14.

En el problema anterior, con el propsito de mejorar la calidad que se tena en cuanto al grosor de las lminas, se implement un proyecto de mejora siguiendo la metodologa Seis Sigma (ver captulo 16). Varios de los cambios implementados fueron relativos a mejora y estandarizacin de los procedimientos de operacin del proceso. Para verificar si el plan tuvo xito, se eligieron lminas de manera aleatoria y se midi su grosor. Los 120 datos obtenidos durante tres das se muestran a continuacin:

Columna1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 4,884166667 0,028843144 4,9 5 0,315960808 0,099831232 -0,11822869 -0,18375032 1,6 4,1 5,7 586,1 120 Grosor Optimo Tolerancia Media Anterior Mediana Anterior Dif. Media Dif. Media anterior LRI LRS EI ES 5 0,8 4,75 4,7 0,115833333 0,25 3,936284241 5,832049092 4,2 5,8

a) Calcule la media y mediana de estos datos, y comprelas con las que se tenan antes del proyecto, decida si con los cambios se mejor el centrado del proceso.

Con respecto a la media obtenida habindose llevado a cabo el proyecto, se puede decir que sta se encuentra ms cercana al valor nominal (el valor ptimo), de donde se deduce que despus del proyecto de mejora y estandarizacin el proceso est ms centrado, aunque an hay evidencia de que el proceso est descentrado de forma moderada a la izquierda ya que el valor objetivo de grosor es de 5 mm. Con respecto a la mediana, se puede deducir que sta se encuentra ms centrada ya que su valor es 4,9 mm, lo cual significa que 50% de los grosores de las lminas de la muestra son menores o iguales a 4,9 mm, y que el otro 50% son mayores o iguales a 4,9 mm, valor que est ms cercano al valor ptimo (5 mm). La informacin que arroja la aplicacin del proyecto permite inferir que esa nueva mejora y estandarizacin es favorable para el proceso evaluado. b) Calcule la desviacin estndar y, con esta, obtenga una estimacin de los nuevos lmites reales y decida si la variabilidad se redujo. Al calcular los limites reales se obtiene que el grosor de la lmina vara entre 3,936 y 5,832, al comparar estos datos con las especificaciones se aprecia que el lmite real inferior no cae en el rango de estas mismas aunque el lmite real superior s. Entonces de la variabilidad se puede decir.............(ejercicio 13)

c) Construya un histograma, inserte las especificaciones e interprtelo.

Grosor de Lminas
Normal EI 20 4,2 ES 5,8
Media Desv.Est. N 4,884 0,3160 120

15

Frecuencia

10

4,2

4,5

4,8 5,1 Grosor

5,4

5,7

En el histograma se puede observar que la clase 10 es la de mayor frecuencia e indica que entre 4,95 y 5,05 hay 18 datos (21,6%). Tambin se deduce que la tendencia central de los datos se ubica alrededor de 5. Al insertar las especificaciones (4,2 y 5,8) para el grosor de la lmina, se observa que la variacin de los datos (amplitud del histograma) es menor que la especificacin superior, mas no en la especificacin inferior, lo que quiere decir que de la muestra estudiada hay una cantidad de lminas que no son aptas segn los requerimientos de resistencia del cliente y la variacin es alta, por ende el grosor de las lminas no es satisfactorio. Adems, con respecto a 5, que es el grosor ptimo, el proceso est moderadamente descentrado a la izquierda. De acuerdo a lo anterior, las primeras medidas que se debern tomar para mejorar la capacidad del proceso son: disminuir o eliminar la cantidad de lminas que no se encuentran dentro de las especificaciones y mejorar su centrado. d) De acuerdo con todo lo anterior, el proyecto dio buenos resultados? Argumente. De acuerdo al anlisis anterior se puede decir que el proyecto de mejora aplicado al grosor de las lminas mejor la centralizacin del proceso, acercndose as al valor optimo establecido, sin embargo el proceso no se encuentra totalmente centrado y existe an una alta variabilidad. En resumen, podemos decir que el proceso es incapaz de cumplir con las especificaciones e) Si se observaron mejoras, son suficientes para garantizar un producto dentro de especificaciones?

En ste caso, no debido a que el proceso no cumple con las especificaciones del producto. Si se quiere mejorar el proceso, se debe empezar por disminuir an ms su variabilidad y centrado.

15. En la elaboracin de envases de plstico primero se elabora la preforma, para la cual se tienen varios criterios de calidad, uno de ellos es el peso de sta. Para cierto envase se tiene que el peso debe estar entre 28.00 0.5 g. A continuacin se muestran los ltimos 112 datos obtenidos mediante una carta de control para esta variable.

Columna1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta Curtosis Estandarizada Sesgo Estandarizado 27,97598214 0,013581265 27,96 27,94 0,143730603 0,020658486 -0,288860644 0,186808275 0,76 27,63 28,39 3133,31 112 -0,62401031 0,807103995

a) Obtenga las medidas de tendencia central y seale si la tendencia central de las mediciones es adecuada. b) Calcule la desviacin estndar y una aproximacin de los lmites reales y con base en stos decida si la variabilidad de los datos es aceptable.

c) Obtenga un histograma e interprtelo (tendencia central, variabilidad, acantilados, sesgos, etctera). d) Es adecuado el peso de las preformas? ESTADSTICO Medidas de Tendencia Central X=27,976 Me=27,96 Mo=27,94 Desviacin Estndar: S=0,144 Lmites Reales Aproximados CV=0,515% LRI=27,545 LRS=28,408 Grficas ANLISIS Y COMENTARIOS CONCLUSIONES * Las medidas de tendencia central El proceso est reflejan lo cerca que se encuentra el prximo a centrarse a proceso de estar centrado con =28 gr referencia al valor objetivo (28 gr.). * En forma aproximada se espera El sistema est que el peso de la preforma vare produciendo preformas entre 27,545 y 28,408 gr. dentro de las especificaciones * La variacin del proceso es relativamente baja, esto se puede deducir con ayuda del coeficiente de variacin *El histograma no se asemeja, en Hay poca variacin en cuanto a forma, a la normal; aunque, el proceso las medidas estandarizadas de la curtosis y el sesgo indican que estos datos podran ser normales. *Se presentan datos atpicos. Esto puede ser un indicio de una mala medicin o de alguna situacin extraa durante el muestreo.

Histograma
Frecuencia 30 20 10 0 Frecuencia

Clase

16. Una caracterstica clave en la calidad de las pinturas es su densidad, y un componente que influye en esta es la cantidad de arenas que se utilizan en su elaboracin. La cantidad de arena en la formulacin de un lote se controla por medio del nmero de costales, que segn el proveedor contienen 20 kg. Sin embargo, continuamente se tienen problemas en la densidad de la pintura que es necesario corregir con retrabajo y reprocesos adicionales. En este contexto se decide investigar cuanta arena contienen en realidad los costales. Para ello, se toma una muestra aleatoria de 30 costales de cada lote o pedido (500 costales). Los pesos obtenidos en las muestras de los ltimos tres lotes se muestran adelante. Las especificaciones iniciales que se establecen para el peso de los costales de arena son de 20 } 0.8 kg. a) De acuerdo con los 90 datos, .el centrado del proceso es adecuado? b) La variabilidad es poca o mucha? Apyese en los estadsticos adecuados. c) Obtenga un histograma para los 90 datos, inserte las especificaciones e interprtelo con detalle.

d) De su conclusin general acerca de si los bultos cumplen con el peso especificado. e) Haga un anlisis de cada lote por separado y con apoyo de estadsticos y grficas, seale si hay diferencias grandes entre los lotes. f) Las diferencias encontradas se podran haber inferido a partir del histograma del inciso c)? g) Obtenga un diagrama de caja para cada lote y comprelos.

Produccin de los Tres Lotes Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 19,56222222 0,068633492 19,6 20 0,651114477 0,423950062 -0,28504105 -0,07497017 3,2 17,8 21 1760,6 90

lote 1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 19,35 0,101341576 19,25 19,1 0,55507067 0,308103448 1,388355673 1,014275613 2,4 18,6 21 580,5 30

lote2 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 19,29666667 0,125988809 19,35 18,4 0,690069129 0,476195402 -0,25797679 0,06465902 2,9 17,8 20,7 578,9 30

lote3 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 20,04 0,073281068 20 19,7 0,40137694 0,161103448 0,464207415 0,285358815 1,9 19,1 21 601,2 30

Histograma
Frecuencia 20 15 10 5 0 Frecuencia

Clase

Capacidad de proceso de Lote 1

LEI
P rocesar datos LE I 19,2 O bjetiv o 20 LE S 20,8 M edia de la muestra 19,35 N mero de muestra 30 D esv .E st. (D entro) 0,559875 D esv .E st. (G eneral) 0,555071

Objetiv o

LES
C apacidad (dentro) del potencial Cp 0,48 C PL 0,09 C P U 0,86 C pk 0,09 C apacidad general Pp PPL PPU P pk C pm 0,48 0,09 0,87 0,09 0,31

18,0 18,5 19,0 19,5 20,0 20,5 21,0

D esempeo observ ado P P M < LE I 433333,33 P P M > LE S 33333,33 P P M Total 466666,67 E xp. Dentro del rendimiento P P M < LE I 394381,72 P P M > LE S 4800,73 P P M Total 399182,44 E xp. Rendimiento general P P M < LE I 393489,40 P P M > LE S 4497,03 P P M Total 397986,43

Capacidad de proceso de Lote 2

LEI
P rocesar datos LE I 19,2 O bjetiv o 20 LE S 20,8 M edia de la muestra 19,2967 N mero de muestra 30 D esv .E st. (D entro) 0,696043 D esv .E st. (G eneral) 0,690069

Objetivo

LES
C apacidad (dentro) del potencial Cp 0,38 C PL 0,05 C P U 0,72 C pk 0,05 C apacidad general Pp PPL PPU P pk C pm 0,39 0,05 0,73 0,05 0,27

18,0 18,5 19,0 19,5 20,0 20,5

D esempeo observ ado P P M < LE I 433333,33 P P M > LE S 0,00 P P M Total 433333,33 E xp. Dentro del rendimiento P P M < LE I 444772,33 P P M > LE S 15392,93 P P M Total 460165,26 E xp. Rendimiento general P P M < LE I 444297,37 P P M > LE S 14683,46 P P M Total 458980,83

Capacidad de proceso de Lote 3

LEI
P rocesar datos LE I 19,2 O bjetiv o 20 LE S 20,8 M edia de la muestra 20,04 N mero de muestra 30 D esv .E st. (D entro) 0,404851 D esv .E st. (G eneral) 0,401377

Objetiv o

LES
C apacidad (dentro) del potencial Cp 0,66 C PL 0,69 C P U 0,63 C pk 0,63 C apacidad general Pp PPL PPU P pk C pm 0,66 0,70 0,63 0,63 0,66

19,0
D esempeo observ ado P P M < LE I 33333,33 P P M > LE S 33333,33 P P M Total 66666,67 E xp. Dentro del P P M < LE I P P M > LE S P P M Total

19,5

20,0

20,5

21,0

rendimiento 19000,89 30243,14 49244,02

E xp. Rendimiento general P P M < LE I 18183,69 P P M > LE S 29146,90 P P M Total 47330,59

Grfica de caja para Lotes 1, 2 y 3

21,0 20,5 20,0

Peso (Kg)

19,5 19,0 18,5 18,0 Lote1 Lote2 Lote3

ESTADSTICO Medidas de Tendencia Central X=19,562 Me=19,6 Mo=20 Desviacin Estndar: S=0,651 Lmites Reales Aproximados CV=3,33% LRI=17,609 LRS=21,515

ANLISIS Y COMENTARIOS * Las medidas de tendencia central son similares entre s, pero el proceso est descentrado. El 50% de los datos son iguales o menores a 19,6 Kg. * En forma aproximada se espera que el peso de los costales de arena vare entre 17,609 y 21,515Kg. * El rango del proceso es grande (3,2), por ello se refleja una amplitud en la variacin presente en la muestra * La variacin del proceso es relativamente baja, esto se puede deducir con ayuda del coeficiente de variacin. *El histograma se asemeja en cuanto a forma a una distribucin multimodal. El histograma se encuentra sesgado a la derecha *Se presentan datos atpicos. Esto

CONCLUSIONES El proceso est descentrado =19,562 La variacin real del proceso es muy alta comparada con la tolerancia que se requiere, por lo cual se estn produciendo costales por fuera de las especificaciones

Grficas

La distribucin multimodal se debe a la diferencia entre los lotes.

puede ser un indicio de una mala medicin o de alguna situacin extraa durante el muestreo. Con este diagrama de cajas se puede apreciar la gran diferencia en el desempeo que tiene el proveedor de arena entre los diferentes lotes que suministra a la empresa. Si nos fijamos en el valor ptimo de 20kg, los lotes 1 y 2 tienen en promedio, una diferencia de un poco ms de 1 libra, por debajo de 20 kg, en cambio, el lote 3 posee un promedio bastante cercano al valor optimo establecido En cuanto a la variabilidad, el lote 2 es el ms crtico comparados con los lotes 1 y 3, que poseen una variabilidad un poco menor. El rango de los valores combinados de cada lote es muy grande, esto se puede apreciar en el histograma de capacidad para los lotes combinados. Resulta indispensable que el proveedor mejore su proceso de llenado, llevndolo al cumplimiento de las especificaciones y centrado del proceso para reducir el riesgo de problemas en la densidad de la pintura

17. En una empresa que fabrica y vende equipo para fotocopiado utilizan como un indicador importante de la calidad en el servicio posventa, el tiempo de respuesta a solicitudes de apoyo tcnico debido a fallas en los equipos. Para problemas mayores, en cierta zona del pas se estableci como meta que la respuesta se d en un mximo de 6 horas hbiles; es decir, de que habla el cliente solicitando apoyo, y que si el problema se clasifica como grave no deben pasar ms de 6 horas hbiles para que un tcnico acuda a resolver el problema. A continuacin se aprecian los tiempos de respuesta en horas para los primeros nueve meses del ao (65 datos).

Columna1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 5,366153846 0,200747125 5,5 5,4 1,618475066 2,619461538 0,523628538 0,198496886 7,2 1,7 8,9 348,8 65

a) Calcule las medidas de tendencia central y con base en stas, cree que se cumple con la meta? Al conocer las medidas de tendencia central, se dice que los datos tienden a 5,366 lo que permitira inferir que el proceso est ligeramente descentrado ya que el valor objetivo es 6. Sin embargo, en este caso, en que 6 horas es el valor mximo a responder una solicitud del cliente, se toma como positivo el hecho de que las medidas de tendencia central apunten a un nmero menor a 6, pero se debe tener cuidado con los datos mayores a este valor, pues stas medidas no garantizan que los datos poblacionales estn por debajo de 6. Basndose nicamente en las medidas de tendencia central, s se cumple con la meta. b) Aplique la regla emprica, interprete y diga qu tan bien se cumple la meta. Al aplicar la regla emprica a los datos de tiempos de respuesta a la solicitud de apoyo, se tiene que un alto porcentaje (cercano al 99,7%) de las mediciones de tiempo de respuesta vara entre 0,511 y 10,222 min., lo cual refleja la baja capacidad de la compaa para responder a las solicitudes de los clientes. De igual manera se aprecia que el 68% de los datos se encuentran entre 3,748 y 6,985 min. y el 95% de los datos est entre 2,129 y 8,60 min. c) Haga un histograma e interprete sus aspectos ms relevantes.

Histograma
Frecuencia 20 15 10 5 0 Frecuencia

Clase

Histograma Tiempos de referencia EI

12 10 8 6 4 2 0

ES
Media Desv .Est. N 5,366 1,618 65

Frecuencia

0,0

1,5

3,0 4,5 6,0 Tiempos de Respuesta

7,5

9,0

En el histograma de tiempos de referencia se puede observar que la mayora de datos (11 datos) se encuentran entre 5,25 y 5,75 min. Sin embargo el histograma se encuentra descentrado y con mucha variabilidad, adems gran cantidad de datos se encuentran por encima de la especificacin superior (6 min.), lo cual indica que no se est cumpliendo con el tiempo de respuesta establecido, es decir, la meta no se est cumpliendo. d) A partir del anlisis que se ha realizado, qu recomendaciones dara para ayudar a cumplir mejor la meta?

De acuerdo al anlisis realizado, se podra recomendar la centralizacin del proceso alrededor de un valor inferior al lmite superior teniendo en cuenta la variabilidad del proceso, ya que si el proceso no se encuentra lo ms centrado posible existe alta dispersin en los datos lo cual no es adecuado; tambin se recomienda disminuir la variabilidad de los tiempos de respuesta al mnimo ya que esto ayudara a mejorar la capacidad del proceso y mantendra los tiempos de respuesta dentro del ptimo.