UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

INGENIERÍA MECÁNICA
GESTION DE CALIDAD
NOMBRE: Fuentes Cabrera Cristhian Jonathan FECHA: 05/07/2019

EJERCICIOS 7, 8 y 9 DEL CAP. 20

Enunciado. Resolver los siguientes ejercicios utilizando Excel y Minitab

Ejercicio 7

La Goodman Tire and Rubber Company prueba periódicamente sus neumáticos para el
desgaste de la banda de rodadura en condiciones de carretera simuladas. Para estudiar
y controlar el proceso de fabricación, se eligieron 20 muestras, cada una con tres
neumáticos radiales, de diferentes turnos durante varios días de funcionamiento, con
los siguientes resultados. Suponiendo que estos datos se recopilaron cuando se creía
que el proceso de fabricación estaba operando en control, desarrollar los gráficos 𝑥̅ y R.

Tabla 1. Datos de pruebas periódicas de desgaste de neumáticos

Muestra Desgaste de la banda de rodadura

1 31 42 28
2 26 18 35
3 25 30 34
4 17 25 21
5 38 29 35
6 41 42 36
7 21 17 29
8 32 26 28
9 41 34 33
10 29 17 30
11 26 31 40
12 23 19 25
13 17 24 32
14 43 35 17
15 18 25 29
16 30 42 31
17 28 36 32
18 40 29 31
19 18 29 28
20 22 34 26
 ̅
̅y𝑹
Tabla 20.3 Factores para las cartas de control 𝒙

Para el cálculo de los límites de control superior (UCL) e inferior (LCL) se debe utilizar
la tabla 20.3 de cartas de control para los factores 𝑥̅ y 𝑅̅ , del libro Statistics for
Business an Economics (Anderson, Sweeney, Williams, 2011).

Formulas usadas para cartas de control 𝑥̅

Cálculo de la media de las observaciones:

∑ 𝑥𝑖⁄
𝑥̅ = 𝑘

Cálculo de la media de la muestra:

∑ 𝑥̅𝑖⁄
𝑥̿ = 𝑛

Límites de control superior e inferior:

𝑈𝐶𝐿 = 𝑥̿ + 𝐴2 𝑅̅

𝐿𝐶𝐿 = 𝑥̿ − 𝐴2 𝑅̅

Con estas formulas se realiza el calculo en el programa Excel para encontrar el gráfico

de control de medias para pruebas de neumáticos radiales.

 ̅
GRÁFICO DE CONTROL DE MEDIAS 𝒙

DATOS DE MEDIAS
MUESTRA ( n ) OBSERVACIONES ( k ) ∑ ∑ ̅
𝑥̅ = ⁄ 𝑥̿ = ⁄ 𝑈𝐶𝐿 = 𝑥̿ + 𝐴 2 𝑅̅ ̅
𝐿𝐶𝐿 = 𝑥̿ − 𝐴 2 𝑅
1 31 42 28 33,67 29,17 40,83 17,50
2 26 18 35 26,33 29,17 40,83 17,50
3 25 30 34 29,67 29,17 40,83 17,50
4 17 25 21 21,00 29,17 40,83 17,50
5 38 29 35 34,00 29,17 40,83 17,50
6 41 42 36 39,67 29,17 40,83 17,50
7 21 17 29 22,33 29,17 40,83 17,50
8 32 26 28 28,67 29,17 40,83 17,50
9 41 34 33 36,00 29,17 40,83 17,50
10 29 17 30 25,33 29,17 40,83 17,50
11 26 31 40 32,33 29,17 40,83 17,50
12 23 19 25 22,33 29,17 40,83 17,50
13 17 24 32 24,33 29,17 40,83 17,50
14 43 35 17 31,67 29,17 40,83 17,50
15 18 25 29 24,00 29,17 40,83 17,50
16 30 42 31 34,33 29,17 40,83 17,50
17 28 36 32 32,00 29,17 40,83 17,50
18 40 29 31 33,33 29,17 40,83 17,50
19 18 29 28 25,00 29,17 40,83 17,50
20 22 34 26 27,33 29,17 40,83 17,50

̅
Gráfico 1 Carta de control 𝒙

̅
Gráfico 2 Carta de control 𝒙

Gráfica Xbarra-R de Observacion 1. .... Observacion 3

40 LCS=40,83
Media de la muestra

35
__
30 X=29,17

25

20
LCI=17,50
1 3 5 7 9 11 13 15 17 19
Muestra

30 LCS=29,35
e la muestra

20

_
En los dos gráficos se puede observar un comportamiento controlado de los neumáticos
radiales en pruebas de condiciones de carretera simulada, debido a que no exceden los
límites de control superior e inferior. Los gráficos 1 y 2 tienen similitud por lo que se
deduce que ambos programas son eficientes para la elaboración de cartas de control.
Sin embargo, el programa Minitab elabora los gráficos de control de manera automática
a partir de los datos de prueba, mientras que el programa Excel los elabora de manera
semiautomática debido a que se debe ir calculando paso a paso los distintos parámetros
para la elaboración de la carta de control.

GRÁFICO DE CONTROL DE RANGOS 𝑅̅

DATOS DE RANGO
MUESTRA ( n ) OBSERVACIONES ( k )
𝑅= − ̅ = ∑ 𝑅⁄𝑛 𝑈𝐶𝐿 = 𝑅
𝑅 ̅ 𝐷4 L𝐶𝐿 = 𝑅̅ 𝐷3
1 31 42 28 14 11,4 29,34 0
2 26 18 35 17 11,4 29,34 0
3 25 30 34 9 11,4 29,34 0
4 17 25 21 8 11,4 29,34 0
5 38 29 35 9 11,4 29,34 0
6 41 42 36 6 11,4 29,34 0
7 21 17 29 12 11,4 29,34 0
8 32 26 28 6 11,4 29,34 0
9 41 34 33 8 11,4 29,34 0
10 29 17 30 13 11,4 29,34 0
11 26 31 40 14 11,4 29,34 0
12 23 19 25 6 11,4 29,34 0
13 17 24 32 15 11,4 29,34 0
14 43 35 17 26 11,4 29,34 0
15 18 25 29 11 11,4 29,34 0
16 30 42 31 12 11,4 29,34 0
17 28 36 32 8 11,4 29,34 0
18 40 29 31 11 11,4 29,34 0
19 18 29 28 11 11,4 29,34 0
20 22 34 26 12 11,4 29,34 0

̅
FORMULAS PARA CARTAS DE CONTROL 𝑹

El UCL de la gráfica R está representado por

𝑑3
𝑅̅ = 3𝜎̂𝑅 = 𝑅̅(1 + 3 )
𝑑2
Y el LCL es
𝑑3
𝑅̅ = 3𝜎̂𝑅 = 𝑅̅(1 − 3 )
𝑑2
Si dejamos
𝑑3
𝐷4 = 1 + 3
𝑑2
𝑑3
𝐷3 = 1 − 3
𝑑2
Límites de control para la gráfica R

𝑈𝐶𝐿 = 𝑅̅𝐷4
𝐿𝐶𝐿 = 𝑅̅ 𝐷3

̅
Gráfico 3 Carta de control 𝑹

̅
Gráfico 4 Carta de control 𝑹

En los gráficos 3 y 4 se observa un comportamiento controlado de las pruebas

periódicas de los neumáticos radiales de la compañía Goodman Tire and Rubber,
debido a que no exceden los rangos de control superior e inferior, por lo que se dice que
el proceso de fabricación está operando en control.
Ejercicio 8.

Durante varias semanas de funcionamiento normal o bajo control, 20 muestras de 150

paquetes cada una de las cadenas de tenis fueron sometidas a pruebas de resistencia
a la rotura. Un total de 141 paquetes, de los 3000 probados no cumplieron con las
especificaciones del fabricante.

a. ¿Cuál es una estimación de la proporción de defectos cuando el sistema está en

control?

Número de muestras, k=20

Tamaño de cada muestra, n=150

La fracción o proporción de artículos defectuosos en cada muestra se determina

utilizando los datos de la muestra.

Al ser datos recopilados como una muestra grande, puede calcularse la proporción de
artículos defectuosos para todos los datos; que se puede utilizar para estimar P.

Entonces, la estimación de la proporción de artículos defectuosos observados cuando

el proceso está en control es:

x 141
p= n
=> p= ( 20)(150)
=> 0.047

b. Calcular los límites de control superior e inferior para un gráfico P.

Para la realización del grafico P se deberá calcular el valor de la desviación estándar.

p(1−p) 0.047(1−0.047) 0.047(1−0.047)

σp = √ n
=> σp = √ 150
=> σp = √ 150
=> σp = 0.0173 rspt.

Obteniendo el valor de la desviación estándar, se procede a calcular el valor del límite

de control superior e inferior.

UCL = p + 3σP => UCL = 0.047 + 3( 0.0173) => UCL = 0.0989 rspt.

LCL = p − 3σP => LCL = 0.047 − 3(0.0173) => LCL = −0.0049 rspt.

Cuando LCL es negativo, se toma igual a cero.

 c. Con los resultados de la parte (b) ¿Qué conclusión se debe hacer sobre el
proceso si las pruebas en una nueva muestra de 150 paquetes encuentran 12
defectuosas? ¿parece que hay causas asignables en estas situaciones?

x 12
p= n
=> p = 150 => p = 0.08

El proceso debe ser considerado en control.

d. Calcule los límites de control superior e inferior para un gráfico np.

Conociendo el valor de p= 0.047 y n= 150

Se procederá a calcular los valores del límite de control en una carta np

UCL = np + 3√np ( 1 − p)

UCL = (150)(0.047) + 3√(150)(0.047) ( 1 − 0.047)

UCL = 14.826

LCL = np − 3 √np ( 1 − p)

LCL = (150)(0.047) − 3√(150)(0.047) ( 1 − 0.047)

LCL = −0.726

Cuando LCL es negativo, se toma LCL= 0

e. Conteste la parte (c) usando los resultados de la parte (d)

En base a los datos del ejercicio c y d, se debe considerar que el proceso está en control
ya que se encontraron 12 paquetes defectuosos.

f. ¿Qué grafico de control se preferiría en esta situación? Explique.

La grafica de control para esta situación sería el tipo np, ya que esta permitirá tomar una
decisión simple contando el número de paquetes defectuosos.
Ejercicio 9.

Un proveedor de la industria automotriz produce pistones para varios modelos de

automóviles. Se seleccionaron veinte muestras, cada una de ellas con 200 pistones,
cuando se sabía que el proceso estaba funcionando correctamente. El número de
pistones defectuosos encontrados están en la tabla 1 datos que son obtenidos del libro
Statistics for Business and Economics, 2011.

Tabla 3: Cantidad de pistones defectuosos

NÚMERO DE PISTONES DEFECTUOSOS

8 10 6 4 5 7 8 12 8 15
14 10 10 7 5 8 6 10 4 8

Resuelva lo siguiente:

a. ¿Cuál es la estimación adecuada de la proporción defectuosa para el proceso

de fabricación del pistón cuando está en control?

Mediante Excel se obtiene el promedio de los pistones defectuosos que es x = 8.25 y

con un tamaño de la muestra n = 200 se puede calcular el 𝑝̅ con la siguiente formula:

𝑥
𝑝̅ =
𝑛

8.25
𝑝̅ = = 0,041
200

la desviación de las proporciones defectuosas se calcula con:

𝑝(1 − 𝑝)
𝜎𝑝̅ = √
𝑛

0,041(1 − 0,041)
𝜎𝑝̅ = √ = 0,014
200

b. Construya el gráfico p para el proceso de fabricación, asumiendo que cada

muestra tiene 200 pistones.

Con los datos presentados en el ejercicio y la utilización de Excel se tienen los

siguientes valores para la gráfica:
 Proporción
Pistones
Muestra Defectos de UCL LC LCL
defectuosos
defectos
8 200 0,04 0,014 0,08 0,041 0,00

14 200 0,07 0,018 0,08 0,041 0,00

10 200 0,05 0,015 0,08 0,041 0,00

10 200 0,05 0,015 0,08 0,041 0,00

6 200 0,03 0,012 0,08 0,041 0,00

10 200 0,05 0,015 0,08 0,041 0,00

4 200 0,02 0,010 0,08 0,041 0,00

Gráfica p

GRAFICA P PARA EL PROCESO DE

FABRICACION DE PISTONES
0.1

0.08

0.06
Axis Title

0.04

0.02

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
-0.02
Axis Title

UCL LC LCL Proporcion de defectos

c. Con los resultados de la parte (b), ¿qué conclusión se debe hacer si una
muestra de 200 tiene 20 pistones defectuosos?

Sabiendo que el límite de elementos defectuosos es de 16, el tener 20 pistones

defectuosos es tener una producción no controlada y que en algún proceso existe
fallas.

d. Calcule los límites de control superior e inferior para un gráfico np.

Para el cálculo de los límites de la gráfica np, se tiene los siguientes datos: Tamaño de
la muestra n = 200 y la probabilidad de tener un defecto p = 0,041; con las siguientes
formulas se tiene:

𝑈𝐶𝐿 = 𝑛𝑝 + 3√𝑛𝑝(1 − 𝑝)

𝑈𝐶𝐿 = (200)(0,041) + 3√(200)(0,041)(1 − 0,041)

𝑈𝐶𝐿 = 16,7

𝐿𝐶𝐿 = 𝑛𝑝 − 3√𝑛𝑝(1 − 𝑝)

𝐿𝐶𝐿 = (200)(0,041) − 3√(200)(0,041)(1 − 0,041)

𝐿𝐶𝐿 = 16,7

e. Conteste la parte (c) usando los resultados de la parte (d).

Sabiendo que el límite de elementos defectuosos es de 16, el tener 16,7 pistones

defectuosos es tener una producción no controlada y que en algún proceso existe
fallas.

f. Repitiendo el apartado b para encontrar la grafica p, esta vez utilizando el

software minitab

Para obtener la gráfica p mediante el programa minitab se insertan los valores de los
pistones defectuosos y la muestra.

Pistones defectuosos Muestra

8 200
14 200
10 200
10 200
6 200
10 200
 4 200

A partir de estos datos se obtuvo la siguiente gráfica p.

BIBLIOGRAFÍA

[1] D. R. Anderson, D. J. Sweeney y T. A. Williams, Statistics for Business and

Economics, Undécima ed., Mason: South-Western Cengage Learning,
2011.