Escuela Politécnica Nacional

Facultad de Ingeniería Eléctrica y Electrónica

Ingeniería de la Producción
ADM713
Quito, Ecuador

ESCUELA POLITÉCNICA NACIONAL

INGENIERÍA DE LA PRODUCCIÓN

TAREA: EJERCICIOS DE CEP

INTEGRANTES: Katerin Casillas  FECHA: 18/07/2020

Mauricio Llano
Cristhian Morocho
Paúl Pinzón

PREGUNTAS DEL CAPÍTULO 6

1. Mencione los dos tipos de variación de Shewhart. ¿De qué otra forma se les llama?

Son las causas comunes y especiales también denominadas variación natural y asignable.

2. Defina “bajo control estadístico”.

Se dice que un proceso opera bajo control estadístico cuando su única fuente de variación
consiste en las causas comunes (naturales).

3. Explique brevemente qué hacen la gráfica x y la gráfica R.

• Las gráficas x: Indican si han ocurrido cambios en la tendencia central de un proceso.

• Las gráficas R: Indican que ha ocurrido ganancia o pérdida en la dispersión (variabilidad
del proceso).

4. ¿Qué podría causar que un proceso esté fuera de control?

Estado de un proceso en el cual la medición estadística que se está evaluando no está bajo
control estadístico, es decir, las variaciones entre los resultados de las muestras están
afectados por causas asignables.

5. Enliste los cinco pasos a seguir en el desarrollo y uso de gráficas x́ y gráficas R.

1) Recolectar 20 o 25 muestras, a menudo de n =4 o n =5 observaciones cada una, a

partir de un proceso estable y calcular la media y el rango de cada una.
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

2) Calcular las medias globales y, establecer los límites de control apropiados,

usualmente en el nivel del 99.73%, y calcular los límites de control superior e
inferior preliminares. Consulte la tabla S6.2 para conocer otros límites de control.
Si el proceso no es estable en la actualidad, use la media deseada, μ, en lugar de
para calcular los límites.
3) Graficar las medias y los rangos de las muestras en sus respectivas gráficas de
control y determinar si caen fuera de los límites aceptables.
4) Investigar los puntos o patrones que indiquen que el proceso está fuera de control.
Tratar de asignar las causas de la variación, enfrentarlas, y después reanudar el
proceso.
5) Recolectar muestras adicionales y, de ser necesario, revalidar los límites de control
con los nuevos datos.

6. Enliste algunas causas posibles de variación asignable.

Factores como el desajuste de equipos causados por la pérdida de la energía eléctrica, el

desgaste de la maquinaria, la fatiga causado por jornadas de trabajo muy extensas, la mala
o escasa capacitación de los trabajadores, o nuevos lotes de materias primas, son fuentes
potenciales de variaciones asignables.

7. Explique por qué es más fácil que una persona encuentre muestras “fuera de los límites” si
usa las gráficas de control 2 sigma que con las gráficas de control 3 sigma. ¿Cuáles son
algunas consecuencias posibles de este hecho?

Las gráficas de control 2 sigma, cubre solamente el 95.5% de toda la variación natural; aún
en ausencia de la causa asignable, los puntos van a caer fuera del límite de control 4.5% de
las veces.

8. ¿Cuándo se usa la media deseada, µ, en lugar de X́ para establecer la línea central de una
gráfica de control?

La media deseada se utiliza cuando la media de un proceso que se está observando es

desconocida o fuera de control o cuando hay un m establecido o conocido, proporcionado
por el fabricante o diseñador del equipo o proceso.

9. ¿Un proceso de producción se marcará como “fuera de control” porque es demasiado

bueno? Explique su respuesta.

Sí, porque significa que el proceso ha cambiado y que esto no puede ser aplicado en el
futuro o en otros productos.

10. En una gráfica de control, ¿cuál sería el efecto sobre los límites de control si el tamaño de
la muestra varía de una muestra a la siguiente?

Los gráficos de control están diseñados para tamaños de muestra específicos debido a la
desviación estándar de la muestra o el rango depende del tamaño de la muestra. Estos
gráficos de control, estudiados en este capítulo, no deben utilizarse si los tamaños de la
muestra varían.
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

11. Defina Cpk y explique lo que significa un Cpk de 1.0. ¿Qué es la Cp?

Es el índice de capacidad de proceso, es una manera de expresar la capacidad del proceso.

Se mide la proporción de la variación natural (3 σ) entre el centro del proceso y el límite de
especificación más cercano. Cp es la relación de la capacidad del proceso y determina si el
proceso cumple con las especificaciones de diseño

12. ¿Qué implica una corrida de 5 puntos por arriba o abajo de la línea central en una gráfica
de control?

Una “corrida de 5” por arriba o abajo, implica que la variación asignable está presente.

13. ¿Qué son el nivel de calidad aceptable (AQL) y el porcentaje de defectos tolerados en el
lote (LTPD)? ¿Cómo se usan?

El AQL es el nivel de calidad aceptable. Se dice que es el nivel de calidad más bajo que se
está dispuesto a aceptar.

El LTPD es el porcentaje de defectos tolerados en el lote. Es decir, es el nivel de calidad de

un lote considerado malo.

14. ¿Qué es una corrida de prueba y cuándo se usa?

Prueba usada para examinar los puntos registrados en una gráfica de control y ver si existen
variaciones no aleatorias.

15. Analice los aspectos administrativos relacionados con el uso de las gráficas de control.

Los aspectos son:

• Decisión el tipo de grafico de control se acomoda mejor a nuestros datos.

• Decidir las reglas para trabajadores que se deben seguir en determinados casos.
• Elección de lugares en un proceso que debe tener SPC

16. ¿Qué es una curva OC?

curva característica de operación) describe qué tan bien discrimina entre lotes buenos y
malos un plan de aceptación. Una curva pertenece a un plan específico, es decir, a una
combinación de n (tamaño de la muestra) y c (nivel de aceptación). Lo que se intenta es
mostrar la probabilidad de que el plan acepte lotes con diferentes niveles de calidad.

17. ¿Cuál es el propósito del muestreo de aceptación?

El muestreo de aceptación tiene como propósito determinar un curso de acción (aceptar o

rechazar) respecto a la disposición de un lote sin inspeccionar cada elemento de un lote.
Este parámetro no estima la calidad de un lote,

18. ¿Cuáles son los dos riesgos presentes cuando se usa el muestreo de aceptación?

 El riesgo del productor (α): es la probabilidad de que un lote “bueno” sea rechazado.
Éste es el riesgo de que una muestra aleatoria pueda dar como resultado una
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

proporción de defectos mucho mayor que la de la población de todos los artículos. Un

lote con un nivel de calidad aceptable AQL aún tiene una probabilidad α de ser
rechazado. Los planes de muestreo a menudo se diseñan para establecer el riesgo del
productor en α = .05, o un 5 por ciento.

 El riesgo del consumidor (β): es la probabilidad de que se acepte un lote “malo”. Éste
es el riesgo de que una muestra aleatoria pueda resultar en una proporción de
defectos menor.

19. ¿Un proceso capaz es un proceso perfecto? Es decir, ¿un proceso capaz puede generar
sólo salidas que cumplan con las especificaciones? Explique su respuesta.

Un proceso capaz no es un proceso perfecto, pero sí cumple con resultados con muy baja
tolerancia. Un proceso capaz puede generar salidas muy cercanas a la perfección sin
embargo al tratarse de procesos estadísticos, nunca se espera tener resultados idénticos a
los esperados en las especificaciones.

EJERCICIOS DEL CAPÍTULO 6

S6.1 Las cajas de Organic Flakes se producen para contener 14 onzas con una desviación
estándar de 0.1 de onza. Establezca la gráfica x́ de 3 sigma para un tamaño de muestra de
36 cajas.

x́=14 , σ=0.1 onza n=36

σ 0.1
σ x́ = = =0.0167
√ n √36
LCS x́ =x́+ z σ x́ =14+3∗0.0167=14.05 onzas

LCI x́ =x́−z σ x́ =14−3∗0.0167=13.95 onzas

S6.2 El promedio global de un proceso que usted pretende monitorear es de 50 unidades. La

desviación estándar del proceso es de 1.72. Determine los límites de control superior e
inferior para una gráfica de la media, si elige un tamaño de muestra de 5. Establezca z = 3.

Límite de control superior (LCS ¿¿ x́)= x́ + z σ x́ ¿

Límite de controlinferior ( LCI ¿¿ x́)= x́−z σ x́ ¿

Donde:

x́=medida de lasmedias muestrales o el valor meta establecido por el proceso

z=número de desviaciones estándar ¿

σ x́ =desviación estándar de las medias muestrales=σ / √ n

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

σ =desviación estándar de la población( proceso)

n=tamaño de la muestra

LCS x́ =x́+ z σ x́ =50+30 ( 1.72

√5 )
=50.307

LCI x́ =x́−z σ x́ =50−30 ( 1.72

√5 )
=47.692

S6.3 Se tomaron 35 muestras, cada una de tamaño 7, de una máquina para el llenado de
sacos con fertilizante. Los resultados fueron: media global = 57.75 lb; rango promedio = 1.78
lb.

a) Determine los límites de control superior e inferior de la gráfica X, donde σ = 3.

n=7

X́´ =57.75lb
Ŕ=1.78lb .
σ =3
A2=0,419 (Tabla S6.1)

LCS X́ = X́ + A 2 Ŕ=57,57lb+0,419∗1,78 lb

LCS X́ =58,318 lb

LCI X́ = X́ − A2 Ŕ=57,57 lb−0,419∗1,78 lb

LCI X́ =56.824 lb

b) Determine los límites de control superior e inferior de la gráfica R, donde σ = 3. PX

n=7

Ŕ=1.78lb .
σ =3
D 3=0,076 (Tabla S6.1)

D 4 =1,924 (Tabla S6.1)

LCS X́ =D 4 Ŕ=1,924∗1,78 lb

LCS X́ =3,425 lb

LCI X́ =D 3 Ŕ=0,076∗1,78 lb
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

LCI X́ =0.135 lb

S6.4 Pioneer Chicken vende pollo “ligero” con un 30% menos calorías que el pollo estándar.
Cuando el proceso para el pollo “ligero” está bajo control, la pechuga de pollo promedio
contiene 420 calorías, y la desviación estándar en el contenido calórico de la población de
pechugas de pollo es de 25 calorías. Pioneer quiere diseñar una gráfica para monitorear el
contenido calórico de las pechugas de pollo, donde se deben elegir aleatoriamente 25
pechugas para formar cada muestra. ¿Cuáles son los límites de control superior e inferior
para esta gráfica si los límites se eligen para estar a cuatro desviaciones estándar de la meta?

n=25
Z=4
σ =25

X́ =420
LCS= X́ +Z σ X́

LCI = X́−Zσ X́

σ
σ X́ =
√n
LCS=420+ ( 4∗25
√ 25 )
LCS=440

LCI =420− ( 4∗25

√ 25 )
LCI =400

S6.5 Cordelia Barrera trata de monitorear un proceso de llenado que tiene un promedio
global de 705 cc. El rango promedio es de 6 cc. Si se usa un tamaño de muestra de 10,
¿cuáles son los límites de control superior e inferior para la media y el rango?

x́=705 , Ŕ=6 , n=10

A2=0.308 , D4 =1.777, D3=0.223

Para x́

LCS x́ = x́+ A 2 Ŕ=705+0.308∗6=706.848

LCI x́ = x́− A2 Ŕ=705−0.308∗6=703.152

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Para R

LCS R=D 4∗ Ŕ=1.777∗6=10.662

LCI R=D 3∗ Ŕ=0.223∗6=1.338

S6.6 El muestreo de 4 piezas de alambre con corte preciso (para un ensamble de

computadoras), el cual se realizó cada hora durante las últimas 24 horas, produjo los
siguientes resultados:

Desarrolle las gráficas de control apropiadas y determine si existe alguna causa de

preocupación en el proceso de corte. Grafique la información y busque patrones.

LCS x́ = x́+ A 2 Ŕ

LCI x́ = x́− A2 Ŕ

Donde:

x́=media de lasmedias muestrales

A2=valor encontradoen la tabla S 6.1

Ŕ=rango promediode las muestras

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

LCS x́ = x́+ A 2 Ŕ=2,982+ 0,729 (1,024 )=3,7284

LCI x́ = x́− A2 Ŕ=2,982−0,729 ( 1,024 )=2,2355

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

LCS R=D 4 Ŕ

LCI R=D 3 Ŕ

Donde:

LCS R=límite de control superior de la gráfica para el rango

LCI R=límite de control inferior de la gráfica para el rango

D 4 y D 3=valores de la tabla S 6.1

LCS R=D 4 Ŕ=2,282 ( 1,024 )=2,3368

LCI R=D 3 Ŕ= ( 0 )( 1,024 )=0

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

S6.7 En la planta de Yongpin Zhou de Shangai, los pistones para automóvil se producen en un
proceso de forja, y el diámetro es un factor crítico que debe controlarse. A partir de
muestras de 10 pistones producidos diariamente, la media y el rango de su diámetro han
sido los siguientes:

Construya la gráfica de X 3 sigma y una gráfica R de 3 sigma para esta dimensión, utilice los
datos observados en la tabla anterior.

Gráfica X

n=5

σ =3
A2=0,577 (Tabla S6.1)

LCS X́ = X́ + A 2 Ŕ=155,16 mm+0,577∗4,48 mm

LCS X́ =157,745 mm

LCI X́ = X́ − A2 Ŕ=155,16 mm−0,577∗4,48 mm

LCI X́ =152,575 mm

Dia Media (mm) Rango (mm) LCS LCI

1 156,9 4,2 157,745 152,575
2 153,2 4,6 157,745 152,575
3 153,6 4,1 157,745 152,575
4 155,5 5 157,745 152,575
5 156,6 4,5 157,745 152,575
Prom: 155,16 4,48
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Grafico X
10.01
10.01
10
10
10
10
10
9.99
9.99
9.99
9.99
1 2 3 4 5

LCS LCI Media

Grafica R

n=5

Ŕ=4,48 mm
σ =3
D 3=0 (Tabla S6.1)

D 4 =2,115 (Tabla S6.1)

LCS Ŕ=D 4 Ŕ=2,115∗4,48 mm

LCS Ŕ=9,4707 mm

LCI R=D 3 Ŕ=0∗4,48 mm

LCI Ŕ=0 mm

Dia Media Rango LCS LCI

1 156,9 4,2 9,47072 0
2 153,2 4,6 9,47072 0
3 153,6 4,1 9,47072 0
4 155,5 5 9,47072 0
5 156,6 4,5 9,47072 0
Prom: 155,16 4,48    
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Grafico R
10
9
8
7
6
5
4
3
2
1
0
1 2 3 4 5

LCS LCI Rango

S6.8 La fábrica de bolas de boliche de Bill Kime sólo produce bolas con peso y tamaño para
adultos. Se sabe que la desviación estándar en el peso de una bola de boliche producida en
la fábrica es de 0.12 libras. Diariamente, durante 24 días, se ha evaluado el peso promedio
en libras de nueve bolas de boliche producidas ese día, los resultados se presentan en la
tabla siguiente:

Establezca una gráfica de control para monitorear los pesos promedio de las bolas de
boliche, donde los límites de control superior e inferior estén a dos desviaciones estándar de
la media cada uno. ¿Cuáles son los valores de los límites de control?

n=9
Z=2
σ =0.12

X́ =16
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

LCS= X́ +Z σ X́

LCI = X́−Zσ X́

σ
σ X́ =
√n
LCS=16 + ( 2∗0.12
√9 )
LCS=16.08
2∗0.12
LCI =16− ( √9 )
LCI =15.92

Día Promedio (lb) LCI LCS

1 16,3 15,92 16,08
2 15,9 15,92 16,08
3 15,8 15,92 16,08
4 15,5 15,92 16,08
5 16,3 15,92 16,08
6 16,2 15,92 16,08
7 16 15,92 16,08
8 16,1 15,92 16,08
9 15,9 15,92 16,08
10 16,2 15,92 16,08
11 15,9 15,92 16,08
12 15,9 15,92 16,08
13 16,3 15,92 16,08
14 15,9 15,92 16,08
15 16,3 15,92 16,08
16 16,2 15,92 16,08
17 16,1 15,92 16,08
18 15,9 15,92 16,08
19 16,2 15,92 16,08
20 15,9 15,92 16,08
21 15,9 15,92 16,08
22 16 15,92 16,08
23 15,5 15,92 16,08
24 15,8 15,92 16,08
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Chart Title
16.4

16.2

16

15.8

15.6

15.4

15.2

15
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Promedio (lb) LCI

S6.9 Whole Grains LLC aplica control estadístico del proceso para asegurar que sus piezas de
pan multigrano para emparedados, bajo en grasa y saludable, tengan el peso apropiado. Con
base en un proceso estable y bajo control se sabe que los límites para las gráficas x́ y R son:
LCS x́= 6.56, LCI x́= 5.84, LCS R = 1.141, LCI R = 0. Durante los últimos días, se tomaron 5
muestras aleatorias de cuatro piezas cada una y se encontró lo siguiente:

Peso neto
Muestr Pieza#3
a Pieza#1 Pieza#2 Pieza#4
1 6,3 6,0 5,9 5,9
2 6,0 6,0 6,3 5,9
3 6,3 4,8 5,6 5,2
4 6,2 6,0 6,2 5,9
5 6,5 6,6 6,5 6,9

¿Sigue estando el proceso bajo control?

Muestra 1 2 3 4 5
Pieza#1 6,3 6 6,3 6,2 6,5
Pieza#2 6 6 4,8 6 6,6
Pieza#3 5,9 6,3 5,6 6,2 6,5
Pieza#4 5,9 5,9 5,2 5,9 6,9
Media 6,03 6,05 5,48 6,08 6,63
Rango 0,4 0,4 1,5 0,3 0,4
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

GRAFICO X
7

MUESTRAS
4 LCS
LCI
3

0
1 2 3 4 5

GRAFICO R
1.6

1.4

1.2

1 Rango
LCS
0.8 LCI

0.6

0.4

0.2

0
1 2 3 4 5

RESPUESTA: Con los gráficos se puede observar que la muestra número 3 no se encuentra
dentro de los límites de control. Por lo tanto el proceso no está bajo control.

6.10 Un proceso que se considera bajo control mide un ingrediente en onzas. La tabla
siguiente contiene los datos de las 10 últimas muestras tomadas (cada una de tamaño n=5).
La desviación estándar de la población es de 1.36.
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

a) ¿Cuál es la desviación estándar σ del proceso? ¿Qué valor tiene?

σ 1,36
σ x́ = = =0,6082
√ n √5
b) Si z = 3, ¿cuáles son los límites de control para la gráfica de la media?

100
x́=10+10+10,2+10,2+10,4+ 9,8+9,6+ 9,8+9,8+10,2= =10
10

33
R=3+2+4 +1+3+4 +3+5+ 4+ 4= =3,3
10

LCS x́ =x́+ z σ x́ =10+3 ( 0,6082 )=11,8246

LCI x́ =x́−z σ x́ =10−3 ( 0,6082 )=8,1754

Usando A2:

LCS x́ = x́+ A 2 Ŕ=10+0,577 ( 3,3 )=11,9041

LCI x́ = x́− A2 Ŕ=10−0,577 ( 3,3 )=8,0959

c) ¿Cuáles son los límites de control para la gráfica de rangos?

LCS R=D4 Ŕ=2,115 ( 3,3 )=6,9795

LCI R=D3 Ŕ= ( 0 )( 3,3 )=0

d) ¿Está el proceso bajo control?

Si, el proceso está bajo control en ambos casos.

S6.11 Se tomaron doce muestras de cinco partes cada una de un proceso que produce barras
de acero. Se determinó la longitud de cada barra en las muestras. Se tabularon los
resultados y se calcularon las medias y los rangos. Los resultados fueron:
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Determine los límites de control superior e inferior y las medias globales para las gráficas X y
R. Dibuje la gráfica representando los valores de las medias y de los rangos muestrales. ¿Los
datos indican que el proceso está bajo control? ¿Por qué sí o por qué no?

A2 0,266
D3 0,283
D4 1,717

Límites de gráfico X:

LCS X́ = X́ + A 2 Ŕ=10,0016 pulg .+ 0,266∗0,0102 pulg .

LCS X́ =10,00431 pulg .

LCI X́ = X́ − A2 Ŕ=10,0016 pulg−0,266∗0,0102 pulg .

LCI X́ =9,9988 pulg .

Límites de grafico R:

LCS Ŕ=D 4 Ŕ=1,717∗0,0102 pulg .

LCS Ŕ=0,017513 pulg .

LCI Ŕ=D 3 Ŕ=0,283∗0,0102 pulg .

LCI Ŕ=0,002887 pulg .

Gráfico X Gráfico R
Dia Media Rango LCS LCI LCS LCI
10,0043 9,99888 0,01751 0,00288
1 10,002 0,011 1 7 3 7
10,0043 9,99888 0,01751 0,00288
2 10,002 0,014 1 7 3 7
10,0043 9,99888 0,01751 0,00288
3 9,991 0,007 1 7 3 7
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

10,0043 9,99888 0,01751 0,00288

4 10,006 0,022 1 7 3 7
10,0043 9,99888 0,01751 0,00288
5 9,997 0,013 1 7 3 7
10,0043 9,99888 0,01751 0,00288
6 9,999 0,012 1 7 3 7
10,0043 9,99888 0,01751 0,00288
7 10,001 0,008 1 7 3 7
10,0043 9,99888 0,01751 0,00288
8 10,005 0,013 1 7 3 7
10,0043 9,99888 0,01751 0,00288
9 9,995 0,004 1 7 3 7
10,0043 9,99888 0,01751 0,00288
10 10,001 0,011 1 7 3 7
10,0043 9,99888 0,01751 0,00288
11 10,001 0,014 1 7 3 7
10,0043 9,99888 0,01751 0,00288
12 10,006 0,009 1 7 3 7
Prom: 10,0016 0,0102

Grafico X
10.01

10.01

10

10

10

10

10

9.99

9.99

9.99
1 2 3 4 5 6 7 8 9 10 11 12

LCS LCI Media

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Grafico R
0.03

0.02

0.02

0.01

0.01

0
1 2 3 4 5 6 7 8 9 10 11 12

LCS LCI Rango

Podemos observar que el proceso se encuentra fuera de control, tenemos puntos tanto arriba
como debajo de nuestros límites de control, es necesario analizar la causa.

S6.12 Los Eagletrons son automóviles completamente eléctricos producidos por Mogul
Motors, Inc. Una de las preocupaciones de Mogul Motors es que los Eagletrons sean capaces
de alcanzar las velocidades máximas apropiadas. Para monitorear esto, los ejecutivos de
Mogul toman muestras de ocho Eagletrons. Para cada muestra, determinan la velocidad
máxima promedio y el rango de las velocidades máximas alcanzadas dentro de la muestra.
Lo anterior lo repiten con 35 muestras para obtener 35 medias muéstrales y 35 rangos.
Encuentran que la media muestral promedio es de 88.50 millas por hora, y el rango
promedio es de 3.25 millas por hora. Usando estos resultados, los ejecutivos deciden
establecer una gráfica R. Desearían realizar esta gráfica de manera que cuando muestre que
el rango de una muestra no esté dentro de los límites de control, sólo haya
aproximadamente una probabilidad de 0.0027 de que se deba a la variación natural. ¿Cuáles
serían los límites de control superior (LCS) e inferior (LCI) en esta gráfica?

n=8
Z=3

Ŕ=3.25 millas por hora

Para n=8 se tiene un D 3=0.136 D 4=1.864

LCS R=D 4 Ŕ
LCS R=1.864∗3.25

LCS R=6.058

LCI R=D 3 Ŕ
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

LCS R=0.136∗3.25

LCS R=0.442

S6.13 La tasa de defectos histórica para la captura de datos de las quejas de seguros ha sido
casi del 1.5%. ¿Cuáles son los límites de control superior e inferior de la gráfica si se desea
utilizar un tamaño de muestra de 100 y límites de 3 sigma?

ṕ=0.015, n=100, z=3

ṕ ( 1− ṕ ) 0.015 ( 1−0.015 )
σ ^p=
√ n
=
√ 100
=0.01215

LCS p= ṕ+ z σ ^p =0.015+3∗( 0.01215 )=0.0515

LCI p =ṕ−z σ ^p=0.015−3∗( 0.01215 )=−0.0215=0

S6.14 Usted busca desarrollar un sistema de monitoreo de la calidad para algunas partes que
se le compran a Charles Sox Manufacturing Co. Las partes son buenas o defectuosas. Usted
decidió tomar una muestra de 100 unidades. Desarrolle una tabla de los límites de control
superior e inferior de una gráfica con varios valores de la fracción defectuosa encontrada en
las muestras tomadas. En esta tabla los valores para ṕ tienen un rango de 0.02 a 0.10 en
incrementos de 002. Desarrolle los límites de control superior e inferior para un nivel de
confianza del 99.73 por ciento.

ṕ ( 1− ṕ )
σ ^p=
√ n
; LCS p = ṕ+ z σ ^p y LCI p= ṕ−z σ ^p

0,02 ( 1−0,02 )
ṕ=0,02⇒ σ ^p=
√ 100
=0,014

LCS p=0,02+ 3∗( 0,014 )=0,062 ; LCI p=0,02−3∗( 0,014 ) =−0,022

0,04 (1−0,04 )
ṕ=0,04 ⇒ σ ^p =
√ 100
=0,0196

LCS p=0,04+3∗( 0,0196 )=0,0988; LCI p=0,04−3∗( 0,0196 )=−0,0188

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

0,06 ( 1−0,06 )
ṕ=0,06⇒ σ ^p =
√ 100
=0,023748

LCS p=0,06+3∗( 0,023748 )=0,13124 ; LCI p=0,06−3∗ ( 0,023748 )=−0,0112

0,08 ( 1−0,08 )
ṕ=0,08⇒ σ ^p=
√ 100
=0,02713

LCS p=0,08+3∗ ( 0,02713 )=0,1614 ; LCI p=0,08−3∗( 0,02713 )=−0,00139

0,01 ( 1−0,01 )
ṕ=0,1⇒ σ ^p=
√ 100
=0,03

LCS p=0,1+ 3∗( 0,03 )=0,19 ; LCI p=0,1−3∗( 0,03 )=0,01

S6.15 En la tabla siguiente se dan los resultados de la inspección de muestras de ADN

tomadas durante los últimos 10 días. El tamaño de la muestra es de 100.

a) Construya una gráfica p 3 sigma usando esta información.

Dia Defectos Fracción

1 7 0,07
2 6 0,06
3 6 0,06
4 9 0,09
5 5 0,05
6 6 0,06
7 0 0
8 8 0,08
9 9 0,09
10 1 0,01
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Prom 5,7 0,057

ṕ∗( 1− ṕ ) 0.057∗( 1−0.057 )

σ ṕ=
√ n
=
√ 100
σ ṕ=0.02318

Límites de control:

LCS ṕ= ṕ+ z σ ṕ =0,057+3∗0,02318

LCS ṕ=0,1265

LCS ṕ= ṕ−z σ ṕ=0,057−3∗0,02318

LCS ṕ=−0,01255

Dia Defectos Fracción LCS LCI

1 7 0,07 0,126553 0
2 6 0,06 0,126553 0
3 6 0,06 0,126553 0
4 9 0,09 0,126553 0
5 5 0,05 0,126553 0
6 6 0,06 0,126553 0
7 0 0 0,126553 0
8 8 0,08 0,126553 0
9 9 0,09 0,126553 0
10 1 0,01 0,126553 0
     
Prom 5,7 0,057

Grafico P (10 dias)

0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

0
1 2 3 4 5 6 7
-0.02

Fraccion LCS LCI

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

b) Si el número de defectos en los siguientes tres días es 12, 5 y 13, ¿el proceso está bajo
control?

ṕ∗( 1− ṕ ) 0.066∗( 1−0.066 )

σ ṕ=
√ n √ =
100
σ ṕ=0.02498

Límites de control:

LCS ṕ= ṕ+ z σ ṕ =0,066+3∗0,02498

LCS ṕ=0,14189

LCS ṕ= ṕ−z σ ṕ=0,066−3∗0,02498

LCS ṕ=−0,0080

Día Defectos Fracción LCS LCI

1 7 0,07 0,14189 0
2 6 0,06 0,14189 0
3 6 0,06 0,14189 0
4 9 0,09 0,14189 0
5 5 0,05 0,14189 0
6 6 0,06 0,14189 0
7 0 0 0,14189 0
8 8 0,08 0,14189 0
9 9 0,09 0,14189 0
10 1 0,01 0,14189 0
11 12 0,12 0,14189 0
12 5 0,05 0,14189 0
13 13 0,13 0,14189 0
Prom 6,692308 0,066923
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Grafico P (13 dias)

0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

0
1 2 3 4 5 6 7 8 9 10 11 12 13
-0.02

Fraccion LCS LCI

Podemos observar que el proceso se encuentra bajo control. A pesar de eso, hasta el dia 7 se
ha tenido un resultado correcto, después de eso el proceso empezó a variar con subidas y
bajadas. Es necesario verificar la causa de dicha varianza.

S6.16 En el pasado, la tasa de defectos de su producto ha sido del 1.5%. ¿Cuáles son los
límites de control superior e inferior de la gráfica si usted desea usar un tamaño de muestra
de 500 y z = 3?

n=500
Z=3
ṕ=1.5 %=0.015

LCS= ṕ+ Z σ ṕ

LCI =ṕ−Zσ ṕ

ṕ(1− ṕ)
σ ṕ=
√ n

0.015(1−0.015)
LCS=0.015+ 3
√ 500
LCS=0.0313

0.015(1−0.015)
LCI =0.015−3
√ 500
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

LCI =−0.0013 ≈ 0

S6.17 Regrese al problema S6.16. Si la tasa de defectos fuera del 3.5% en vez del 1.5%,
¿cuáles serían los límites de control (z = 3)?

ṕ=0.035, n=500, z=3

ṕ ( 1− ṕ ) 0.035 ( 1−0.035 )
σ ^p=
√ n √ =
500
=0.00822

LCS p= ṕ+ z σ ^p =0.035+3∗( 0.00822 )=0.0597

LCI p =ṕ−z σ ^p=0.035−3∗( 0.00822 )=0.0103

6.18 En el departamento de procesamiento de datos del Banco de Georgia trabajan cinco

operadores para efectuar la entrada de datos. Diariamente, durante 30 días, el número de
registros defectuosos en una muestra de 250 registros introducidos por estos operadores se
ha anotado de la siguiente manera:

Establezca los límites de control superior e inferior con 3σ; n = 250 registros.

LCS p=0,077 ; LCI p=0,003

N ° total de defectos 300

ṕ= = =0,04
N ° de muestras∗N ° de registros de lamuestra 30∗250

ṕ ( 1− ṕ ) 0.04 ( 1−0.04 )
σ ^p=
√ n √ =
250
=0.0124

LCS p= ṕ+ z σ ^p =0.04+3∗( 0.0124 )=0,0772

LCI p =ṕ−z σ ^p=0.04−3∗( 0.0124 )=0,003

S6.19 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 también son saludables.
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Un cuestionario acompaña cada comida que se sirve y pregunta, entre otras cosas, si el
paciente está satisfecho o insatisfecho con la comida. Los resultados de una muestra de 100
pacientes durante los pasados 7 días produjeron los siguientes datos:

Construya una gráfica p en la que se grafique el porcentaje de pacientes insatisfechos con

sus comidas. Establezca los límites de control para incluir el 99.73% de la variación aleatoria
en la satisfacción con la comida. Comente sus resultados.

ṕ∗( 1− ṕ ) 0.1742∗( 1−0.1724 )

σ ṕ=
√ n √ =
100
σ ṕ=0.0379

LCS ṕ= ṕ+ z σ ṕ =0,1742+3∗0,0379

LCS ṕ=0,2880

LCS ṕ= ṕ−z σ ṕ=0,1742−3∗0,0379

LCS ṕ=0,0604

Dia Insatatisf Fracción LCS LCI

1 24 0,24 0,288092 0,060479
2 22 0,22 0,288092 0,060479
3 8 0,08 0,288092 0,060479
4 15 0,15 0,288092 0,060479
5 10 0,1 0,288092 0,060479
6 26 0,26 0,288092 0,060479
7 17 0,17 0,288092 0,060479
17,4285
Prom 7 0,174286
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Grafico P
0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
1 2 3 4 5 6 7

Fraccion LCS LCI

Podemos observar que el proceso se encuentra bajo control. Ya que todas las medidas se
encuentran dentro de los límites de control.

S6.20 Chicago Supply Company fabrica clips y otros productos de oficina. Aunque son
baratos, los clips han proporcionado a la compañía un alto margen de utilidad. Se toman
muestras de 200 artículos. A continuación, se presentan los resultados de las últimas 10
muestras. Establezca los límites de control superior e inferior para la gráfica de control y
grafique los datos. ¿Está el proceso bajo control?

n=200
Z=3
Número de errores
ṕ=
numero total de muestras
50
ṕ=
10∗200
ṕ=0.025
LCS= ṕ+ Z σ ṕ

LCI =ṕ−Zσ ṕ

ṕ(1− ṕ)
σ ṕ=
√ n
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

0.025(1−0.025)
LCS=0.025+ 3
√ 200
LCS=0.0581

0.025(1−0.025)
LCI =0.025−3
√ 200
LCI =−0.0081 ≈ 0
Defectos p LCI LCS
5 0,025 0 0,0581
7 0,035 0 0,0581
4 0,02 0 0,0581
4 0,02 0 0,0581
6 0,03 0 0,0581
3 0,015 0 0,0581
5 0,025 0 0,0581
6 0,03 0 0,0581
2 0,01 0 0,0581
8 0,04 0 0,0581

Chart Title
0.07

0.06

0.05

0.04

0.03

0.02

0.01

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

p LCI LCS

Como podemos ver en el gráfico los valores varían entre los limites superior e inferior por lo
tanto el proceso está en control.

S6.21 La tienda departamental de Peter Ittig, Ittig Brothers, es la fabricante independiente de

ropa más grande de Amherst. La tienda recibe un promedio de seis devoluciones por día.
Usando z = 3, ¿debe llevarse a cabo alguna acción si el número de devoluciones aumenta a
nueve en un día?
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

ć=6 , z=3

Para ć=6

LCS c = ć+3 √ ć=6+ 3∗ √ 6=13.3485

LCI c = ć−3 √ ć=6−3∗ √6=−1.3485=0

Para ć=9

LCS c = ć+3 √ ć=9+ 3∗ √9=18

LCI c = ć−3 √ ć=9−3∗√ 9=0

RESPUESTA: si se debe tomar alguna acción al respecto porque el límite superior al aumentar
permite que se produzcan más devoluciones por día.

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

a) ¿Qué tipo de gráfica de control usaría usted para monitorear este proceso y por qué?

Usaría la C porque me permite ver los defectos por unidad

b) ¿Cuáles son los límites de control 3 sigma para este proceso? Suponga que no se
conoce la tasa de quejas histórica.

ć=6

LCS c = ć+3 √ ć=6+ 3∗√ 6=13,34

LCI c = ć−3 √ ć=6−3∗√ 6=−1,348

c) De acuerdo con los límites de control, ¿está la media del proceso bajo control? ¿Por
qué sí o por qué no?

Si se encuentra bajo control porque está dentro de los límites

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

d) Ahora suponga que la tasa de quejas histórica es de 4 llamadas a la semana. ¿Cuáles

serían ahora los límites de control 3 sigmas para este proceso? De acuerdo con los límites
de control, ¿está el proceso bajo control?

ć=4

LCS c = ć+3 √ ć=4+3∗√ 4=10

LCI c = ć−3 √ ć=4−3∗√ 4=−2

S6.23 La dirección de una escuela está tratando de evaluar un nuevo programa de

matemáticas introducido este año para los alumnos de segundo grado en cinco escuelas
primarias de la región. Una muestra de las calificaciones que obtuvieron los estudiantes en el
examen estandarizado de matemáticas, aplicado en cada escuela primaria, generó los
siguientes datos:

Construya una gráfica c para los errores en el examen y establezca los límites de control que
contengan un 99.73% de la variación aleatoria en las calificaciones. ¿Qué le indica la gráfica?
¿Ha resultado efectivo el nuevo programa de matemáticas?

LCS ć = ć+ z √ ć=42,6+ 3 √ 42,6

LCS ć =62,18 errores

LCI ć = ć−z √ ć=42,6−√ 42,6

LCI ć =23,019errores

Día Errores LCS LCI

1 52 62,1806 23,0194
2 27 62,1806 23,0194
3 35 62,1806 23,0194
4 44 62,1806 23,0194
5 55 62,1806 23,0194
Prom 42,6
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Grafico C
70

60

50

40

30

20

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13

Errores LCS LCI

Podemos observar que el proceso se encuentra bajo control. Ya que todas las medidas se
encuentran dentro de los límites de control.

S6.24 Las entrevistas por teléfono de 100 “clientes” de la oficina recaudadora de impuestos
de Estados Unidos se monitorean todos los días en forma aleatoria. Se registran los
incidentes de información incorrecta u otros errores (como la descortesía con los
contribuyentes). Los datos de la última semana son:

Construya una gráfica c para las inconformidades considerando tres desviaciones estándar.
¿Qué indica la gráfica de control sobre los operadores de teléfono de la oficina recaudadora

Z=3
73
ć= =14.6
5
LCS= ć+ Z √ ć
LCS=14.6+ 3 √ 14.6
LCS=26.06

LCI =ć−Z √ ć
LCI =14.6−3 √ 14.6
LCS=3.13
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Inconformidades LCI LCS

5 3,13 26,06
10 3,13 26,06
23 3,13 26,06
20 3,13 26,06
15 3,13 26,06

Chart Title
30

25

20

15

10

0
1 2 3 4 5

LCI LCS

El gráfico no indica que el proceso está controlado

S6.25 El departamento de cuentas por cobrar de Rick Wing Manufacturing ha tenido

dificultades para que los clientes paguen el monto total de sus facturas. Muchos clientes se
quejan de que las facturas son incorrectas y que no reflejan los materiales que llegan a sus
puntos de recepción. El departamento decidió implementar SPC en su proceso de
facturación. Para establecer las gráficas de control, se tomaron 10 muestras de 50 facturas
cada una durante un mes y los artículos en las facturas se revisaron contra las notas de
llegada enviadas por el departamento de embarques de la compañía, para determinar el
número de facturas que no estuvieron correctas. Los resultados fueron:

Muestra Núm. de facturas

Núm. incorrectas
1 6
2 5
3 11
4 4
5 0
6 5
7 3
8 4
9 7
10 2

a) Determine el valor de la p-barra, es decir, la media de la fracción defectuosa. Después

determine los límites de control para la gráfica p usando un nivel de confianza del 99.73% (3
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

desviaciones estándar). ¿Está el proceso bajo control? Si no es así, ¿cuál(es) muestra(s)

estuvieron fuera de control?

  Núm. de facturas
Muestra Núm. incorrectas n P
1 6 50 0,12
2 5 50 0,1
3 11 50 0,22
4 4 50 0,08
5 0 50 0
6 5 50 0,1
7 3 50 0,06
8 4 50 0,08
9 7 50 0,14
10 2 50 0,04
TOTAL 47 500

47
ṕ= =0.094
500

ṕ ( 1− ṕ ) 0.094 ( 1−0.094 )
σ ^p=
√ n √=
50
=0.0413

LCS p= ṕ+ z σ ^p =0.094+3∗( 0.0413 ) =0.2179

LCI p =ṕ−z σ ^p=0.094−3∗( 0.0413 ) =−0.0299=0

GRAFICO P
0.25

0.2

p 0.15
LCS
LCI

0.1

0.05

0
1 2 3 4 5 6 7 8 9 10

RESPUESTA: El proceso no está bajo control, la muestra 3 es la que está fuera de control.
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

6.26. La diferencia entre las especificaciones superior e inferior para un proceso es de 0.6”.
La desviación estándar es de 0.1”. ¿Cuál es la razón de habilidad, Cp, del proceso? Interprete
este número.

Especificación superior−especificación inferior

C p=
6σ

0,6
C p= =6
0,1
S6.27 El proceso de producción de chips para computadora de Meena Chavan Corp., genera
chips DRAM con una vida promedio de 1,800 horas y un σ = 100 horas. Los límites de
tolerancia superior e inferior son de 2,400 y 1,600 horas, respectivamente. ¿Es capaz este
proceso de producir chips DRAM dentro de su especificación?

Especif superior −Especif inferior 2400−1600

C p= =
6σ 6( 100)
C p=1.333

Ya que el Cp < 1 hay defectos mínimos y se puede aceptar el proceso de producción de chips.

S6.28 Blackburn Inc., fabricante de equipo en Nashville, ha enviado una muestra de válvula
de corte para mejorar su proceso de manufactura. Su departamento de ingeniería de
procesos realizó algunos experimentos y encontró que la válvula tiene una media (µ) de 8.00
y una desviación estándar (σ) de .04. Su desempeño deseado es µ = 8.0 y σ = .045. ¿Cuál es el
Cpk de la válvula Blackburn?

μ=8
Z=3
σ =0.040
Límite superior =μ+Z ( σ )
Límite inferior=μ−Z ( σ )
Límite superior =8+3 ( 0.045 )=8.135
Límite inferior=8−3 ( 0.045 )=7.865

Limite superior −μ μ−Limite inferior

C pk =mínimo de [ 3σ
;
3σ ]
8.135−8 μ−Limite inferior
C pk =mínimo de
[ 3( 0.04)
;
3(0.04) ]
8.135−8 8−7.865
C pk =mínimo de
[ ;
3( 0.04) 3(0.04 ) ]
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

C pk =mínimo de [ 1.125 ; 1.125 ]

C pk =1.125

S6.29 Las especificaciones para un revestimiento plástico para los proyectos de carreteras de
concreto son que debe tener un grosor de 3.0 mm ±0.1 mm. La desviación estándar del
proceso se estima en 0.02 mm. ¿Cuáles son los límites superior e inferior de la especificación
para este producto? Se sabe que el proceso opera con un grosor medio de 3.0 mm. ¿Cuál es
el C pk para este proceso? ¿Aproximadamente qué porcentaje de todas las unidades reunirá
las especificaciones?

LCS=3.1 mm LCI=2.9 mm σ=0.02 x́=3.0

Superior

LCS −x́ 3.1−3.0

C pk = = =1.667
3σ 3∗0.02

Inferior

x́−LCI 3.0−2.9
C pk = = =1.667
3σ 3∗0.02

RESPUESTA: El 100% de las unidades reúnen las especificaciones. Con un C pk mayor que 1 se
indica que el proceso es mejor de lo requerido por la especificación.

S6.30 El administrador de una planta procesadora de alimentos desea una especificación de

calidad con una media de 16 onzas, un límite superior de especificación de 16.5, y un límite
inferior de especificación de 15.5. El proceso tiene una media de 16 onzas y una desviación
estándar de 1 onza. Determine el Cpk de este proceso.

Limite de especificación superior−x́ x́−Limite de especificación inferior

C pk =Mínimo de [ 3σ
,
3σ ]
x́=media del proceso=16

σ =desviación estandar=1
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

16,5−16 16−15,5
C pk =Mínimo de
[ 3(1)
,
3 (1) ]
0,5 0,5
C pk =Mínimo de [ 3
=0,166 ,
3
=0,166 ]
S6.31 Un proceso para el llenado de envases con fórmula para bebé debe tener una medida
de 3 onzas ±0.150 onzas. Se muestrearon 200 frascos del proceso. Los resultados mostraron
que la cantidad promedio de alimento vertido en los envases fue de 3.042 onzas. La
desviación estándar de dicha cantidad fue de 0.034 onzas. Determine el valor de Cpk. De
manera general, ¿qué proporción de los envases cumple las especificaciones?

Limite de especificación superior=3+ 0,15=3,015 onzas

Limite de especificación inferior=3−0,15=2,985 onzas

X́ =3,024
σ =0,15

C pk =Minimo de ( Limite de especificación

3σ
superior− X́ X́−Limite de especificación inferior
,
3σ )
3,15−3,024 3,024−2,85
C pk =Minimo de
( 3 ( 0,034) ; 3( 0,034 ) )
C pk =Minimo de (−0.2647 ; 0.5588 )

El número mínimo es -0.2647

Sen vista de que obtuvimos un número negativo, podemos concluir que el proceso no cumple
las especificaciones).

S6.32 Como el supervisor a cargo de los envíos y recepciones, usted necesita determinar la
calidad de salida promedio en una planta donde se sabe que los lotes entrantes de su línea
de ensamble tienen una tasa promedio de defectos del 3%. Su plan es muestrear 80
unidades de cada 1,000 en un lote. El número de defectos en la muestra no debe exceder de
3. Tal plan le proporciona una probabilidad de aceptación para cada lote de .79 (79%). ¿Cuál
es su calidad de salida promedio?

N=1000
n=80
C=3
Pd=3 %=0.03
Pa(OC )=79%=0.79
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

(Pd )(Pa)(N −n)

AOQ=
N
(0.03)( 0.79)(1000−80)
AOQ=
1000
AOQ=0.0218∗100 %
AOQ=2.18 %

S6.33 Un plan de muestreo de aceptación tiene lotes de 500 piezas y un tamaño de muestra
de 60. El número de defectos en la muestra no puede ser de más de 2. Este plan, basado en
una curva OC, tiene una probabilidad de aceptación de .57 cuando los lotes entrantes tienen
una tasa de defectos del 4%, ¿cuál es el promedio histórico para este proceso? ¿Qué le dirá a
su cliente acerca de cuál es la calidad de salida promedio?

Pd Pa ( N −n)
A 0 Q=
N

0,04∗0,57∗( 500−60)
A 0 Q= =0,020064
500

Le diría a mi cliente que el porcentaje de defectos más alto es de 2,0064% y esta es la

calidad de salida promedio.

S6.34 West Battery Corp., ha estado recibiendo recientemente quejas de los vendedores al
menudeo con respecto a que las baterías de 9 voltios no duran tanto como las de otras
marcas. James West, responsable del programa de TQM en la planta de West en Austin,
considera que no hay problema porque sus baterías han tenido un promedio de vida de 50
horas, casi un 10% más que los modelos de los competidores. Aumentar la vida útil a más de
50 horas requeriría un nuevo nivel de tecnología no disponible para West. Sin embargo,
West está lo suficientemente preocupado como para establecer una revisión horaria en la
línea de ensamble. Previamente, luego de asegurarse de que el proceso estaba corriendo en
forma apropiada, West tomó muestras de 5 baterías de 9 voltios durante las siguientes 25
horas a fin de establecer los estándares para los límites de la gráfica de control. Esas 25
muestras se presentan en la tabla siguiente:
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Con estos límites establecidos, West tomó los datos de 5 horas más, que se presentan en la
tabla siguiente:

a) Determine las medias y los límites de control superior e inferior para X y R (usando
sólo las primeras 25 horas).

Obtenemos los siguientes datos en base a la información obtenida en el proceso:

A2 0,153
D3 0,459
D4 1,541

Expresamos los datos en una tabla y sacamos los promedios globales.

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

Hora 1 2 3 4 5 X R
1 51 50 49 50 50 50 2
2 45 47 70 46 36 48,8 34
3 50 35 48 39 47 43,8 15
4 55 70 50 30 51 51,2 40
5 49 38 64 36 47 46,8 28
6 59 62 40 54 64 55,8 24
7 36 33 49 48 56 44,4 23
8 50 67 53 43 40 50,6 27
9 44 52 46 47 44 46,6 8
10 70 45 50 47 41 50,6 29
11 57 54 62 45 36 50,8 26
12 56 54 47 42 62 52,2 20
13 40 70 58 45 44 51,4 30
14 52 58 40 52 46 49,6 18
15 57 42 52 58 59 53,6 17
16 62 49 42 33 55 48,2 29
17 40 39 49 59 48 47 20
18 64 50 42 57 50 52,6 22
19 58 53 52 48 50 52,2 10
20 60 50 41 41 50 48,4 19
21 52 47 48 58 40 49 18
22 55 40 56 49 45 49 16
23 47 48 50 50 48 48,6 3
24 50 50 49 51 51 50,2 2
25 51 50 51 51 62 53 12
Promedios  49,776 19,68

Gráfico X

LCS X́ = X́ + A 2 Ŕ=49.776 horas +0,153∗19.68 horas

LCS X́ =52.757 horas

LCI X́ = X́ − A2 Ŕ=49.776 horas−0,153∗19.68horas

LCI X́ =46.765horas

Gráfico R

LCS Ŕ=D 4 Ŕ=1.541∗19.68 horas

LCS Ŕ=30.326 horas

LCI Ŕ=D 3 Ŕ=0.459∗19.68 horas

 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

LCI Ŕ=9.033horas

b) ¿Está el proceso de manufactura bajo control?

Para un mejor análisis realizaremos los gráficos de control X y R

 Gráfico X Gráfico R
Hora X R LCS LCI LCS LCI
46,7649
1 50 2 52,78704 6 30,32688 9,03312
46,7649
2 48,8 34 52,78704 6 30,32688 9,03312
46,7649
3 43,8 15 52,78704 6 30,32688 9,03312
46,7649
4 51,2 40 52,78704 6 30,32688 9,03312
46,7649
5 46,8 28 52,78704 6 30,32688 9,03312
46,7649
6 55,8 24 52,78704 6 30,32688 9,03312
46,7649
7 44,4 23 52,78704 6 30,32688 9,03312
46,7649
8 50,6 27 52,78704 6 30,32688 9,03312
46,7649
9 46,6 8 52,78704 6 30,32688 9,03312
46,7649
10 50,6 29 52,78704 6 30,32688 9,03312
46,7649
11 50,8 26 52,78704 6 30,32688 9,03312
46,7649
12 52,2 20 52,78704 6 30,32688 9,03312
46,7649
13 51,4 30 52,78704 6 30,32688 9,03312
46,7649
14 49,6 18 52,78704 6 30,32688 9,03312
46,7649
15 53,6 17 52,78704 6 30,32688 9,03312
46,7649
16 48,2 29 52,78704 6 30,32688 9,03312
46,7649
17 47 20 52,78704 6 30,32688 9,03312
46,7649
18 52,6 22 52,78704 6 30,32688 9,03312
46,7649
19 52,2 10 52,78704 6 30,32688 9,03312
46,7649
20 48,4 19 52,78704 6 30,32688 9,03312
21 49 18 52,78704 46,7649 30,32688 9,03312
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

6
46,7649
22 49 16 52,78704 6 30,32688 9,03312
46,7649
23 48,6 3 52,78704 6 30,32688 9,03312
46,7649
24 50,2 2 52,78704 6 30,32688 9,03312
46,7649
25 53 12 52,78704 6 30,32688 9,03312

Prom: 49,776 19,68

Grafico X
57

55

53

51

49

47

45

43
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

LCS LCI Media

Grafico R
45
40
35
30
25
20
15
10
5
0
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

LCS LCI Rango

Podemos observar que el proceso se encuentra fuera de control, tenemos puntos tanto arriba
como debajo de nuestros límites de control, es necesario analizar la causa. Además de 5
puntos seguidos en descenso se debe investigar cual es la causa de dicho cambio progresivo.
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción
ADM713
Quito, Ecuador

c) Comente los tiempos de vida observados.

Apoyan las afirmaciones de West. Pero es necesario controlar y reducir la varianza
alrededor de la media