuerpo extrao en el ojo
Cortadura de pierna
Cortadura de mano

4
15
2
5
3
2

Perdidas
300
1125
150
375

16
14
12

225
150

10
8
6
4

Esguince d tobillo, quemadura y cuerpo extrao en el ojo son

los que generan mayora cantidad de dias de ausencia

2
0

Quemadu
ra con
cido

E
d

Se ha estimado que un da de ausencia le cuesta a la empresa 75 soles, incluyendo beneficios

Efectuar el anlisis correspondiente.

Esguince de espalda
Cortadura de mano
Cortadura de pierna
Esguince de tobillo
Cuerpo extrao en el ojo
Quemadura con cido
total

41
12
8
6
4

0.561643836
0.164383562
0.109589041
0.082191781
0.054794521

56%
73%
84%
92%
97%

2
73

0.02739726

100%

45
40
35
30
25
20
15
10
5
0

Esguince
de
espalda

Cortadu
a de
mano

15
10
5
0

Esguince
de
espalda

Cortadu
a de
mano

LOS ACCIDENTES MAS COMUNES SON ESGUINCE DE ESPALDA ,CORTADURA D PIERNA Y MANO

Esguince de tobillo
Cuerpo extrao en el ojo
Quemadura con cido
Cortadura de pierna
Esguince de espalda
Cortadura de mano

1125
375
300
225
150
150
2325

0.483870968
0.161290323
0.129032258
0.096774194
0.064516129
0.064516129

48%
65%
77%
87%
94%
100%

1200
1000
800
600
400
200
0

Esguince
de tobillo

Cuerp
extra
en el

EL 77% DE LAS PERDIDAS ECONOMICAS SON GENERADAS POR LOS ACCIDENTES MENOS COMUNES
ESGUINCE TOBILLO, CUERPO EXTRAAO, Y QUEMADURA ESTO SE DEBE QUE A PESAR QUE SON LOS MENOS CO
GENERAN MAYOR TIEMPO DE DESCANSO Y EN CONSECUENCIA MAS DIAS DE DESCANSO

o. de enero y 30 de junio
Mayo

Junio

total

41

12

10

continuacin:

Chart Title

16
14
12
10
8
6
4
2
0

Quemadu
ra con
cido

Esguince
de tobillo

Esguince
de
espalda

Cuerpo
extrao
en el ojo

Cortadur
a de
pierna

Cortadur
a de
mano

s, incluyendo beneficios y personal de reemplazo.

Chart Title
45

120%

40

100%

35
30

80%

25

60%

20
15

40%

10

20%

5
0

Esguince
de
espalda

Cortadur
a de
mano

Cortadur Esguince
a de
de tobillo
pierna
Column C

Cuerpo
extrao
en el ojo

Quemadu
ra con
cido

0%

15

40%

10

20%

5
0

Esguince
de
espalda

Cortadur
a de
mano

Cortadur Esguince
a de
de tobillo
pierna
Column C

Cuerpo
extrao
en el ojo

Quemadu
ra con
cido

0%

RA D PIERNA Y MANO

Chart Title
1200

120%

1000

100%

800

80%

600

60%

400

40%

200

20%

Esguince
de tobillo

Cuerpo
extrao
en el ojo

Quemadu Cortadur
ra con
a de
cido
pierna
Column C

OS COMUNES
QUE SON LOS MENOS COMUNES

Esguince
de
espalda

Cortadur
a de
mano

0%

El gerente de una cadena hoteles, est preocupado por el gasto por consumo de agua. En tal sentido, desea desarrollar un plan para reducir el gasto
del lquido en uno de los hoteles de mayor movimiento. A fin de investigar selecciona una muestra del consumo diario de agua para diversos propsitos.
Los resultados de las muestras son los siguientes:

Motivos del consumo

de agua
Agua para beber
Bao personal

Efectuar el anlisis correspondiente y efecte recomendaciones.

Galones por da
7.9
106.7

Cocina

5.1

Lavado de auto

10.4

Lavado de ropa

24.9

Lavado de utensilios

12.3

Piscina

28.3

Riego de jardn

143.7

Char
Motivos del consumo
de agua
Riego de jardn
Bao personal
Piscina
Lavado de ropa
Lavado de utensilios
Lavado de auto
Agua para beber
Cocina
TOTAL

Galones por da
143.7
106.7
28.3
24.9
12.3
10.4
7.9
5.1
339.3

F. relativa
F. Acumulada
0.42351901
42%
0.31447097
74%
0.083407014
82%
0.073386384
89%
0.036251105
93%
0.030651341
96%
0.02328323
98%
0.015030946
100%

160
140
120
100
80
60
40
20
0

Riego
de
jardn

Bao
Piscina Lavad
person
de ro
al

EL 89% DEL CONSUMO DE AGUA ES GENERADO POR EL RIEGO DE JARDIN BAO PERSONAL, PISCINA, LAV

Se recomienda realizar el riego del jardin por "sistema de goteo"o utilizar aspersores por un tiempo controlado de rie

con respecto a la piscina existen tratamientos para el agua de piscina que permite mantener el agua por mas tiempo

el lavado de ropa se podria clasificar la ropa de los huespedes por color e identificarlos correctamente para hacer us
la ropa de diferentes huespedes y no lavar por separado
Con respecto a los baos de los huespedes se puede utilizar inodoros ahorradores.

plan para reducir el gasto

ua para diversos propsitos.

Chart Title
120%
100%
80%
60%
40%
20%
Bao
Piscina Lavado Lavado Lavado Agua
person
de ropa de
de auto para
al
utensili
beber
os
Column C

ERSONAL, PISCINA, LAVADO DE ROPA

n tiempo controlado de riego

er el agua por mas tiempo

rectamente para hacer uso del agua de lavado para

Cocina

0%

Una empresa comercializadora ofrece un servicio telefnico gratuito para que sus clientes realicen sus observaciones
problemas relacionados a sus productos, desde las 7 am hasta las 11pm, todos los das. Es imposible que un represe
conteste inmediatamente a cada llamada, pero es importante que los clientes no esperen demasiado tiempo a que alg
Ellos se molestan cuando escuchan muchas veces el siguiente mensaje: " Su llamada es muy importante para nosotr
disponible estar con usted en breve". Para entender ese proceso, la compaa decide elaborar un diagrama de contr
tiempo total que transcurre desde que se recibe una llamada hasta que un representante contesta la pregunta del clie
Cierto da se tom una muestra de cinco llamadas por hora durante las 16 horas de operacin. La informacin se pres
se considera el tiempo en minutos transcurridos hasta que la llamada es contestada.

A.M.

P.M.

Hora

Nmero de muestra
3

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

8
7
11
12
11
25
10
8
8
12
7
9
10
8
10
9

9
10
12
8
10
16
7
11
11
9
7
9
12
11
13
11

15
7
10
6
6
10
4
11
8
12
9
4
12
9
9
8

4
6
9
9
14
18
10
7
14
17
17
4
12
29
4
5

11
8
10
12
11
11
10
7
12
11
13
11
12
8
9
11

Elabore el diagrama de control respectivo para la duracin media de la llamada. Existe alguna tendencia en los tiempo
La poltica de la empresa es que el tiempo de duracin de cada llamada debe ser en promedio 8 minutos con una toler
El proceso es capaz de cumplir con dicha poltica? Determine el nivel sigma. Realice las recomendacione que conside

x raya
9.4
7.6
10.4
9.4
10.4
16
8.2
8.8
10.6
12.2
10.6
7.4
11.6
13
9
8.8
10.2125

LSE
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10

LIE
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6

X 2 RAYAS
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125

18
16
14
12
10
8
6
4
2
0

CP=
CPK S
CPK I
NOS S
NOSI

ealicen sus observaciones o quejas sobre

imposible que un representante tcnico
masiado tiempo a que alguien les responda.
uy importante para nosotros, el representante
orar un diagrama de control que describa el
ntesta la pregunta del cliente.
n. La informacin se presenta a continuacin,

x raya
9.4
7.6
10.4
9.4
10.4
16
8.2
8.8
10.6
12.2
10.6
7.4
11.6
13
9
8.8
10.2125

desv estand lcs

lci

4.037325848
1.516575089
1.140175425
2.607680962
2.880972058
6.041522987
2.683281573
2.049390153
2.607680962
2.949576241
4.335896678
3.209361307
0.894427191
9.027735043
3.240370349
2.48997992
3.231996987

5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021
5.876321021

14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898
14.54867898

x 2 rayas
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125
10.2125

Chart Title
18
16
14
12
10
8
6
4
2
0

na tendencia en los tiempos de las llamadas?

io 8 minutos con una tolerancia mxima de 2min.
omendacione que considere necesarias para mejorar el proceso

Chart Title
18
16
14
12
10
8
6
4
2
0

5
6
Column C

8
9
10
Column D

11 12 13
Column E

14

15

16

5
6
Column H

8
9
Column

0.206270819
-0.02191627 PROCESO TOTALMENTE DESCENTRADO Y CON ALTISIMA VARIABILIDAD
0.434457913
-0.06574882 NIVEL SIGMA ES CERO
1.30337374

Chart Title

5
6
lumn H

8
9
10
Column J

11 12 13
Column K

14

15

16

Una compaa de mudanzas elabora un diagrama de control para monitorear la proporcin de cambios de domicilio p
escritos de quejas debidas a entrega tarda, y por artculos pedidos o deteriorados. Se selecciona una muestra de 50
uno de los ltimos 12 meses. El nmero de quejas en cada muestra es 8, 7, 4, 8, 2, 7, 11, 6, 7, 6, 8 y 12
Muestre grficamente el comportamiento de las quejas y analice.
Determine el nivel sigma
p
LCI
LCS
P med
enero
8
0.16
-0.005
0.292
0.143
febrero
7
0.14
-0.005
0.292
0.143
marzo
4
0.08
-0.005
0.292
0.143
abril
8
0.16
-0.005
0.292
0.143
mayo
2
0.04
-0.005
0.292
0.143
junio
7
0.14
-0.005
0.292
0.143
julio
11
0.22
-0.005
0.292
0.143
agosto
6
0.12
-0.005
0.292
0.143
setiembre
7
0.14
-0.005
0.292
0.143
octubre
6
0.12
-0.005
0.292
0.143
noviembre
8
0.16
-0.005
0.292
0.143
diciembre
12
0.24
-0.005
0.292
0.143
0.143

lci
lcs

-0.00533408
0.292000747

nivel sigma

2.768307263

cambios de domicilio para los cuales hay

ona una muestra de 50 mudanzas en cada

Chart Title
0.350
0.300
0.250
0.200
0.150
0.100
0.050
0.000
-0.050

4
p

5
LCI

7
LCS

8
P med

10

11

12