TAF La Casa Del Perno

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ
Maestría en Gestión de Operaciones Productivas XI
Razonamiento Estocástico
Juan Narro Lavi
Caso: La casa del Perno
Noviembre 2021
INDICE
1. RESUMEN EJECUTIVO...................................................................................................3
2. DEFINICIÓN DEL PROBLEMA......................................................................................4
2.1. Problema principal.......................................................................................................4

2.2. Problemas secundarios................................................................................................4
2.3. Variables y atributos....................................................................................................4
3. ANALISIS DEL CASO DE ESTUDIO.............................................................................5
3.1. Descripción de los datos..............................................................................................5
3.2. Análisis de probabilidades y estimación por intervalos............................................20
3.3. Prueba de hipótesis....................................................................................................28
3.3.1. Muestra 1...............................................................................................................28
3.3.2. Muestra 2...............................................................................................................29
3.4. Análisis de capacidad de proceso................................................................................1
4. CONCLUSIONES Y RECOMENDACIONES.................................................................2
1. RESUMEN EJECUTIVO
La casa del Perno es una empresa de bienes y servicios preocupada en entregar a sus
clientes productos de calidad, y así cumplir con su estrategia crecimiento, sin embargo,
2
durante estos últimos años han comenzado a tecnificar su control de calidad y comenzado a
realizar mediciones de sus productos.
Todos los pernos que fabrican pasan por exhaustivas mediciones de calidad: longitud,
diámetro de la cabeza, diámetro final de la rosca, dureza, estado de la cabeza, espesor,
enroscado entre otros.
Las mediciones se realizan de una muestra al azar donde se analizan los resultados
iniciales para posteriormente aplicando las correcciones se toma nuevamente otro muestreo
de la información, de esta manera se busca reducir cada vez más las fallas en la producción.
La casa de los pernos ha contratado nuestra consultoría con la finalidad de
recomendar acciones correctivas y así optimizar el proceso de producción al disminuir los
productos defectuosos, para esto nos han entregado una muestra de 100 pernos inicialmente,
luego nos facilitaran otra muestra de 100 pernos más para evaluar los resultados después las
mejoras implementadas.
2. DEFINICIÓN DEL PROBLEMA
2.1. Problema principal
 Concluir y plantear las recomendaciones necesarias para que los productos que
fabrica La casa del perno cumplan y mantengan los requisitos de calidad.
3
2.2. Problemas secundarios
 La producción debe encontrarse dentro de los límites de control máximo y
mínimo (83.9 – 76.1 milímetros)
 La producción debe tener una media de 80.5 milímetros.
 Analizar los resultados de la producción post implementación de las mejoras
iniciales.
2.3. Variables y atributos
A continuación, vamos a detallar las variables y atributos que utilizaremos para este
análisis:
a. Atributos
i. Dureza: Buena o Mala
ii. Cabeza: Buena o Mala
iii. Enroscado: Buena o Mala
b. Variables
i. Longitud: Cuantitativa, continua
4
3. ANALISIS DEL CASO DE ESTUDIO
Para el análisis de los datos mencionados en el presente caso se dividirá en dos
secciones. La primera se procederá a evaluar la muestra 1 y la segunda, la muestra 2,
ambas con la información proporcionada podrán identificar recomendaciones y acciones
según el análisis estadístico con el objetivo de mejorar la calidad de fabricación de
pernos y lograr reducir la reducción de pernos defectuosos respectivamente.
Este análisis estadístico comprende la descripción y resumen numérico, probabilidades,
estimación de parámetros, prueba de hipótesis y cartas de control de los datos del
presente caso.
3.1. Descripción de los datos
Un perno cumple con las especificaciones técnicas si cumplen con las cuatro
características dadas por su sistema de calidad (Dureza, estado de la cabeza, del
enroscado y longitud del perno). En la tabla 1 se muestra la clasificación del
perno bajo estos factores, además para los datos de longitud se considerar
conformes sus especificaciones técnicas (LCI: 76.1mm y LCS:83.9mm).
3.1.1. Muestra 1
A continuación, se presentan los resultados de la muestra aleatoria compuesta por
100 pernos.
5
Tabla 1: Muestra 1
Muestra 1
Observación Dureza Cabeza Enroscado Longitud Pernos
1 mala buena buena 74.1 mala
2 buena buena buena 75 buena
3 buena mala mala 80.6 mala
4 mala mala mala 71 mala
6 buena buena buena 80.4 buena
7 buena buena mala 82 mala
8 buena buena mala 82.4 mala
12 mala mala buena 71.6 mala
17 mala mala mala 72.9 mala
19 mala buena mala 73 mala
24 buena mala buena 74.9 mala
26 mala buena mala 87.2 mala
27 mala buena buena 78 mala
6
7
De los resultados obtenidos en la presente tabla se identifica la cantidad y
porcentaje de personas buenos y malos según de las características técnicas
significantes:
Tabla 2: Cantidad de defectos
CANTIDAD DE DEFECTOS
Dureza Cabeza Enroscado Pernos
Buenos 79 84 84 68
Malos 21 16 16 32
% Malos 21% 16% 16% 32%
Figura 1: Gráfico porcentaje de defectos de pernos
Malos
32%
Buenos
68%
Buenos Malos
8
Figura 2: Gráfico cantidad de defectos por tipo
90
80 84 84
79
70
60
50
40
30
20
21
10 16 16
0
Dureza Cabeza Enroscado
Buenos Malos
Podemos concluir de los datos analizados que el porcentaje de pernos con
defectos es alto, siendo este del 32%. Así mismo es importante destacar que la
cantidad de tipos de defectos no es el más influyente para clasificar un perno
como malo, dado que el porcentaje de defectos mayor por dureza es del 21% y el
resto inferior por lo que demuestra que la longitud es la característica que debe
priorizarse como problema para determinar las causas y según se identifique se
plantearán las acciones correctivas. No obstante, se debe considerar que un perno
es identificado bueno por el sistema de control de calidad si todas las condiciones
significativas del perno evaluadas son buenas; de esta forma, será considerado
defectuoso si al menos una de sus características significativas es mala.
Complementando, realizaremos el análisis descriptivo de la característica
significativa “longitud del perno”, en ella podemos identificar la media, error
típico, mediana entre otros. Según información trabajada en el programa Excel,
procederemos a realizar la distribución de frecuencias detalladas en las siguientes
tablas:
9
Tabla 3: Análisis descriptivo de la muestra 1
LONGITUD
Mean 79.607
Standard Error 0.377110907
Median 79.65
Mode 76.9
Standard Deviation 3.771109072
Sample Variance 14.22126364
Kurtosis -0.031355457
Skewness 0.165673598
Range 18.5
Minimum 71
Maximum 89.5
Sum 7960.7
Count 100
Confidence Level (95.0%) 0.748269855
CLASES 7.6
8
AMPLITUD (i) 2.3125
3
Tabla 4: Distribución de frecuencias de la muestra 1

CLASES EXT INF EXT SUP LIM INF LIM SUP MK F ABS FRO FRACM
1 70.0 72.4 69.95 72.45 71.20 3 0.03 0.0300
2 72.5 74.9 72.45 74.95 73.70 7 0.07 0.1000
3 75.5 77.9 75.45 77.95 76.70 23 0.23 0.3300
4 78.5 80.9 78.45 80.95 79.70 34 0.34 0.6700
5 81.5 83.9 81.45 83.95 82.70 19 0.19 0.8600
6 84.5 86.9 84.45 86.95 85.70 10 0.1 0.9600
7 87.5 89.9 87.45 89.95 88.70 4 0.04 1.0000
10
Tabla 5: Histograma defectos por longitud muestra 1
LIM SUP Frequency Cumulative %
72.45 3 3.00%
74.95 7 10.00%
77.95 23 33.00%
80.95 34 67.00%
83.95 19 86.00%
86.95 10 96.00%
89.95 4 100.00%
Figura 3: Histograma defectos por longitud
40 100.00%
34 90.00%
35
40 80.00%
30
35 70.00%
25 23 60.00%
30
20 19 50.00%
25
40.00%
15
20
10 30.00%
10
15 7 20.00%
5 4
10 3 10.00%
05 0.00%
72.45 74.95 77.95 80.95 83.95 86.95 89.95
0 Frequency Cumulative %
1 2 3 4 5 6 7
Figura 4: Frecuencia absoluta cantidad de defectos
Como ya hemos mencionado, la característica significativa que refiere a la longitud final
del perno es la que debe tener la prioridad, añadiendo esto, según distribución de
frecuencias e histograma comparando los límites establecidos (entre 76.1 y 83.9 mm.) y
media establecida de 80.5 mm se concluye que existe una gran cantidad de pernos fuera
de los límites establecidos. Sin embargo, amerita realizar una evaluación adicional a la
11
variedad de tamaños con respecto a la longitud final del perno dado que el excedente y
faltante en esta característica no es destacable siendo casi igual sus defectos observados
entre los extremos inferiores y superiores.
3.1.2. Muestra 2
Evaluamos la muestra después de 2 meses de haber llevado las acciones correctivas
Tabla 6: Resultados de muestra 2
Muestra 2
Observación Dureza Cabeza Enroscado Longitud Pernos
4 mala buena buena 71 mala
12
13
88 buena mala mala 79 mala
Nuevamente, de los resultados obtenidos en la presente tabla se identifica la
cantidad y porcentaje de personas buenos y malos según de las características
técnicas significantes:
Tabla 7: Cantidad de defectos

CANTIDAD DE DEFECTOS
Dureza Cabeza Enroscado Pernos
Buenos 93 96 96 91
Malos 7 4 4 9
% Malos 7% 4% 4% 9%
Figura 5: Gráfico porcentaje de defectos de pernos
14
Malos
9%
Buenos
91%
Buenos Malos
Figura 6: Gráfico cantidad de defectos por tipo
120
100
96 96
93
80
60
40
20
0 7
4 4
Dureza Cabeza Enroscado
Buenos Malos
Podemos inferir de los datos analizados que el porcentaje de pernos con defectos ha
mejorado considerablemente, siendo este del 9% que se encuentran fuera de los
15
límites de control comparado con el 31% de la primera muestra. Además, analizando
las otras características significativas se muestra una reducción importante, de 21% a
7% en dureza y de 16% a 4% en estado de cabeza y enroscado.
Complementando, realizaremos el análisis descriptivo de la característica
significativa “longitud del perno”, en ella podemos identificar la media, error típico,
mediana entre otros. Según información trabajada en el programa Excel,
procederemos a realizar la distribución de frecuencias detalladas en las siguientes
tablas:
Tabla 8: Análisis descriptivo de la muestra 2

Longitud
Mean 79.628
Standard Error 0.227054392
Median 79.8
Mode 79.8
Standard Deviation 2.270543921
Sample Variance 5.155369697
Kurtosis 4.266951914
Skewness -1.599791409
Range 13.3
Minimum 71
Maximum 84.3
Sum 7962.8
Count 100
Confidence Level (95.0%) 0.450525174
CLASES 7.6
8
16
AMPLITUD (i) 1.6625
3
Tabla 9: Distribución de frecuencias de la muestra 1
EXT LIM LIM

CLASES EXT SUP MK F ABS FRO FRACM
INF INF SUP
1 70.0 72.4 69.95 72.45 71.20 3 0.03 0.0300
2 72.5 74.9 72.45 74.95 73.70 2 0.02 0.0500
3 75.5 77.9 75.45 77.95 76.70 8 0.08 0.1300
4 78.5 80.9 78.45 80.95 79.70 66 0.66 0.7900
5 81.5 83.9 81.45 83.95 82.70 20 0.2 0.9900
6 84.5 86.9 84.45 86.95 85.70 1 0.01 1.0000
Tabla 10: Histograma defectos por longitud muestra 1
LIM SUP Frequency Cumulative %

72.45 3 3.00%
74.95 2 5.00%
77.95 8 13.00%
80.95 66 79.00%
83.95 20 99.00%
86.95 1 100.00%
More 0 100.00%
Figura 7: Histograma defectos por longitud
17
70 66 100.00%
90.00%
60
80.00%
50 70.00%
60.00%
40
50.00%
30
40.00%
20
20 30.00%
20.00%
10 8
3 10.00%
2 1
0 0.00%
72.45 74.95 77.95 80.95 83.95 86.95
Frequency Cumulative %
Figura 8: Frecuencia absoluta cantidad de defectos
70 66
60
50
40
30
20
20
10 8
3 2 1 0
0
1 2 3 4 5 6 7
18
Según distribución de frecuencias e histograma comparando los límites establecidos
(entre 76.1 y 83.9 mm.) y media establecida de 80.5 mm se concluye que, las
acciones correctivas han logrado una importante mejoría en reducir la cantidad de
defectos de los pernos respecto a la muestra de 2 meses anteriores. Es importante
acotar que, aunque la muestra ha presentado una gran mejoría, el porcentaje
identificado de defectos de esta muestra aún es relevante para la empresa, dado que
representándolo en costos influye ante la no optimización de sus procesos para
mejorar la calidad de este producto.
3.2. Análisis de probabilidades y estimación por intervalos.
A continuación, vamos a analizar cada muestra usando teoría de probabilidad y
estimación por intervalos, este último nos describirá un intervalo de valores dentro
del cual es posible que este el parámetro de la probación basado en las
observaciones de cada muestra, teniendo en cuenta un grado de confianza para
determinar donde se ubica el parámetro de la población de 95%.
Se tendrá en cuenta para estos cálculos los límites de especificación técnica, que
describe el caso que define que la longitud final de un perno debe encontrarse
dentro de los límites máximo y mínimo que están establecidos en 83.9 mm y 76.1
19
mm respectivamente. Asimismo, teniendo en cuenta que por normas técnicas la
producción debe tener una media de 80.5 mm.
Análisis de la Muestra 1
Figura 9: Gráfica de dispersión de valores de longitud de perno – Muestra1

Respecto, a este gráfico podemos observar que existe una gran variabilidad en las
medidas de longitud de los 100 pernos que corresponden a la muestra #1, existen
una gran cantidad de valores que salen de los límites de especificación y por lo
tanto se alejan del valor objetivo de 80.5 mm.
A continuación, vamos a calcular las probabilidad en base a los resultados de la
muestra que los valores se encuentren dentro de los limites de especificación.
Tenemos:
 Media: 79.607 mm
 Desviación Estándar: 3.771 mm

90
Longitud (mm)
80
70
0 10 20 30 40 50 60 70 80 90 100
Muestras
Longitud Perno Limite Esp. Máximo

Límite Esp. Mínimo Longitud Objetivo
20
Por lo tanto:
P(x<=76.1) 0.1762
P(x<=83.9) 0.8725
P(76.1<=X<=83.9) 0.6963
En base a los resultados de la muestra 1, se concluye que se tiene una probabilidad
de 0.696 de que un perno tenga una longitud entre 76.1 y 83.9 mm como limites de
especificación, es decir aproximadamente el 69.6% de los pernos se encuentran
dentro de los límites.
Se tiene una baja probabilidad de estas dentro de los limites de especificación, lo
cual se ve afectado para la alta variabilidad del proceso en la obtención de la
longitud de los pernos se tiene una gran oportunidad de mejora.
Con el objetivo de tener un mejor análisis, vamos a determinar los intervalos de
confianza de acuerdo con los resultados de longitud de los pernos de la muestra 1
Media µ× = 79.607
Desv. estándar σ= 3.771
Tamaño Muestra n= 100
Nivel Significancia α= 0.05
21
Si bien es cierto no tenemos la desviación estándar de la población, no obstante,
nuestra muestra es lo suficientemente grande es decir mayor a 30, por lo tanto,
utilizamos la normal para realizar los cálculos:
Nivel de Confianza = 0.95
Nivel de significancia (α) = 0.05
Calculamos el valor Z para:
Z α =Z 0.975
1−
2
Z=1.96
Por lo tanto, aplicando la formula para intervalo de confianza normal:
Nivel de Precisión: 0.748 mm

Limite Superior 80.36 mm
Límite Inferior 78.86 mm
Se tiene un error de 0.748, además los extremos del intervalo de confianza para la
media son 78.86 mm y 80.36 mm .es decir hay 0.95 de confianza que el intervalo
hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera
media poblacional (m).
Como podemos observar el intervalo de confianza no incluye a la media objetivo
de 80.5 mm lo cual, refleja la oportunidad de mejora que se tiene en el proceso de
fabricación de pernos.
22
Análisis de la Muestra 2
Figura 10: Gráfica de dispersión de valores de longitud de perno – Muestra2
Respecto, a este gráfico podemos observar que existe la variabilidad ha mejorado
en comparación con los resultados de la muestra #1, además podemos evidenciar
que a partir del perno 40 en adelante la variabilidad mejora notablemente y la
mayoría de los pernos tienen una longitud dentro de los límites de especificación
técnica, lo cual podría llevarnos a evaluar el proceso de fabricación de estos pernos
y estandarizar procedimientos de trabajo para en adelante lograr tener los mismos
90
Longitud (mm)
80
70
0 10 20 30 40 50 60 70 80 90 100
Muestra
Longitud del Perno Límite Esp. Superior

Limite Esp. Inferior Valor media Objetivo
resultados.
A continuación, vamos a calcular las probabilidad en base a los resultados de la
muestra que los valores se encuentren dentro de los límites de especificación.
Tenemos:
 Media: 79.628 mm
23
Por lo tanto:
P(x<=76.1) 0.060
P(x<=83.9) 0.970
P(76.1<=X<=83.9) 0.910
de 0.910 de que un perno tenga una longitud entre 76.1 y 83.9 mm como límites de
especificación, es decir aproximadamente el 91% de los pernos se encuentran
dentro de los límites.
Se puede evidenciar que hay una mejora notable en el proceso de producción, en la
cual se toma la segunda muestra (teniendo en cuenta las regulaciones de mejora
que especifica el caso), aún se tiene oportunidades de mejora, pero son mínimas
que podrían trabajarse con estandarización de procesos.
Con el objetivo de tener un mejor análisis, vamos a determinar los intervalos de
confianza de acuerdo con los resultados de longitud de los pernos de la muestra 1
Media µ× = 79.628
Desv. estándar σ= 2.271
Tamaño Muestra n= 100
Nivel Significancia α= 0.05
24
Si bien es cierto no tenemos la desviación estándar de la población, no obstante,
nuestra muestra es lo suficientemente grande es decir mayor a 30, por lo tanto,
utilizamos la normal para realizar los cálculos:
Nivel de Confianza = 0.95
Nivel de significancia (α) = 0.05
Calculamos el valor Z para:
Z α =Z 0.975
1−
2
Z=1.96
Por lo tanto, aplicando la fórmula para intervalo de confianza normal:

Se tiene un error de 0.451, es decir mucho menor que el error de la muestra 1,
además los extremos del intervalo de confianza para la media son 79.18mm y
80.08 mm .es decir hay 0.95 de confianza que el intervalo hallado se encuentre
dentro del grupo de intervalos que contienen a la verdadera media poblacional (m).
Como podemos observar con el intervalo de confianza calculado, se ha reducido el
rango de este lo cual está relacionado con la reducción de la variabilidad, no

25
obstante, aún el intervalo de confianza no contiene al valor de longitud objetivo lo
cual evidencia aún oportunidad.
En base a la gráfica de dispersión, de los valores de longitud de los pernos de las
muestra 02, podemos observar que a partir del perno 40 en adelante lo valores se
encuentran dentro de los limites de especificación, asumiendo que los pernos se
toman en intervalos de tiempo definido podríamos concluir que a partir de ese
momento se ha logrado establecer una mejora en la operación de fabricación de
pernos, por lo tanto realizaremos los cálculos solo para esos valores que nos
permita concluir o recomendar.
Tenemos:
 Media: 80.14 mm
Por lo tanto:
P(x<=76.1) 0.0009
P(x<=83.9) 0.9981
26
P(76.1<=X<=83.9) 0.9972
Aplicando la fórmula para intervalo de confianza normal:

de 0.997 de que un perno tenga una longitud entre 76.1 y 83.9 mm como límites de
especificación, es decir aproximadamente el 99.7% de los pernos se encuentran
dentro de los límites. Por lo tanto, se puede concluir que en la muestra 02, a partir
del perno 40 en adelante se tiene una gran probabilidad de estar dentro de los
límites de especificación que se solicita, además que el intervalo de confianza
contiene a la longitud objetivo, pero aun con oportunidad de mejora mínima, se
podría revisar la regulación en el proceso de producción para estos pernos que nos
permita identificar buenas practicas que lleven a estandarizar procedimientos de
trabajo.
3.3. Prueba de hipótesis
A continuación, vamos a realizar una prueba de hipótesis para validar que la
media de la longitud en ambas muestras no varie significativamente de 80.5mm
según lo especificado por la norma técnica.
27
3.3.1. Muestra 1
Comenzando con la muestra 1, se plantea la siguiente hipótesis nula:
“La media de la longitud del perno no es significativamente diferente
de 80.5mm”. Sabemos que:
Media 79.607
Desviación estándar 3.771
n 100
Hipótesis nula:
H O : μ=80.5
Hipótesis alternativa (prueba de dos colas):
H 1 : μ ≠ 80.5
Empleando un nivel de confianza de 95%, se tiene que:
α =0.05
n>30 y σ desconocido , usamos "Z"
X−μ
Z=
σX
Z critico=Z α =−1.96
Al estar empleando una prueba de dos colas, la condición en la cual no
rechazamos la hipótesis nula es:
−Z critico ≤ Z calc ≤ Z critico
Calculamos el Zcalc:
28
X−μ
Zcalc=
σX
79.607−80.5
Zcalc= =−2.36
3.771
√100
Dado que el Zcalc es menor que el −Z critico, podemos concluir que la
hipótesis nula se rechaza. Esto quiere decir que si existen diferencias
significativas entre la media muestral y la media que exige la norma
técnica (80.5 mm).
3.3.2. Muestra 2
En el caso de la muestra 2, se plantea la misma hipótesis nula: “La
media de la longitud del perno no es significativamente diferente de
80.5mm”. Sabemos que:
Media 79.628
Desviación estándar 2.271
n 100
Hipótesis nula:
H O : μ=80.5
Hipótesis alternativa (prueba de dos colas):
H 1 : μ ≠ 80.5
Empleando un nivel de confianza de 95%, se tiene que:
α =0.05
n>30 y σ desconocido , usamos "Z"
X−μ
Z= 29
σX
Z critico=Z α =−1.96
Calculamos el Zcalc:
X−μ
Zcalc=
σX
79.628−80.5
Zcalc= =−3.840
2.271
√100
Dado que el Zcalc es menor que el −Z critico, podemos concluir que la
hipótesis nula se rechaza. Esto quiere decir que si existen diferencias
significativas entre la media muestral y la media que exige la norma
técnica (80.5 mm).
Teniendo en cuenta, que en la prueba de hipótesis para ambas muestras se ha rechazado la
hipótesis nula, es decir la media es significativamente diferente de 80.5 mm para la
característica de longitud, lo cual evidencia que aún se tiene oportunidad de mejora en el
proceso lo cual se concluirá y recomendará planes de acción en el capítulo posterior.
Utilizando prueba de hipótesis, vamos a comparar las proporciones de las muestras con
características (longitud, dureza, cabeza y enroscado) calificadas como “malas”, es decir
vamos a comparar la proporción de defectos, para el caso de longitud calificamos como mala
aquel perno que sale fuera de los límites de especificación.
Por lo tanto, tenemos:
Proporción de defectos:
30
Muestra 1 Muestra 2
π2 π1
Longitud 0.31 0.07
Dureza 0.21 0.07
Cabeza 0.16 0.04
Enroscado 0.16 0.04
Resultados de Prueba de Hipótesis:
Para cada característica hemos planteado la siguiente hipótesis nula y alternativa:
H O : π 1=π 2
H 1 : π1< π2
Se tiene los siguientes resultados:
Zcrit Zcal
Longitud -1.645 -4.326
Dureza -1.645 -2.853
Cabeza -1.645 -2.828
Enroscado -1.645 -2.828
En base a los resultados obtenidos, lo cual se puede evidenciar en lea Figura 11, se tiene que
para todas las características de calidad se rechaza la hipótesis nula, es decir el numero de
defectos de la muestra 2 es significativamente menor que la muestra 01, lo cual evidencia que
la mejora no es un error de muestreo, sino que las implementaciones han generado una
mejora tangible en el proceso de fabricación de pernos.
31
LONGITUD DUREZA CABEZA ENROSCADO
1. Plantee la hipotesis nula y alternativa 1. Plantee la hipotesis nula y alternativa 1. Plantee la hipotesis nula y alternativa 1. Plantee la hipotesis nula y alternativa
PASO 1 PASO 1 PASO 1 PASO 1

‫ܪ‬ைǣߨଵ ൌߨଶ ‫ܪ‬ைǣߨଵ ൌߨଶ ‫ܪ‬ைǣߨଵ ൌߨଶ ‫ܪ‬ைǣߨଵ ൌߨଶ
‫ܪ‬ଵǣ ߨଵ ൏ ߨଶ ‫ܪ‬ଵǣ ߨଵ ൏ ߨଶ ‫ܪ‬ଵǣ ߨଵ ൏ ߨଶ ‫ܪ‬ଵǣ ߨଵ ൏ ߨଶ
2. Nivel de significacion 2. Nivel de significacion 2. Nivel de significacion 2. Nivel de significacion
ܽ ‫ݑݎ‬
ܾ݁ ‫ݑ‬
ܲ‫ݑ‬ ݀݁ Ͳͳ ݈ܿܽ‫݋‬ ܽ ܾ݁‫ݑݎ‬
‫ݑ‬
ܲ‫ݑ‬ ݀݁ Ͳͳ ܿܽ
݈ܽ‫݋‬݈ ܽ ‫ݑݎ‬
ܾ݁ ‫ݑ‬
݈ܽ‫݋‬݈ ܽ ‫ݑݎ‬
ܾ݁ ‫ݑ‬
݈ܽ‫݋‬݈
PASO 2 PASO 2 PASO 2 PASO 2
ߙൌ ‫ܧݎݎݎ‬
‫ܫݐ݅݌݋݅ݐܧݎݎ݋‬ ߙൌ ‫ܧݎݎݎ‬
‫ܫ ݅ݐܧݎݎ݋‬ ߙൌ ‫ݎݎ‬
‫ݎ݋‬
‫ܧݎ‬
‫ܫ ݅ݐܧݎ‬ ߙൌ ‫ܧݎݎݎ‬
‫ܫ ݅ݐܧݎݎ݋‬
ߙൌ
ͲǤͲͷ ̶ ݊‫"݋‬ ߙൌ
ͲǤͲͷ ̶
3. Estadistico de prueba 3. Estadistico de prueba 3. Estadistico de prueba 3. Estadistico de prueba
݊‫ ݌‬൐ ͷ, podemos emplear Z ݊‫ ݌‬൐ ͷ, podemos emplear Z ݊‫ ݌‬൐ ͷ, podemos emplear Z ݊‫ ݌‬൐ ͷ, podemos emplear Z
‫݌‬ଵ െ‫݌‬ଶ ‫ݔ‬ଵ ൅ ‫ݔ‬ଶ ‫݌‬ଵ െ‫݌‬ଶ ‫ݔ‬ଵ ൅ ‫ݔ‬ଶ ‫݌‬ଵ െ‫݌‬ଶ ‫ݔ‬ଵ ൅ ‫ݔ‬ଶ ‫݌‬ଵ െ‫݌‬ଶ ‫ݔ‬ଵ ൅ ‫ݔ‬ଶ
ܼൌ ‫݌‬௖ ൌ ܼൌ ‫݌‬௖ ൌ ܼൌ ‫݌‬௖ ൌ ܼൌ ‫݌‬௖ ൌ
‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ݊ଵ ൅ ݊ଶ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ݊ଵ ൅ ݊ଶ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ݊ଵ ൅ ݊ଶ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ݊ଵ ൅ ݊ଶ
൅ ൅ ൅ ൅
݊ଵ ݊ଶ ݊ଵ ݊ଶ ݊ଵ ݊ଶ ݊ଵ ݊ଶ
4. Regla de decision critico 4. Regla de decision critico 4. Regla de decision critico 4. Regla de decision critico
Utilizamos Valor Critico Utilizamos Valor Critico Utilizamos Valor Critico Utilizamos Valor Critico
ܼ௖௥௜௧௜௖௢ ൌ
ܼఈ ൌ
-1.645 ܼ௖௥௜௧௜௖௢ ൌ
ܼఈ ൌ
-1.645 ܼ௖௥௜௧௜௖௢ ൌ
ܼఈ ൌ
-1.645 ܼ௖௥௜௧௜௖௢ ൌ
ܼఈ ൌ
-1.645
5. Estadistico calculado - Decision 5. Estadistico calculado - Decision 5. Estadistico calculado - Decision 5. Estadistico calculado - Decision
‫ݔ‬ଵ ൅ ‫ݔ‬ଶ ͵ ͳ൅ ͹ ‫ݔ‬ଵ ൅ ‫ݔ‬ଶ ʹ ͳ൅ ͹ ‫ݔ‬ଵ ൅ ‫ݔ‬ଶ ͳ͸ ൅ Ͷ ‫ݔ‬ଵ ൅ ‫ݔ‬ଶ ͳ͸ ൅ Ͷ

‫݌‬௖ ൌ ‫݌‬௖ ൌ ‫݌‬௖ ൌ
ͲǤͳͻ ‫݌‬௖ ൌ ‫݌‬௖ ൌ ‫݌‬௖ ൌ
ͲǤͳ4 ‫݌‬௖ ൌ ‫݌‬௖ ൌ ‫݌‬௖ ൌ
ͲǤͳͲ ‫݌‬௖ ൌ ‫݌‬௖ ൌ ‫݌‬௖ ൌ
ͲǤͳͲ
݊ଵ ൅ ݊ଶ ͳͲͲ൅ ͳͲͲ ݊ଵ ൅ ݊ଶ ͳͲͲ൅ ͳͲͲ ݊ଵ ൅ ݊ଶ ͳͲͲ൅ ͳͲͲ ݊ଵ ൅ ݊ଶ ͳͲͲ൅ ͳͲͲ
‫݌‬ଵ െ‫݌‬ଶ ‫݌‬ଵ െ‫݌‬ଶ ‫݌‬ଵ െ‫݌‬ଶ ‫݌‬ଵ െ‫݌‬ଶ

ܼൌ ܼൌ ܼൌ ܼൌ
‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ ‫݌‬௖ሺͳ െ ‫݌‬௖ሻ
൅ ൅ ൅ ൅
݊ଵ ݊ଶ ݊ଵ ݊ଶ ݊ଵ ݊ଶ ݊ଵ ݊ଶ
ͲǤͲ͹ െͲǤ͵ ͳ ͲǤͲ͹ െͲǤʹ ͳ ͲǤͲͶെͲǤͳ͸ ͲǤͲͶെ ͲǤͳ͸
ܼൌ ܼൌ ܼൌ ܼൌ
ͲǤͳͻ ሺͳ െͲǤͳͻ ሻ ͲǤͳͻ ሺͳ െͲǤͳͻ ሻ ͲǤͳͶሺͳ െͲǤͳͶሻ ͲǤͳͶሺͳ െͲǤͳͶሻ ͲǤͳͲሺͳ െͲǤͳͲሻ ͲǤͳͲሺͳ െͲǤͳͲሻ ͲǤͳͲሺͳ െͲǤͳͲሻ ͲǤͳͲሺͳ െͲǤͳͲሻ
൅ ൅ ൅ ൅
ͳͲͲ ͳͲͲ ͳͲͲ ͳͲͲ ͳͲͲ ͳͲͲ ͳͲͲ ͳͲͲ
ܼൌ
െͶǤ͵ ʹ ͷͻ ܼൌ
െʹ Ǥͺ ͷ͵ ܼൌ
െʹ Ǥͺ ʹ ͺ ܼൌ
െʹ Ǥͺ ʹ ͺ
Figura 11: Calculo de prueba de hipótesis para comparar proporción de defectos de cada muestra.
3.4. Análisis de capacidad de proceso
En la presente sección se realizará el calculo de la capacidad de proceso (Cp) y
(Cpk) para ambas muestras, con el objetivo de realizar un comparativo y poder
evidenciar la mejora obtenida con la implementación después de los 02 meses.
USL−LSL
C p= (capaz >1)
6σ
C pk =Mín ( USL−μ
3σ
,
3σ )
μ−LSL
Muestra 01
C p=0.345
C pk =0.31
Muestra 02
C p=0.572
C pk =0.518
En base a los resultados del Cp y Cpk, podemos evidenciar que se ha logrado una
mejora en el proceso después de las implementaciones, no obstante, aún se tiene
oportunidad porque en ambos casos aún el valor del Cp es menor que 1, es decir
aun el proceso no es capaz de cumplir las especificaciones técnicas definidas.

4. CONCLUSIONES Y RECOMENDACIONES
En el presente capítulo, en base a los resultados antes obtenidos concluiremos y
realizaremos recomendaciones de las soluciones viables de implementación.
 En base a los resultados, de la muestra 01 y la muestra 02, podemos concluir que
existe una mejora significa en el proceso de fabricación de pernos relacionados a
las características significativas en la calidad del perno, muestra ello tenemos:
 Se ha reducido la variabilidad de la muestra 02 respecto de la muestra 01
teniendo como referencia la desviación estándar de 2.271 mm a 3.771
mm respectivamente, así como también el coeficiente de variación que en
principio en la muestra 01 era de 4.7% y después de 02 meses de
implementación se tiene la muestra 02 con un coeficiente de variación de
2.85%.
 En el cálculo de probabilidades también se puede apreciar la mejora en el
proceso de fabricación de pernos, teniendo en la muestra 02 una
probabilidad de cumplir los límites de especificación (76.1 mm a 83.9
mm) 0.91 respecto de la muestra 01 con una probabilidad de 0.69
 Además, aplicando teoría de hipótesis para comparar las proporciones de
buena calidad teniendo en cuenta cada una de las características definidas
por la casa del perno, se evidencia que existe diferencia significativa
entre la muestra 01 y 02, siendo esta última la que tiene la mayor
proporción de características de calidad “buena”.
2
 No obstante, teniendo en cuenta los resultados de la prueba de hipótesis,
de la muestra 01 y 02, con una hipótesis nula de que la media no es
significativamente diferente de 80.5 mm (valor objetivo), ambas se
rechazan es decir aún se tiene oportunidad de mejora en el proceso de
fabricación caracterizado por la muestra 02.
 Esta última conclusión, nos lleva a recomendar en base a los resultados
de la medidas de longitud de los pernos de la segunda muestra en la cual
se puede observar un gran número de pernos que se sitúan dentro de los
límites de especificación y una referencia que a partir del perno 40 en
adelante se puede observar que estos se distribuyen dentro de los límites
de especificación, es necesario evaluar en la fabricación de estos pernos
la regulaciones y las buenas prácticas de operación que se puedan
estandarizar para que en producción posteriores se obtenga esa misma
distribución, debido a que realizando el análisis de probabilidad para
estas medidas se tiene que casi el 99.7% de las pernos cumplirían con los
límites de especificación definidos.
A continuación, se realizará un análisis en base a las 4 M (mano de obra, maquina,
metodo y material) para poder concluir soluciones viables y determinar las forma de
implementación con el objetivo de cubrir las brechas de mejora que se puedan
identificar.
3
DIMENSION CAUSA SOLUCIÓN IMPLEMENTACIÓN
Realizar Skill Matrix de En base a los resultados del Skill Matrix, programar capacitaciones:
técnicos en la línea de
* Mantenimiento autónomo para revisión y calibración de sus equipos antes
producción de pernos
Falta de capacitación del inicio de las operaciones
para determinar
* Aseguramiento y control de calidad, en cada etapa del proceso de
oportunidades de mejora
fabricación, determinando CTP (Variables críticas de operación) y CTQ
en sus capacidades
(variables críticas de calidad)
Mano de Obra
Eficiencia en reducir carga laboral de los técnicos sin disminuir
productividad:
* Evaluar horarios de trabajo.
Revisar carga laboral de
Cansancio *Redistribuir técnicos en turnos en base a sus capacidades con el objetivo de
los técnicos
equilibrar la productividad de los turnos.
* Revisar distribución de la planta, identificar y eliminar transportes
innecesarios.
Elaborar un plan de mantenimiento preventivo con una frecuencia
determinada para los equipos de la línea de fabricación de pernos.
Programa de
Definir un proceso de calibración y verificación diaria de los equipos críticos
Falta de calibración Mantenimiento
en el cumplimiento de las características principales de calidad.
preventivo
Elaborar Check preoperacional y operacional de operatividad de los equipos
Maquina de la línea de fabricación de pernos con responsabilidad del operador.
*Revisar tiempo de operación de los equipos con referencia a su tiempo de
vida útil.
Máquinas y equipos Revisar y evaluar
* Calcular OEE de la planta y de los equipos para determinar eficiencia
obsoletos cambio de activos.
alineada con su tiempo de vida útil puede llevar a decisiones de cambio de
activos.
Procedimientos de * Estandarizar procedimientos de trabajo en base a los resultados óptimos de
operación características de calidad de la producción y difundir al personal.
Procesos no
estandarizados Procedimientos de *Definir instructivos y Lecciones de un punto para en correcto mantenimiento
mantenimiento autónomo y calibración de equipos críticos, así como con la correcta
Método autónomo limpieza, inspección, lubricación y ajuste de estos.
* Definir los parámetros críticos de calidad de operación (CTQ y CTP)
Plan de control de *Auditorías internas inopinadas para verificar la correcta operación del
Falta control de proceso
proceso proceso de fabricación de pernos.
*Elaborar un plan de muestreo para el control y aseguramiento de la calidad.
Materia prima no Plan de control de Definir un procedimiento para pruebas de calidad de la materia prima que se
Material utilizará en la fabricación de pernos teniendo en cuenta las características de
adecuada materia prima
calidad críticas que se han definido para el producto final.
Tabla 11: Análisis de Causa raíz para el problema de cumplimiento de la longitud objetivo de los pernos de 80.5 mm

TAF La Casa Del Perno

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

TAF La Casa Del Perno

Caricato da

Copyright:

Formati disponibili

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ

Maestría en Gestión de Operaciones Productivas XI

Juan Narro Lavi

Caso: La casa del Perno

2. DEFINICIÓN DEL PROBLEMA......................................................................................4

2.1. Problema principal.......................................................................................................4

2.3. Variables y atributos....................................................................................................4

3. ANALISIS DEL CASO DE ESTUDIO.............................................................................5

3.1. Descripción de los datos..............................................................................................5

3.2. Análisis de probabilidades y estimación por intervalos............................................20

3.3. Prueba de hipótesis....................................................................................................28

3.3.1. Muestra 1...............................................................................................................28

3.3.2. Muestra 2...............................................................................................................29

3.4. Análisis de capacidad de proceso................................................................................1

realizar mediciones de sus productos.

diámetro de la cabeza, diámetro final de la rosca, dureza, estado de la cabeza, espesor,

enroscado entre otros.

La casa de los pernos ha contratado nuestra consultoría con la finalidad de

recomendar acciones correctivas y así optimizar el proceso de producción al disminuir los

2. DEFINICIÓN DEL PROBLEMA

2.1. Problema principal

fabrica La casa del perno cumplan y mantengan los requisitos de calidad.

 La producción debe encontrarse dentro de los límites de control máximo y

mínimo (83.9 – 76.1 milímetros)

 La producción debe tener una media de 80.5 milímetros.

 Analizar los resultados de la producción post implementación de las mejoras

2.3. Variables y atributos

i. Dureza: Buena o Mala

ii. Cabeza: Buena o Mala

iii. Enroscado: Buena o Mala

i. Longitud: Cuantitativa, continua

Para el análisis de los datos mencionados en el presente caso se dividirá en dos

secciones. La primera se procederá a evaluar la muestra 1 y la segunda, la muestra 2,

ambas con la información proporcionada podrán identificar recomendaciones y acciones

según el análisis estadístico con el objetivo de mejorar la calidad de fabricación de

pernos y lograr reducir la reducción de pernos defectuosos respectivamente.

Este análisis estadístico comprende la descripción y resumen numérico, probabilidades,

estimación de parámetros, prueba de hipótesis y cartas de control de los datos del

3.1. Descripción de los datos

características dadas por su sistema de calidad (Dureza, estado de la cabeza, del

enroscado y longitud del perno). En la tabla 1 se muestra la clasificación del

conformes sus especificaciones técnicas (LCI: 76.1mm y LCS:83.9mm).

A continuación, se presentan los resultados de la muestra aleatoria compuesta por

Tabla 2: Cantidad de defectos

Dureza Cabeza Enroscado Pernos

% Malos 21% 16% 16% 32%

Figura 1: Gráfico porcentaje de defectos de pernos

Podemos concluir de los datos analizados que el porcentaje de pernos con

cantidad de tipos de defectos no es el más influyente para clasificar un perno

priorizarse como problema para determinar las causas y según se identifique se

plantearán las acciones correctivas. No obstante, se debe considerar que un perno

es identificado bueno por el sistema de control de calidad si todas las condiciones

defectuoso si al menos una de sus características significativas es mala.

Complementando, realizaremos el análisis descriptivo de la característica

significativa “longitud del perno”, en ella podemos identificar la media, error

típico, mediana entre otros. Según información trabajada en el programa Excel,

procederemos a realizar la distribución de frecuencias detalladas en las siguientes

Tabla 4: Distribución de frecuencias de la muestra 1

Figura 3: Histograma defectos por longitud

Figura 4: Frecuencia absoluta cantidad de defectos

Como ya hemos mencionado, la característica significativa que refiere a la longitud final

entre los extremos inferiores y superiores.

Tabla 6: Resultados de muestra 2