INSTITUTO TECNOLGICO DE

CELAYA

ANLISIS ESTADSTICO DE LA VARIACIN

EN LAS DIMENCIONES DE PROBETAS
PLANAS PARA PRUEBAS DE TENSIN
Ingeniera Industrial
Integrantes del equipo:

Diana Laura Villagomez Flores

David Issac Cortes Maldonado
Allan Francisco Yasbeth Soria
Tovar Hernndez Mariana Vanessa
Vargas Aguirre Andrea

Materia: Control Estadstico de la Calidad

Septiembre del 2015

CONTENIDO
2

Introduccin .......................................................................................................................................... 4
2.1

Planteamiento del problema ........................................................................................................ 5

2.2

Posibles causas .............................................................................................................................. 5

2.3

Objetivo......................................................................................................................................... 6

marco terico ........................................................................................................................................ 6

3.1

Tipos de variables.......................................................................................................................... 6

3.1.1
Variables cualitativas o atributos Se pueden medir numricamente (por ejemplo:
nacionalidad, color de la piel, sexo). ............................................................................................... 6
3.1.2
3.2

Variables cuantitativas .......................................................................................................... 6

Clasificacin de variables .............................................................................................................. 6

3.2.1

Variables unidimensionales .................................................................................................. 6

3.2.2

Variables bidimensionales .................................................................................................... 6

3.2.3

Variables pluridimensionales ................................................................................................ 6

3.3

Clasificacin de las variables cuantitativas ................................................................................... 6

3.4

Conceptos bsicos ......................................................................................................................... 7

3.5

Medidas de tendencia central ...................................................................................................... 7

3.5.1

Media Muestral ..................................................................................................................... 7

3.5.2

Media poblacional o del proceso, : ..................................................................................... 7

3.5.3

Mediana o percentil 50: ........................................................................................................ 7

3.5.4

Moda: .................................................................................................................................... 7

3.6

MEDIDAS DE DISPERSIN O VARIABILIDAD. ................................................................................. 8

3.6.1

Desviacin estndar muestral:.............................................................................................. 8

3.6.2

Desviacin estndar poblacional o del proceso, : .............................................................. 8

3.6.3

Rango .................................................................................................................................... 8

3.6.4

El coeficiente de variacin .................................................................................................... 8

3.7

LMITES REALES O NATURALES. .................................................................................................... 8

3.8

HISTOGRAMA Y TABLAS DE FRECUENCIA. .................................................................................... 9

3.8.1
3.9

Limitaciones del histograma: ................................................................................................ 9

MEDIDAS DE FORMA................................................................................................................... 10

3.9.1

Sesgo: .................................................................................................................................. 10

3.9.2

Curtosis: .............................................................................................................................. 10

3.10

MEDIDAS DE LOCALIZACIN. ...................................................................................................... 10

3.10.1

CUANTILES........................................................................................................................... 10

3.10.2

DIAGRAMA DE CAJA. ........................................................................................................... 10

Anlisis de datos ................................................................................................................................. 11

4.1

Determinacin del tamao de muestra ..................................................................................... 11

4.2

Mtodo de medicin................................................................................................................... 11

4.3

Procedimiento de muestreo: recoleccin de datos .................................................................. 12

4.4

Datos recopilados ....................................................................................................................... 12

Anlisis estadstico .............................................................................................................................. 13

5.1

Estadstica descriptiva ................................................................................................................. 13

5.2

Representacin de los datos de una muestra............................................................................. 13

5.3

Medidas de descriptivas para datos agrupados ......................................................................... 13

5.3.1

Medidas de tendencia central ............................................................................................ 14

5.3.2

Medidas de dispersin ........................................................................................................ 14

5.3.3

Medidas de simetra ........................................................................................................... 14

5.4

polgono de frecuencias .............................................................................................................. 15

5.5

Grafica de caja............................................................................................................................. 15

Prueba de normalidad ............................................................................................................................ 17

5.6

Histograma .................................................................................................................................. 18

Anlisis de Capacidad del proceso ...................................................................................................... 19

Conclusin ........................................................................................................................................... 22

Bibliografa .......................................................................................................................................... 23

Anlisis estadstico de la varacin en las

dimenciones de probetas planas para
pruebas de tensin.
1 INTRODUCCIN
La empresa productora de probetas de plstico para pruebas de tensin con fines
didcticos tiene pocos aos en el mercado. Por lo tanto, desea mejorar continuamente
su sistema de calidad. Se ha enfocado principalmente a producir probetas plsticas con
materiales reciclados y con pellets con la finalidad de disminuir sus costos. La creciente
demanda de productos ha generado un crecimiento en la produccin y se ha tenido que
ampliar la capacidad de produccin.
La contante necesidad de crecimiento ha provocado que la empresa tenga que contratar
ms personal operativo y de capacitacin. Debido a esto se gener la incertidumbre
sobre la calidad de los productos. Si bien el precio de las probetas se ha mantenido
estable a pesar de las recientes contrataciones la gerencia general sigue preocupada
por la calidad del producto y servicio. Debido a que recientemente se rechaz un lote
que iba dirigido al estado de Nuevo Len. Dado que las dimensiones de la probeta no
correspondan con las especificaciones de la empresa.
El rechazo del lote tuvo repercusiones econmicas importantes por lo que la gerencia
general ha decidido hacer un anlisis estadstico para conocer si el lote en verdad es de
mala calidad y de ser cierto esto poder saber cul es la causa real del problema.
En este documento se describe el desglose del problema. Para definir cul es nuestra
variable de estudio, se emplearon herramientas como el diagrama de Ishikawa previo a
una lluvia de ideas. Todo esto tuvo lugar en una junta a la cual tuvieron acceso todos los
encargados de departamentos relacionados con la manufactura de las probetas. Luego
de esto se defini un objetivo y se empez a trabajar sobre est.
En el captulo dos o se aplican todas la herramientas estadsticas necesarias desde las
que refieren a la estadstica descriptiva, inferencial as como un diseo de experimentos
de un factor y bloque el cual se especifica a detalle. Se utiliz un anlisis de varianzas
para verificar si nuestra fuente de variacin era suficientemente significativa por s sola.
Los resultados de los clculos hechos son sometidos a anlisis cuando se procesan en
la tabla de ANOVA y se comparan con un estadstico de prueba F. Para la realizacin de
est anlisis se utiliz un software (Minitab 17).
La conclusin a la que ha llegado el departamento de calidad, as como, las
recomendaciones se describen en el captulo tres.

1.1 PLANTEAMIENTO DEL PROBLEMA

La empresa productora de probetas para pruebas de tensin ha tenido el rechazo de un
lote de sus probetas plasticas lo cual le gener perdidas economicas. Debido a esto se
necesita elaborar una anlisis estadistico para poder tomar una desicin al respecto.
El departamento de calidad ha sido notificado que el rechazo de los lotes se debe a la
variacin de sus dimenciones con respecto a las especificaciones establecidas de la
empresa. Es de vital importancia poder ajustar esta variacin para poder evitar otro
rechazo de los lotes de probetas.

1.2 POSIBLES CAUSAS

Figura 1.1. Diagrama Ishikawa con posibles causas para el problema.

Se ha identificado al problema como el rechazo de lotes debido a que la medida de

longitud central de la probeta no corresponde a las tolerancias necesarias para la
realizacin de la prueba. Se ha convocado a junta con los encargados de los
departamentos involucrados con la manufactura de las probetas y despus de una
aportacin de ideas de cada departamento se lleg a la conclusin de que las diferentes
posibles causas. La informacin aportada se ha procesado y se expres mediante un
diagrama Ishikawa, el cual se muestra en la Figura 1.1

1.3 OBJETIVO
Determinar si el lote de piezas fue rechazado debido a la variabilidad.

2 MARCO TERICO
La estadstica descriptiva es una ciencia que analiza series de datos (por ejemplo, edad
de una poblacin, altura de los estudiantes de una escuela, temperatura en los meses
de verano, etc.) y trata de extraer conclusiones sobre el comportamiento de estas
variables.

2.1 TIPOS DE VARIABLES

2.1.1 Variables cualitativas o atributos Se pueden medir numricamente (por ejemplo:
nacionalidad, color de la piel, sexo).
2.1.2

Variables cuantitativas

Tienen valor numrico (edad, precio de un producto, ingresos anuales).

2.2 CLASIFICACIN DE VARIABLES

2.2.1

Variables unidimensionales

Slo recogen informacin sobre una caracterstica (por ejemplo: edad de los alumnos de
una clase).
2.2.2

Variables bidimensionales

Recogen informacin sobre dos caractersticas de la poblacin (por ejemplo: edad y

altura de los alumnos de una clase).
2.2.3

Variables pluridimensionales

Recogen informacin sobre tres o ms caractersticas (por ejemplo: edad, altura y peso
de los alumnos de una clase).

2.3 CLASIFICACIN DE LAS VARIABLES CUANTITATIVAS

Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: nmero de
hermanos (puede ser 1, 2, 3....,etc, pero, por ejemplo, nunca podr ser 3,45).
Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la
velocidad de un vehculo puede ser 80,3 km/h, 94,57 km/h...etc.

2.4 CONCEPTOS BSICOS

Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes
conceptos:
Individuo: cualquier elemento que porte informacin sobre el fenmeno que se estudia.
As, si estudiamos la altura de los nios de una clase, cada alumno es un individuo; si
estudiamos el precio de la vivienda, cada vivienda es un individuo.
Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que
porten informacin sobre el fenmeno que se estudia. Por ejemplo, si estudiamos el
precio de la vivienda en una ciudad, la poblacin ser el total de las viviendas de dicha
ciudad.
Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de
la vivienda de una ciudad, lo normal ser no recoger informacin sobre todas las
viviendas de la ciudad (sera una labor muy compleja), sino que se suele seleccionar un
subgrupo (muestra) que se entienda que es suficientemente representativo.

2.5 MEDIDAS DE TENDENCIA CENTRAL

La tendencia central es un valor en torno al cual de los datos o mediciones de una
variable tienden a aglomerarse o concentrarse.
2.5.1

Media Muestral

Medida de tendencia central que es igual al promedio aritmtico de un conjunto de datos,

que se obtiene al sumarlos y el resultado se divide entre el nmero de datos.
2.5.2

Media poblacional o del proceso, :

Tcnicamente no es una media sino un parmetro fijo que coincide con la esperanza
matemtica de una variable aleatoria. El nombre "media poblacional" se usa para
significar que valor numrico de una media muestral es numricamente cercano al
parmetro media poblacional, para una muestra adecuada y suficientemente grande.
2.5.3

Mediana o percentil 50:

Es la medida de tendencia central que es igual al valor que divide a la mitad a los datos
cuando son ordenados de menor a mayor.
2.5.4

Moda:

Medida de tendencia central de un conjunto de datos que es igual al dato que se repite
ms veces.

2.6 MEDIDAS DE DISPERSIN O VARIABILIDAD.

Adems de conocer la tendencia central de un conjunto de datos es necesario saber que
tan diferentes son entre s, es decir, es preciso determinar su variabilidad o dispersin.
Esto es un elemento vital en el estudio de capacidad de un proceso.
2.6.1

Desviacin estndar muestral:

Es la medida ms usual de variabilidad e indica que tan esparcidos estn los datos con
respecto a la medida; se denota con la letra S.
2.6.2

Desviacin estndar poblacional o del proceso, :

Refleja la variabilidad de un proceso. Para su clculo se debe utilizar un nmero grande

de datos que hayan sido obtenidos en el transcurso de un lapso de tiempo amplio. Se
denota con la letra griega sigma .
2.6.3

Rango

Otra medida de dispersin es el RANGO o recorrido, R, que es igual a la diferencia entre

el dato mayor y el dato menor de un conjunto de datos. El rango mide la amplitud de la
variacin de un grupo de datos, y tambin independientemente de la magnitud de datos.
2.6.4

El coeficiente de variacin

CV, es una medida de variacin que es relativa a la magnitud de los datos, ya que es
igual a la magnitud relativa de la desviacin estndar en comparacin con la medida de
datos.
El CV es til para comparar la variacin de dos o ms variables que estn medidas en
diferentes escalas o unidades de medicin.

2.7 LMITES REALES O NATURALES.

Los limites reales o naturales de un proceso indican los puntos entre los cuales varia la
salida de un proceso.
El clculo de estos lmites est inspirado en la regla emprica, que a su vez coincide con
la propiedad de la distribucin normal. En un estudio de capacidad, estos lmites reales
se comparan con las especificaciones para la caracterstica de la calidad.

2.8 HISTOGRAMA Y TABLAS DE FRECUENCIA.

El histograma y la tabla de frecuencias permiten visualizar estos dos aspectos de un
conjunto de datos, y adems muestran la forma en que los datos se distribuyen dentro
de su rango de variacin. De manera especfica el histograma es una representacin
grfica, en forma de barras, de la distribucin de un conjunto de datos o una variable,
donde los datos o una variable, donde los datos se clasifican por su magnitud en cierto
nmero de grupos o clases, y cada clase es representada por una barra, cuya longitud
es proporcional a la frecuencia de los valores representados.
Interpretacin del histograma:
1.- Observar la tendencia central de los datos.
2.- Estudiar el centrado del proceso.
3.- Examinar la variabilidad del proceso.
4.- Analizar la forma del histograma.
a) Distribucin sesgada: Forma asimtrica de la distribucin de unos datos o una
variable, donde la cola de un lado de la distribucin es ms larga que la del otro lado.
b) Distribucin multimodal: Forma de la distribucin de unos datos en la que se aprecia
claramente dos o ms modas (picos). Por lo general, cada moda refleja una condicin o
realidad diferente.
c) Distribucin muy plana: Esta lejos de tener forma de campana. Las situaciones que
pueden causar esto son las mismas que las de la distribucin multimodal, pero con la
particularidad de que las diferencias son menos fuertes; sin embargo, afectan de manera
seria la capacidad de un proceso.
d) Distribucin con acantilados: Suspensin o corte muy brusco en la cada de la
distribucin.
5.- Datos raros o atpicos.
6.- Estratificar
2.8.1

Limitaciones del histograma:

Aunque el histograma es una herramienta fundamental para analizar el desempeo de

un proceso, tiene algunas limitaciones:
1.- No considera el tiempo en el que se obtuvieron los datos.
2.- No es la tcnica ms apropiada para comparar de manera prctica varios procesos o
grupos de datos.
3.- La cantidad de clases o barras influye en la forma del histograma.

2.9 MEDIDAS DE FORMA.

2.9.1

Sesgo:

Es una medida numrica de la asimetra en la distribucin de un conjunto de datos, El

signo del sesgo indica el lado para el que la cola de la distribucin es ms larga, ya sea
hacia la izquierda (signo -) o hacia la derecha (signo +).
2.9.2

Curtosis:

Estadstico que mide qu tan elevada o plana es la curva de la distribucin de unos

datos respecto a la distribucin normal.

2.10 MEDIDAS DE LOCALIZACIN.

2.10.1 CUANTILES.

Los cuantiles son medidas de localizacin que dividen un conjunto de datos ordenados
en cierto nmero de grupo o partes que contienen la misma cantidad de datos.
Cuartiles:
Son iguales a los percentiles 25, 50 y 75, y sirven para separar por magnitud la
distribucin de unos datos en cuatro grupos, donde cada uno contiene 25 % de los datos.
2.10.2 DIAGRAMA DE CAJA.

El diagrama de caja es otra herramienta para describir el comportamiento de los datos y

es de suma utilidad para comparar procesos, tratamientos, y, en general, para hacer
anlisis por estratos (lotes, proveedores, turnos, etc.). El diagrama de cajas se basa en
los cuartiles y divide los datos ordenados en cuatro grupos, que contienen, cada uno,
25 % de las mediciones.
Interpretacin del diagrama de caja:
1.- El largo del diagrama indica una medida de la variacin de los datos y resulta de
gran utilidad sobre todo para comparar la variacin entre procesos, tratamientos, lotes,
etc. En general entre ms largo sea un diagrama indicar una mayor variacin de los
datos correspondientes.
2.- La parte central del diagrama indica la tendencia central de los datos, por lo que
tambin ayudar a comparar dos o ms procesos, mquinas, lotes respecto a su
tendencia central.
3.- Comparar de manera visual la longitud de ambos brazos, Indica la distribucin de los
datos esta sesgada en la direccin del brazo ms largo.
4.- Es necesario ver si hay datos fuera de las barreras interiores, ya que entre ms
alejado este un dato del final del brazo, ser sea de que probablemente sea un dato
atpico.

ANLISIS DE DATOS

En el proceso de inyeccin de plstico referente a la produccin de probetas una

caracterstica primordial es la longitud interna de la probeta, que debe de ser de 97.90mm
con una tolerancia de 0.4mm. As, para considerar que las probetas cumplen con esta
especificacin la longitud debe de estar entre 98.30 y 97.50mm. Para conocer si la
variabilidad es mucha o poca se tomara una muestra de tamao n y se procesaran los
datos con las herramientas de la estadstica descriptiva.

3.1 DETERMINACIN DEL TAMAO

DE MUESTRA

La produccin de probetas por turno es relativamente pequea al ser en promedio de

69 piezas por mquina. Por lo tanto, se utiliza una frmula para estimar la proporcin
de una la muestra en base a la poblacin previamente considerada, la cual se considera
finita por ser relativamente pequea.
=

2
2 ( 1) + 2

Donde:

N= total de la poblacin, 69 piezas por turno.

Z= 1.962, dado que la seguridad es del 95%.
p= proporcin esperada, en este caso se considera el 5% (0.05).
q= 1-p
d= precisin, para esta investigacin se considera un 5% para que sea confiable
el estudio.
=

69 1.962 0.05 0.95

= 35.7211 36
0.052 (69 1) + 1.962 0.05 0.95

Se concluye que para que el estudio sea confiable considerando una seguridad de 95%
se necesita analizar una muestra de 36 probetas. Una vez determinado el tamao de
muestra se procede a realizar un mtodo de medicin, un procedimiento de recoleccin
de datos, se toman las mediciones y los datos en una tabla de frecuencias para
posteriormente someterlos a un anlisis estadstico.

3.2 MTODO DE MEDICIN

1 colocar la pieza en una superficie plana.

El operador debe de estar frente y centrado a la pieza.
Encender el vernier y verificar que marque cero.
Identificar la zona de medicin, que en este caso ser la longitud que abarca la
deformacin de la probeta en la prueba de tensin, Figura 2.2

 Colocar el vernier paralelo de manera perpendicular y a una distancia de 250mm

entre el ojo del observador y la lectura a la probeta. Como se muestra en la
figura 2.2.
Abrir el vernier hasta el trmino de la zona de medicin
La lectura ser leda y registrada por otro operador de modo que el que realiza la
medicin no puede ver lo que marca el vernier para evitar crear una tendencia
en los datos.
Retirar la pieza y repetir el proceso para las probetas siguientes.

Figura 2.2 Medicin de probetas

3.3 PROCEDIMIENTO

DE MUESTREO: RECOLECCIN DE DATOS

Se utiliz un mtodo de muestreo estratificado simple de modo que se tomaron a los

turnos como estratos y se tomaron las muestras de seis piezas por lote en cada turno.
Esto se llev a cabo durante tres das y todas las piezas se escogieron al azar. Se
recolectaron 36 probetas las cuales fueron etiquetadas de nodo completamente aleatorio.
Se pusieron en una bolsa y un operador las tomaba sin escogerlas y las etiquetaba con
un nmero de referencia.

3.4 DATOS RECOPILADOS

En la tabla 2.3 se muestran los datos recopilados de la medicin de las probetas. Las
mediciones fueron tomadas por un mismo operador y bajo condiciones similares
previamente establecidas por el mtodo antes mencionado.
TABLA 2.3 Datos recopilados la medicin de las probetas
97.17
96.61
98.53
96.25
97.42
97.53

94.36
98.36
96.67
98.85
98.99
96.85

97.4
97.97
97.08
94.67
96.71
97.33

97.38
97.99
95.8
96.19
96.34
99.31

96.71
95.93
97.43
97.79
96.89
97.48

96.74
97.31
94.09
96.52
99.01
97.61

4 ANLISIS ESTADSTICO
4.1 ESTADSTICA DESCRIPTIVA
Mediante las herramientas de la estadstica descriptiva se puede determinar la amplitud
de la variacin del proceso de manufactura de las probetas para una caracterstica de
calidad dada. As, se sabr en qu medida la calidad es satisfactoria.
Para nuestro estudio determinamos que la dimensin es nuestra variable de estudio y se
pretende saber si existe una variacin significativa entre las especificaciones del cliente
y las dimensiones de nuestro producto.

4.2 REPRESENTACIN DE LOS DATOS DE UNA MUESTRA

Todos los datos fueron organizados y clasificados en intervalos. Posteriormente, se
hicieron las marcas de clase y se registr la frecuencia de los datos que aparecan en
nuestros intervalos. Lo que se puede apreciar es una aglomeracin importante de datos
en el intervalo de 96.7-97.57 esto no indica que una parte significativa de nuestra muestra
est fuera de las especificaciones del cliente y que hay una tendencia hacia una longitud
ms baja que hacia una longitud ideal. En la tabla 2.3 se muestra la agrupacin y orden
de los datos recopilados.
TABLA 3.2 Representacin de los datos de la muestra.
Clase
1
2
3
4
5
6

Intervalo
93.22
94.09
94.96
95.83
96.7
97.57
98.44
99.31

94.09
94.96
95.83
96.7
97.57
98.44
99.31
100.18
Suma

Marca de Clases Frecuencia F Acumulada

93.655
0
94.525
4
4
95.395
1
5
96.265
7
12
97.135
14
26
98.005
5
31
98.875
5
36
99.745
0
36

F Relativa
0.111111111
0.138888889
0.333333333
0.722222222
0.861111111
1

Porcentual
11.11%
13.89%
33.33%
72.22%
86.11%
100.00%

4.3 MEDIDAS DE DESCRIPTIVAS PARA DATOS AGRUPADOS

En esta seccin se muestran cada una de las medidas descriptivas que permiten
caracterizar la distribucin de los datos obtenidos. En la figura 4.3 se muestran los datos
arrojados por el software minitab. Cabe mencionar que nuestra variable se llama
medicin ya que eso es en lo que se basa este estudio.

4.3.1

Medidas de tendencia central

El tamao de muestra est definido como 36 por lo tanto esta ser nuestra poblacin.
Las medidas de tendencia son el valor promedio de las mediciones el cual es 97.091
por lo que podemos notar que la media de las probetas est dentro de las
especificaciones del cliente. No hay moda. Y la mediana es de 97.24 esto indica que la
media y la mediana estn desfasadas y estn por debajo de las especificaciones
requeridas.
4.3.2

Medidas de dispersin

En cuanto a medidas de dispersin la desviacin estndar es de 1.205 lo que indica una

variabilidad del proceso con respecto de la media. La varianza indica que hay un
promedio 1,43mm de distancia entre cada dato y la media de El rango fue de 5.22 lo
que indica la discrepancia mxima que existe entre las longitudes de las probetas de la
muestra. Los datos mximos y mnimos que se registraron estn entre 94.090 y
99.310mm. Por otro lado el coeficiente de variacin indica la magnitud relativa de la
desviacin estndar en comparacin con la media sin embargo como nosotros solo
estamos analizando una sola variable no tiene relevancia significativa
4.3.3

Medidas de simetra

La curtosis mide que tan elevada o plana es la curva de la distribucin normal y en este
caso es de 0.68 lo que indica que lo datos siguen una distribucin normal y que su curva
es leptocurtica y de colas anchas. La asimetra es negativa lo que indica que esta
sesgada hacia la izquierda y por lo tanto si hay sesgo. Por ltimo los cuartiles se
muestran y dejan ver que la media est en el primer cuartil y la mediana el segundo lo
que puede indicar sesgo de los datos.

Figura 4.3 Medidas de dispersin para datos agrupados obtenidos de minitab.

4.4

POLGONO DE FRECUENCIAS

La figura 3.4 muestra el polgono de frecuencias en el cual se puede observer que hay
una concentracin importante de datos en las marcas de clase 4 y 5, lo que se refiere a
los datos 96.7 y 98.4. Tambin se muestra que los datos tienden a seguir una curva
normal, sin embargo, aun no hay suficiente informacin para poder asegurar que esto
sea verdadero.

Figura 3.4 Polgono de frecuencia.

4.5 GRAFICA DE CAJA

La grafica de caja muestra que los datos muestran se cooncentran entre 96.543 y
97.745, la linea central de la caja es la mediana. Los tres asteriscos ubicados en la
parte inferior son puntos atipicos que son medidas fueras del rango intercuartilico el
cual puede tener causas como una mala medicin del operador a la mala calibracin
del instrumento, condiciones inadecuadas de trabajo.
El largo del rectngulo es igual al rango inter-cualtlico = , (97.745-96.543 =
1.203), la caja esta dividida por la mediana , justo en ella se concentran el 50% de los
datos que estn en el centro de la distribucin (tendencia central delos datos) al igual
que existe un sesgo en el brazo superior, como tambin existen puntos atpicos.

PRUEBA DE NORMALIDAD
Para poder saber si los datos siguen una tendencia normal se realiz una prueba de
Anderson-Darling. La figura 3.6 muestra la grafica obtenida, en la cual se observa que
hay muy poca dispersion sin embargo, tambin se observan puntos atpicos en el primer
cuartil y una concentracin de datos a partir del segundo cuartil. Se muestra que hau una
desviacin estandar pequea y el valor de la prueba es de 0.515 lo que indica que esta
dentro del rango de valores de aceptacin de una distribucin normal. Por lo tanto, los
datos se comportan de manera normal.
J s hjdd

Fi

Figura 3.6

Figura 3.6 Grafica de dispersin

4.6 HISTOGRAMA
El histograma que se muestra en la figura 4.7 indica que los datos siguen un patrn
normal con un centro del proceso ligeramente sesgado. Se ve que hay acantilamiento o
datos atpicos, que son los puntos que no parecen ser parte del proceso. Su naturaleza
se sospecha que es por una mala medicin. La desviacin estadar es muy pequea por
lo que el proceso se puede considerar que es estable.

mks

gura 4.7, Histograma.

Fi

5 ANLISIS DE CAPACIDAD DEL PROCESO

El software minitab hace un anlisis del proceso en el cual se indican puntos claves que pueden describir
si el proceso es eficiente o tiene areas de oportunidad. En las figura 5.1, 5.2 y 5.3 se muestran los datos
arrojados por el software. Cabe recalcar que los limites que se muestran pertenecen a las
especificaciones del cliente. Y principalmente se evalua la capacidad del proceso y no tanto las
mediciones como datos aislados. La tabla 5 interpreta los datos arrojados por el software.

Figura 5.1. Anlisis de capacidad de proceso de Minitab.

Figura 5.2. Anlisis de la capacidad real contrastada con la capacidad potencial del proceso

Figura 5.3. Informe diagnostico del proceso.

Tabla 5. Anlisis de la capacidad del proceso.

ESTADSTICO

ANLISIS Y COMENTARIOS

CONCLUSIONES

Medidas de tendencia
central
*Media = 97.091
*Mediana= 97.24
*Moda= 96.71

*Las medidas de
tendencia central son
relativamente cercanas,
por lo que la tendencia
central del proceso es
adecuada.
*50 % de las 36
mediciones fue mayor o
igual a 1.203 mm.
*La longitud con ms
frecuencia es 96.71.
*En forma aproximada se
espera que la longitud de
la probeta vare 1.205.

Proceso centrado con

97.091

Desviacin estndar
S=1.205
Limites reales
aproximados

(
):
LR inf. = -93.473
LR sup.= 100.706
Grfica de Capacidad
Histograma

La variacin real del

proceso es demasiada
por lo que se est
fabricando producto fuera
de las especificaciones.

*La distribucin se ajusta Hay mucha variacin en

de forma razonable a la
el proceso.
normal, se observa un
comportamiento especial
(puntos atpicos).
*La tendencia central se
ubica alrededor de 97.24,
un poco desfasada hacia
la derecha ya que los
datos se concentran en el
lado derecho.
CONCLUSIONES FINALES:
*Para reducir la variabilidad se debe encontrar que aspectos son los
contribuyentes a la variacin.
Esto se realiza estratificando los datos por lote, por turno, condicin, etc. Al hacer
el anlisis es preciso ver si hay diferencias importantes de un estrato a otro. De
ser as se deben tomar las medidas necesarias para hacer ms homogneos los
estratos
*Otra posibilidad es analizar profundamente el comportamiento del proceso ver si
hay patrones en funcin de turnos, operadores, lotes, etc.
* Tanto la capacidad real como la capacidad potencial son muy bajas por lo que
se debe de hacer un anlisis ms profundo para averiguar la causa precisa de la
variacin.
*El comportamiento del proceso es estable y normal sin embargo hay puntos que
estn muy cerca de los lmites y se pueden considerar atpicos.

6 CONCLUSIN
Los datos fueron analisados de diversas formas y se concluyo que el proceso tiene
severas deficiencias. Existe una tasa de defectuosos del 79% aproximadamente, lo que
indica que las probetas que estan siendo producidas son de muy mala calidad y eso es
debido al proceso, a pesar de que est es muy estable. Por otro lado la capacidad del
proceso real es considerada como muy baja e incluso la capacidad potencial (eliminando
los desplazamientos) sigue siendo muy baja.
Es de vital importancia poner a consideracin que parte del proceso crea una mayor
variabilidad. Se sugiere que se realicen estudios ms especificos para poder disernir que
causa la variabilidad y poder tomar medidas al respecto. A consideracin del equipo que
estuvo colaborando en el proyecto, se sospecha que la fuente de variacin proviene de
las recientes contrataciones.
Se recomienda hacer un diseo de experimentos para poder corroborar la teria y ver si
es un operador o un todos lo operadores de un turno o una maquina en especifico. Por
lo cual se tiene que capacitor adecuadamente a los operadores Tambin se puede deber
al cambio de proveedor, por lo tanto el material puede estar causando estas alteraciones.
La estandarizacin del proceso es de vital importancia para poder mejorarlo. Es oportuno
que se le de seguimiento a la medidas correctivas

7 BIBLIOGRAFA
Pinilla Morn Vctor Damin, Probabilidad estadstica, facultad de ingeniera UNAM,
noviembre 2009.
M. Jorge Bolaos Carmona, Estadstica Descriptiva, Departamento de Estadstica e
I.O. Facultad de Biblioteconoma y Documentacin, Universidad de Granada.
Walpole, R.; Mayers, R.H.; Mayers, S.L. (2012). Novena edicin. Probabilidad
yEstadstica Para Ingeniera y Ciencias. Mxico: Pearson Education.
Montgomery C. D.; Runger C. G. (2003). Tercera edicin. Applied Statistics and
Probability for Engineers. United States of America: Limusa Wiley.