Histograma

5. Señale como se puede utilizar el pensamiento estadístico en los niveles

estratégico, directivo y operacional de una organización.
R= El pensamiento estadístico en el nivel estratégico, ayuda a que los Ejecutivos
generen actividades a largo plazo que guiaran las funciones de la organización
laboral.
A nivel gerencial, se utiliza para que los gerentes den forma a los lineamientos en
las actividades operacionales con direcciones precisas.
A nivel operacional, se utiliza para generar actividades que mejoren el proceso
laboral diario.
Así que, como puede verse, el pensamiento estadístico no es solo parte de los
métodos numéricos en los cuales se organizan, sino también el poder conocer los
problemas que se pueden generar y dar soluciones precisas, tomando en cuenta
los tres niveles que se encuentran en cualquier esquema específico. 

6. proporcione dos ejemplos de variables cualitativas y dos de variables

cuantitativas.
R= cualitativas:

 La marca de los celulares de tus amigos

 Red social preferida por los millenials.
cuantitativas:

 El peso de las vacas de una granja

 Estatura de los habitantes de una ciudad.

7. Se dijo que de acuerdo con el tipo de especificaciones de una variable de

salida existen tres categorías de variables: cuanto más pequeña mejor,
cuanto más grande mejor, y el valor objetivo es mejor. De un par de ejemplos
para cada una de ellas
Cuanto más pequeña Efectividad en la Calidad
mejor producción
Cuanto más grande Crecimiento de una Tamaño de las hojas
mejor planta
El valor objetivo mayor Elaboración de un pastel Porción y cocción exacta
del pastel

8. ¿De qué manera afectan los datos a la media?

1
R= Le afecta en medida un dato raro refleja una situación especial que se debe
investigar, puede ser un error de dedo, de medición o también puede reflejar un
comportamiento especial del proceso en cualquier caso se debe investigar
9. Explique los errores en la interpretación de la media que se señalan en la
sección de Errores en la toma de decisiones con el uso de la media.
R= a) Cuando se calcula la media muchas personas al interpretar piensan que
todos los datos son igual al dato calculado o que todos están cerca, cuando en
realidad existe una variabilidad que está definida por otros factores.
b) Cuando no se conocen los conceptos de las medidas de tendencia central es
muy común confundir con la moda.
c) Otro error es el confundir la media con la mediana.
d) Suponer que la media muestral es la misma que la poblacional, la media
muestral es una variable aleatoria.
10. Explique la relación entre la media y la desviación estándar que establece
la regla empírica y el teorema de Chebyshev.
R= La desigualdad de Chebyshev nos afirma que entre X-2S y X + 2S debe estar
al menos el 75% de los datos de la muestra; y que entre X + 35 está por lo menos
el 89%.
En cuanto a la regla práctica en muchos datos que surgen en la práctica se ha
observado empíricamente qué entre X-S y X + S está el 68% de los datos de la
muestra; y entre X + 2S está el 95% y entre X + 3S está el 99%.
Todos los intervalos anteriores son válidos solo para los datos muéstrales. Sin
embargo, si los intervalos se calculan con la media y la desviación estándar de la
población, entonces serán válidos para toda la población.
Lo que afirma el teorema de chebyshev es válido para cualquier tipo de datos,
independiente de su comportamiento o distribución, mientras que la regla empírica
como su nombre lo dice se ha obtenido por medio de la observación empírica y es
válida para muchos de los casos que se dan en la práctica, sobre todo si los datos
tienen un comportamiento con cierto grado de similitud a una campana o la
distribución normal.
11. Si desea investigar el peso promedio de 1,000 artículos de un lote, por lo
que se eligen aleatoriamente 40 de ellos, se pesan y se obtiene que =252
gramos con S=5.
a) Quiere decir que el peso medio de las 1,000 artículos es de 252?

2
R= No, esto no significa que el peso promedio que tienen los artículos es de 252g
ya que la media solamente se ha obtenido de 40 artículos y no es directamente
proporcional a los 1000 artículos que pueden aumentar o disminuir de esa media.
b) ¿La mayoría de los artículos pesa 252 gramos?
R= Esto no significa que todos o la mayoria de los articulos pesen 252g, ya que
pueden haber variaciones debido al total de todos los artículos.
c) ¿De los 40 artículos en la muestra es probable que alguno pueda pesar
300 gramos? Aplique la regla empírica para contestar.
R=
3 (S) = 3 (5) = 15
X = 252 + 15 = 267
No puede ser posible que uno de los datos haya pesado 300 gramos ya que el
99% de los datos está en valores máximos de 267 gramos.
12. En una empresa se llevan los registros del número de fallas de equipo
por mes; la media es de 10 y la media de 5:
a) Si usted tiene que reportar la tendencia central de fallas, ¿Qué numero
reportaría?
R= Yo reportaría el valor de 5 (que corresponde a la mediana). Ya que si usamos
el dato de la media no es conveniente ya que a veces un medio está afectado por
datos "raros" o los extremos.
b) ¿la discrepancia entre la media y la mediana se debió a que en varios
meses ocurrieron pocas fallas?
R= Si, lo más probable es que esta discrepancia se halla dado porque en varios
meses ocurrió pocas o ninguna falla, y por consecuencia el margen de diferencia
entre la media y la mediana es muy grande, debido a que, aunque en algunos
meses no se dieron errores al calcular la media esos meses siempre tuvieron que
tomarse en cuenta, mientras que en la mediana no, solamente se tomaron las
fallas en total que ocurrieron.
13. Un aspecto clave de la calidad de cierto producto es su peso: la norma
establece que su peso mínimo sea de 2kg. El ingeniero de producción
informa que se está cumpliendo con tal forma, ya que el peso promedio del
producto es de 2.2 kg. ¿Está de acuerdo con el ingeniero?
R= El ingeniero está equivocado, ya que con ese simple dato no puede tomar
decisiones debido a que no se sabe la variabilidad de los datos, es necesario al
menos la mediana y para mejor seguridad la desviación estándar. Ya que es

3
probable que ese promedio se vea afectado por diferentes pesos, no precisamente
por ese valor más grande que lo mínimo requerido es que sea un buen dato.
14. Tres máquinas, A, B y C, realizan cortes de manera automática de ciertas
tiras de hule. La longitud ideal de las tiras es de 90 cm. Con una tolerancia
de ±2 cm. Se toma una muestra de 80 piezas de la producción de una
semana de cada máquina.
a) La longitud promedio de las 80 tiras de cada máquina son: A, =90; B,
=90.5; C, =92. ¿Con base en esto puede decidir cuál maquina es mejor?
R= no podemos tomar una decisión en base a esto ya que la media no es una
medida de tendencia con la cual se pueden tomar buenas decisiones, no es
confiable debido a que la media siempre está afectada por los extremos de los
datos.
b) Si además la desviación estándar obtenida es: A, S=1.5; B, S=1.0; C,
S=0.5, decida cual maquina estuvo funcionando mejor. Aplique la regla
empírica.
R= Con los resultados de la desviación estándar podemos tomar una decisión
acertada: A mi Criterio la Maquina C es la que ha estado funcionando mejor en el
corte de tiras de hule.
15. En el ejemplo 8.2 se tiene problema con el grosor de las láminas por que
no se cumple con las especificaciones: 5 mm±0.8mm. Con el objetivo de
corregir tal situación, un equipo genera un proyecto de mejora. Para verificar
si las acciones ejecutadas dieron resultados, se toma aleatoriamente 45
láminas de la producción de una semana posterior a las modificaciones. Los
espesores obtenidos se muestran a continuación.

Media = 4.926666667
Mediana = 4.9
Desviación estándar = 0.320794468
Se observa que el plan si dio resultado, y que todos los espesores de las láminas
ahora si se encuentran dentro de las tolerancias permitidas por el cliente

4
b) Construya un histograma e inserte en las especificaciones y,
comparándolo con el histograma antes de la mejora, investigue si el plan fue
exitoso. Argumente su respuesta.
Clases intervalo Frecuencia Frecuencia
relativa
1 4.30-4.51 5 11.11
2 4.52- 4.72 13 28.89
3 4.74 – 4.95 5 11.11
4 4.96-5.17 11 24.44
5 5.18-5.39 6 13.33
6 5.40-5.61 5 11.11
Total 45 100

intervalos
14

12

10

0
4.30-4.51 4.52-4.72 4.74-4.95 4.96-5.17 5.18- 5.39 5.40-5.61

intervalos

Podemos concluir que el plan si fue exitoso porque al insertar las especificaciones
se puede observar que todos los espesores de las láminas se encuentran
dentro de las tolerancias
16. Una característica clave en la calidad es l calidad de las pinturas en su
densidad, y componente que influye en tal densidad es la cantidad de arena
utilizada en la elaboración de pintura. La cantidad de arena en la formulación
de un lote se controla con base en el número de costales, que según el
proveedor debe contener 20 kg. Sin embargo, continuamente se tienen
problemas con la densidad de la pintura, que es necesario corregir con
trabajo y procesos adicionales. En este contexto, en la empresa se
preguntan: ¿Cuánta arena contiene en realidad los costales? Para

5
 averiguarlo deciden tomar una muestra aleatoria de 30 costales de cada lote
o pedido (500 costales). Los pesos obtenidos en las muestras de los últimos
tres lotes se presentan en la tabla 8.3

a) La tolerancia que se establece para el peso de los costales de arena son

20±0.5. Calcule los estadísticos básicos para las muestras y decida si la
calidad es satisfactoria.
Lote Peso de los costales de la muestra Media Mediana
1 18.6 18.6 18.6 18. 18.8 18.9 19 19 19 19.1 19.35 19.25
7
19.1 19.1 19.1 19. 19.2 19.3 19.3 19. 19.4 19.4
2 4
19.5 19.6 19.6 19. 19.8 20 20 20 20.4 21
8
2 17.8 18.4 18.4 18. 18.5 18.6 18.8 18. 18.9 18.9 19.3 19.35
4 8
19 19 19.1 19. 19.3 19.4 19.4 19. 19.6 19.6
2 5
19.6 19.7 19.7 19. 19.9 20 20.1 20. 20.6 20.7
7 3
3 19.1 19.6 19.6 19. 19.7 19.7 19.7 19. 19.7 19.8 20.04 20
7 7
19.8 19.9 20 20 20 20 20 20. 20.1 20.2
1
20.2 20.2 20.3 20. 20.4 20.4 20.5 20. 20.8 21
4 6

R=
En los resultados se puede observar que para la media del lote 3 es la
adecuada, ya que entra en el rango de tolerancia donde es

Media 19.35
Mediana 19.25
S1= 0.55507067 y R1=2.4
S2=0.690069129 y R2=2.9
S3=0.40137694 y R3=1.9

6
 b) Calcule los estadísticos básicos para los 90 datos y de una opinión global
sobre el peso de los costales.
R= En la muestra fijada se puede notar que el rango está en el limite
S= 0.651114477 y R=3.2
c) Con base en lo anterior, ¿Cuál debe ser la posición de la fábrica de pintura
ante el proveedor arena?
R= en mi opinión y con base en lo visto, se debe prestar mayor atención con el
proveedor de arena, ya que hay muchas fallas con el peso adecuado de la arena.
17. En una fábrica de envases de vidrio se han tenido problemas con la
capacidad de las botellas de 750 ml. Con base en el historial del proceso se
sabe que la capacidad media de tal tipo de botellas es de 749 ml, con una
desviación estándar de 12.
a) Si las especificaciones para la capacidad de las botellas son 750± 10, de
un diagnóstico, calculando los limites reales, sobre el tipo de problema que
se tiene en cuanto al volumen.
Límite inferior = 749 – 3(12) =749-36=713
Limite superior = 749 – 3(12) =749+36 = 785
El problema está en que las especificaciones le dan una tolerancia de 10 a las
botellas, no menos de 740 ni más de 760 y los límites claramente ubican valores
fuera de lo establecido previamente
18. De acuerdo con el ejercicio anterior, con el propósito de mejorar la
calidad de las botellas en cuanto al volumen, se tienen dos propuestas a
nivel experimental Los datos para cada propuesta se presenta en la tabla 8.4

a) Calcule los estadísticos básicos para cada propuesta y comente.

R=
Propuesta Volumen de botellas Media Mediana

7
A 740 75 740 751 751 751 75 757 744 752 750 751
9 0
738 74 748 742 761 765 75 733 753 752
3 4
751 75 747 753 746 753 76 751 750 744
8 6
B 746 74 751 747 748 745 74 743 745 746 746 746
4 8
744 75 741 745 749 743 74 744 747 742
0 8
745 74 738 742 751 743 74 748 744 749
9 9

SA= 7.653486922
RA= 33
SB= 3.144782214
RB=13
b) Calcule una aproximación de los límites reales de cada propuesta y
compárelos con los del ejercicio anterior. ¿Se logran mejoras?
Propuesta A
Número de clase= 6
Longitud de clase= R/NC = 5.5
Clase Intervalo Frecuencia Frecuencia
relativa
1 733-738.5 2 6.7
2 738.6-744.1 6 20
3 744.2-749.7 3 10
4 749.8-755.3 13 43.3
5 755.3-760.8 3 10
6 760.9-766.4 3 10
TOTAL 30 100
Propuesta B
Número de clase 6
Longitud de clase
LC= R/NC = 2.17
Clase Intervalo Frecuencia Frecuencia
relativa

8
 1 738-740.17 1 3.3
2 740.18-742.35 3 10
3 742.36—744.53 7 23.3
4 744.54-746.71 6 20
5 746.72-748.89 6 20
6 748.90-751.07 7 23.3
TOTAL 30 100

c) Con base en un histograma en el que se inserte especificaciones, describa

cada una de las propuestas y elija la que considere mejor.

Propuesta A
14

12

10

0
733-738.5 740.18-742.35 742.36—744.53 744.54-746.71 746.72-748.89 748.90-751.07

9
 Propuesta B
8

0
738-740.17 740.18-742.35 742.36—744.53 744.54-746.71 746.72-748.89 748.90-751.07

19. En una empresa se están rediseñando los tiempos de salida y llegada de

sus autobuses. En particular se tiene el problema de establecer el tiempo de
recorrido entre dos ciudades. A continuación, se describe una muestra de
estos tiempos:

a) Realice un histograma para estos datos e interprételos.

R=
Media 3.55
Mediana 3.57
Desviación 0.24

Clases intervalo Frecuencia Frecuencia

relativa
1 3-3,23 2 5

10
 2 3.23-3.46 5 12.5
3 3.46-3.69 25 62.5
4 3.69-3.93 1 2.5
5 3.93-4.16 1 2.5
6 4.16-4.40 1 2.5
Total 35 100

intervalos
30

25

20

15

10

0
3.-3.23 3.23-3.46 3.46-3.69 3.69-3.93 3.93-4.16 4.16-4.40

intervalos

20. Dos máquinas, cada una operada por una persona, se utilizan para cortar
tiras de hule, cuya longitud ideal es de 200mm, con una tolerancia de ±3mm.
Al final de turno, un inspector toma una muestra y observa que la longitud
cumpla las especificaciones. A continuación se muestra las ultimas 110
mediciones para ambas maquinas.

a) ¿Es adecuada la tendencia central de las mediciones?

R=

11
 Media: 22,000.6/110 = 200.01
Mediana: 210
Moda: 201.4, 200.5, 199
Con respecto a la media el valor obtenido es adecuado ya que está dentro del
margen de tolerancia, la mediana está un poco segada ya que sobrepasa los
límites establecidos. podemos decimos que dos de ellas están dentro del rango de
tolerancia y una fuera.
b) Calcule la desviación estándar y una aproximación de los límites reales, y
con base en ello decida si la variabilidad de los datos es aceptable.
R=
Desviación estándar= 1.31
Límite superior = 200.01 +- 3 (1.31) =203. 94
Límite central= 200.01
Límite inferior= 200.01 +- 3(1.31) = 196.08

La variabilidad de los datos no es aceptable ya que el límite inferior como el

superior rebasan los límites fijados de fabricación.

c) Obtenga un histograma e interprételo (tendencia central, variabilidad,

acantilados, sesgos, etc.). d) ¿El proceso de cortado de tiras es capaz de
cumplir especificaciones?
Rango 202,10- 197,8 4,3
número de clases 10,49
longitud de clase = 4.3/10.490,41

12
Podemos notar una variabilidad en la gráfica ya que la campana de Gauss esta
deformada, podemos notar un pequeño acantilado en la parte izq.
d) ¿El proceso de cortado de tiras es capaz de cumplir especificaciones?
R= Podemos decir en términos generales que los parámetros registrados no
están adecuados, ya que la variabilidad en las muestras recae por debajo de los
límites establecidos, esto, aunque la media describa un buen comportamiento.
21. En el caso del ejercicio anterior, considerando que los primeros 55 datos
corresponden a una máquina y los últimos 55 a otra, conteste lo siguiente:
a) Haga un análisis por separado por cada máquina (tendencia central,
variabilidad, histograma).
Maquina A

Media: 201
Desviación estándar: 0.6

13
Li: 199.2
Ls: 202.8
Rango: 202.1- 199.2 = 2.9
Número de clase: 7
Longitud de clase: 2.9 / 7 = .5
Clases Frecuencia
199.2-199.7 2
199.7-200.2 5
200.2-200.7 14
200.7-201.2 15
201.2-201.7 14
201.7-202.2 5
TOTAL 55

Máquina A
16

14

12

10

0
199.2-199.7 199.7-200.2 200.2-200.7 200.7-201.2 201.2-201.7 201.7-202.2

Máquina B

14
Media: 199.1
Desviación estándar: 0.7
Li:197
Ls:201.2
Rango: 2.7
Número de clase: 7
Longitud de clase: 2.7/7 = .4
Clases Frecuencia
197.8-198.2 6
198.2-198.6 10
198.6-199 15
199-199.4 9
199.4-199.8 8
199.8-200.2 7
TOTAL 55

15
 Máquina B
16

14

12

10

0
197.8-198.2 198.2-198.6 198.6-199 199-199.4 199.4-199.8 199.8-200.2

b) ¿Cuál es el problema de cada máquina?

R=
Para la maquina No. 1
• El problema es su poca precisión en el corte
• La poca inspección en el proceso.
Para la Maquina No.2
• El cuidado a la hora de realizar el corte.
c)Vuelva a analizar el histograma realizado en el ejercicio 20 inciso c) y vea
si de alguna forma se vislumbraba lo que detecto con los análisis hechos en
este ejercicio.
R=Si se podía observar puesto que en el ejercicio 20 se analizaba con una sola
máquina y ahora se analizan como dos máquinas son las mismas medidas solo
que observadas por separado

22. En un área de servicios dentro de una empresa de manufactura se hace

una encuesta para evaluar la calidad de servicio y el nivel de satisfacción de
los clientes internos. La encuesta consiste en 10 preguntas y cada una de
ellas evalúa diferentes aspectos del servicio proporcionado. Para hacer un
primer análisis de los resultados obtenidos se suman los puntos obtenidos

16
de las 10 preguntas para cada cuestionario. A continuación se muestran los
puntos obtenidos en 50 cuestionarios.

a) Analice los datos anteriores y de una primera opinión sobre la calidad en

el servicio.
R= El servicio al cliente en esta compañía es decepcionante. Las puntuaciones
son muy bajas lo que refleja obviamente un problema en el servicio
b) Realice el histograma e interprételo con cuidado.
R=
Media = 59.8
Mediana = 58.50
Moda = 42,78
Desviación Estándar = 21.13
Rango = 62

17
Según las medidas de dispersión y de tendencia central el proceso está fuera de
control los datos están dispersos la diferencia del dato mayor y el menor es de 62.
c) ¿Qué es lo más destacado que observa en el histograma?
R= Hay una gran cantidad de clientes insatisfechos y otra concentración
conformes
d) ¿Tendría alguna utilidad hacer un análisis por separado de cada una de
las preguntas? Explique sus respuestas.
Sí, porque cada cliente podría expresar con sus palabras la manera que podría
satisfacer sus necesidades. Utilizamos este histograma para tener una idea
general.
23. Un aspecto importante en la fabricación de estatores es el diámetro
exterior del embobinado. En seguida se muestran los datos obtenidos en la
inspección de esta variable. Considerando que el diámetro exterior debe ser
menor que 119.0, haga un análisis detallado de los datos para evaluar la
variabilidad y tendencia central del proceso.

18
Media 118.134
Mediana 118.160
Moda 118
Desviación estándar 0.2234
Rango 0.81
Clases 7
Límite inferior 117.69
Límite superior 118.5

19
La mediana muestral es menor a los 119 por lo que se está cumpliendo con los
estándares especificados. Al igual la mediana es menor a los 119 y la moda nos
da 118, estos datos verifican que la se cumple con las tolerancias mínimas
A) Estratificación

1. Sobre la estratificación, conteste:

A) ¿Cuál es el propósito de esta herramienta básica?
R= Estratificar es analizar problemas, fallas, quejas o datos, clasificándolos
o agrupándolos de acuerdo con los factores que, se cree, pueden influir en
la magnitud de los mismos, a fin de localizar buenas pistas para mejorar un
proceso. Por ejemplo, los problemas pueden analizarse de acuerdo con
tipo de fallas, métodos de trabajo, maquinaria, turnos, obreros, materiales o
cualquier otro factor que proporcione una pista acerca de dónde centrar los
esfuerzos de mejora y resultados son las causas vitales.
B) ¿Cómo ayuda a encontrar las causas de un problema?
R= Identificando el grado de influencia de ciertos factores en el resultado de
un proceso
2. En una empresa se tiene el problema de pérdida de materiales,
componentes y equipos; se sospecha de robo hormiga por parte de
los empleados. Actualmente se llevan registros de los artículos
extraviados; de ahí se puede obtener el tipo de producto, el
departamento al que pertenecen, etc. Considerando esto, explique
cómo aplicaría la estratificación para aprovechar estos registros y
diseñar una estrategia para atender el problema.

20
 R= yo usaría la estratificación para saber los artículos que han sido
extraviados y a qué área pereceen dichos artículos, se sospecha que es
robo hormiga por parte de los empleados, se puede observar a los
empleados que laboran en esas áreas, se puede llegar más pronto a la
solución de quienes están robando.
3. Uno de los principales problemas financieros de una empresa es la
morosidad y retraso de pagos de las ventas bajo alguna modalidad de
crédito a los clientes. Sobre el problema se ha platicado mucho, e
incluso se ha propuesto dejar de vender a crédito. Explique cómo
ayudaría la estratificación a analizar el problema con mayor detalle y a
decidir en base de datos.
R= Opino que la estratificación ayudaría a poder agrupar datos y poder
descubrir qué tipo de personas con ciertas características, tienden a no
pagar los créditos, al descubrir esas características, el banco puede
generar una lista donde aquellas personas que cumplan con esas
características se les negaran los o el crédito, ya que esas personas con
esas características tienden a no pagar o retrasar su pago.
4. En un área de servicios dentro de una empresa de manufactura se
hace una encuesta para evaluar la calidad del servicio y el nivel de
satisfacción de los clientes. La encuesta consiste en 10 preguntas que
evalúan diferentes aspectos del servicio proporcionado. Las
respuestas para cada pregunta es un número entre 0 y 10. Para hacer
un primer análisis de los resultados obtenidos se suman los puntos
obtenidos de las 10 preguntas para cada cuestionario. A continuación,
se muestran los puntos obtenidos en 50 cuestionarios.
78 78 82 85 81 86 80 73
84 78 68 84 75 78 76 76
82 85 91 80 70 87 77 82
48 48 49 39 39 43 35 42
34 44 49 34 30 43 31 34
41 42 45 42 35 38 39 42
43 29

a) Considerando que los primeros 25 cuestionarios provienen de un

departamento y los restantes 25 de otro, realice un análisis
estratificado por departamento en el que se calculen los
estadísticos básicos: media, mediana, desviación estándar, etc.
R=
Media 59.80
Moda 4
Mediana 58.50
Desviación estándar 21.13

21
 b) ¿Cuáles son sus observaciones más importantes acerca del
análisis hecho antes?
R= Se nota que los 50 resultados de las encuestas están divididos en
dos grupos, en un grupo donde conlleva la nota más baja que es entre
26.92 a 51.02 y el segundo grupo está entre 62.81 a la nota más alta
que es 92.8. Lo que más resalta del histograma es que los resultados
que mayor se repite esta con un puntaje inferior del 50%. Son muy
poco lo que llegaron a la nota más alta.
c) Al enfocarse en el departamento con mayores problemas, ¿sería
de alguna utilidad estratificar los datos por pregunta? Explique su
respuesta.
R= En este caso sería recomendable de clasificar de nuevo los datos
para analizar el problema, las fallas, las quejas o datos para clasificarlos
de acuerdo con los factores que se cree que pueden influir en su
magnitud, esto se hace con el fin de localizar la mejor manera para
resolver el problema.
5. En el departamento de policía de una ciudad se lleva un registro de las
denuncias de diferentes tipos de delitos. Proponga cómo haría un
análisis estratificado de estos registros para enfocar mejor las
estrategias para la prevención de los delitos en las diferentes zonas de
la ciudad.
R= Yo categorizaría los incidentes que ocurren por las diferentes zonas que
hay, con la siguiente tabla
Delitos
Tipo de delito Zona a Zona b Zona c
Robo
Secuestro
Homicidio
Extorción
fraude

6. Con el objetivo de dirigir mejor los esfuerzos de mantenimiento

preventivo en una empresa del área electrónica, se analiza el tiempo
caído de los equipos de impresión. Estos equipos se identifican por la
línea de producción en la que está instalados. En la tabla se muestran
los tiempos caídos (desperdiciados) en minutos debido a las últimas
100 fallas de los equipos, durante un periodo de cuatro meses.
Línea Tiempo Línea Tiempo Línea Tiempo Línea Tiempo
101 15 103 5 102 25 104 5
101 20 103 90 102 98 104 15
101 0 103 65 102 20 105 15
101 10 103 20 102 15 105 60

22
101 10 103 13 102 10 105 30
101 10 103 5 102 30 105 20
101 10 103 20 102 1 105 38
101 35 103 35 102 18 105 160
101 90 103 20 102 15 105 85
101 5 103 10 102 11 105 20
101 20 103 135 102 45 105 10
101 50 103 5 102 55 105 30
101 32 103 0 102 40 105 90
101 30 103.5 5 102 55 106.5 40
101 40 103.5 50 102 0 106.5 15
101 40 103.5 30 102 0 106.5 110
101.5 35 103.5 5 102 38 107 30
101.5 45 103.5 10 102 72 108 150
101.5 50 103.5 25 102 15 108 65
101.5 10 103.5 181 102 34 108 30
101.5 2 103.5 28 102 15 108 4
101.5 15 103.5 15 102 30 108 15
102 11 103.5 20 102 65 109 15
102 10 103.5 40 102 20 109 40
102 30 104 15 102 30 109 11

Defecto frecuencia Porcentaje Puntaje Porcentaje

acumulado acumulado
102 808 24.2 24.2
105 558 16.7 41
103 423 12.7 53.7
101 417 12.5 66.2
103.5 409 12.3 78.5
108 264 7.9 86.4
106.5 165 5 91.4
101.5 157 4.7 96.1
otro 131 3,9 - 100
Total

23
sobre los equipos que se deben enfocar más la acción de manteniendo son en las
líneas 102, 105, 103. 101, 103.5

7. Sobre el análisis de Pareto, conteste:

a) ¿Qué es un diagrama de Pareto?
R= Es una técnica gráfica, que consiste en poner de manifiesto los
problemas más importantes sobre los que deben concentrarse los
esfuerzos de mejora y determinar en qué orden resolverlos.
B) ¿En qué consiste el principio de Pareto o Ley 80-20?
R= Se basa en el principio de que, en cualquier distribución, el 80% de los
efectos están producidos por el 20% de las causas
c) ¿La escala izquierda en un DP siempre tiene que estar en frecuencia
de defectos?
R= Si la frecuencia con que se presenta cada defecto. En lugar de la
frecuencia numérica podemos utilizar la frecuencia porcentual.
d)En un análisis de Pareto, en primer lugar, se debe hacer un Pareto
para problemas y después un Pareto de segundo nivel para causas.
Explique en qué consiste cada uno y proporcione un ejemplo para
ilustrarlos.
R= El análisis de Pareto es aplicable a todo tipo de problema: calidad,
eficiencia, conservación de materiales, ahorro de energía, seguridad, etc.
Pareto de problemas: sirve para identificar el grado de los problemas o
fallas de un producto y saber que tan frecuente son esos problemas.
Pareto de causa: sirve para orientarse exclusivamente hacia las búsquedas

24
 de las causas del problema de mayor impacto, se estarán localizando pistas
sobre la causa más importantes a los problemas:
Ejemplo: Un técnico en mantenimiento para una compañía de
comunicaciones celulares desea analizar cuáles son los defectos más
frecuentes que aparecen en las unidades al salir de la línea de producción.
Para esto, comenzó por clasificar todos los defectos posibles en sus
diversos tipos:
 Celular no enciende
 Problemas de soldaduras frías
 Recalienta
 Revestimiento Deficiente
 Defectos superficies externas
 Rayas en las superficies internas
 No funciona
 Al enchufar cargador
 Mal ajustado
 correctamente
 Carcasas con rajaduras
 Leds deficientes
 Otros
Posteriormente, un ingeniero revisa cada aparato móvil a medida que sale de
producción registrando sus defectos de acuerdo con dichos tipos.

25
8. En una fábrica de estatores se registran los diferentes defectos
durante el proceso de manufactura. Algunos de estos defectos se
pueden reprocesar y otros implican desperdicio del producto. Los
datos de dos meses se muestran enseguida.
Defecto en estator Frecuencia
Alambre magnético partido 524
Aterrizado (hi-pot) 448
Cobre raspado 171
Desfasado 593
Lamina levantada 304
Puntas cortas 175
Puntas rotas 210
Total 2425

a) Realice un análisis de Pareto para estos defectos

Defecto frecuencia Porcentaje Puntaje Porcentaje
acumulado acumulado
Desfasado 593 24 24
Alambre 524 22 46
magnético
partido
Aterrizado (hi- 448 18 65
pot)
Lamina 304 13 77
levantada
Puntas rotas 210 9 86
Puntas cortas 175 7 93
Cobre raspado 171 7 100

26
 Total 100 -

b) Del total de defectos, 1218 ocasionaron que ya no fuera posible

reprocesar el producto, lo que implica un costo unitario de 7.50
dólares; mientras que se pudo reprocesar 1213 con un costo
unitario de 1.50 dólares. Estime el costo anual que generan
estos desperdicios y reprocesos.
R=

Tipo de pieza Costo Costo Total

Reprocesable 1213 1.50 1819.5
No reprocesable 1212 7.50 9090.0
Total 10909.5

El costo estimado de desperdicios y reprocesos por bimestre en esta

empresa debido a reprocesos y desperdicios sería de $10,909.50
El costo estimado de desperdicios y reprocesos sería de $ 65457

9. En un proceso de ensamble (soldado) un diodo emisor de luz

ensamble (soldado) un diodo emisor de luz (LED) en las tarjetas(LED)
en las tarjetas de circuito impreso(PBC) (vea Baez y colaboradores,
2010), se de circuito impreso(PBC) (vea Baez y colaboradores, 2010),
se tiene diferentes tiene diferentes problemas o defectos.
Los datos de inspección se muestran en la siguiente tabla en la
siguiente tabla.
Defecto frecuencia Porcentaje Puntaje Porcentaje
acumulado acumulado
Coplanaridad 202,448 40 40
Resistencia 152,612 30 70
Exceso de 95,777 19 89

27
 epox
Apariencia 32,623 6 95
Otros 27,434 5 100
Total 510,894 100 -

Con base en la gráfica, podemos ver que los defectos prioritarios son:
Coplanaridad, la resistencia y el exceso de epoxy, la empresa debe enfocar
en resolver esos defectos que generan el 80% de los fallos en los circuitos
10. En una fábrica de válvulas se está buscando reducir la cantidad de
piezas defectuosas. Cada molde está dividido en tres zonas, cada una
de las cuales incluye dos piezas. Como punto de partida se recaban
datos mediante la hoja de verificación de la tabla 10.5, en la cual se
especifica el tipo de problemas, el producto y la zona del molde. La
tabla 10.5 muestra los datos obtenidos en dos semanas.
a) Realice un análisis de Pareto completo.

28
 Causa Frecuencia Porcentaje Puntaje Porcentaje
Acumulado acumulado
Porosidad 75 51.4 75 51.4
Llenado 44 30.1 119 81.5
maquinados 18 12.3 137 93.8
ensamble 9 6.2 146 100

Porosidad llenado maquinados ensamble

b) ¿Cuál es el problema más importante?

R= El problema más importante es la porosidad, como hemos hecho el
análisis de Pareto de producto y por zona en ambos da un mismo resultado
en el análisis de Pareto.
c) ¿Cuáles son las principales pistas para encontrar la causa del
problema principal?

29
 R= La causa del problema lo encontramos en el producto A4 y en la zona 3,
porque en estos es donde se encuentra la mayor porosidad.

11. En una empresa de artes gráficas se usa un sistema para el registro

de las reclamaciones de los clientes. El reporte de los reclamos de
seis meses se muestra en la siguiente tabla.
Motivo de la Numero de Costo relativo Costo total
reclamación reclamos
Daños en el 2 3 6
transporte
Defectos en el 6 10
color
Encuadernizacion 4 2
Defectuosa
Entrega retasada 13 1
Errores en el 5 3
corte
errores en el texto 15 4
Errores en la 4 1
facturación
Mal troquelado 2 8
Mala calidad del 3 3
papel
Manchas en 7 2
trabajo fina
Motas (impresión 13 2
no homogénea)
otros 10

a) Haga un análisis de Pareto considerando solo el número de

reclamos e interprete

Causa Frecuencia Porcentaje Puntaje Porcentaje

Acumulado acumulado
errores en el 15 18 15 18
texto
Entrega retasada 13 15 28 33
Motas (impresión 13 15 41 49
no homogénea)
otros 10 12 51 61
Manchas en 7 8 58 69
trabajo fina
Defectos en el 6 7 64 76
color

30
 Errores en el 5 6 69 82
corte
Encuadernizacio 4 5 73 87
n Defectuosa
Errores en la 4 5 77 92
facturación
Mala calidad del 3 4 80 95
papel
Daños en el 2 2 82 98
transporte
Mal troquelado 2 2 84 100
Total 84 100 168

En este diagrama se puede observar que de las 12 variables que se toman en

cuenta para el análisis basado en el número de reclamos, 6 motivos de reclamos
representan el 76% del porcentaje acumulado. Siendo el defecto de errores en el
texto el cual debería aplicar la acción de mejora. Es necesario realizar otro análisis
tomando en cuenta otros criterios para determinar correctamente en cual tipo de
reclamo debe enfocarse la acción de mejora
b) Obtenga un diagrama de Pareto, pero ahora considerando tanto
el número de reclamos como el costo relativo. Interprete
R=
Motivo de la Numero de Costo relativo Costo total
reclamación reclamos
Daños en el 2 3 6

31
transporte
Defectos en el 6 10 60
color
Encuadernación 4 2 8
Defectuosa
Entrega retasada 13 1 13
Errores en el 5 3 15
corte
errores en el texto 15 4 60
Errores en la 4 1 4
facturación
Mal troquelado 2 8 16
Mala calidad del 3 3 9
papel
Manchas en 7 2 14
trabajo fina
Motas (impresión 13 2 26
no homogénea)
otros 10

Causa Frecuencia Porcentaje Puntaje Porcentaje

Acumulado acumulado
Defectos de color 60 26 60 26
Errores en el 60 26 120 52
texto
Motas 26 11 146 63
Mal troquelado 16 7 162 70
Errores de corte 15 6 177 77
Manchas en 14 6 191 83
trabajo final
Entrega 13 6 204 88
retrasada
Mala calidad del 9 4 213 92
papel
Encuadernación 8 3 221 96
defectuosa
Daños de 6 3 227 98
transporte
Errores de 4 2 231 100
facturación
otros 0 0 - -
Total 231 100 - -

32
 El diagrama de Pareto basado en el costo total resultado de la
multiplicación del número de reclamos por el costo relativo nos dice
que los defectos de color y los errores de texto son los dos defectos
que causan mayor pérdida para la empresa, en seguida las motas, el
mal troquelado y los errores de corte. Estas variables representan el
77% acumulado del costo total de las reclamaciones que hicieron los
clientes a la empresa en seis meses.

12. Mediante un análisis, se ha detectado que en una empresa se tienen

seis tipos básicos de quejas de los clientes, pero cada tipo causó
diferente grado de insatisfacción o molestia en el cliente. La escala
que se ha utilizado para medir el grado de molestia es el siguiente:
máxima molestia (10 puntos), mucha insatisfacción (8), molestia
moderada (6), poca (4), muy leve (2). Además, en el análisis se
determinó la frecuencia con la que han ocurrido las distintas quejas en
el último semestre. La tabla siguiente sintetiza los resultados de tal
análisis: Realice un análisis de Pareto para determinar sobre qué tipo
de queja se deben dirigir los esfuerzos para atender sus causas.
Aplique la característica 2 del diagrama de Pareto.

33
Tipo de queja Grado de Frecuencia de Frecuencia por
molestias ocurrencia molestia
C 2 40 .8
D 6 25 1.5
A 4 12 .48
E 4 10 .4
F 8 8 .64
B 8 5 .4
TOTAL 32 4.22

Tipo de Frecuencia % Puntaje Porcentaje

queja por molestia acumulado acumulado
D 1.5 36 1.5 36
C .8 19 2.3 55
F .64 15 2.94 70
A .48 11 3.42 81
B .4 9 3.82 91
E .4 9 4.22 100
TOTAL 4.22 100

34
Los tipos de quejas que se deben dirigir los esfuerzos para atender sus causas
son el tipo A, B y C; debido a la gráfica encontrada anteriormente.

13. De acuerdo con la información de una hoja de verificación en una línea de

proceso de envasado de tequila, se presentaron en el último mes los
siguientes resultados en cuanto a defectos y frecuencia:

Realice un diagrama de Pareto y saque conclusiones.

Tipo de Frecuencia % Puntaje Porcentaje
defecto acumulado acumulado
Etiqueta 1823 35.7 1823 35.7
Botella sin 916 18 2739 53.7
viguesas
Botella 804 15.8 3543 69.4
Contra 742 14.5 4285 84
etiqueta

35
 Tapa 715 14 5000 98
Otros 102 2 5102 100
Total 5102 100 - -

14. En una empresa procesadora de carnes frías se detectan, mediante

inspección, los problemas en las salchichas. En la tabla 10.6 se muestran
los resultados de una semana.

a) Considerando que la gravedad de los tres problemas es la misma,

realice un análisis de Pareto para problemas y detecte cuál es el más
trascendente.

36
 Tipo de Frecuencia % Puntaje Porcentaje
defecto acumulado acumulado
Falta de 38320 84.8 38320 84.8
vacio
Mancha 4005 8.9 42325 93.7
verde
Mancha 2839 6.3 45164 100
amarilla
Total 45164 100 -

La gravedad de los problemas desde el punto de vista del cliente es la falla al vacío.

b) Respecto al problema más trascendente, haga Paretos de segundo nivel

(causas) tanto por máquina como por turno.

Tipo de Frecuencia % Puntaje Porcentaje

defecto acumulado acumulado
C 19744 43.7 19744 43.7
A 13300 29.4 33044 73.2
B 12120 26.8 45164 100
Total 45164 100 - -

37
los problemas más trascendentales en una empresa procesadora de carnes fritas se
deben a las maquinas empacadoras C y A.

15. Resuelva el problema anterior considerando que la gravedad de los

problemas desde el punto de vista del cliente es la siguiente: falta de vacío
(4), mancha verde (10), mancha amarilla (8).

Tipo de Frecuencia % Puntaje Porcentaje

defecto acumulado acumulado
Mancha 10 45.5 10 45.5
verde
Mancha 8 36.4 18 81.8
amarilla
falta de 4 18.2 21 100
vacío
Total 21 100 -

38
La gravedad de los problemas desde el punto de vista del cliente son las manchas
verdes

16. En la tabla de abajo se muestra la frecuencia de los defectos terminados de

una fábrica de muebles.

Costo
Defectos en muebles Frecuencia relativo por Costo total
proceso
Madera abierta 20.7 9.3 192.5
Golpes 17.9 10 179
Nudos visibles 13.9 8.3 115
Uniones abiertas 12.2 8.3 101.26
Resanes visibles 9.1 5.2 47.32
Resanes mal
trabajados 8.9 8.3 66.4
Defectos por acabado 6.7 1.7 11.39
Piezas mal asentadas 4.5 6.2 27.9
Resistol chorreado 3.9 6.9 26.91
Piezas mal lijadas 3.1 2.4 7.44

a) Haga un análisis de Pareto considerando solo la frecuencia de los defectos,

interprete.

39
 Defecto Frecuencia Porcentaje Puntaje Porcentaje
acumulad acumulad
o o
Madera abierta 20.7 20.52% 20.7 20.52%
Golpes 17.9 17.74% 38.6 38.26%
Nudos visibles 13.9 13.78% 52.5 52.03%
Uniones abiertas 12.2 12.09% 64.7 64.12%
Resanes visibles 9.1 9.02% 73.8 73.14%
Resanes mal 8.9 8.82% 82.7 81.96%
trabajados
Defectos por acabado 6.7 6.64% 89.4 88.60%
Piezas mal asentadas 4.5 4.46% 93.9 93.06%
Resistol chorreado 3.9 3.87% 97.8 96.93%
Piezas mal lijadas 3.1 3.07% 100.9 100.00%
Total 100.9      

b) Obtenga un diagrama de Pareto pero ahora considerando tanto la

frecuencia como el costo relativo
Costo relativo
Defectos Costo relativo Porcentaje Puntaje Porcentaje
por proceso acumulado acumulado
Golpes 10 15.02% 10 15.02%
Madera abierta 9.3 13.96% 19.3 28.98%
Nudos visibles 8.3 12.46% 27.6 41.44%
Uniones abiertas 8.3 12.46% 35.9 53.90%
Resanes mal trabajados 8.3 12.46% 44.2 66.37%

40
Resistol chorreado 6.9 10.36% 51.1 76.73%
Piezas mal asentadas 6.2 9.31% 57.3 86.04%
Resanes visibles 5.2 7.81% 62.5 93.84%
Piezas mal lijadas 2.4 3.60% 64.9 97.45%
Defectos por acabado 1.7 2.55% 66.6 100.00%
Total 66.6      

c) ¿A que defecto se debe enfocar la acción de mejora?

R= Se deben enfocar los golpes, la madera abierta, nudos visibles, uniones
abiertas ya que estos coinciden en los dos gráficos.

17. Sobre las hojas de verificación conteste:

a) Cual es el objetivo de esta herramienta básica ?
R= Su objetivo primordial es lograr que el recolector de la información
esté en capacidad de reunir y organizar datos en un formato tal que les
permita un análisis eficiente y fácil.
b) Señale los distintos tipos que existen
R= Hoja para registros de datos, Hoja de Localización y Lista de
Verificación
c) ¿Qué otro nombre recibe?
R= Checklist

41
18. En la hoja de verificación de la tabla 10.1 no es posible analizar la manera
en la que influye el turno en el problema principal. Proponga un bosquejo de
cómo rediseñaría tal formato para que esto sea posible.
Turno Razón de Depto. Depto. Depto. total
rechazo piezas piezas Piezas
chicas medianas grandes

Total

19. Diseñe una hoja de verificación para analizar la distribución del grosor de
las láminas de asbesto considerando que el espesor ideal es de 5mm con
tolerancia de +-0.8 vea la tabla 10.4.

Hoja de verificación
Nombre del inspector a cargo:
Producto:
Fecha
Defectos Frecuencia
Laminas muy delgadas
Laminas muy gruesas
Poa resistencia al calor
Dificultad de
perforación
Poco comprensible
Total

20. En un área de maquinado en una fábrica de válvula existen 3

máquinas para hacer roscas, en las cuales trabajan 5 personas. Se
han presentado problemas con el número de piezas defectuosas en
dicha área. Los directivos presionan a los empleados culpándolos de
problemas de calidad. Los trabajadores por su parte se quejan con los
directivos de que las maquinas son muy viejas y que por eso surgen
los problemas. ¿Cómo aplicaría la hoja de verificación para aclarar la
situación?
R= Observaría mediante una hoja de verificación si los defectos son
provienen de los empleados o de la máquina.
21. En una empresa que fabrica colchones existen 4 tipos básicos de
defectos: plisado, hilvanado, fuera de medida y manchas. La

42
 fabricación se hace mediante cinco maquinas. Diseñe una hoja de
verificación para registrar los defectos cuando se hace la inspección.
Defecto Máquina Máquina Máquina Máquina Máquina
1 2 3 4 5
Plisado
Hilvanad
o
Fuera de
medida
Manchas
Total

43
44
Diagrama “Causa-Efecto” Método del Flujo de Proceso (Sopa de Arroz)

45
 Ejercicios dispersión
6. Como parte del análisis del problema de ausentismo se decide investigar
la relación entre la edad del empleado y los días que falto a laborar en el año.
Los datos del último año se muestran en el recuadro de abajo  
Empleado   Edad   Faltas  
1  29  6 
2  33  5 
3  40  0 
4  23  8 
5  31  6 
6  20  9 
7  30  5 
8  38  5 
9  23  8 
10  25  6 
11  26  7 
12  30  5 
13  42  2 
14  34  5 
15  31  6 
16  18  11 
17  33  6 
18  33  4 
19  33  5 
20  32  5 
 

A. Mediante un diagrama de dispersión analice la relación entre las dos

variables  
Valores Y
12

10

0
  15 20 25 30 35 40 45

B. ¿Qué tipo de relación observa y cuales son algunos hechos

especiales? 

46
 R= Podemos observar que existe una mediana relación entre las faltas de
los empleados de acuerdo a su edad, entre más jóvenes son estos es más
común que falten  
C. Calcule el coeficiente de correlación e interprételo  
Coeficiente de -
relación  0.44246206 
R= Existe una tendencia que entre más joven sea el empleado tendrá más faltas. 
 
7. En un proceso de manufactura de tarjetas electrónicas se quiere
investigar la relación entre X : rendimiento de pruebas (yield ), y Y :
desperdicio (scrap). Los datos obtenidos son los siguientes.
x y x Y
89.1 2116 89.8 2984
92 1531 91.5 1380
90.1 2717 91 2545
89.5 2004 91.8 1611
88.5 3477 86.7 4814
87.9 3860 89.9 1827
91.7 1947 90.3 3071
91.8 1594 88 4015
91.5 2059 91.1 1975
88.9 2880 90.8 2352

¿Qué tipo de relación existe entre las variables? Apóyese en un diagrama de

dispersión y el coeficiente de correlación

yield y Scrap
6000

5000

4000

3000

2000

1000

0
86 87 88 89 90 91 92 93

47
R= El coeficiente de correlación es r = -0.87566819
La correlación es fuerte.
8. En una fabrica de pintura se quiere reducir el tiempo de secado de barniz.
Los siguientes datos corresponden al tiempo de secado del barniz y a la
cantidad de aditivo con el que intenta lograr tal reducción.
Aditivo Tiempo de secado
0 14
1 11
2 10
3 8
4 7.5
5 9
6 10
7 11
8 13
9 12
10 15

A) Mediante un diagrama de dispersión, observe la relación entre el

tiempo desecado y la cantidad de aditivo utilizado.

B) Con base en la relación ¿alrededor de qué cantidad de aditivo

recomendaríapara reducir el tiempo de secado?
Se recomendaría un aditivo con valor 4

48
 C) Obtenga el coeficiente de correlación entre ambas variables e
interprételo.
Coeficiente de correlación: r= 0.33400118La correlación es débil.
D) Al parecer, el coeficiente de correlación lineal es muy bajo. ¿Quiere
decir entonces que el tiempo de secado no está relacionado con la
cantidad de aditivo?
Se esperaría que sí, por el hecho de que agregar una cantidad mayor de
aditivo requeriría un mayor tiempo de secado, pero observando el
comportamiento en el diagrama de dispersión se puede ver que no están
relacionados
9. En una industria se desea investigar cómo influye la temperatura (°C) en la
presión del vapor de b-trimetilbero. Los datos obtenidos para tal propósito
se muestran a continuación:
No. TEMPERATURA PRESIÓN
Muestra (X) (Y)
1 13 2.9
2 19.5 5.1
3 45.7 30.5
4 56.1 51.4
5 64.4 74.5
6 71.4 100.2
7 80.5 143.7
8 85.7 176.9
9 22.5 8.5
10 27.2 10.3
11 31.8 14.6
TOTAL 517.8 618.6

a. Construya un diagrama de dispersión e interprételo

49
A simple vista se puede observar que la relación es positiva, y que si existe una
relación lineal entre la temperatura y la presión del vapor.
b. Obtenga el coeficiente de correlación y, al interpretarlo compare sus
resultados con lo observado en el inciso a).

No. TEMPERATU PRESIÓN X*Y X2 Y2

Muestra RA (X) (Y)
1 13 2.9 37.7 169 8.41
2 19.5 5.1 99.45 380.25 26.01
3 45.7 30.5 1393.85 2088.49 930.25
4 56.1 51.4 2883.54 3147.21 2641.96
5 64.4 74.5 4797.8 4147.36 5550.25
6 71.4 100.2 7154.28 5097.96 10040.04
7 80.5 143.7 11567.85 6480.25 20649.69
8 85.7 176.9 15160.33 7344.49 31293.61
9 22.5 8.5 191.25 506.25 72.25
10 27.2 10.3 280.16 739.84 106.09
11 31.8 14.6 464.28 1011.24 213.16
TOTAL 517.8 618.6 44030.49 31112.34 71531.72

Coeficiente de 0.947664772
Correlación

Al comparar lo observado en el inciso a y el resultado obtenido podemos

comprobar que, al ser el coeficiente de correlación positivo, la correlación es
directa y como el coeficiente de correlación está muy cerca de 1 la correlación es
muy fuerte.
10. A distintas marcas de autos se les mide su peso en miles de libras y la
cantidad de gasolina (Galones) que necesita para recorrer 100 millas. He
aquí una muestra de 10 autos. 
 
a) Represente estos datos en un diagrama de dispersión y comente qué
tipo de relación se observa. 

Peso Gasolina
3.4 5.5
3.8 5.9
4.1 6.5
2.2 1.9
2.6 3.6
2.9 4.6

50
 2 2.9
2.7 3.6
3.1 3.1
3.4 4.9

Coeficiente de correlación 0.9096

Es una correlación lineal positiva y fuerte

Valores Y
7

0
1.5 2 2.5 3 3.5 4 4.5
 
 
b) Si un auto similar a los considerados pesa 3000 libras, ¿Podría estimar,
con cierta confianza, ¿Cuántos galones consume en 100 millas de recorrido?
explique su respuesta. 
 
 

51
11. En varias ciudades de Europa se recopilaron datos sobre el número de
cigüeñas que anidan y el número de nacimientos de bebés. Cada pareja de
datos reportados en la siguiente tabla representa los totales observados en
nueve localidades con cierto tamaño poblacional:
Número Número
de de
cigüeñas nacimiento
s
(x1,000) (x100,000)
15.65 5.10
18.52 5.42
19.00 5.80
19.52 5.80
21.52 6.21
23.50 6.55
25.90 6.70

a) Dibuje el diagrama de dispersión y obtenga el coeficiente de

correlación. Comente lo que observa

52
 DIAGRAMA DE DISPERSIÓN
8.00

7.00

6.00
Número de Nacimientos

5.00

4.00

3.00

2.00

1.00

0.00
14.00 16.00 18.00 20.00 22.00 24.00 26.00 28.00
Número de cigüeñas

COEFICIENTE DE CORRELACIÓN: 0.97731798

El coeficiente de correlación es de resultado positivo lo que significa que es
creciente.
b) ¿Esta evidencia es suficiente para respaldar la fábula tradicional de
que las cigüeñas traen a los niños?
Se evidencia que existe una fuerte relación entre el número de nacimientos
y el número de cigüeñas, respaldando así el cuento de que las cigüeñas
traen a los niños.
c) ¿Cuál variable subyacente podría estar explicando la relación de
ambas?
La variable subyacente fue interpretada por el modelo de regresión lineal, y
que por cada 2,513 cigüeñas que anidan, existen en varias ciudades de
Europa 16,700 cigüeñas.

4 ejercicio
7. Según la información proporcionada por una carta x-R sobre un proceso de
producción de piezas metálicas, la media de la longitud de tales piezas es de 5 cm y el
rango medio en tamaño de muestra n = 5 es 0.1 resuelva lo siguiente.
a) Estime la desviación estándar del proceso con α= R/d2.
Para n= 5; d2= 2.326
α= 0.1/2.326 = 0.04299 cm

53
B) Obtenga los límites de control para una carta x-R con n= 4, recordando que: αx=α/
√n
α×=α√ n
Cuando n= 4, d2 = 2.059
α= R/d2 = 0.1/2.059 = 0.048
α× = 0.048/4 = 0.012
LCS= μ+3 αx
LCS= 5 + (3) (0.012) = 5.036
LCS= μ+3 αx
LCI= 5 -(3)(0.012) = 4.964
C) Si las especificaciones inferior y superior para esta pieza son 4.8 y 5.2,
respectivamente, calcule los límites reales o naturales y vea si las piezas cumplen con
las especificaciones.
LRI = μ -3σ
LRI = 5- (3)(0.048) = 4.8
LRS = μ +3σ
LRS= 5+ (3) (0.048) = 5.144
Las piezas cumplen con las especificaciones.
D) Para cuantificar la capacidad del proceso, calcule los índices C(p), C(k) y C(pm).
C(PK) = [ (μ-EL/3 σ) (ES- μ/3 σ) ] = { 1.55 , 1.55 } dicho proceso es adecuado
C(P) = ES-EL/6 σ = 1.55
E) ¿Por qué son diferentes los limites obtenidos con b y c?
Porque los límites reales y los de especificación no se supone que sean iguales.
8) el peso ideal de un producto es de 250 g, con una tolerancia de más menos 10, ya
para controlar tal peso se usa una cata de control X-R, a partir de la cual se obtiene
μ = 253 y σ = 5 con estos datos conteste lo siguiente.
a) Que se le controla al peso con la carta X y que con la carta R.
Con la carta X se la variación en la medida de los subgrupos, para así detectar cambios en
la media del proceso.
Con la carta R se controla la amplitud y o magnitud de la variable del proceso

54
b) Considerando un tamaño de subconjunto de 4 y 9, obtenga la línea central y los
límites de control para las correspondientes cartas X.
Los límites de especificaciones son 250 ± 10
Para 4
LCS = μ +3 σ/√ N = 253 + (3) (5/2) = 260
LCI = μ -3 σ/ √ N = 253 –  (3) (5/2) = 245
Para 9
LCS = μ +3 σ/ √ N = 253 + (3) (5/9)= 254.67
LCS = μ -3 σ/ √ N = 253 –  (3) (5/9) = 251.33
La línea central central μ =253
c) Si usando un tamaño de subconjunto de n= 4, se obtienen las siguientes medidas
muéstrales de manera sucesiva 245, 248, 244, 243. El proceso está en control
estadístico. Argumente.  
No puesto que se sale de los límites de control.
9) En relación con el problema anterior.
a) Obtenga los límites naturales del proceso y de acuerdo con estos. Cumplen los
artículos con las especificaciones.
LRI = μ -3 σ = 253 –  3(5) = 238
LRS = μ +3 σ = 253 + 3*5 = 268
b) Calcule los índices Cp , Cpk y Cpm e interprételos.
Cpk = [ (μ-EL/3 σ) (ES- μ/3 σ) ] = { 0.867 , 0.467 } El proceso no es adecuado para el
trabajo.
Cp = ES-EL/6 σ = 0.66
c) Si todas las medidas están dentro de las especificaciones, ¿quiere decir que el
proceso cumple con las especificaciones? Explique su respuesta.  
No necesariamente porque podría cumplir con los límites de especificaciones, pero no
control de control y tarde o temprano el proceso comenzara a variar
desproporcionadamente.
d) Si todos los promedios caen dentro de los límites de control en la carta ¿Eso quiere
decir que se cumple con las especificaciones?
Si cumple con las especificaciones establecidas

55
56
Gráficas de control
Ejercicio 11
Una fábrica de autopartes ha tenido problemas con la dimensión de cierta barra de acero en
el momento de ensamblarla, por lo que se decide colectar datos para analizar el proceso
correspondiente. La longitud de la barra es de 100 mm, con una tolerancia de ± 2 mm.
Cada dos horas se toman cinco barras consecutivas y se miden. Los datos obtenidos (en
mm) en una semana se muestran en la tabla 14.9

57
 a) Obtenga una carta X e interprétela

Gráfico X
103.50
103.00
102.50
102.00
101.50
101.00
100.50
100.00
99.50
99.00
98.50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Media x LCx LSx Lix

Interpretación
En simple vista se puede observar que la muestras están muy dispersas ya que, varias
muestras están fuera de los limites de control, eso quiere decir que no hay un control
estadístico del proceso.

b) Interprete los limites de control y establezca la diferencia conceptual de éstos con

las especificaciones
Limites
CARTA X
LCSx= X + A2*R LCSx= 100.29 + 0.167* 2.88= 100.7686864
LCIx= X – A2*R LCIx = 100.29 – 0,167*2.88= 99.80767727
LCx= 100.29
CARTA R
LCSr= D4 * R LCSr= 1.565 * 2.88= 4.50293182
LCIr= D3 * R LCIr = 0.435 * 2.88= 1.25161364

58
LCr= 2.136

Al Gráfico R
5.0

4.5

4.0

3.5

3.0

2.5

2.0

1.5

1.0

0.5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Rangos LCr LSr Lir

obtener los limites de control y comparándolos con las especificaciones se puede apreciar
que la diferencia entre estos es algo notoria, se puede decir que en el caso de las
especificaciones las muestras sobrepasan el límite de las especificaciones, por lo que el
proceso no se encuentra bajo control.
c) Mediante la carta R investigue si el proceso estuvo en control estadístico en cuanto
a la variabilidad
A simple vista se puede observar que la variabilidad del proceso tampoco está en control
estadístico, ya que una de las muestras está por fuera de los límites de control y la
variabilidad de las demás tienen tendencia hacia los limites superiores e inferiores, lo que
quiere decir que existe una gran dispersión y hay algo que está generando anomalías.
d) Explique con sus palabras cuál es la diferencia entre lo investigado en a y c
En el punto (a) se investiga los cambios en el proceso y su estabilidad de manera oportuna a
través del análisis de la media mientras que en el punto (c) se investiga la variabilidad del
proceso. En ambos casos los valores deben quedar entre los límites de control siempre y
cuando el proceso no tenga cambios importantes.
e) Para continuar con el uso de la carta de control ¿Qué límites de control propondría?
Debido a que en la carta X se observan valores fuera de los límites de control, no se
recomienda utilizar a futuro estos límites para esta carta, en su lugar se propone investigar
las causas que los originaron y excluir estos datos. Los límites nuevos propuestos son
101.69 y 98.37.

59
 f) Analice la capacidad del proceso. Para ello:
f.1 obtenga un histograma e inserte tolerancias

f.2 calcule los índices C

g) ¿Cuáles son sus conclusiones generales tanto en lo referente a la estabilidad del

proceso como a su capacidad?
En conclusión, se puede decir que no existe un control estadístico del proceso. Se puede
apreciar que no hay estabilidad en el proceso, ya que la varias de la muestra se encuentran
por fuera de los límites de control. El histograma muestra que el proceso no es capaz de
cumplir con las especificaciones.
Ejercicio 12
En una empresa fabricante de corcholatas o tapas metálicas para bebidas gaseosas, un
aspecto importante es la cantidad de PVC que se lleva cada corcholata, la cual determina el
espesor de la película que hace que la bebida quede bien cerrada. El peso de los gránulos de
PVC debe estar entre 212 y 218 mg. Si el peso es menor a 212, entonces, entre otras cosas,
la película es muy delgada y eso puede causar figas de gas en la bebida. Si el peso es mayor
que 218 mg, entonces se gasta mucho PVC y aumentan los costos. Para asegurar que se
cumplen con las especificaciones, se usa ordinariamente una carta de control: cada 30
minutos se toma una muestra de cuatro gránulos consecutivos de PVC y se pesan. En la
tabla 14.10 se muestran las ultimas 25 medias y rangos obtenidas del proceso.

60
 a) Calcule los límites de una carta X- R y obtenga las cartas
CARTA X
LCSx= X + A2*R LCSx= 213.966 + 0.153* 2.136= 214.292408
LCIx= X – A2*R LCIx = 213.966 – 0.153*2.136= 213.638792
LCx= 213.966
CARTA R
LCSr= D4 * R LCSr= 1.541 * 2.136= 3.291576
LCIr= D3 * R LCIr = 0.459 * 2.136= 0.980424
LCr= 2.136

Gráfico X
214.8

214.6

214.4

214.2

214

213.8

213.6

213.4

213.2

213
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

MEDIA LCx LSx Lix

61
 b) Interprete las cartas (puntos fuera, tendencias, ciclos, etcétera).
A simple vista se puede observar que el punto 12 y 13 se encuentran fuera del los limites
superior e inferior, mientras que el punto 15, 17 20 y 25 tienen tendencia hacia le limite
inferior. Los puntos 4, 6, 8, 10, 11, 16 y 21 se encuentran más cercanos a la media y los
puntos 14 y 24 tienen tendencia hacia el límite superior.

c) ¿El proceso muestra una estabilidad o estado del control estadístico razonable?
No, ya que las muestra tiene una gran dispersión y algunas de ellas se encuentran por fuera
de los límites de control, lo que quiere decir que no existe un control estadístico del
proceso. Sin embargo, todas las muestras cumplen con las especificaciones del proceso.
Ejercicio 13
En relación con el ejercicio 12, analice la capacidad del proceso, para ello:
a) Estime la desviación estándar del proceso

R
σ=
d2
= 2.136
3.931
= 0.5433

b) Calcule los limites reales del proceso e interprételos

LRS = μ +3σ
LRS = μ - 3σ
LRS= 213.966 + 3 (0.5433) =215.5959 LRS= 213.966 – 3 (0.5433) =212.3361

c) Calcule índices Cp, Cpk, Cpm ,

LES−LEI 218−212
Cp= 6σ
Cp= 6(0.5433)

Cp= 1.84
LSE−μ
CPs = 3σ
CPs = 2.4750

62
 μ−LIE
CPi= 3σ
CPi= 1.2062

Cpk= Min (CPs, CPi) = 1.2062

LES−LEI
Cpm =
√( 0.5433 ) +¿ ¿ ¿
6 2

Cpm= 6.65

63
18. En un proceso químico se mide su rendimiento logrado en cada lote. Procesar un lote
incluyendo todas sus etapas lleva actualmente, en promedio, 13 horas. Se decide implementar una
carta de control para el tiempo de proceso y otra para el rendimiento.
a) ¿Para qué sería útil una carta de control en estos casos?
Una carta de control sería útil en estos casos para analizar la variabilidad y el
comportamiento del proceso a largo plazo.
b) ¿Específicamente qué carta de control es la apropiada para estas variables?
Para un producción de periodos muy largos o lentos es apropiado usar una carta de
controles individuales.
c) Si el tiempo de proceso de un lote es mayor que 13 horas, ¿eso quiere decir que alguien
hizo las cosas muy lentamente?
Sí, puede ser debido a un operario nuevo, falta de supervisión e incluso problemas de
materiales o equipos que se utilizan en el proceso.
d) ¿Cómo detectaría si el tiempo de proceso ha bajado o subido?
Recopilando información de medición por periodos, graficando un diagrama
individual para tiempo y analizando s es que se encuentra dentro de los limites de
tiempo o si tienen puntos especiales que indicarían si el tempo del proceso de ha
excedido o disminuido.
e) ¿Explique de manera general lo que se tendría que hacer para establecer los límites de
control para el tiempo y para el rendimiento?
Recopilar datos y examinar diagramas individuales de tiempo y rendimiento, analizar
los puntos comunes y especiales e identificar de dónde provienen para eliminarlos o
mejorarlos.

64
19. La pureza de un proceso químico se mide para cada lote, y los datos obtenidos se registran en
una carta de individuales. Actualmente se tiene que límites de control para dicha carta son los
siguientes:
LCS=0.92
Línea central=0.86
LCI=0.80
a) Bajo el supuesto de que el proceso está en control estadístico, explique de manera sencilla
el significado práctico de estos límites.
Permiten ver de una manera separada los proceso, por lo cual se deberá aplicar de
nuevo los límites de control después de eliminar los factores negativos.
b) Si la pureza de los últimos 10 lotes es la siguiente: 0.90, 0.85, 0.83, 0.82, 0.84, 0.84, 0.85,
0.81, 0.83 y 0.82, grafíquelos en la carta y explique lo que ha pasado en el proceso.

Al observar las gráficas individuales se puede observar que en el valor 0.9 causa un
desperfecto en el proceso y debe ser cambiada para alcanzar una pureza en todas las
partes del proceso.
c) Se sugiere que el límite de control inferior sea igual a 0.84, ya que se tiene la exigencia por
parte de la administración de que esa sea la pureza mínima tolerable del proceso. ¿Es
correcta esta sugerencia?
No, ya que ese límite se encuentra en un momento comprometido porque el
proceso busca la estabilidad y no desenvolverse en un área que lo llegue a perjudicar.

65
20. En una empresa, los gastos por consumo de agua son considerablemente altos, por lo que se
decide establecer una carta de individuales con el propósito de detectar anormalidades y buscar
reducir el consumo. Se tomará la lectura al medidor de agua todos los lunes para cuantificar el
consumo de la semana anterior. Los datos (en m 3) obtenidos en 20 semanas se muestra en la tabla
siguiente:

CONSUM
SEMANA O
1 562
2 577
3 536
4 536
5 650
6 525
7 533
8 569
9 563
10 553
11 549
12 480 a) ¿Por qué no es apropiado analizar estos damos mediante una
13 557 carta X −R?
14 555 Porque se dispone de pocas muestras, en este caso hace
15 518 difícil obtener otra medición de consumo de agua, es decir,
16 557 en cada semana sólo se dispone de un dato, por lo tanto las
17 553 cartas más recomendables son la carta de individuales y la
18 540 carta de rangos móviles.
19 517 b) Mediante una carta para individuales y una carta de rangos
móviles, investigue s el consumo de agua estuvo en control
20 571
estadístico.

  X-INDIVIDUAL RANGO MÓVIL

SEMAN CONSUM R LI
A O M LSC LC LIC LSC LC C
0.0
1 562   664.81 550.05 455.29 116.41 35.63 0
0.0
2 577 15 664.81 550.05 455.29 116.41 35.63 0
0.0
3 536 41 664.81 550.05 455.29 116.41 35.63 0
0.0
4 536 0 664.81 550.05 455.29 116.41 35.63 0
0.0
5 650 114 664.81 550.05 455.29 116.41 35.63 0
0.0
6 525 125 664.81 550.05 455.29 116.41 35.63 0
0.0
7 533 8 664.81 550.05 455.29 116.41 35.63 0

66
 0.0
8 569 36 664.81 550.05 455.29 116.41 35.63 0
0.0
9 563 6 664.81 550.05 455.29 116.41 35.63 0
0.0
10 553 10 664.81 550.05 455.29 116.41 35.63 0
0.0
11 549 4 664.81 550.05 455.29 116.41 35.63 0
0.0
12 480 69 664.81 550.05 455.29 116.41 35.63 0
0.0
13 557 77 664.81 550.05 455.29 116.41 35.63 0
0.0
14 555 2 664.81 550.05 455.29 116.41 35.63 0
0.0
15 518 37 664.81 550.05 455.29 116.41 35.63 0
0.0
16 557 39 664.81 550.05 455.29 116.41 35.63 0
0.0
17 553 4 664.81 550.05 455.29 116.41 35.63 0
0.0
18 540 13 664.81 550.05 455.29 116.41 35.63 0
0.0
19 517 23 664.81 550.05 455.29 116.41 35.63 0
0.0
20 571 54 664.81 550.05 455.29 116.41 35.63 0

El consumo de agua no se encuentra bajo control estadístico, en los gráficos se puede

observar que la variación se debe por causas de la mala operación.
c) Explique de manera clara los límites de control que obtenga.

67
 El promedio de los consumos fue de 550.05 m 3 y lo normal sería que variara entre
455.29 m3 y 644.81 m3.
d) Obtenga los límites naturales del proceso.

X-INDIVIDUAL RANGO MÓVIL

LSC LC LIC LSC LC LIC
664.81 550.05 455.29 116.41 35.63 0.00

e) ¿Qué límites de control usaría para analizar datos futuros mediante ambas cartas?
Utilizaría los datos x-individual, ya que estos nos entregan la información del consumo
de agua real obtenido durante la semana.
f) Con base en este estudio inicial, la administración decide impulsar un programa de ahorro
de agua, para lo cual forma un equipo responsable. Este equipo, siguiendo el ciclo PHVA
realiza una serie de modificaciones. El consumo de agua en las siguientes cuatro semanas a
las modificaciones es la siguiente: 510, 460, 420, 505. ¿Existe evidencia de que las
modificaciones dieron resultado? Argumente con base en la carta de control que obtuvo
antes.

Al comparar el consumo de agua durante las próximas semanas con las anteriores, se
observa que no da resultado lograr obtener el consumo de agua bajo control
estadístico, ya que existen datos que están bajo el limite inferior de consumo x-
individual.

68
21. En una empresa de registrar el consumo de energía eléctrica por semana, con el propósito de
conocer la variabilidad, detectar anormalidades y, en lo futuro, poder evaluar el impacto de un
programa de ahorro de energía. Los datos de 22 semanas se muestran en la tabla 14.5.

KW *
SEMANA HORA RANGO
1 5.92  
2 6.73 0.81
3 7.29 0.56
4 5.64 1.65
5 6.4 0.76
6 6.05 0.35
7 6.47 0.42
8 8.8 2.33
9 5.88 2.92
10 6.88 1
11 5.87 1.01
12 5.2 0.67
13 6.39 1.19
14 6.21 0.18
15 5.85 0.36
16 6.5 0.65
17 5.7 0.8
18 7.17 1.47
19 6.32 0.85
20 4.62 1.7
21 6.17 1.55
22 5.41 0.76

a) Mediante la carta apropiada, investigue si en algunas semanas se presentó algún consumo

anormal (grande o pequeño)
R=Ningún consumo anormal

CARTA DE INDIVIDUALES
KW * MEDIA LIMITE LIMITE
SEMANA HORA DATOS SUPERIOR INFERIOR
1 5.92 6.248636364 9.033590771 3.463681956
2 6.73 6.248636364 9.033590771 3.463681956
3 7.29 6.248636364 9.033590771 3.463681956
4 5.64 6.248636364 9.033590771 3.463681956
5 6.40 6.248636364 9.033590771 3.463681956
6 6.05 6.248636364 9.033590771 3.463681956
7 6.47 6.248636364 9.033590771 3.463681956
8 8.80 6.248636364 9.033590771 3.463681956

69
 9 5.88 6.248636364 9.033590771 3.463681956
10 6.88 6.248636364 9.033590771 3.463681956
11 5.87 6.248636364 9.033590771 3.463681956
12 5.20 6.248636364 9.033590771 3.463681956
13 6.39 6.248636364 9.033590771 3.463681956
14 6.21 6.248636364 9.033590771 3.463681956
15 5.85 6.248636364 9.033590771 3.463681956
16 6.50 6.248636364 9.033590771 3.463681956
17 5.70 6.248636364 9.033590771 3.463681956
18 7.17 6.248636364 9.033590771 3.463681956
19 6.32 6.248636364 9.033590771 3.463681956
20 4.62 6.248636364 9.033590771 3.463681956
21 6.17 6.248636364 9.033590771 3.463681956
22 5.41 6.248636364 9.033590771 3.463681956

CARTA DE INDIVIDUALES
10.00
9.00
8.00
7.00
6.00
5.00
4.00
3.00
2.00
1.00
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

KW * HORA LIMITE SUPERIOR LIMITE INFERIOR MEDIA DATOS

CARTA DE RANGOS MOVILES

RANG MEDIA LIMITE LIMITE
SEMANA O RANGO SUPERIOR INFERIOR
1   1.05 3.421015714 0
2 0.81 1.05 3.421015714 0
3 0.56 1.05 3.421015714 0
4 1.65 1.05 3.421015714 0
5 0.76 1.05 3.421015714 0
6 0.35 1.05 3.421015714 0
7 0.42 1.05 3.421015714 0
8 2.33 1.05 3.421015714 0
9 2.92 1.05 3.421015714 0
10 1.00 1.05 3.421015714 0

70
 11 1.01 1.05 3.421015714 0
12 0.67 1.05 3.421015714 0
13 1.19 1.05 3.421015714 0
14 0.18 1.05 3.421015714 0
15 0.36 1.05 3.421015714 0
16 0.65 1.05 3.421015714 0
17 0.80 1.05 3.421015714 0
18 1.47 1.05 3.421015714 0
19 0.85 1.05 3.421015714 0
20 1.70 1.05 3.421015714 0
21 1.55 1.05 3.421015714 0
22 0.76 1.05 3.421015714 0

CARTA DE RANGOS MOVILES

4.00

3.50

3.00

2.50

2.00

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

RANGO MEDIA RANGO LIMITE SUPERIOR LIMITE INFERIOR

b) Alguien en la empresa afirma que en la semana 8 se consumió demasiada energía ¿cuál

sería su posición al respecto?
R= Si fue el día que hubo mayor consumo de energía pero aún se encuentra dentro de los
límites establecidos, sería conveniente investigar lo que ocasiono este resultado,
c) ¿Porque y para qué se usan los rangos móviles?
R= Para monitorear la variación del proceso cuando tenga datos continuos que sean
observaciones individuales que no están en subgrupos y verificar la estabilidad del proceso
d) ¿Qué límites de control usaría para analizar datos futuros?
R= LS 9.033 LI 3.463
e) ¿Cómo explicaría estos límites?
Que los datos recolectados sobre la energía eléctrica consumida deben de caes entre 3.463
kw*hora hasta 9.033 kw´hora

71
24. En el departamento de sistemas se lleva un registro del tiempo de respuesta a solicitudes de
servicio de clientes internos. Los últimos datos en horas y en el orden de ocurrencia se muestran a
continuación (el orden es por región)
a) ¿Es apropiado analizar estos datos mediante una carta de individuales?
R= Es posible más considero que el tiempo de solución de un problema depende de la
complejidad del mismo, por lo tanto no se me hace apropiado.
b) Organice los datos en columna y obtenga la columna de rangos móviles de orden dos

SOLICITU
D MINUTOS RANGO
1 39  
2 35 4
3 49 14
4 92 43
5 41 51
6 57 16
7 38 19
8 37 1
9 33 4
10 33 0
11 44 11
12 34 10
13 119 85
14 37 82
15 34 3
16 32 2
17 34 2
18 23 11
19 96 73
20 43 53
21 36 7
22 32 4
23 35 3
24 42 7
25 42 0
26 34 8
27 86 52
28 27 59
29 42 15
30 117 75
31 33 84
32 39 6
33 43 4
34 37 6

72
 35 78 41
36 42 36
37 37 5
38 37 0
39 33 4
40 96 63
41 26 70
42 37 11
43 29 8
44 32 3
45 38 6
46 98 60
47 39 59
48 43 4
49 126 83
50 87 39
51 46 41
52 31 15
53 109 78
54 37 72
55 40 3
56 37 3
57 28 9
58 52 24
59 122 70
60 40 82
61 29 11
62 33 4
63 35 2
64 71 36
65 62 9
c) Obtenga los límites de control para una carta de control de individuales e interprételos
R= Es un proceso con mucha variación pero usualmente los datos están entre 20 y60 pero
existen solicitudes que incluso sobrepasan el límite de tiempo como la 49

CARTA DE INDIVIDUALES
SOLICITU MINUTO MEDIA LIMITE LIMITE
D S DATOS SUPERIOR INFERIOR
1 39 49.92307692 123.2691541 -23.4230002
2 35 49.92307692 123.2691541 -23.4230002
3 49 49.92307692 123.2691541 -23.4230002
4 92 49.92307692 123.2691541 -23.4230002
5 41 49.92307692 123.2691541 -23.4230002
6 57 49.92307692 123.2691541 -23.4230002

73
 7 38 49.92307692 123.2691541 -23.4230002
8 37 49.92307692 123.2691541 -23.4230002
9 33 49.92307692 123.2691541 -23.4230002
10 33 49.92307692 123.2691541 -23.4230002
11 44 49.92307692 123.2691541 -23.4230002
12 34 49.92307692 123.2691541 -23.4230002
13 119 49.92307692 123.2691541 -23.4230002
14 37 49.92307692 123.2691541 -23.4230002
15 34 49.92307692 123.2691541 -23.4230002
16 32 49.92307692 123.2691541 -23.4230002
17 34 49.92307692 123.2691541 -23.4230002
18 23 49.92307692 123.2691541 -23.4230002
19 96 49.92307692 123.2691541 -23.4230002
20 43 49.92307692 123.2691541 -23.4230002
21 36 49.92307692 123.2691541 -23.4230002
22 32 49.92307692 123.2691541 -23.4230002
23 35 49.92307692 123.2691541 -23.4230002
24 42 49.92307692 123.2691541 -23.4230002
25 42 49.92307692 123.2691541 -23.4230002
26 34 49.92307692 123.2691541 -23.4230002
27 86 49.92307692 123.2691541 -23.4230002
28 27 49.92307692 123.2691541 -23.4230002
29 42 49.92307692 123.2691541 -23.4230002
30 117 49.92307692 123.2691541 -23.4230002
31 33 49.92307692 123.2691541 -23.4230002
32 39 49.92307692 123.2691541 -23.4230002
33 43 49.92307692 123.2691541 -23.4230002
34 37 49.92307692 123.2691541 -23.4230002
35 78 49.92307692 123.2691541 -23.4230002
36 42 49.92307692 123.2691541 -23.4230002
37 37 49.92307692 123.2691541 -23.4230002
38 37 49.92307692 123.2691541 -23.4230002
39 33 49.92307692 123.2691541 -23.4230002
40 96 49.92307692 123.2691541 -23.4230002
41 26 49.92307692 123.2691541 -23.4230002
42 37 49.92307692 123.2691541 -23.4230002
43 29 49.92307692 123.2691541 -23.4230002
44 32 49.92307692 123.2691541 -23.4230002
45 38 49.92307692 123.2691541 -23.4230002
46 98 49.92307692 123.2691541 -23.4230002
47 39 49.92307692 123.2691541 -23.4230002
48 43 49.92307692 123.2691541 -23.4230002
49 126 49.92307692 123.2691541 -23.4230002

74
 50 87 49.92307692 123.2691541 -23.4230002
51 46 49.92307692 123.2691541 -23.4230002
52 31 49.92307692 123.2691541 -23.4230002
53 109 49.92307692 123.2691541 -23.4230002
54 37 49.92307692 123.2691541 -23.4230002
55 40 49.92307692 123.2691541 -23.4230002
56 37 49.92307692 123.2691541 -23.4230002
57 28 49.92307692 123.2691541 -23.4230002
58 52 49.92307692 123.2691541 -23.4230002
59 122 49.92307692 123.2691541 -23.4230002
60 40 49.92307692 123.2691541 -23.4230002
61 29 49.92307692 123.2691541 -23.4230002
62 33 49.92307692 123.2691541 -23.4230002
63 35 49.92307692 123.2691541 -23.4230002
64 71 49.92307692 123.2691541 -23.4230002
65 62 49.92307692 123.2691541 -23.4230002

CARTA DE INDIVIDUALES TIEMPO DE RESPUESTA A SOLICI-

TUDES EN HORAS A CLIENTES INTERNOS
140

120

100

80

60

40

20

0
1
3
5
7
9
11
13

17
19
21
23

27
29

33
35

39
41

45
47
49
51

55
57

61
63
15

25

31

37

43

53

59

65

-20

-40

MINUTOS MEDIA DATOS LIMITE SUPERIOR LIMITE INFERIOR

d) Obtenga la carta de control e interprétela

R= Es un proceso con alta variabilidad

75
 CARTA DE RANGOS MOVILES TIEMPO DE RESPUESTA A SO-
LICITUDES EN HORAS A CLIENTES INTERNOS
100
90
80
70
60
50
40
30
20
10
0
1
3
5
7
9
11
13

17
19
21
23

27
29

33
35

39
41

45
47
49
51

55
57

61
63
15

25

31

37

43

53

59
RANGO MEDIA RANGO LIMITE SUPERIOR LIMITE INFERIOR

e) ¿El tiempo de respuesta es estable?

R= No
f) Grafique los datos en un histograma
HISTOGRAMA DE TIEMPO DE RESPUESTA A SOLICITUDES EN
HORAS A CLIENTES INTERNOS
35

30 32

25

20

15

10 11

5 6
4
0 2 2 2 2 2
1 1
(23-30) (30.1-40) (40.1-50) (50.1-60) (60.1-70) (70.1-80) (80.1-90) (90.1- (100.1- (110.1- (120.1-
100) 110) 120) 130)

g) Observe como se aprecia en el histograma lo especial percibido en la carta

R=Más de la mitad de las solicitudes se resuelven en 50 minutos o menos

76
25. Con el propósito de evaluar el mantenimiento de una empresa, se lleva a cabo un registro de las
horas caídas por semana de tres líneas de producción. Los datos se muestran en la tabla 14.16. Se
decide analizar estos datos mediante una carta de control de individuales
a) ¿Qué ventajas se obtendrían al analizar estos datos mediante tal carta?
R= Se puede observar la variabilidad por línea de producción
b) Calcule los límites de control para cada línea de producción e interprételos

LÍNEA 1 LS 9.59 La línea de producción 1 se cae

LI 4.16 entre 4.16 y 9.59 horas
LÍNEA 2 LS 10.25 La línea de producción 2 se cae
LI 4.15 entre 4.15 y 10.25 horas
LÍNEA 3 LS 9.38 La línea de producción 3 se cae
LI 4.16 entre 4.16 y 9.38 horas

c) Obtenga la carta para cada caso e interprételos

LINEA 1
12.0

10.0

8.0

6.0

4.0

2.0

0.0
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

LINEA 1 MEDIA DATOS LIMITE SUPERIOR LIMITE INFERIOR

LINEA 2
12.0

10.0

8.0

6.0

4.0

2.0

0.0
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

LINEA 2 MEDIA DATOS LIMITE SUPERIOR LIMITE INFERIOR

77
 LINEA 3
10.0
9.0
8.0
7.0
6.0
5.0
4.0
3.0
2.0
1.0
0.0
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

LINEA 3 MEDIA DATOS LIMITE SUPERIOR LIMITE INFERIOR

d) ¿Hay alguna diferencia entre las tres líneas?

Son bastante similares incluso en los límites, las tres cae en los límites marcados
e) ¿Hay algún hecho especial y relevante?
La línea tres presenta una disminución constante en las horas caídas.

30. En un proceso que se controla con una carta p, cuyos límites son
LCS= 0.13
Linea central = 0.08
LCI = 0.03
a) Obtenga los límites de control de la carta p si se usa un tamaño de muestra de 80.
Recuerde que la línea central de cualquier carta p es igual a ~p

LCS= p+3
√ p ( 1− p )
n
0.08+3
√ 0.08 (1−0.08 ) = 0.1710
80
Linea central =~p ~p= 0.08

LCI = p−3
√ p ( 1−p )
n
0.08−3
√ 0.08 ( 1−0.08 )
80
= 0.0110

b) ¿Con que tamaño de muestra el límite inferior de la carta p continuara siendo mayor
que cero?

LCI= p−3
√ p ( 1−p )
n

78
De la ecuación se despeja el valor de n y se obtiene

p ( 1− p )
n=
( p+ LCI )2
3
Entonces, para LCI mayor o igual a cero, tenemos que:

0.08 ( 1−0.08 )
n=
( 0.08+0 )2 = 104
3
Por lo que se concluye que para muestras iguales o mayores que 104, el límite inferior de la carta p
continuaría siendo mayor a 0

31. En un proceso se elabora por lotes de tamaño 500, en la inspección final de los últimos 30
lotes se obtuvo la siguiente cantidad de artículos defectuosos (los datos están en orden
horizontal)

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

a) Calcule los límites de control para una carta p

Muestra o lote Tamaño de lote n Artículos defectuosos d1 Proporción

1 500 11 0.022
2 500 12 0.024
3 500 15 0.03
4 500 17 0.034
5 500 11 0.022
6 500 10 0.02
7 500 13 0.026
8 500 25 0.05
9 500 17 0.034
10 500 13 0.026
11 500 11 0.022
12 500 12 0.024

79
 13 500 17 0.034
14 500 8 0.016
15 500 12 0.024
16 500 11 0.022
17 500 20 0.04
18 500 15 0.03
19 500 12 0.024
20 500 17 0.034
21 500 18 0.036
22 500 14 0.028
23 500 10 0.02
24 500 8 0.016
25 500 10 0.02
26 500 6 0.012
27 500 7 0.014
28 500 5 0.01
29 500 9 0.018
30 500 6 0.012
  15000 372 0.0248

Se calcula el tamaño de la muestra promedio ~p. de la tabla se obtiene el número de piezas

inspeccionados que fue de 15,000 y de estas 372 se consideraron defectuosas, por lo que la
proporción promedio de piezas defectuosas está dado por
~p= Total de defectuosos/Total de inspeccionados 373/15,000= 0.0248

LCS= p+3
√ p ( 1− p )
n
0.0248+3
√ 0.0248 ( 1−0.0248 ) = 0.04566
500
Linea central =~p ~p= 0.0248

LCI = p−3
√ p ( 1−p )
n
0.0248−3
√ 0.0248 ( 1−0.0248 )
500
= 0.0039

b) Grafique la carta p e interprétela

80
 0.06

0.05

0.04

LCS
0.03 LCI
~p
Porcentaje de articulos defec-
0.02 tuosos

0.01

0
1
3
5
7
9
11
13
15
17
19
21

29
23
25
27
Se puede observar que la proporción de artículos defectuosos de lotes de 500 piezas fluctúa
ordinariamente entre 0.04566 y 0.0039 con un promedio de 0.0248. Como se puede apreciar en la
gráfica, la función no estuvo en control estadístico ya que en el lote 8 se dio una proporción de
artículos defectuosos mayor que el límite superior (0.05) De aquí que en la fabricación de dicho lote
hubo alguna situación especial que causo una proporción de artículos defectuosos anormalmente
grande, la cual debe ser identificada para que no se vuelva a presentar
c) Con sus palabras diga que significan los límites de control y la línea central

Los límites de control como su nombre lo indica, son los extremos hasta donde puede aceptarse una
proporción de artículos defectuosos de un lote, mientras que la línea central es el promedio dentro
del cual debe mantenerse dicha proporción, siendo recomendable que se mantenga por debajo de
dicho promedio.
d) A partir del lote 20 se empezó a ejecutar un plan de mejora, ¿hay algún tipo de
evidencia de que el plan haya dado resultado?

De acuerdo a la gráfica realizada, se puede observar que a partir del lote 20, los siguientes lotes
empezaron a tener una proporción de artículos defectuosos menor, por lo que se puede afirmar que
si existe dicha evidencia y que el plan de mejora funciono.
32. En un proceso se produce por lotes y estos se prueban a 100%. Se lleva un registro de la
proporción de artículos defectuosos. Los datos de los últimos 25 se muestran en la tabla
siguiente.
a) obtenga una carta p usando el tamaño de muestra (lote) promedio e interprete

Muestra o lote Tamaño de lote n Artículos defectuosos d1 Proporción

1 200 21 0.11
2 200 20 0.10
3 200 27 0.14
4 200 33 0.17
5 200 22 0.11

81
 6 200 40 0.20
7 180 27 0.15
8 180 23 0.13
9 180 20 0.11
10 200 26 0.13
11 200 28 0.14
12 200 21 0.11
13 200 23 0.12
14 200 21 0.11
15 200 25 0.13
16 200 29 0.15
17 200 20 0.10
18 220 28 0.13
19 220 18 0.08
20 220 24 0.11
21 200 13 0.07
22 200 23 0.12
23 200 12 0.06
24 200 19 0.10
25 200 26 0.13
  5000 589 0.12
Se calcula el tamaño de la muestra promedio ~p. de la tabla se obtiene el número de piezas
inspeccionados que fue de 5,000 y de estas 589 se consideraron defectuosas, por lo que la
proporción promedio de piezas defectuosas está dado por
~p= Total de defectuosos/Total de inspeccionados 589/5,000= 0.12

LCS= p+3
√ p ( 1− p )
n
0.12+3
√ 0.12 ( 1−0.12 ) = 0.1889
200
Linea central =~p ~p= 0.12

LCI = p−3
√ p ( 1−p )
n
0.12−3
√ 0.12 ( 1−0.12 )
200
= 0.0510

82
 0.25

0.2

0.15
LCS
LCI
~p
0.1 Proporcion

0.05

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

Se puede observar que la proporción de artículos defectuosos de lotes de 200 piezas fluctúa
ordinariamente entre 0.1889 y 0.0510 con un promedio de 0.12. Como se puede apreciar en la
gráfica, la función no estuvo en control estadístico ya que en el lote 6 se dio una proporción de
artículos defectuosos mayor que el límite superior (0.20) De aquí que en la fabricación de dicho lote
hubo alguna situación especial que causo una proporción de artículos defectuosos anormalmente
grande, la cual debe ser identificada para que no se vuelva a presentar
b) ¿Cómo explicaría los límites de control que obtuvo a alguien que no tiene
conocimientos profundos de estadística?

En el grafico se observan los lotes por proporciones de artículos defectuosos. Las líneas
horizontales azul y roja son los límites superiores e inferiores respectivamente. Si los puntos de la
línea morada sobrepasan dichos limites quiere decir que el proceso no está bajo control en el lote
que excede los límites por lo que se deben tomar medidas sobre lo que pasa en dicho lote.
c) Obtenga una carta p con límites de control variables e interprete

83
 0.2500

0.2000

0.1500
LCS
LCI
~p
0.1000 Proporcion

0.0500

0.0000
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

Se puede observar que al meter la proporción de artículos defectuosos por variables no cambia
mucho a la gráfica que se realizó por promedio, el lote 6 sigue estando por encima del límite
superior por lo que se tiene que observar que pasa en dicho lote y tomar las medidas adecuadas
d) ¿Qué límites de control usaría para analizar datos futuros mediante las cartas p?

Los de la carta p, puesto a que si no es mucha la diferencia entre la cantidad de artículos por lote, es
muy probable que los resultados sean los mismos y te ahorras mayor tiempo en su realización.

84
a) Para analizar estos datos, ¿Cuál carta (p o np) recomendaría?
NP porque las piezas no pasan con un tamaño de lote constante. Que en este caso aplica con un lote
de 120.

Gráfico P
Periodo #1-20
LSC:+3.0 sigma 0.184407
Línea central 0.10165
LIC: -3.0 sigma 0.0188925

1 fuera de limites

37. ¿Para qué tipo de variables se aplican las cartas c y u?

 “C” se analizan variables cualitativas o atributos donde se registra el número de
defectos por subgrupo
 “U” se analizan variables cualitativas donde se registran el número promedio de
defectos por articulo o unidad. Se usan cuando el tamaño de subgrupo no es
constante.
38. En una empresa se registra el número de quejas por mal servicio. Los datos de las
últimas 25 semanas se muestran enseguida (el orden es por renglón):
6234567890123456789012345
a) ¿Es adecuado hacer un análisis mediante una carta p? Argumente.
No porque para poder analizarlo mediante una carta p se debe de tener la proporción

defectuosa, en este caso no lo tenemos, solo tenemos el número de defectos, y se utiliza la

carta c.
b) Calcule los límites de control para una carta “C” e interprételos

85
 Semanas Quejas
1 6
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 0
11 1
12 2
13 3
14 4
15 5
16 6
17 7
18 8
19 9
20 0
21 1
22 2
23 3
24 4
25 5
Suma 110

LCS 10.6928531
Línea Central 4.4
LCI -1.8928 ~ 0

Se puede analizar que para que se encuentre en un rango estable es entre 0 y 11 quejas, los
números se redondean ya que no puede existir -1 queja o 10.69 quejas
c) Obtenga la carta C y analícela

86
 Gráfico C
12

10

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

Quejas LCI LC LCS

Se considera que está controlado ya que está dentro de los limites

d) ¿El proceso es estable?
Se podría decir que es estable el proceso
e) ¿El nivel de calidad se puede considerar satisfactorio?
Se considera satisfactorio, ya que no se encuentra ningún valor fuera de los limites
40. En una fábrica de productos de plástico se tiene el problema de las rugosidades (o
marcas de flujo) que afectan el aspecto de los productos. Con el propósito de analizar
la estabilidad del proceso y tratar de localizar causas especiales de variación, se
inspeccionan 50 piezas de cada lote de cierto producto. El número de rugosidades
encontradas en los lotes producidos en dos semanas se muestra en la tabla 14.20
Lote Rugosidades Lote Rugosidades
1 155 12 188
2 181 13 155
3 158 14 141
4 156 15 163
5 152 16 154
6 188 17 153
7 163 18 167
8 163 19 128
9 170 20 153
10 154 21 129
11 150 22 160

a) ¿Es apropiado analizar estos datos mediante una carta p?

No, porque los tamaños del subgrupo no son muy variables

87
b) Construya una carta u e interprétela
Rugosidad
Lote Tamaño de muestra ni ci ui=ci/ni
1 50 155 3.1
2 50 181 3.62
3 50 158 3.16
4 50 156 3.12
5 50 152 3.04
6 50 188 3.76
7 50 163 3.26
8 50 163 3.26
9 50 170 3.4
10 50 154 3.08
11 50 150 3
12 50 188 3.76
13 50 155 3.1
14 50 141 2.82
15 50 163 3.26
16 50 154 3.08
17 50 153 3.06
18 50 167 3.34
19 50 128 2.56
20 50 153 3.06
21 50 129 2.58
22 50 160 3.2
  50 3481  

Carta u
4.5

3.5

2.5

1.5

0.5

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

ui=ci/ni LCI LC LCS

88
Se puede analizar que los datos se encuentran dentro de los limites, por ello está dentro de
control
c) Interprete los límites de control que obtuvo
LCS 3.91927599
Línea central 3.16454545
LCI 2.40981492

Según los límites de control obtenidos el número de rugosidades por muestra de 50 piezas
no debe de ser superior a 3.9193 ni inferior a 2.4098. El número de rugosidades
considerado “normal” en el proceso es de 3.1645 rugosidades por lote de 50 piezas.
d) Estos datos también podrían analizarse con una carta c. ¿Cuáles serían las posibles
ventajas y desventajas de ello?
La diferencia entre la carta c y la carta u es que la c muestra el número de rugosidades de
forma global y en la U se muestran el promedio de rugosidades por muestra. Como ventaja
encuentro que la carta c puede ser más clara y confiable para encontrar las causas posibles y
como Desventaja la carta c solo acepta limites constantes mientras que la carta u puede
manejar limites variables.
e) Aplicando el diseño de experimentos, se modifican las temperaturas de fundido y
del molde, así como la fuerza de cierre del molde. Después de esto se obtienen las
siguientes cantidades de rugosidades en 50 piezas de tres lotes consecutivos: 70, 50, 45.
Con base en la carta de control que obtuvo, investigue si las modificaciones dieron
resultado.
Total de defectos 3481+70+50+45 = 3646
ni 50
U testada 2.91

LCS 3.6413854
LC 2.9168
LCI 2.1922146

89
 Proceso mejorado
4.000000

3.500000

3.000000

2.500000

2.000000

1.500000

1.000000

0.500000

0.000000
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

LCI LC LCS ui=ci/ni

90