Taller 2

Este taller incluye todos los temas de control de proceso. La fecha de entrega del taller completo
es el día 20 de octubre

1. Se tomaron 30 muestras a través de un periodo de 15 horas, cada una de tamaño 3,

enlistadas en la tabla siguiente, a partir de un proceso de maquinado.

Muestra Observaciones
1,00 3,55 3,64 4,37
2,00 3,61 3,42 4,07
3,00 3,61 3,36 4,34
4,00 4,13 3,50 3,61
5,00 4,06 3,28 3,07
6,00 4,48 4,32 3,71
7,00 3,25 3,58 3,51
8,00 4,25 3,38 3,00
9,00 4,35 3,64 3,20
10,00 3,62 3,61 3,43
11,00 3,09 3,28 3,12
12,00 3,38 3,15 3,09
13,00 2,85 3,44 4,06
14,00 3,59 3,61 3,34
15,00 3,60 2,83 2,84
16,00 2,69 3,57 3,28
17,00 3,07 3,18 3,11
18,00 2,86 3,69 3,05
19,00 3,68 3,59 3,93
20,00 2,90 3,41 3,37
21,00 3,57 3,63 2,72
22,00 2,82 3,55 3,56
23,00 3,82 2,91 3,80
24,00 3,14 3,83 3,80
25,00 3,97 3,34 3,65
26,00 3,77 3,60 3,81
27,00 4,12 3,38 3,37
28,00 3,92 3,60 3,54
29,00 3,50 4,08 4,09
30,00 4,23 3,62 3,00

¿Parecería estar ese proceso bajo control estadístico? ¿Por qué?

 2. Durante un periodo de 25 horas en un proceso de maquinado se tomaron 50 muestras de
tamaño 5, enlistadas en la tabla siguiente.

Datos 1 2 3 4 5 6 7 8 9 10
1 9.999 10.022 10.001 10.007 10.011 10.019 10.015 9.988 9.980 10.017
2 9.992 9.998 10.006 10.006 9.979 10.017 10.015 9.990 10.001 10.017
3 10.002 10.037 10.002 10.004 9.991 10.018 9.978 10.008 10.013 9.988
4 10.003 9.994 9.993 10.018 9.996 10.008 10.006 10.002 9.998 10.010
5 10.009 10.003 10.011 10.011 9.994 10.018 9.997 9.989 10.015 9.980
11 12 13 14 15 16 17 18 19 20
1 9.980 10.004 10.025 9.992 9.985 9.977 9.996 10.014 10.001 9.982
2 10.038 9.990 9.989 10.023 10.002 9.975 9.991 10.010 9.979 9.975
3 9.990 10.002 9.981 10.019 10.008 10.002 10.005 10.000 10.001 9.976
4 9.996 10.003 10.006 9.990 10.008 10.021 10.009 10.001 10.015 10.012
5 10.016 9.996 9.998 10.003 9.998 9.989 9.977 10.006 10.009 9.994
21 22 23 24 25 26 27 28 29 30
1 10.010 9.988 9.991 10.005 9.987 9.994 9.994 9.972 10.018 9.985
2 10.003 10.004 9.996 10.003 9.993 10.007 9.987 9.994 10.007 10.010
3 9.990 10.001 10.020 10.027 9.992 10.013 10.027 9.969 9.980 9.998
4 10.010 9.995 10.002 9.996 9.987 9.997 10.030 10.011 9.987 10.033
5 10.015 9.977 10.022 9.970 10.008 10.014 9.989 9.985 10.014 9.994
31 32 33 34 35 36 37 38 39 40
1 10.009 9.987 9.990 9.985 9.991 10.002 10.045 9.970 10.019 9.954
2 10.013 10.012 9.973 10.038 9.999 9.989 9.993 9.999 9.989 10.011
3 10.008 10.015 9.996 9.991 9.989 9.993 10.007 9.989 9.998 10.003
4 9.990 9.995 9.990 9.988 10.014 10.013 9.990 9.999 9.997 9.987
5 10.008 10.021 9.980 9.986 9.997 9.980 10.010 10.014 9.986 10.005
41 42 43 44 45 46 47 48 49 50
1 9.978 10.008 10.035 10.012 10.009 10.004 10.023 9.972 9.988 10.032
2 10.010 10.025 10.015 10.025 10.007 9.998 9.979 9.993 10.002 10.017
3 9.996 10.017 9.994 9.972 10.027 10.026 10.002 10.005 9.992 9.999
4 9.991 10.008 9.991 10.013 9.988 10.032 9.979 9.982 10.002 9.979
5 9.995 9.989 9.998 10.011 9.967 10.019 10.020 9.999 9.988 10.002

¿Parecería que este proceso estuviera bajo control estadístico? ¿Por qué?

3. Treinta muestras, cada una de tamaño 6, dieron como valor 𝑥̅ = 480 y R = 34. Calcule los
límites de control para las gráficas 𝑥̅ y R y estime la desviación estándar del proceso.
4. General Hydraulics es un fabricante de máquinas-herramienta hidráulicas. Ha tenido un
historial de problemas de fugas, resultado de un cierto acoplamiento crítico. Se
seleccionaron 25 muestras de piezas maquinadas, una por cada turno, y se midió el
diámetro del acoplamiento. Los resultados se dan en la tabla siguiente.

a) Elabore gráficas de control 𝑥̅ y R para estos datos.

b) Si el operador habitual de la máquina estuvo ausente al tomar las muestras 4, 8, 14, y
22, ¿de qué manera afectan los resultados del inciso (a)?

Medida del diámetro (cm)

Observaciones
Muestra
1 2 3 4
1 10,94 10,64 10,88 10,70
2 10,66 10,66 10,68 10,68
3 10,68 10,68 10,62 10,68
4 10,03 10,42 10,48 11,06
5 10,70 10,46 10,76 10,80
6 10,38 10,74 10,62 10,54
7 10,46 10,90 10,52 10,74
8 10,66 10,04 10,58 11,04
9 10,50 10,44 10,74 10,66
10 10,58 10,64 10,60 10,26
11 10,80 10,36 10,60 10,22
12 10,42 10,36 10,72 10,68
13 10,52 10,70 10,62 10,58
14 11,04 10,58 10,42 10,36
15 10,52 10,40 10,60 10,40
16 10,38 10,02 10,60 10,60
17 10,56 10,68 10,78 10,34
18 10,58 10,50 10,48 10,60
19 10,42 10,74 10,64 10,50
20 10,48 10,44 10,32 10,70
21 10,56 10,78 10,46 10,42
22 10,82 10,64 11,00 10,01
23 10,28 10,46 10,82 10,84
24 10,64 10,56 10,92 10,54
25 10,84 10,68 10,44 10,68

c) La tabla siguiente representa medidas tomadas durante los siguientes 10 turnos. ¿Qué
información proporciona esa tabla al gerente de control de calidad?
 Observaciones
Muestra
1 2 3 4
1 10,40 10,76 10,54 10,64
2 10,60 10,28 10,74 10,86
3 10,56 10,58 10,64 10,70
4 10,70 10,60 10,74 10,52
5 11,02 10,36 10,90 11,02
6 10,68 10,38 10,22 10,32
7 10,64 10,56 10,82 10,80
8 10,28 10,62 10,40 10,70
9 10,50 10,88 10,58 10,54
10 10,36 10,44 10,40 10,66

5. Suponga que las siguientes medias y desviaciones estándar de las muestras se observan
para muestras de tamaño 6:

Muestra ̅
𝒙 s Muestra ̅
𝒙 s
1 2,15 0,14 11 2,10 0,17
2 2,07 0,10 12 2,19 0,13
3 2,10 0,11 13 2,14 0,07
4 2,14 0,12 14 2,13 0,11
5 2,18 0,12 15 2,14 0,11
6 2,11 0,12 16 2,12 0,14
7 2,10 0,14 17 2,08 0,17
8 2,11 0,10 18 2,18 0,10
9 2,06 0,09 19 2,06 0,06
10 2,15 0,08 20 2,13 0,14

Construya graficas 𝑥̅ y s para estos datos.

6. Un hospital encuesta a todos los pacientes que se dan de alta mediante un cuestionario de
satisfacción de los pacientes. El número de pacientes encuestados varía todos los meses. Se
elaboran y estudian gráficas de control que vigilan la proporción de pacientes no satisfechos
en relación con algunas preguntas clave. Elabore una gráfica p para los datos siguientes, que
representan las respuestas a una pregunta sobre su satisfacción en relación con los
alimentos en el hospital.
 Cantidad de Cantidad de no
Mes
pacientes conformes
1 256 10
2 202 11
3 234 8
4 307 10
5 280 7
6 298 15
7 231 22
8 201 9
9 314 12
10 223 13
11 256 14
12 224 9
13 278 16
14 215 10
15 287 16
16 234 11
17 310 17
18 285 26
19 251 8

7. Una gráfica de promedio y rango basada en un tamaño de muestra de cuatro se ha estado

usando con los siguientes resultados:

Promedios Rangos
Límite de control superior 78,0 8,0
Valor promedio 75,8 3,8
Límite de control inferior 73,6 0,0

¿Qué tan grande tendría que ser un incremento en el promedio total del proceso para que
tuviera 35 por ciento de probabilidad de que la muestra promedio excediese el límite de
control superior?

8. Un proveedor local de servicios de internet (ISP) está preocupado porque está

disminuyendo el nivel de acceso de sus clientes, debido a mayor uso. La proporción del
tiempo de periodo pico, cuando es probable que un cliente reciba una señal de ocupado, se
considera como una buena medición del nivel de servicio. El porcentaje de las veces que un
cliente recibe una señal de ocupado durante los periodos pico varía. Con base en un proceso
de muestreo, el ISP ha establecido gráficas de control para vigilar el nivel de servicio basado
 en la proporción de señales de ocupado recibidas. Elabore una gráfica p con base en las
siguientes cifras, que representan los datos de la muestra. ¿Qué muestra la gráfica? En su
opinión, ¿se trata de un servicio bueno o malo?

Periodo Cantidad de llamadas Cantidad de

pico intentadas señales de ocupado
1 246 50
2 212 51
3 254 68
4 307 74
5 283 62
6 308 65
7 264 46
8 191 49
9 304 70
10 253 54
11 298 70
12 255 58
13 214 48
14 262 64
15 205 47
16 293 73
17 244 67
18 309 65
19 276 71
20 233 57
21 236 50
22 242 61
23 234 53
24 287 64
25 303 62

9. Una gráfica p se va a usar para analizar el registro de septiembre del 100 por ciento de una
inspección de cierto componente de radio. El número total inspeccionado durante el mes
fue 2.196, y el número total de defectos, 158. Estime 𝑝̅ . Calcule los límites de control para
los siguientes 3 días y diga qué porcentaje de defectuosos cae dentro de los límites de
control de cada día.

Fecha Número inspeccionado Número de defectuosos

14-sep 54 8
15-sep 162 24
16-sep 213 3
10. Un desarrollador de software ha medido el número de defectos por cada 1000 líneas de
código en los módulos de software desarrollados por la empresa. Elabore una gráfica c para
estos datos.

Cantidad de defectos por

Muestra
cada 1,000 líneas de código
1 5
2 10
3 11
4 2
5 6
6 8
7 12
8 2
9 7
10 3
11 6
12 10
13 9
14 1
15 4

11. Los datos siguientes representan observaciones individuales del peso molecular tomadas
cada hora en un proceso químico.

El valor objetivo del peso molecular es 1050 y se piensa que la desviación estándar del proceso
es de aproximadamente 25

Establecer una Cusum tabular para la media del proceso. Diseñar la Cusum para detectar
rápidamente un corrimiento de aproximadamente 1 desviación estándar en la media del
proceso.

Número de x Número de x
observación observación
1 1045 11 1139
2 1055 12 1169
3 1037 13 1151
4 1064 14 1128
5 1095 15 1238
6 1008 16 1125
7 1050 17 1163
8 1087 18 1188
9 1125 19 1146
10 1146 20 1167
12. Resolver de nuevo el ejercicio anterior, pero utilizando una gráfica de control de promedio
móvil suavizado exponencialmente con lambda 0.1 y L = 2.7. Compare los resultados
obtenidos

13. Se utiliza una máquina para llenar latas con aditivo para el aceite del motor. Se selecciona
una sola lata de muestra cada hora y se obtiene el peso. Puesto que el proceso de llenado
está automatizado, tiene una variabilidad muy estable, y una larga experiencia indica que la
desviación estándar es 0.05 oz. Se muestran las observaciones individuales en 24 horas de
operación.

Suponiendo que el objetivo del proceso es 8.02 oz, establecer una Cusum tabular para el
proceso. Diseñar la Cusum utilizando los valores de k = ½ y h= 4.77.

Número de x Número de x
muestra muestra
1 8.00 13 8.05
2 8.01 14 8.04
3 8.02 15 8.03
4 8.01 16 8.05
5 8.00 17 8.06
6 8.01 18 8.04
7 8.06 19 8.05
8 8.07 20 8.06
9 8.01 21 8.04
10 8.04 22 8.02
11 8.02 23 8.03
12 8.01 24 8.05

14. Los datos que se presentan corresponden a las lecturas de la temperatura en grados
centígrados de un proceso químico, tomadas cada 2 minutos (leer los valores hacia abajo y
de izquierda a derecha). El valor objetivo de la media es 950.

a. Estimar la desviación estándar del proceso

b. Establecer y aplicar una Cusum tabular para este proceso utilizando los valores de
k = 1/2 y h= 5
953 985 949 937 959 948 958 952 945 973 941 946 939

937 955 931 972 955 966 954 948 955 947 928 945 950

966 935 958 927 941 937 975 948 934 941 963 940 938

950 970 957 937 933 973 962 945 970 959 940 946 960

949 963 963 933 973 933 952 968 942 943 967 960 940

965 935 959 965 950 969 934 936 973 941 956 962 938

981 927

15. Un fabricante de gis sin polvo está preocupado por la densidad del producto. Los análisis
previos han demostrado que el gis tiene las características requeridas sólo si la densidad se
encuentra entre 4,4 g/cm2 y 5,04 g/cm2. Si una muestra de 100 piezas da un promedio de
4,8 y una desviación estándar de 0,2. ¿el proceso se encuentra en la densidad adecuada?
En caso de que no, ¿cuál debería ser el objetivo? ¿El proceso es capaz de cumplir con los
requerimientos de densidad? Calcule Cp y Cpk.

16. La cabeza de un motor de automóvil debe ser fabricada de tal manera que tanto la superficie
que hace contacto con el bloque del motor como aquella que hace contacto con la cubierta
de la válvula sean planas. Estas superficies también deben encontrarse a una distancia de
4,875 ± 0,001 pulgadas. Asumiendo que el lado de la cubierta de la válvula tiene un acabado
correcto, compare la capacidad de los dos procesos para llevar a cabo el terminado de la
cabeza del lado del bloque del motor. Un taladro ajustado para hacer el trabajo dio un
promedio de grosor de 4,877 pulgadas, con un rango promedio de 0,0005 pulgadas para 25
muestras de cuatro elementos cada una. La fresadora dio un promedio de 4,875 y un rango
promedio de 0,001 pulgadas para 20 muestras de cuatro elementos cada una. Para cada
máquina, calcule Cp y Cpk.

17. Una compañía fabrica un químico muy costoso. El peso neto del paquete tiene un valor de
especificación mínimo de 25,0 libras. Los datos del análisis de la gráfica de control señalan
(con base en 20 muestras de cinco elementos cada una):

𝑋̿ = 26,0 𝑅̅ = 1

Los puntos de las gráficas de promedio y rango están en control.

a) Saque conclusiones sobre la capacidad del proceso para cumplir con la especificación.
b) ¿Qué acción, en caso necesario, sugeriría usted para el proceso? Si sugiere alguna, ¿hay
desventajas para ella?
18. Se tomaron muestras de cuatro unidades de un proceso de manufactura en intervalos
regulares. Se midió el ancho de una ranura y se computaron el promedio y el rango para
cada muestra. Después de 25 muestras de 4, se obtuvieron los siguientes resultados
codificados:

Promedios Rangos
Límite de control superior 626 37,5
Valor promedio 𝑋 = 6,14 𝑅̅ = 16,5
̿
Límite de control inferior 602 0

Todos los puntos de las gráficas 𝑋̅ y 𝑅̅ están dentro de los límites de control. Los
requerimientos de la especificación son 610 ± 15. Si el ancho está distribuido normalmente
y la distribución está centrada en 𝑋̿, ¿Qué porcentaje del producto esperaría que caiga fuera
de los límites de la especificación?

19. La especificación de una cierta dimensión es 3,000 ± 0,004 pulgadas. Una muestra grande
del procesos indica un promedio de 2,998 pulgadas y una desviación estándar de 0,002
pulgadas. Suponga que se instituyen controles para cambiar el promedio del proceso a la
especificación de 3,000. Cada parte fuera de los límites de la especificación resulta en una
pérdida de $5. En un lote de 1000 partes, ¿Cuánto dinero se puede ahorrar cambiando el
promedio en lugar de mantenerlo en 2,998?

20. Un proceso se controla con un gráfico de control x, R, con límites 3. Se toman subgrupos
racionales de 4 piezas cada 100 piezas. El proceso tiene una distribución normal y una
desviación estándar = 0.16 y su valor medio es ajustable. Las especificaciones del producto
son: LSE = 10.5 y LIE = 9.5.

Calcular los límites de control del gráfico x.

Cuál es la probabilidad de detectar un corrimiento en la media del proceso de 1.2en el

primer subgrupo racional luego del corrimiento.

Cuál será el número de piezas producidas antes de que se detecte una salida de control
(corrimiento en la media de 1.2).

Cuál será el número promedio de piezas defectuosas producido antes de detectar una salida
de control (corrimiento de 1.2).