PROBLEMA 1A: CON DATOS FUENTE, ATOMIZADOS O CRUDOS.

La compaa para la cual usted trabaja fabrica estantes metlicos. Durante la inspeccin
final, aun cierto nmero de estantes fue rechazado debido a rasguos, esquirlas, curvas, o
abolladuras. Usted quiere hacer una grfica de Pareto para ver qu defecto causa la
mayor cantidad de problemas. Se cuenta el nmero de veces por cada defecto ocurrido,
luego de haber colocado el nombre del defecto cada vez que ocurra en una columna de
hoja de trabajo llamado DAO.
Ruta:

Resultado:
Count 4 2 1 1
Percent 50.0 25.0 12.5 12.5
Cum % 50.0 75.0 87.5 100.0
Dao Curvas Abolladuras Esquirlas Rasguos
9
8
7
6
5
4
3
2
1
0
100
80
60
40
20
0
C
o
u
n
t
P
e
r
c
e
n
t
Pareto Chart of Dao

Comentario:
Enfoque las mejoras en rasguos y esquirlas, porque el 75 % del dao es debido a estos defectos.
NOTA: El Principio de Pareto afirma que en todo grupo de elementos o factores que contribuyen a un mismo
efecto, unos pocos son responsables de la mayor parte de dicho efecto (VER % ACUMULADO).
DIAGRAMA DE PARETO

PROBLEMA 1B: CON DATOS CONTABILIZADOS.
Suponga que usted trabaja para una compaa que fabrica motocicletas. Usted espera reducir gastos de
calidad que provienen de velocmetros defectuosos. Durante la inspeccin, algunos velocmetros fueron
rechazados, y los tipos de defectos registrados. Usted introduce los nombres de los defectos en una columna
de hoja de trabajo DEFECTOS, y las cuentas correspondientes en una columna CONTEO. Usted sabe que puede
ahorrar la mayor parte de dinero enfocando los defectos responsables de la mayor parte de los rechazos. Una
carta Pareto le ayudar a identificar cules defectos causan la mayor parte de sus problemas.
Defectos Conteo
Falta de tornillos. 274
Falta de clips. 59
Housi Defectuoso. 19
Junta Agujereada 43
Rasguos 4
Alambre no conectado. 8
Falta de tachuelas. 6
Partes incompletas. 10

Ruta:





Resultado:
Conteo 274 59 43 19 10 18
Percent 64.8 13.9 10.2 4.5 2.4 4.3
Cum % 64.8 78.7 88.9 93.4 95.7 100.0
Defectos
O
t
h
e
r
P
a
r
t
e
s

i
n
c
o
m
p
l
e
t
a
s
.
H
o
u
s
i

D
e
f
e
c
t
u
o
s
o
.
J
u
n
t
a

A
g
u
j
e
r
e
a
d
a
F
a
l
t
a

d
e

c
l
i
p
s
.
F
a
l
t
a

d
e

t
o
r
n
i
l
l
o
s
.
400
300
200
100
0
100
80
60
40
20
0
C
o
n
t
e
o
P
e
r
c
e
n
t
Pareto Chart of Defectos

Comentario:

Enfoque el mejoramiento en la falta de tornillos, porque ms de la mitad de los velocmetros es
rechazada debido a este defecto.
Nota: Siempre se deja un 5% para causas que se conocen.
PROBLEMA 1C: POR VARIABLES.
Imagnese que usted trabaja para una empresa que fabrica muecas. ltimamente, usted ha notado
que un nmero creciente de muecas est siendo rechazado en la inspeccin final debido a
rasguos, pieles, y manchas en su pintura. Usted quiere ver si una relacin existe entre el tipo y el
nmero de defectos, y el periodo o turno en que se producen las muecas.
Defecto Periodo
Rasguos Da
Rasguos Da
Pieles Da
Pieles Da
Marchas Da
Rasguos Da
Otros Da
Otros Tarde
Pieles Tarde
Pieles Tarde
Pieles Tarde
Pieles Tarde
Rasguos Tarde
Rasguos Tarde
Pieles Noche
Rasguos Noche
Manchas Noche
Rasguos Noche
Pieles Noche
Pieles Noche
Pieles Noche
Pieles Noche
Otros Noche
Otros Noche
Rasguos Noche
Rasguos Noche
Pieles Noche
Rasguos Noche
Manchas Noche
Rasguos Noche
Otros Noche
Rasguos Noche
Rasguos Noche
Pieles Fin de semana
Pieles Fin de semana
Pieles Fin de semana
Manchas Fin de semana
Manchas Fin de semana
Manchas Fin de semana
Otros Fin de semana

Ruta:






Resultado:
Other Manchas Otros Rasguos Pieles
20
15
10
5
0
Other Manchas Otros Rasguos Pieles
20
15
10
5
0
Periodo = Da
Defecto
C
o
u
n
t
Periodo = Fin de semana
Periodo = Noche Periodo = Tarde
Pieles
Rasguos
Otros
Manchas
Other
Defecto
Pareto Chart of Defecto by Periodo

Comentario:
El turno nocturno produce ms defectos en general. La mayor parte de los problemas son debido a
rasguos y pieles.


PROBLEMA 2A: PARA DIBUJAR UN DIAGRAMA EN BLANCO.
Esta tarde, usted se encuentra con los miembros de varios departamentos para hacer una tormenta
de ideas sobre causas potenciales de los defectos. De antemano, usted decide imprimir el diagrama
causa-efecto para ayudar organizar sus apuntes durante la reunin.
Ruta:

CAUSA - EFECTO


PROBLEMA 2B: PARA DIBUJAR UN DIAGRAMA CON RAMAS VACAS.
Esta tarde, usted se encuentra con los miembros de varios departamentos para hacer una tormenta
de ideas sobre causas potenciales de los defectos. De antemano, usted decide imprimir el diagrama
causa-efecto para ayudar organizar sus apuntes durante la reunin, teniendo las ramas clasificadas.

Environment
Measurements
Methods
Material
Machines
Personnel
Cause-and-Effect Diagram

Cause-and-Effect Diagram

PROBLEMA 2C: PARA DIBUJAR UN DIAGRAMA COMPLETO.
Despus de la reunin con los miembros de los departamentos de su compaa, se tienen las
posibles causas de los defectos ya clasificadas, que son las siguientes:
Mano de Obra Mquina Material Mtodo Mediciones Media ambiente
Turnos Enchufes Aleaciones Tornear Micrmetros % Humedad
Supervisores Piezas Lubricantes Engranar Galgas Condensacin
Entrenamiento Torno Proveedores Frenar Vernier
Operadores Velocidad


Adems, se capt como sub-causas las siguientes:
Entrenamiento Velocidad Micrmetros
Entrenadores Muy lento Exactitud
Exmenes Errtico Condicin
Se le pide a usted realizar un diagrama de causa efecto:


Para las sub-
causas, clic
en Sub.
Se hace clic en el
espacio vaco para
cargar los datos.



Problema
Ambiente
Medio
Mediciones
Mtodo
Material
Mquina
Mano de Obra
Operadores
Entrenamiento
Superv isores
Turnos
V elocidad
Torno
Piezas
Enchufes
Prov eedores
Lubricantes
A leaciones
Frenar
Engranar
Tornear
V erniers
Galgas
Micrmetros
C ondensacin
% humedad
E
x

m
e
n
e
s
E
n
t
r
e
n
a
d
o
r
e
s
E
r
r

t
ic
o
M
u
y

l e
n
t
o
C
o
n
d
i
c
i
n
E
x
a
c
t
it
u
d
Diagrama Causa - Efecto




PROBLEMA 3: (tabla de frecuencia, histograma, estudio de capacidad)
La empresa INVASA que produce envases de hojalata ha tenido un historial de diferencias entre los
envases fabricados por dos mquinas, una mquina moderna y otra de generacin ms antigua. Para
tener mayores argumentos para saber cul de las mquinas trabaja mejor se seleccionaron 20
observaciones de muestras de piezas de cada mquina, y se midi el dimetro exterior. Alguna de las
caractersticas de las latas son: peso: 40g 3; altura 5cm 0.5; dimetro: 7 cm. 0.4. Los 20
ensayos con cada una de las mquinas del dimetro de la lata se muestran a continuacin:
Ensayo Mquina A Mquina B
1 7.1 7.5
2 7.2 7.3
3 7.2 7.2
4 7.4 7.4
5 7.5 7.6
6 7.0 7.3
7 7.6 7.4
8 7.2 7.5
9 7.0 7.4
10 7.3 7.2
11 7.4 7.1
12 7.5 7.5
13 7.2 7.4
14 7.4 7.3
15 7.2 7.2
16 7.1 7.6
17 7.1 7.2
18 7.2 7.6
19 7.4 7.4
20 7.1 7.5

a) Prepare las tablas de frecuencia e histogramas con 6 marcas de clase para ambos procesos e
indique qu proceso es ms natural (normal).
Histogramas:
Conseguir grfica de histograma de cualquiera de las siguientes formas:
Stat>Basic Statistics>Display Descriptive Statistics>Graphs: Colocar check en Histogram
of data.
Graph>Histogram>With Fit/Simple y Normal Distribution.

HISTOGRAMA Y CORRIDA












7.6 7.5 7.4 7.3 7.2 7.1 7.0 6.9
6
5
4
3
2
1
0
A
F
r
e
q
u
e
n
c
y
Mean 7.255
StDev 0.1731
N 20
Histogram of A
Normal



7.7 7.6 7.5 7.4 7.3 7.2 7.1
6
5
4
3
2
1
0
B
F
r
e
q
u
e
n
c
y
Mean 7.38
StDev 0.1508
N 20
Histogram of B
Normal

En este caso, solo hay que arreglar el histograma A.






Tablas de frecuencia:
Se halla colocando en mouse sobre la parte superior de cada barra.
Mquina A:
Nmero de clase Marca de clase Intervalo Frecuencia
1 7 6.94 -7.06 2
2 7.12 7.06 - 7.18 4
3 7.24 7.18 - 7.30 6
4 7.36 7.30 -7.42 5
5 7.48 7.42 - 7.54 2
6 7.60 7.54 - 7.66 1
7.60 7.48 7.36 7.24 7.12 7.00 6.88
6
5
4
3
2
1
0
A
F
r
e
q
u
e
n
c
y
Mean 7.255
StDev 0.1731
N 20
Histogram of A
Normal

Mquina B:
Nmero de clase Marca de clase Intervalo Frecuencia
1 7.1 7.05 - 7.15 1
2 7.2 7.15 - 7.25 4
3 7.3 7.25 - 7.35 3
4 7.4 7.35 - 7.45 5
5 7.5 7.45 - 7.55 4
6 7.6 7.55 - 7.65 3



b) Determine la capacidad potencial (Pp) y la capacidad real (Ppk) del proceso de cada
mquina. Asimismo el % de defectuosos de cada mquina. Si las especificaciones son 70.4.
Capacidad de proceso:
Para cada mquina hacer el mismo procedimiento:
Stat>Quality Tools>Capacity Analysis>Normal




Comentario 1: El proceso ms natural es el de la mquina B, ya que esta
mquina tiene menor variacin y menor desviacin.


7.6 7.4 7.2 7.0 6.8 6.6
LSL Target USL
LSL 6.6
Target 7
USL 7.4
Sample Mean 7.255
Sample N 20
StDev (Within) 0.186637
StDev (Ov erall) 0.173129
Process Data
C p 0.71
C PL 1.17
C PU 0.26
C pk 0.26
Pp 0.77
PPL 1.26
PPU 0.28
Ppk 0.28
C pm 0.43
Ov erall Capability
Potential (Within) Capability
% < LSL 0.00
% > USL 15.00
% Total 15.00
Observ ed Performance
% < LSL 0.02
% > USL 21.86
% Total 21.88
Exp. Within Performance
% < LSL 0.01
% > USL 20.11
% Total 20.12
Exp. Ov erall Performance
Within
Overall
Process Capability of A

7.8 7.6 7.4 7.2 7.0 6.8 6.6
LSL Target USL
LSL 6.6
Target 7
USL 7.4
Sample Mean 7.38
Sample N 20
StDev (Within) 0.177305
StDev (Ov erall) 0.150787
Process Data
C p 0.75
C PL 1.47
C PU 0.04
C pk 0.04
Pp 0.88
PPL 1.72
PPU 0.04
Ppk 0.04
C pm 0.32
Ov erall Capability
Potential (Within) Capability
% < LSL 0.00
% > USL 35.00
% Total 35.00
Observ ed Performance
% < LSL 0.00
% > USL 45.51
% Total 45.51
Exp. Within Performance
% < LSL 0.00
% > USL 44.72
% Total 44.72
Exp. Ov erall Performance
Within
Overall
Process Capability of B

Mquina1 Mquina2
Pp=0.77
Cpk=0.28
%defectuosos=20.12
Pp=0.88
Ppk=0.04
%defectuosos=44.72

Stat>Quality Tools>Capacity Six Pack>Normal, este procedimiento es til especialmente cuando se
hace estudio de capacidad para datos individuales, pero en esta oportunidad (datos en subgrupos) se
realizar por cuestin de enseanza.














19 17 15 13 11 9 7 5 3 1
7.8
7.2
6.6
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=7.255
UCL=7.815
LCL=6.695
19 17 15 13 11 9 7 5 3 1
0.50
0.25
0.00
M
o
v
i
n
g

R
a
n
g
e
__
MR=0.2105
UCL=0.6878
LCL=0
20 15 10 5
7.50
7.25
7.00
Observation
V
a
l
u
e
s
7.6 7.4 7.2 7.0 6.8 6.6
LSL Target USL
LSL 6.6
Target 7.0
USL 7.4
Specifications
7.8 7.5 7.2 6.9
Within
Ov erall
Specs
StDev 0.186637
C p 0.71
C pk 0.26
Within
StDev 0.173129
Pp 0.77
Ppk 0.28
C pm 0.43
Ov erall
Process Capability Sixpack of A
I Chart
Moving Range Chart
Last 20 Observations
Capability Histogram
Normal Prob Plot
AD: 0.640, P: 0.081
Capability Plot



19 17 15 13 11 9 7 5 3 1
8.0
7.5
7.0
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=7.38
UCL=7.912
LCL=6.848
19 17 15 13 11 9 7 5 3 1
0.50
0.25
0.00
M
o
v
i
n
g

R
a
n
g
e
__
MR=0.2
UCL=0.6535
LCL=0
20 15 10 5
7.6
7.4
7.2
Observation
V
a
l
u
e
s
7.8 7.6 7.4 7.2 7.0 6.8 6.6
LSL Target USL
LSL 6.6
Target 7.0
USL 7.4
Specifications
7.75 7.50 7.25 7.00
Within
Ov erall
Specs
StDev 0.177305
C p 0.75
C pk 0.04
Within
StDev 0.150787
Pp 0.88
Ppk 0.04
C pm 0.32
Ov erall
Process Capability Sixpack of B
I Chart
Moving Range Chart
Last 20 Observations
Capability Histogram
Normal Prob Plot
AD: 0.515, P: 0.169
Capability Plot

c) Proporcione tres recomendaciones.
Aunque la mquina 2 tiene menor variabilidad, se encuentra fuera de las
especificaciones, lo contrario sucede a la mquina 1, por lo que es mejor trabajar con la
mquina 1.
Se debera mandar la mayor produccin a la maquina 1, ya que tiene menor porcentaje
de defectuosos.
Se debera trabajar con Cpk, ya que es el indicador ms adecuado y ms sensible para
procesos no centrados, los cuales se acercan a la realidad.

d) Considerando el nmero de productos defectuosos de cada mquina determine cuantas
piezas ms se debern fabricar para poder entregar un pedido mensual de 10000 latas;
(cada mquina produce la mitad de latas).
%defecMaq1*5000= 20.12%*5000= 1021
%defecMaq2*5000= 44.72%*5000 = 2236