LCS = 14 + 3
LCI = 14 - 3
A)
n = 5
= 50
desviaci est = 1.72
Z = 3
LCS = 52.308
LCI = 47.692
B) Z = 2
LCS = 51.538
LCI = 48.462
Datos
A2 = 0.419
D4 1.924
D3 0.076
Los lmites de control son:
A) Grfica x
LCS = 57.75 + 0.419 *
LCI = 57.75 - 0.419 *
B) Grfica R
LCS = 1.924 * 1.78 =
LCI = 0.076 * 1.78 =
= 420
Z = 4
Desviacin e = 25
n = 25
A)
LCI = - Z
LCS = + Z
B)
LCI = - 3
LCS = + 3
R. prome = 6
= 705
Datos de la tabla
A2 = 0.308
D4 = 1.777
D3 = 0.223
A) X
LCS = + A2 x
LCI = - A2 x
B) R
LCS = D4 X =
LCI = D3 X =
Hora Media R
1 3.25 0.71
2 3.1 1.18
3 3.22 1.43 R =
4 3.39 1.26 n =
5 3.07 1.17 Tabla
6 2.86 0.32 A2 =
7 3.05 0.53 D4 =
8 2.65 1.13 D3 =
9 3.02 0.71
10 2.85 1.33 X
11 2.83 1.17 LCS =
12 2.97 0.4 LCI =
13 3.11 0.85 R
14 2.83 1.31 LCS =
15 3.12 1.06 LCI =
16 2.84 0.5
17 2.86 1.43 La media de la muestra ms pequea es 2,64, la
18 2.74 1.29 de control. Del mismo modo, el rango de la mue
19 3.41 1.61 1.61, tambin bien dentro de los lmites de cont
20 2.89 1.09 encuentra dentro del control. Sin embargo, los p
21 2.65 1.08 encima de la media esperada; esto puede ser el
22 3.28 0.46 del proceso.
23 2.94 1.58
24 2.64 0.97
2.98208333 1.02375
A)
= 155.16 mm
B)
= 4.48 mm
C)
Grfica
LCS = + A2 = 156.54
LCI = - A2 = 153.78
D)
R Grfica
= 4.48 mm
Tabla
D4 = 1.777
D3 = 0.223
LCS = D4 = 7.96 mm
LCI = D3 = 1.00 mm
E)
Si la lnea nominal deseado es 155 mm, entonces:
LCS 155 + 0.308 X 4.48 156.38
LCI 155 - 0.308 X 4.48 153.62
E l proceso ya no est en control. Muestra 3 se encuentra fuera
los lmites del rango; Las muestras 3 y 5 estn fuera de los lmites de medias. Las
causas asignables deben determinarse y eliminarse. Tal vez hay un nuevo ayudante de
panadero que carece de buen juicio sobre el peso de los panes.
Medias
LCS 6.56 Muestra Pieza1
LCI 5.84 1 6.3
Rango 2 6
LCS 1.141 3 6.3
LCI 0 4 6.2
5 6.5
= 14.050 OZ
= 13.950 OZ
e ha reducido.
1.78 = 58.496
1.78 = 57.004
3.425
0.135
= 440
= 440
= 405
= 435
706.848
703.152
10.662
1.338
2.982
1.024
4
0.729
2.282
0
+ A2 X 3.728
- A2 X 2.236
D4 X 2.336
D3 X 0
muestra ms pequea es 2,64, la mayor 3,41. Ambos son bien dentro de los lmites
mismo modo, el rango de la muestra ms grande es
bien dentro de los lmites de control. Podemos concluir que el proceso se
tro del control. Sin embargo, los primeros cinco valores para la media estn por
media esperada; esto puede ser el indicio de un problema en las primeras etapas
Grfico x
4
3.5
3
Medi a
2.5 M. de la s medi a s
LCS
2
LCI
1.5
0.5
0
0 5 10 15 20 25 30
1.5
0.5
0
0 5 10 15 20 25 30
Grfico de Rangos
2.5
1.5
0.5
0
0 5 10 15 20 25 30
Ra ngo M.de rango LCS LCI
mm
mm
DA Promedio(lb) A)
1 16.3
2 15.9
3 15.8
4 15.5 = 16
5 16.3 Z = 2
6 16.2 = 0.12
7 16 n = 9
8 16.1
9 15.9 0.08
10 16.2
11 15.9
12 15.9 16 + 0.08 =
13 16.3 16 - 0.08
14 15.9
15 16.3 B) Con Z =
16 16.2
17 16.1 LCS = 16.12
18 15.9 LCI = 15.88
19 16.2
20 15.9
21 15.9
22 16
23 15.5
24 15.8
16
Pieza 2 Pieza 3 Pieza 4 Media Rango
6 5.9 5.9 6.025 0.4
6 6.3 5.9 6.05 0.4
4.8 5.6 5.2 5.475 1.5
6 6.2 5.9 6.075 0.3
6.6 6.5 6.9 6.625 0.4
16.08 LCS
15.92 LCI
3
a) Cul es la desviacin estndar del proceso? Qu valor tiene ?
b) Si z = 3, cules son los lmites de control para la grfica de la
media?
c) Cules son los lmites de control para la grfica de rangos?
d) Est el proceso bajo control?
1 2 3 4 5 6 7 8 9
10 9 13 10 12 10 10 13 8
9 9 9 10 10 10 11 10 8
10 11 10 11 9 8 10 8 12
9 11 10 10 11 12 8 10 12
12 10 9 10 10 9 9 8 9
50 50 51 51 52 49 48 49 49
MEDIA 10 10 10.2 10.2 10.4 9.8 9.6 9.8 9.8
RANGO 3 2 4 1 3 4 3 5 4
Rango 3.3
Z 3
9.98
1 2 3 4 5
MEDIA MUE
12 10.006 10.0005 10.0071 9.993865
Todos los puntos de datos del grfico estan dentro de sus lmites de control.
Z= 1
= 0.28867513
3.46410162
GRAFICO DE MEDIAS
10.01
0.005
10
9.995
9.99
9.985
9.98
1 2 3 4 5 6 7 8 9 10 11 12
MEDIA MUE Medi a de Me LCS LCI
9.985
9.98
1 2 3 4 5 6 7 8 9 10 11 12
MEDIA MUE Medi a de Me LCS LCI
GRAFICA DE RANGOS
0.03
0.025
0.02
0.015
0.01
0.005
0
1 2 3 4 5 6 7 8 9 10 11 12
RANGO Media de R LCS LCI
DATOS LCSR 6.058
Rango 3.25 LCIR 0.442
Z 3
n 8
D4 1.864
D3 0.136
a) B
n 100 SUPONIENDO QUE LIMITE ES 50
Z 3 n 50
0.01215 z 3
0.01215 LCS
LCIP 0
C)
N= 100 El LCI puede llegar tan bajo como cero, pero no puede ser ne
Z= 2 es fsicamente posible tener menos de 0% defectuoso.
LCS 0.0393
LCI -0.0093
LCIP 0
UE LIMITE ES 50
RAIZ= 0.01745
0.06735
-0.03735
DEFECTOS 57
DIAS 10
T MUESTRAS 100
N 1000
0.057
0.0232
El proceso est fuera de control en el tercer da (de la
LCSP 0.1266 prximos 3 das).
LCIP -0.0126
LCIP 0
7 8 9 10
0 8 9 1 57
LCSP 0.03130797
LCIP -0.001308
LCIP 0
0.00821888
LCSP 0.05965664
LCIP 0.01034336
En el departamento de procesamiento de datos del Banco de Georgia
trabajan cinco operadores para efectuar la entrada de datos. Diariamente,
durante 30 das, el nmero de registros defectuosos en una muestra de
250 registros introducidos por estos operadores se ha anotado de la
siguiente manera
# muestra # de defectos
1 7
2 5
3 19
4 10
5 11
6 8
7 12
8 9
9 6
10 13
11 18
12 5
13 16
14 4
15 11
16 8
17 12
18 4
19 6
20 16
21 17
22 12
23 6
24 7
25 13 Establezca los lmites de control superior e inferior con 3
26 10
27 14
28 6
29 12
30 3
300 0.040
(((1))/)
30 *250= 7500 0.012390
UCL 0.07717 LCL 0.00283
El LCL no puede ser negativo debido a que el pocentaje de defectos nunca puede ser menor que 0.
los estandares de la industira no son tran estristos como las de georgina del banco.
georgina establece su limite de control superior al 0,077 = 7,7% defectuoso, mientras que la industria permite alcanzar el 10%
stria permite alcanzar el 10% antes de reclamar que la muestra esta fuera de control
El Hospital Central de Detroit busca mejorar su imagen proporcionando una experiencia positiva a los
pacientes y sus familiares. Parte del programa de imagen incluye comidas sabrosas que inviten a los
pacientes a comer alimentos que tambin son saludables. Un cuestionario acompaa cada comida que se
sirve y pregunta, entre otras cosas, si el paciente est satisfecho o insatisfecho con la comida. Los resultados
de una muestra de 100 pacientes durante los pasados 7 das produjeron los siguientes datos:
encuestados 0.1742857143
((0,1743(10,1743))/100)
(((1))
/) = 0.0379
=+3(((1))/)
=0,1743+3(0,0379) 0.2881
L=3(((1))/)
L=0,17433(0,0379) 0.0605
el analisis de digrama vemos que hay puntos que caen fuera de los limites de control
sin embargo, podemos ver que el dia 6 el # de pacientes insatifeschos se esta acercando al limite superior
el hospital podria tomar nota de la cmida que se srive ese dia y monitorear el futuro de los comentarios sobre los elementos d
grfico
0.35
MUESTRA RANGO MEDIA ULC LCL
grfico
1 0.24 0.1743 0.2881 0.0605 0.35
2 0.22 0.1743 0.2881 0.0605
0.3
3 0.08 0.1743 0.2881 0.0605
4 0.15 0.1743 0.2881 0.0605 0.25
5 0.01 0.1743 0.2881 0.0605
0.2
# de quejas
6 0.26 0.1743 0.2881 0.0605
7 0.17 0.1743 0.2881 0.0605 0.15
0.1
0.05
0
1 2
ncia positiva a los
s que inviten a los
a cada comida que se
a comida. Los resultados
es datos:
te superior
mentarios sobre los elementos del menu
0.3
0.2881
0.25
0.2
# de quejas
0.1743
0.17
0.15
0.1
0.0605
0.05
0
1 2 3 4 5 6 7
Chicago Supply Company fabrica clips y otros productos de oficina. Aunque son baratos, los
clips han proporcionado a la compaa un alto margen de utilidad. Se toman muestras de 200
artculos. A continuacin se presentan los resultados de las ltimas 10 muestras. Establezca los
lmites de control superior e inferior para la grfica de control y grafique los datos. Est el
proceso bajo control?
MUESTRA 1 2 3 4 5 6 7
DEFECTOS 5 7 4 4 6 3 5
n 200
50/100(200) 0.025
=+3(((1))/)
0.0581
L=3((
(1))/)
-0.0081 repuesta que tenga v signo negativo equivale a 0
si n= 100 50/10(100) 0.05
8 9 10
6 2 8 50
La tienda departamental de Peter Ittig, Ittig Brothers, es la fabricante independiente de ropa ms grande
de Amherst. La tienda recibe un promedio de seis devoluciones por da. Usando z = 3, debe llevarse a
cabo alguna accin si el nmero de devoluciones aumenta a nueve en un da?
UCL + 3* ()(6+3*((6)=
= 13.35
LCL 3* ((6-3*((6)=
) -1.35 0
=
NUEVE RETORNOS ESTAN DENTRO DE LOS LIMITES DE CONTROL POR LO QUE ESTA CANTIDAD DE RETORNOS NO SERIAN CONS
de ropa ms grande
3, debe llevarse a
SEMANA # DE QUEJAS
1 4
2 5
3 4
4 11
5 3
6 9
a) Qu tipo de grfica de control usara usted para monitorear este proceso y por qu?
b) Cules son los lmites de control 3 sigma para este proceso? Suponga que no se conoce la tasa de
quejas histrica.
c) De acuerdo con los lmites de control, est la media del proceso bajo control? Por qu s o por qu no?
d) Ahora suponga que la tasa de quejas histrica es de 4 llamadas a la semana. Cules seran ahora los
lmites de control 3 sigma para este proceso? De acuerdo con los lmites de control, est el proceso bajo
control?
A) contamos con atributos y no tenemos idea de como muchas observaciones en total existen ( la proporcionn de conductores
se trata de un grafico C
C) estan en control porque las llmadas de todas las semans entran dentro del itervalo de ( 0 , 13)
?
noce la tasa de
qu s o por qu no?
s seran ahora los
st el proceso bajo
Construya una grfica c para los errores en el examen y establezca los lmites de control que contengan un
99.73% de la variacin aleatoria en las calificaciones. Qu le indica la grfica? Ha resultado efectivo el
nuevo programa de matemticas?
60
50
40
30
20
10
rdine en el control
0
A B C
El grfico indica que no hay escuelas fuera de control. Tambin muestra que 3 de 5 escu
es una buena indicacin de que el nuevo programa de matemticas se ha enseado la m
Sea o no el nuevo programa de matemticas es eficaz requerira comparaciones de los re
(en el marco del antiguo programa) o comparaciones con los datos nacionales de rendim
El grfico indica que no hay escuelas fuera de control. Tambin muestra que 3 de 5 escu
es una buena indicacin de que el nuevo programa de matemticas se ha enseado la m
Sea o no el nuevo programa de matemticas es eficaz requerira comparaciones de los re
(en el marco del antiguo programa) o comparaciones con los datos nacionales de rendim
control de los errores en el examen
62.1806
55
50
23.0194
C D E
mbin muestra que 3 de 5 escuelas caen cerca o por debajo de la media del proceso, lo cual
temticas se ha enseado la manera ms eficaz en una escuela en el condado como otro.
uerira comparaciones de los resultados de este ao con los resultados de aos anteriores
los datos nacionales de rendimient
mbin muestra que 3 de 5 escuelas caen cerca o por debajo de la media del proceso, lo cual
temticas se ha enseado la manera ms eficaz en una escuela en el condado como otro.
uerira comparaciones de los resultados de este ao con los resultados de aos anteriores
los datos nacionales de rendimient
Las entrevistas por telfono de 100 clientes de la oficina recaudadora de impuestos de Estados Unidos se
monitorean todos los das en forma aleatoria. Se registran los incidentes de informacin incorrecta u otros
errores (como la descortesa con los contribuyentes). Los datos de la ltima semana son:
DIA # DE INCONFORMIDADES
1 5
2 10
3 23
4 20
5 15
73
25
20
15
10
0
1 2 3 4
EL grafico C muestra que no hay una variacion significativa en los caoso de informacion incorrecta
dadas por los operadores de telefonia IRS. Asi todos los operadores estan igualmente mal informados) no nos dice nada acerc
ni juzgar si un promedio de casi 15 errores el dia es aceptable para el IRS.
DADES
26.063
15
14.6
3.137
4 5
ormados) no nos dice nada acerca de las consecuencias de la informacion incorrecta proporcionada,
El departamento de cuentas por cobrar de Rick Wing Manufacturing ha tenido dificultades para que los clientes pa
quejan de que las facturas son incorrectas y que no reflejan los materiales que llegan a sus puntos de recepcin. El
facturacin. Para establecer las grficas de control, se tomaron 10 muestras de 50 facturas cada una durante un me
notas de llegada enviadas por el departamento de embarques de la compaa, para determinar el nmero de factu
a) Determine el valor de la p-barra, es decir, la media de la fraccin defectuosa. Despus determine los lmites de c
un nivel de confianza del 99.73% (3 desviaciones estndar). Est el proceso bajo control? Si no es as, cul(es) mu
control?
b) Cmo utilizara usted las herramientas para la calidad analizadas en el captulo 6 para determinar la fuente de
dnde iniciara sus esfuerzos de mejora para eliminar las causas?
p 0.094
0.041
UCL 0.218
LCL 0
B) Cmo reducir la fraccin en el error? Primero un lluvia de ideas podra resultar en un grfico de espina de pescado que repre
A continuacin, una hoja de verificacin podra ser diseado para recopilar datos sobre los tipos de defectos que se produjeron
amplia muestra de facturas podra identificar un nmero suficiente para investigar.
Por ejemplo, 300 cuentas se traducira en 25-30 facturas defectuosas (300 9,4%). Cada seran estudiados y los tipos de errore
podra construirse que muestra qu tipos de errores ocurrieron con mayor frecuencia. Esta identificacin de los pocos crticos
ficultades para que los clientes paguen el monto total de sus facturas. Muchos clientes se
gan a sus puntos de recepcin. El departamento decidi implementar SPC en su proceso de
0 facturas cada una durante un mes y los artculos en las facturas se revisaron contra las
ara determinar el nmero de facturas que no estuvieron correctas. Los resultados fueron:
fico de espina de pescado que representa las posibles causas de las facturas incorrectas.
s tipos de defectos que se produjeron con ms frecuencia. El muestreo al azar de una
_=()/6
_=0.6/(6(0.1))=0.6/0.6=1.0
6.27
_=()/6
_=(2.4001.600)/(6(100))=800/600=1.33
_=[("x")/3()/3]
_=[(2.4001.800)/(3(100))(1.8001.600)/(3(100))]
_=[(2.4001.800)/(3(100))(1.8001.600)/(3(100))]
_=[2.000.67]=0.67
6.28
_=[(8.1358,00)/((3)(0.04))(8,007.865)/((3)(0.04))]
o
_=[0.135/0.12=1.125;0.135/0.12=1.125]
6.29
=2.9;=3.1
_=((3.13.0)" ")/((30.02))=1,67
6.30
_=[(16.516)/((3)(1))(1615.5)/((3)(1))]
o
_=[0.5/(3);0.5/3]_=0.1667
6.31
=3.15;=2.85
_=min ((3.1503.043))/0.102
o
_=min ((3.0422.8550))/0.102
_=1.059
Puesto que un valor de 1.0 da 2.7 defectos por 1000 unidades, significa que el proceso es
un poco mejor debido a que Cpk ligeramente es mayor que 1.0 .
Esto indica que el proceso tiene como maximo de 0.27% de defectos. Por lo tanto mas del 99.73%
de las botellas cumple con las especificaciones.
6.32
=((_)(_)())/=((0.03)(0.79)(1.00080))/1.000=21.80/1.000=0.22
=2.2%
6.33
=((_)(_)())/=((0.04)(0.57)(50060))/500=10.0/500=0.2
=2.0%
6.34
a) Distancia
Limite de con 61,131 41.62
Linea de cen 49,776 41.63
Limite inferio 38,421 41.64
Datos recientes
Hora 1 2 3 4 5
26 48 52 39 57 61 51,422
27 45 53 49 46 66 51,621
28 63 49 50 45 53 50,018
29 47 70 45 52 61 57,025
30 45 38 46 54 52 47,016
b) Si el proceso esta bajo control. Las muestras 26-30 se mantienen de del los
rangos de los limites de control superior e inferior.
Para ambos graficos y R.
c) Los tiempos de vida observados tienen una media de aproximadamente un valor de 50 horas
que apoya la demanda realizada por West batera Corp.
Sin embargo, la varianza de la media tiene que ser controlada y reducida.
Los tiempos de los limites deben desviarse de la media no mas de 5 horas (10% de la varianza).
o mas del 99.73%
R
lor de 50 horas
de la varianza).