ESCUELA POLITÉCNICA NACIONAL
GESTIÓN DE PROCESOS Y CALIDAD
DEBER N°2 – Segundo Bimestre
Nombre: Artieda Marjory
Curso: GR1
Fecha de entrega: 27 de febrero de 2024
1. Un Ingeniero acaba de ser contratado como gerente de control de sistemas de
comunicación en la empresa donde usted labora como Subgerente de Producción
de una de las 5 plantas que existen en el país, que en los últimos dos meses no han
podido lograr las metas de producción. El gerente fue contratado por que la
empresa enfrentaba graves problemas de comunicación en donde sólo 70 de los
100 equipos de cómputo funcionaban correctamente, no funcionan las redes
internas de dos plantas, y no existen redes externas entre las 5 plantas por lo que se
venía trabajando con correos electrónicos. Sólo cuenta con 5 personas que saben
reparar equipos y cada uno está en diferente planta por lo que la compostura de
los equipos es demasiada lenta y esto ha provocado que la mayoría de
departamentos tengan problemas. La subgerencia que usted dirige ha enfrentado
varios problemas de comunicación (correos perdidos, correos que se retrasan y
comunicación escasa con sus similares de las otras 4 plantas) uno de los cinco
equipos no funciona, sin embargo, usted ha notado que aunque no funciona un
equipo en su departamento que es del área de empaquetado, esta área ha
funcionado bien, porque se encuentra junto a la subdirección Usted el día de
mañana tiene su reunión de círculo de calidad en donde estará el nuevo ingeniero
y el Director General y deberá generar propuestas de solución, para lo cual se
sugiere que utilice el Método de las 6Ms (Maquinaria, Mano de Obra, Medio
Ambiente, Método de Trabajo, medio Ambiente) y elabore el diagrama de Espina
de Pescado
2. Utilizando como herramienta el diagrama de Pareto, analice las pérdidas por
rechazos en una fábrica de papel, teniendo en cuenta que se han detectado los
conceptos que se muestran e en la tabla siguiente, en la que también se indican los
costes asociados a cada concepto.
Primero se ordena la tabla para desarrollar el diagrama, teniendo lo siguiente
Tipo Descripción Pérdida anual Porcentaje Porcentaje
acumulado
G Papel inutilizado durante su utilización 87,6 50,14% 50,14%
B Paralización de trabajo por avería de la máquina B 52,2 29,88% 80,02%
C Paralización de trabajo por avería de la máquina C 7,8 4,47% 84,49%
H Inspecciones suplementarias 7,1 4,06% 88,55%
F Lotes sobrantes 6,7 3,84% 92,39%
I Coste excesivo de material 4,2 2,40% 94,79%
A Paralización de trabajo por avería de la máquina A 3,7 2,12% 96,91%
E Reclamación de clientes 2,8 1,60% 98,51%
D Paralización de trabajo por avería de la máquina D 1,9 1,09% 99,60%
J Costes elevados de verificación 0,7 0,40% 100,00%
174,7
Con esto se construye el diagrama
Diagrama de Pareto
100 120,00%
90
80
100,00%
70
80,00%
60
50 60,00%
40
30
40,00%
20
20,00%
10
0 0,00%
G B C H F I A E D J
Análisis: Como se puede observar, en el diagrama de Pareto se tienen 2 fallos que
son representativos en términos de pérdidas anuales en costos, los cuales son el Papel
inutilizado durante su utilización y Paralización de trabajo por avería de la máquina
B, tan solo el primer fallo representa más del 50% de las pérdidas y junto al segundo
fallo representan ya el 80% de las pérdidas, por lo cual se debe poner prioridad a
eliminar o reducir lo más posible dichos fallos para reducir las pérdidas de costes de
la empresa.
3. En una fábrica se han medido la longitud de 1000 piezas de las mismas
características, y se han obtenido los siguientes datos
a) Construya el Histograma correspondiente
Histograma
800
700
600
Número de piezas
500
400
300
200
100
0
[67,5-72,5] [72,5-77,5] [77,5-82,5] [82,5-87-5] [87,5-92,5]
Longitud [mm]
b) Construya el polígono de frecuencia
Polígono de frecuencia
800
700
600
Número de piezas
500
400
300
200
100
0
70 75 80 85 90
Longitud [mm]
c) Construya el polígono de frecuencia acumulada
Longitud [mm] Número de piezas Frecuencia acumulada Ci
[67,5-72,5] 5 5 70
[72,5-77,5] 95 100 75
[77,5-82,5] 790 890 80
[82,5-87-5] 100 990 85
[87,5-92,5] 10 1000 90
Polígono de frecuencia acumulada
1000
900
800
Número de piezas
700
600
500
400
300
200
100
0
70 75 80 85 90
Longitud [mm]
d) Se consideran aceptables las piezas cuya longitud están en el intervalo [75,
86] ¿Cuál es el porcentaje de piezas defectuosas?
Se rechazan todas las piezas del primer intervalo, del segundo se rechazan las
que midan menos de 75 [mm], del tercer intervalo se aceptan todas las piezas,
del cuarto intervalo se rechazan todas las piezas que midan mas de 86 [mm] y
del último intervalo se rechazan todas las piezas, de donde se tiene lo siguiente:
• Intervalo 72.5 – 77.5:
95 ∗ 2.5
75 − 72.5 = 2.5 → = 47.5 𝑝𝑖𝑒𝑧𝑎𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠
5
• Intervalo 82.5 – 87.5:
100 ∗ 1.5
87.5 − 86 = 1.5 → = 30 𝑝𝑖𝑒𝑧𝑎𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠
5
• Total de piezas defectuosas:
5 + 47.5 + 30 + 10 = 92.5
Por tanto, se tiene un 9.25% de piezas defectuosas.
4. En una empresa de manufactura se ha tomado datos de una pieza fabricada
para revisar la calidad de esta. Con el fin de establecer una norma tentativa para
el departamento de fabricación, se tomó una muestra de 300 unidades al día (n
= 300) durante 10 días, obteniendo los siguientes resultados:
a) Desarrolle una gráfica de control por atributos tipo “p” utilizando un intervalo
de confianza de un 99,73% (tres desviaciones estándar) para las 10 muestras
recolectadas. Para ello calcule: el promedio de unidades defectuosas para
cada una de las muestras, así como el promedio de unidades defectuosas
del total de la muestra; la desviación estándar, los Límites.
Se requiere calcular primero el porcentaje de unidades defectuosas, y de esto sacar
el promedio, obteniendo lo siguiente
Muestra No. de piezas con fallas p [%]
1 10 3,33
2 8 2,67
3 9 3,00
4 13 4,33
5 7 2,33
6 7 2,33
7 6 2,00
8 11 3,67
9 12 4,00
10 8 2,67
Promedio 3,03
A continuación, se realiza el cálculo de la desviación estándar
𝑝̅ ∗ (1 − 𝑝̅ ) 0.0303 ∗ (1 − 0.0303)
𝑆𝑝 = √ =√ = 0.9896%
𝑛 300
De la tabla de la distribución normal estándar un intervalo de confianza de un 99.73%
equivale a definir los límites de control a 3*Sp. Con esto podemos calcular el Límite de
Control superior (LCS) y Límite de Control Inferior (LCI) respectivamente.
𝐿𝐶𝑆 = 3.03% + 3 ∗ 0.9893% = 5.998%
𝐿𝐶𝐼 = 3.03% − 3 ∗ 0.9893% = 0.0612%
A continuación, y con la ayuda de Excel se procede a graficar los límites de control,
el promedio de unidades defectuosas de cada una de las muestras y el promedio
de defectos total.
5,00
4,50
4,00
3,50
3,00 p
2,50 p (prom)
2,00 LCS
LCI
1,50
1,00
0,50
0,00
0 1 2 3 4 5 6 7 8 9 10 11
b) ¿Qué comentarios puede hacer sobre el proceso?
La gráfica muestra que el proceso se encuentra bajo control estadístico. Los
promedios de productos defectuosos están dentro de los límites de control, los cuales
están muy separados. Esto significa que tanto el promedio como cada uno de los
datos individuales caben dentro del rango definido por los límites. Dichos límites
determinan el intervalo en el que se espera que la variabilidad del proceso se
mantenga, en condiciones normales. El hecho de que el promedio se halle dentro
de los confines indica que la variación del proceso está regulada y no existen señales
de una variabilidad excesiva o descontrolada.
c) ¿Cómo varía la gráfica de control si los límites de control se definen a una
confianza de un 90% (1,645σ) para las 10 muestras recolectadas del
promedio de defectos?
De la tabla de la distribución normal estándar un intervalo de confianza de un 90%
equivale a definir los límites de control a 1,645*Sp. Con esto podemos calcular el Límite
de Control superior (LCS) y Límite de Control Inferior (LCI) respectivamente.
𝐿𝐶𝑆 = 3.03% + 1.645 ∗ 0.9893% = 4.66%
𝐿𝐶𝐼 = 3.03% − 1.645 ∗ 0.9893% = 1.40%
Con esto podemos realizar nuevamente una gráfica con la ayuda de Excel para
visualizar como han afectado los nuevos límites
5,00
4,50
4,00
3,50
3,00 p
2,50 p (prom)
2,00 LCS
LCI
1,50
1,00
0,50
0,00
0 1 2 3 4 5 6 7 8 9 10 11
d) ¿Cómo varía la gráfica de control si los límites de control se definen a un σ
para las 10 muestras recolectadas del promedio de defectos?
Si los límites de control se definen a un σ del promedio de defectos será necesario
recalcular los límites de control estadístico obteniendo los siguientes resultados:
𝐿𝐶𝑆 = 3.03% + 0.9893% = 4.02%
𝐿𝐶𝐼 = 3.03% − 0.9893% = 2.04%
Con esto podemos realizar nuevamente una gráfica con la ayuda de Excel para
visualizar como han afectado los nuevos límites
5,00
4,50
4,00
3,50
3,00 p
2,50 p (prom)
2,00 LCS
LCI
1,50
1,00
0,50
0,00
0 1 2 3 4 5 6 7 8 9 10 11
Al estrechar los límites de control el proceso ya no se encuentra bajo control
estadístico. La muestra n° 4 presenta un porcentaje de defectuosos mayor al LCS, así
como la muestra n° 7 también se encuentra ligeramente por fuera del LCI.
