Diseño de gráficas de control

Una compañía de seguros quiere diseñar una gráfica de control para vigilar si las formas de cobro
de los seguros se llenan de manera correcta. La compañía quiere usar la gráfica para saber si las
mejoras en el diseño de la forma son efectivas. Para iniciar el proceso, la empresa recopila la
información sobre el número de formas llenadas de manera incorrecta durante los últimos 10 días.
La compañía de seguros procesa miles de estas formas al día y, debido al alto costo de
inspeccionar cada forma, sólo se recopila una pequeña muestra representativa cada día.

Forma de cobro de la compañía de seguros

numero numero de formas

fracción de
llenadas de manera
muestra inspeccionado incorrecta defectos P LCS
1 300 10 0.03333333 0.03033333 0.06004
2 300 8 0.02666667 0.03033333 0.06004
3 300 9 0.03 0.03033333 0.06004
4 300 13 0.04333333 0.03033333 0.06004
5 300 7 0.02333333 0.03033333 0.06004
6 300 7 0.02333333 0.03033333 0.06004
7 300 6 0.02 0.03033333 0.06004
8 300 11 0.03666667 0.03033333 0.06004
9 300 12 0.04 0.03033333 0.06004
10 300 8 0.02666667 0.03033333 0.06004
totales 3000 91 0.30333333
desviación estandar de la muestra 0.0099

Calcular la fraccion general de defectos de todas las muestras

𝑝 ̅ 0.030333333333

Calcular la desviación estándar de la muestra

Sp 0.00990

Calcular los limites de control inferior y superior.

LCS 0.06004
LCI 0.00063
si las formas de cobro
fica para saber si las
presa recopila la
nte los últimos 10 días.
o costo de
tiva cada día.

Nivel de
99.70%
confianza
LCI Z 3
0.00063
0.00063
0.00063
Grafico de forma de cobro de seguros
0.00063
0.00063 0.07
0.00063 0.06
0.00063
0.05
0.00063
0.00063 0.04
0.00063
0.03

0.02

0.01

0
1 2 3 4 5 6 7 8 9 10

fracción de defectos P
LCS LCI

Analisis: Se puede mostrar en el grafico que la empresa esta tiene un contr

estable y que ninguno de las muestras salio de los limites de control es ma
mantuvieron cerca del limite central
bro de seguros

7 8 9 10 11

s P
LCI

a empresa esta tiene un control

e los limites de control es mas se
 Todos los días se tomaban muestras de las formas llenas, de un departamento en particular, en una co
seguros para revisar la calidad del desempeño de ese departamento. Con el fi n de establecer una norm
para el departamento, se tomó una muestra de 100 unidades al día durante 15 días, obteniendo estos

muestra tamaño de la muestra numero de formas con errores Fraccion de E

1 100 4 0.04
2 100 3 0.03
3 100 5 0.05
4 100 0 0
5 100 2 0.02
6 100 8 0.08
7 100 1 0.01
8 100 3 0.03
9 100 4 0.04
10 100 2 0.02
11 100 7 0.07
12 100 2 0.02
13 100 1 0.01
14 100 3 0.03
15 100 1 0.01
Total 1500 46 0.46

Calcular la fracción general de defectos de todas las muestras.

𝑝 ̅ 0.030666666666667

Calcular la desviación estándar de la muestra

Sp 0.01724

Calcular los limites de control inferior y superior.

LCS 0.06446
LCI -0.00313
n particular, en una compañía de
de establecer una norma tentativa
días, obteniendo estos resultados.

P LCS LCI a) Desarrolle una gráfica p utilizando un intervalo de confianza de 95% 1

b) Diagrame las 15 muestras recolectadas.
0.03066667 0.06446 -0.00313 c) ¿Qué comentarios puede hacer sobre el proceso?
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313 Nivel de confianza 95.00%
0.03066667 0.06446 -0.00313 Z 1.96
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313
0.03066667 0.06446 -0.00313 Compañia de Seguros
0.03066667 0.06446 -0.00313
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
-0.01

Fraccion de E P LCS LCI

Analisis: Se puede notar que el proceso tiene un comportamiento

erratico, ya que tiene cambios muy notorios incluso hay muestras que se
salen de los limites de control. y se tiene que investigar la cuasa por la
cual se provoca esto
o de confianza de 95% 1.96sp).

eso?

10 11 12 13 14 15

LCI

ortamiento
ay muestras que se
r la cuasa por la
 Se tomaron 10 muestras de 15 piezas cada una de un proceso continuo con el fin de establecer
una gráfica p para control. Las muestras y el número de piezas defectuosas en cada una aparecen
en la tabla siguiente:

muestra n numero de defectos en la muestra Fraccion de E P

1 15 3 0.2 0.06666667
2 15 1 0.06666666667 0.06666667
3 15 0 0 0.06666667
4 15 0 0 0.06666667
5 15 0 0 0.06666667
6 15 2 0.13333333333 0.06666667
7 15 0 0 0.06666667
8 15 3 0.2 0.06666667
9 15 1 0.06666666667 0.06666667
10 15 0 0 0.06666667
Total 55 150 10 0.66666666667

Calcular la fracción general de defectos de todas las muestras.

𝑝 ̅ 0.066666666666667

Calcular la desviación estándar de la muestra

Sp 0.06441

Calcular los limites de control inferior y superior.

LCS 0.19290
LCI -0.05957
 establecer
una aparecen a) Elabore una gráfi ca p para una confi anza de 95% (1.96
desviaciones estándar).
b) Con base en los puntos de datos en el diagrama, ¿qué
comentarios puede hacer?

Nivel de conf 95.00%

LCS LCI Z 1.96
0.19290 -0.05957
0.19290 -0.05957
0.19290 -0.05957
Grafico de Muestras
0.19290 -0.05957
0.19290 -0.05957 0.25

0.19290 -0.05957 0.2

0.19290 -0.05957
0.15
0.19290 -0.05957
0.19290 -0.05957 0.1
0.19290 -0.05957 0.05

0
1 2 3 4 5 6 7 8 9 10
-0.05

-0.1

Fraccion de E P LCS LCI

7 8 9 10

LCI
A usted lo acaban de nombrar asistente del administrador de un hospital de su localidad y su primer pr
consiste en investigar la calidad de las comidas para los pacientes que prepara el departamento de serv
alimentos. Para ello, realizó una encuesta durante 10 días presentando con cada comida un sencillo cue
400 pacientes, pidiéndoles que marcaran si la comida había sido satisfactoria o no satisfactoria. Para m
simplicidad en este problema, suponga que la respuesta fue de 1 000 cuestionarios regresados de 1 20
cada día. Los resultados son los siguientes:

tamaño de la muestra numero de alimentos no satisfactorios Fraccion de E

1 1000 74 0.074
2 1000 42 0.042
3 1000 64 0.064
4 1000 80 0.08
5 1000 40 0.04
6 1000 50 0.05
7 1000 65 0.065
8 1000 70 0.07
9 1000 40 0.04
10 1000 75 0.075
10000 600 0.6

Calcular la fracción general de defectos de todas las muestras.

𝑝 ̅ 0.06

Calcular la desviación estándar de la muestra

Sp 0.01371

Calcular los limites de control inferior y superior.

LCS 0.08687
LCI 0.03313
 ocalidad y su primer proyecto
l departamento de servicio de
a comida un sencillo cuestionario a
no satisfactoria. Para mayor
rios regresados de 1 200 comidas
a) Elabore una gráfi ca p con base en los resultados del
cuestionario, utilizando un intervalo de confi anza de
95.5%, que son dos desviaciones estándar.
b) ¿Qué comentarios puede hacer acerca de los resultados
de la encuesta?

Nivel de
confianza 95.00%
P LCS LCI
0.06 0.08687 0.03313 Z 1.96
0.06 0.08687 0.03313
0.06 0.08687 0.03313
0.06 0.08687 0.03313 Grafico del Hospital
0.06 0.08687 0.03313 0.1
0.06 0.08687 0.03313 0.09
0.06 0.08687 0.03313 0.08

0.06 0.08687 0.03313 0.07

0.06
0.06 0.08687 0.03313
0.05
0.06 0.08687 0.03313
0.04
0.03
0.02
0.01
0
1 2 3 4 5 6 7 8 9

Fraccion de E P LCS LCI

Hospital

6 7 8 9 10

P LCS LCI
 Los departamentos de policía estatal y local tratan de analizar los índices delictivos con el fi n de cambi
patrullas de las áreas en las que los índices van a la baja a aquellas en donde se han incrementado. La c
y el condado están divididos en áreas que contienen 5 000 residencias. La policía reconoce que no se
denuncian todos los delitos e infracciones: la gente no quiere verse involucrada, considera que las
infracciones no son tan grandes como para denunciarlas, no se sienten a gusto de ir a la policía o no se
tiempo de hacerlo, entre otras razones. Debido a lo anterior, cada mes, la policía contacta por teléfono
muestra aleatoria de 1 000 de las 5 000 residencias para obtener información sobre delincuencia (a qu
contestan las llamadas se les garantiza el anonimato). Éstos son los datos recopilados durante los últim
meses para un área:

mes tamaño de la muestra incidencia de delitos índice delictivo P

1 1000 7 0.007 0.00833333
2 1000 9 0.009 0.00833333
3 1000 7 0.007 0.00833333
4 1000 7 0.007 0.00833333
5 1000 7 0.007 0.00833333
6 1000 9 0.009 0.00833333
7 1000 7 0.007 0.00833333
8 1000 10 0.010 0.00833333
9 1000 8 0.008 0.00833333
10 1000 11 0.011 0.00833333
11 1000 10 0.010 0.00833333
12 1000 8 0.008 0.00833333
12000 100 0.1

Calcular la fracción general de defectos de todas las muestras.

𝑝 ̅ 0.0083333333333

Calcular la desviación estándar de la muestra

Sp 0.00287

Calcular los limites de control inferior y superior.

LCS 0.01397
LCI 0.00270
ctivos con el fi n de cambiar sus Elabore una gráfi ca p para una confi anza de 95% (1.96) y diagrame cada uno de los
se han incrementado. La ciudad meses. Si los próximos tres meses muestran que la incidencia de delitos en esa área será:
icía reconoce que no se
da, considera que las Enero = 10 (de 1 000 elementos en la muestra)
o de ir a la policía o no se dan el Febrero = 12 (de 1 000 elementos en la muestra)
cía contacta por teléfono a una Marzo = 11 (de 1 000 elementos en la muestra)
sobre delincuencia (a quienes
opilados durante los últimos 12 ¿Qué comentarios puede hacer en cuanto al índice de crímenes?

Nivel de
LCS LCI 95.00%
confianza
0.01397 0.00270 Z 1.96
0.01397 0.00270
0.01397 0.00270
0.01397 0.00270 Grafico de Indice Delectivo
0.01397 0.00270 0.016
0.01397 0.00270 0.014
0.01397 0.00270 0.012
0.01397 0.00270
0.01
0.01397 0.00270
0.008
0.01397 0.00270
0.006
0.01397 0.00270
0.004
0.01397 0.00270
0.002
0
1 2 3 4 5 6 7 8 9 10 11 12

índice delictivo P
LCS LCI
grame cada uno de los
de delitos en esa área será:

nes?

0 11 12
 En una empresa del ramo metalmecánico se fabrican válvulas. Después del proceso de fundición se
realiza una inspección y las piezas que no cumplen con ciertas características son rechazadas. Las
razones del rechazo son diversas: piezas incompletas, porosas, mal formadas, etc. Para evaluar la
variabilidad y la magnitud de la proporción de piezas defectuosas en el proceso de fundición se decide
implementar una carta p. El proceso de fundición se hace por lotes. En la tabla 8.6 se muestran los
datos obtenidos durante una semana para cierto tipo de válvulas. Aunque regularmente el tamaño de
lote es fi jo, n = 300, en ocasiones, por diferentes motivos, en algunos lotes se hacen unas cuantas
piezas de más o de menos, como se aprecia en la tabla 8.6.

a) Calcule los límites de control utilizando el tamaño de subgrupo (lote) promedio. b) ¿Cómo
explicaría los límites de control que obtuvo a alguien que no tiene conocimientos profundos de
estadística?
c) Grafi que la carta correspondiente e interprétela.
d) ¿El proceso es estable?
e) ¿Se puede considerar que la calidad del proceso es aceptable? Argumente su respuesta.
f ) ¿Cómo aplicaría un análisis de Pareto para enfocar un proyecto de mejora en este caso?

lote tamaño de lote, ñi defectuosas di proporción Pi P

1 300 15 0.05 0.03572568
2 300 12 0.04 0.03572568
3 300 15 0.05 0.03572568
4 300 7 0.023 0.03572568
5 300 16 0.048 0.03572568
6 300 6 0.02 0.03572568
7 300 18 0.06 0.03572568
8 280 10 0.036 0.03572568
9 290 9 0.031 0.03572568
10 300 15 0.05 0.03572568
11 300 9 0.03 0.03572568
12 300 4 0.013 0.03572568
13 300 7 0.023 0.03572568
14 300 9 0.03 0.03572568
15 305 5 0.016 0.03572568
16 295 15 0.051 0.03572568
17 300 19 0.063 0.03572568
18 300 7 0.023 0.03572568
19 300 12 0.04 0.03572568
20 300 10 0.033 0.03572568
 21 300 4 0.013 0.03572568
suma 298.6 224

Calcular la fracción general de defectos de todas las muestras.

𝑝 ̅ 0.03572567783094

Calcular la desviación estándar de la muestra

Sp 0.01074

Calcular los limites de control inferior y superior.

LCS 0.06795
LCI 0.00350
 proceso de fundición se
as son rechazadas. Las
as, etc. Para evaluar la
ceso de fundición se decide
abla 8.6 se muestran los
regularmente el tamaño de
se hacen unas cuantas

medio. b) ¿Cómo
ientos profundos de

te su respuesta.
ra en este caso?

LCS LCI Nivel de confianza 99.70%

0.06795 0.00350 Z 3
0.06795 0.00350
0.06795 0.00350
0.06795 0.00350 Grafico del ramo metalmecanico
0.06795 0.00350 0.08
0.06795 0.00350 0.07
0.06795 0.00350 0.06
0.06795 0.00350
0.05
0.06795 0.00350
0.04
0.06795 0.00350
0.06795 0.00350 0.03
0.06795 0.00350 0.02
0.06795 0.00350 0.01
0.06795 0.00350 0
0.06795 0.00350 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
0.06795 0.00350 proporción Pi P LCS LCI
0.06795 0.00350
0.06795 0.00350
0.06795 0.00350
0.06795 0.00350
0.06795 0.00350
8 19 20 21
 En una fábrica de artículos de plástico inyectado se tiene el problema de la a) Calcule los límite
rebaba en las piezas, que es necesario eliminar con retrabajo. Con el b) Grafi que la cart
propósito de evaluar la realidad actual y detectar posibles causas especiales
de variación se decide implementar una carta de control para el producto
que más se fabrica, los datos obtenidos en 24 lotes de tamaño 500, en cuanto
a la cantidad de piezas con rebaba se muestran a continuación:

Numero Tamaño de muestra Piezas malas Fraccion de E P LCS

1 500 86 0.172 0.20175 0.25559
2 500 95 0.19 0.20175 0.25559
3 500 113 0.226 0.20175 0.25559
4 500 93 0.186 0.20175 0.25559
5 500 88 0.176 0.20175 0.25559
6 500 101 0.202 0.20175 0.25559
7 500 90 0.18 0.20175 0.25559
8 500 85 0.17 0.20175 0.25559
9 500 111 0.222 0.20175 0.25559
10 500 80 0.16 0.20175 0.25559
11 500 96 0.192 0.20175 0.25559
12 500 89 0.178 0.20175 0.25559
13 500 98 0.196 0.20175 0.25559
14 500 126 0.252 0.20175 0.25559
15 500 96 0.192 0.20175 0.25559
16 500 124 0.248 0.20175 0.25559
17 500 129 0.258 0.20175 0.25559
18 500 115 0.23 0.20175 0.25559
19 500 95 0.19 0.20175 0.25559
20 500 78 0.156 0.20175 0.25559
21 500 97 0.194 0.20175 0.25559
22 500 110 0.22 0.20175 0.25559
23 500 108 0.216 0.20175 0.25559
24 500 118 0.236 0.20175 0.25559
12000 2421

Calcular la fracción general de defectos de todas las muestras.

𝑝 ̅ 0.20175

Calcular la desviación estándar de la muestra

Sp 0.01795
Calcular los limites de control inferior y superior.
LCS 0.25559
LCI 0.14791
a) Calcule los límites de control para una carta p e interprételos.
b) Grafi que la carta p y analícela.

LCI Nivel de confianza 99.70%

0.14791 Z 3
0.14791
0.14791
0.14791
0.14791
0.14791
0.14791
0.14791
Grafico de Plasticos
0.14791
0.14791 0.28

0.14791 0.26
0.14791 0.24
0.14791 0.22
0.14791
0.2
0.14791
0.18
0.14791
0.14791 0.16

0.14791 0.14
0.14791 0.12
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
0.14791
0.14791 Fraccion de E P LCS LCI
0.14791
0.14791
0.14791
20 21 22 23 24
gráfica NP

Del análisis de los datos de inspecciones y pruebas fi nales de un producto ensamblado se detectó
a través de una estratifi cación y un análisis de Pareto que la causa principal por la que los artículos
salen defectuosos está relacionada con los problemas de un componente en particular (el
componente k12). Por lo tanto, se decide analizar más de cerca el proceso que produce tal
componente. Para ello, de cada lote de componentes k12 se decide inspeccionar una muestra de n
= 120. Los datos obtenidos en 20 lotes consecutivos se muestran en la tabla 8.2. Como n es
constante, la cantidad de defectuosos por muestra se puede analizar con una carta np.

Tabla 8.2

defectos en componentes k12

muestra componentes defectuosos Tamaño de muestra LCS L CENTRAL

1 9 120 17.87 9.15
2 6 120 17.87 9.15
3 10 120 17.87 9.15
4 8 120 17.87 9.15
5 5 120 17.87 9.15
6 5 120 17.87 9.15
7 14 120 17.87 9.15
8 12 120 17.87 9.15
9 9 120 17.87 9.15
10 8 120 17.87 9.15
11 10 120 17.87 9.15
12 20 120 17.87 9.15
13 12 120 17.87 9.15
14 10 120 17.87 9.15
15 10 120 17.87 9.15
16 0 120 17.87 9.15
17 13 120 17.87 9.15
18 5 120 17.87 9.15
19 6 120 17.87 9.15
20 11 120 17.87 9.15
suma 183 2400

Calcular la fracción general de defectos de todas las muestras.

 𝑝 ̅ 0.076

Calcular 𝜎_𝑑𝑖
𝜎_𝑑𝑖 2.9073

Calcular los limites de control

LCS 17.87
LINEA CENTRAL 9.15
LCI 0.43
ensamblado se detectó
por la que los artículos
n particular (el
ue produce tal
ionar una muestra de n
8.2. Como n es
na carta np.

LCI
0.43
0.43
0.43
0.43
0.43 Grafico Np pruebas de producto
0.43
25
0.43
0.43 20
0.43
0.43 15
0.43
0.43 10

0.43
5
0.43
0.43 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0.43
0.43 componentes defectuosos LCS
0.43 L CENTRAL LCI
0.43
0.43
 a) Suponga que todos los lotes tienen el mismo tamaño (el promedio),
calcule los límites de control para una carta np e interprételos.
b) Grafi que la correspondiente carta np y analícela.

lote tamaño de lote, ñi defectuosas di proporción Pi LCS L CENTRAL

1 300 15 0.05 20.29 10.6666667
2 300 12 0.04 20.29 10.6666667
3 300 15 0.05 20.29 10.6666667
4 300 7 0.023 20.29 10.6666667
5 300 16 0.048 20.29 10.6666667
6 300 6 0.02 20.29 10.6666667
7 300 18 0.06 20.29 10.6666667
8 280 10 0.036 20.29 10.6666667
9 290 9 0.031 20.29 10.6666667
10 300 15 0.05 20.29 10.6666667
11 300 9 0.03 20.29 10.6666667
12 300 4 0.013 20.29 10.6666667
13 300 7 0.023 20.29 10.6666667
14 300 9 0.03 20.29 10.6666667
15 305 5 0.016 20.29 10.6666667
16 295 15 0.051 20.29 10.6666667
17 300 19 0.063 20.29 10.6666667
18 300 7 0.023 20.29 10.6666667
19 300 12 0.04 20.29 10.6666667
20 300 10 0.033 20.29 10.6666667
21 300 4 0.013 20.29 10.6666667
suma 298.57 224

Calcular la fracción general de defectos de todas las muestras.

𝑝 ̅ 0.036

Calcular 𝜎_𝑑𝑖
𝜎_𝑑𝑖 3.2071

Calcular los limites de control

LCS 20.29
LINEA CENTRAL 10.66666666667

LCI 1.05
LCI
1.05
1.05
1.05
1.05
1.05
Grafico Np
1.05
1.05 25

1.05
20
1.05
1.05
15
1.05
1.05 10
1.05
1.05 5
1.05
1.05 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1.05
1.05 defectuosas di LCS L CENTRAL LCI
1.05
1.05
1.05
 En una fábrica de artículos de plástico inyectado se tiene el problema de la rebaba en
las piezas, que es necesario eliminar con retrabajo. Con el propósito de evaluar la
realidad actual y detectar posibles causas especiales de variación se decide
implementar una carta de control para el producto que más se fabrica, los datos
obtenidos en 24 lotes de tamaño 500, en cuanto a la cantidad de piezas con rebaba
se muestran a continuación:

Numero Defectos Tamaño de muestra LCS L CENTRAL LCI

1 86 500 127.80 100.875 73.95
2 95 500 127.80 100.875 73.95
3 113 500 127.80 100.875 73.95
4 93 500 127.80 100.875 73.95
5 88 500 127.80 100.875 73.95
6 101 500 127.80 100.875 73.95
7 90 500 127.80 100.875 73.95
8 85 500 127.80 100.875 73.95
9 111 500 127.80 100.875 73.95
10 80 500 127.80 100.875 73.95
11 96 500 127.80 100.875 73.95
12 89 500 127.80 100.875 73.95
13 98 500 127.80 100.875 73.95
14 126 500 127.80 100.875 73.95
15 96 500 127.80 100.875 73.95
16 124 500 127.80 100.875 73.95
17 129 500 127.80 100.875 73.95
18 115 500 127.80 100.875 73.95
19 95 500 127.80 100.875 73.95
20 78 500 127.80 100.875 73.95
21 97 500 127.80 100.875 73.95
22 110 500 127.80 100.875 73.95
23 108 500 127.80 100.875 73.95
24 118 500 127.80 100.875 73.95
2421 12000

Calcular la fracción general de defectos de todas las muestras.

𝑝 ̅ 0.202

Calcular 𝜎_𝑑𝑖
𝜎_𝑑𝑖 8.9735

Calcular los limites de control

LCS 127.80
 LINEA
100.875
CENTRAL
LCI 73.95
e la rebaba en
evaluar la
cide c) Obtenga una carta np e interprétela. d) A su juicio, ¿cuál
los datos de las dos cartas es más conveniente en este caso?
con rebaba Argumente. e) ¿El proceso es estable? f ) ¿Se puede
considerar que el proceso genera buena calidad?

Grafico Np Articulos de Plastico

140
130
120
110
100
90
80
70
60
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Defectos LCS L CENTRAL LCI

gráfica C

En una fábrica de muebles se inspecciona a detalle el acabado de las

mesas cuando salen del departamento de laca. La cantidad de defectos
que son encontrados en cada mesa son registrados con el fi n de
conocer y mejorar el proceso. En la tabla 8.3 se muestran los defectos
encontrados en las últimas 30 mesas. Es claro que estamos ante una
variable que debe ser analizada con la carta c, debido a que una misma
mesa puede tener varios defectos de diferente tipo; además, los
defectos son relativamente menores, y aunque infl uyen en la calidad fi
nal del producto, no causan que la mesa sea rechazada.
De la tabla 8.3 se obtiene que el número promedio de defectos por
unidad (mesa) es:

mesa defectos Ci 𝐶 ̅ LCS LCI

1 7 6.36666667 13.936343 0 Grafico C d
2 5 6.36666667 13.936343 0 16
3 10 6.36666667 13.936343 0 14
4 2 6.36666667 13.936343 0
12
5 6 6.36666667 13.936343 0
10
6 5 6.36666667 13.936343 0
7 4 6.36666667 13.936343 0 8

8 9 6.36666667 13.936343 0 6
9 7 6.36666667 13.936343 0 4
10 5 6.36666667 13.936343 0 2
11 6 6.36666667 13.936343 0
0
12 7 6.36666667 13.936343 0 1 2 3 4 5 6 7 8 9 10 11 12 1
13 8 6.36666667 13.936343 0 defectos Ci
14 4 6.36666667 13.936343 0
15 5 6.36666667 13.936343 0
Interpretacion:
16 12 6.36666667 13.936343 0 En el proceso se observa una te
17 8 6.36666667 13.936343 0 una variabilidad estable que no
18 10 6.36666667 13.936343 0 control, son pocas muestras que
hay muestras que reflejan un nu
19 4 6.36666667 13.936343 0
20 7 6.36666667 13.936343 0
21 3 6.36666667 13.936343 0
22 10 6.36666667 13.936343 0
23 6 6.36666667 13.936343 0
24 6 6.36666667 13.936343 0
25 7 6.36666667 13.936343 0
26 4 6.36666667 13.936343 0
27 5 6.36666667 13.936343 0
 28 6 6.36666667 13.936343 0
29 8 6.36666667 13.936343 0
30 5 6.36666667 13.936343 0
suma 191
 Grafico C de fabrica de muebles
16
14
12
10
8
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

defectos Ci Column D LCS LCI

Interpretacion:
En el proceso se observa una tendencia central de los defectos mostrando
una variabilidad estable que nos indica que el proceso tiene un buen
control, son pocas muestras que indican muchos defectos, por el otro lado
hay muestras que reflejan un numero bajo de errores.
En una empresa se registra el número de quejas por a) ¿Es adecuado hacer un análisis median
mal servicio. Los datos de las últimas 25 semanas se carta p? Argumente. b) Calcule los límite
muestran enseguida (el orden es por renglón): control. c) Obtenga la carta c y analícela.
proceso es estable? e) ¿El nivel de calida
puede considerar satisfactorio?

Numero Quejas Ċ LCS LCI

1 6 4.4 10.6928531 0 Grafic
2 2 4.4 10.6928531 0 12
3 3 4.4 10.6928531 0
4 4 4.4 10.6928531 0 10
5 5 4.4 10.6928531 0
8
6 6 4.4 10.6928531 0
7 7 4.4 10.6928531 0 6
8 8 4.4 10.6928531 0
4
9 9 4.4 10.6928531 0
10 0 4.4 10.6928531 0 2
11 1 4.4 10.6928531 0
0
12 2 4.4 10.6928531 0 1 2 3 4 5 6 7 8 9 10 11
13 3 4.4 10.6928531 0
Quejas
14 4 4.4 10.6928531 0
15 5 4.4 10.6928531 0
16 6 4.4 10.6928531 0
17 7 4.4 10.6928531 0
18 8 4.4 10.6928531 0
19 9 4.4 10.6928531 0
20 0 4.4 10.6928531 0
21 1 4.4 10.6928531 0
22 2 4.4 10.6928531 0
23 3 4.4 10.6928531 0
24 4 4.4 10.6928531 0
25 5 4.4 10.6928531 0
110
uado hacer un análisis mediante una
gumente. b) Calcule los límites de
Obtenga la carta c y analícela. d) ¿El
estable? e) ¿El nivel de calidad se
iderar satisfactorio?

Grafico C de Quejas

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Quejas Ċ LCS LCI

En una línea de ensamble o montaje de pequeñas piezas en a) Note que en promedio hay más
tarjetas electrónicas se cuantifi ca el número de defectos de por tarjeta, ¿es adecuado analizar
diferente tipo por medio de una muestra de 10 tarjetas. Los mediante una carta p? Argumente
defectos encontrados en las últimas 30 muestras se listan a b) Calcule los límites de control pa
continuación (datos en orden por renglón). interprete los límites obtenidos.
c) Obtenga la carta c y analícela.

Numero Defectos Ċ LCS LCI

1 28 24.4285714 39.2561519 9.60099095 Grafico C de Lin
2 22 24.4285714 39.2561519 9.60099095 45
3 25 24.4285714 39.2561519 9.60099095 40
4 21 24.4285714 39.2561519 9.60099095 35
5 26 24.4285714 39.2561519 9.60099095 30
6 2 24.4285714 39.2561519 9.60099095 25
7 36 24.4285714 39.2561519 9.60099095
20
8 22 24.4285714 39.2561519 9.60099095
15
9 32 24.4285714 39.2561519 9.60099095
10
10 22 24.4285714 39.2561519 9.60099095
5
11 23 24.4285714 39.2561519 9.60099095
0
12 27 24.4285714 39.2561519 9.60099095 1 2 3 4 5 6 7 8 9 1011121314151617
13 26 24.4285714 39.2561519 9.60099095
Defectos
14 18 24.4285714 39.2561519 9.60099095
15 29 24.4285714 39.2561519 9.60099095
16 24 24.4285714 39.2561519 9.60099095
17 6 24.4285714 39.2561519 9.60099095
18 20 24.4285714 39.2561519 9.60099095
19 25 24.4285714 39.2561519 9.60099095
20 29 24.4285714 39.2561519 9.60099095
21 26 24.4285714 39.2561519 9.60099095
22 24 24.4285714 39.2561519 9.60099095
23 32 24.4285714 39.2561519 9.60099095
24 31 24.4285714 39.2561519 9.60099095
25 29 24.4285714 39.2561519 9.60099095
26 24 24.4285714 39.2561519 9.60099095
27 27 24.4285714 39.2561519 9.60099095
28 21 24.4285714 39.2561519 9.60099095
29 27 24.4285714 39.2561519 9.60099095
30 31 24.4285714 39.2561519 9.60099095
31 20 24.4285714 39.2561519 9.60099095
32 22 24.4285714 39.2561519 9.60099095
33 28 24.4285714 39.2561519 9.60099095
34 26 24.4285714 39.2561519 9.60099095
35 24 24.4285714 39.2561519 9.60099095
855
ote que en promedio hay más de un defecto
arjeta, ¿es adecuado analizar estos datos
ante una carta p? Argumente.
lcule los límites de control para una carta c e
prete los límites obtenidos.
btenga la carta c y analícela.

Grafico C de Linea de Ensamble

3 4 5 6 7 8 9 1011121314151617181920212223242526272829303132333435

Defectos Ċ LCS LCI

 En una fábrica se ensamblan artículos electrónicos y al fi - nal del proceso se hace
una inspección por muestreo para detectar defectos relativamente menores. En la
tabla 8.4 se presenta el número de defectos observados en muestreos realizados en
24 lotes consecutivos de piezas electrónicas. El número de piezas inspeccionadas en
cada lote es variable, por lo que no es apropiado aplicar la carta c. Es mejor analizar
el número promedio de defecto por pieza, ui , mediante la carta u.

lote tamaño de muestra ni defectos encontrados Ci Ui U

1 20 17 0.85 1.04571429
2 20 24 1.2 1.04571429
3 20 16 0.8 1.04571429
4 20 26 1.3 1.04571429
5 15 15 1 1.04571429
6 15 15 1 1.04571429
7 15 20 1.33 1.04571429
8 25 18 0.72 1.04571429
9 25 26 1.04 1.04571429
10 25 10 0.4 1.04571429
11 25 25 1 1.04571429
12 30 21 0.7 1.04571429
13 30 40 1.33 1.04571429
14 30 24 0.8 1.04571429
15 30 46 1.53 1.04571429
16 30 32 1.07 1.04571429
17 30 30 1 1.04571429
18 30 34 1.13 1.04571429
19 15 11 0.73 1.04571429
20 15 14 0.93 1.04571429
21 15 30 2 1.04571429
22 15 17 1.13 1.04571429
23 15 18 1.2 1.04571429
24 15 20 1.33 1.04571429
suma total 525 549
21.875 1.04571429
Raiz 0.218641445368103
oceso se hace
menores. En la
os realizados en
speccionadas en
s mejor analizar

LCS LCI
1.70163862 0.38978995
1.70163862 0.38978995
1.70163862 0.38978995
1.70163862 0.38978995
1.70163862 0.38978995
1.70163862 0.38978995
1.70163862 0.38978995
1.70163862 0.38978995
Grafico U Electronicos
1.70163862 0.38978995
2.5
1.70163862 0.38978995
1.70163862 0.38978995
2
1.70163862 0.38978995
1.70163862 0.38978995
1.5
1.70163862 0.38978995
1.70163862 0.38978995 1
1.70163862 0.38978995
1.70163862 0.38978995 0.5
1.70163862 0.38978995
1.70163862 0.38978995 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1.70163862 0.38978995
1.70163862 0.38978995 Ui U LCS LCI
1.70163862 0.38978995
1.70163862 0.38978995
1.70163862 0.38978995
20 21 22 23 24
 En un hotel se ha llevado el registro de quejas
de los clientes desde hace 15 semanas con el
número de clientes por semana, los datos se
muestran en la tabla 8.8.

a) Calcule los límites de control para una carta u para el número

de quejas por cliente e interprete los límites que obtenga.
b) Grafi que la carta u correspondiente y analícela.
c) ¿La estabilidad del proceso es aceptable?
d) ¿Considera que la calidad en el hotel es buena? Explique.
e) ¿Cómo aplicaría un análisis de Pareto para enfocar un
proyecto de mejora?
f ) ¿Si mejora o empeora la calidad, cómo se daría cuenta a
través de esta carta de control?

semana clientes Quejas Ui U LCS LCI

1 114 11 0.096 0.08382688 0.15562966 0.0120241
2 153 15 0.098 0.08382688 0.15562966 0.0120241
3 115 5 0.043 0.08382688 0.15562966 0.0120241
4 174 14 0.08 0.08382688 0.15562966 0.0120241
5 157 16 0.102 0.08382688 0.15562966 0.0120241
6 219 11 0.05 0.08382688 0.15562966 0.0120241
7 149 10 0.067 0.08382688 0.15562966 0.0120241
8 147 9 0.061 0.08382688 0.15562966 0.0120241
9 131 10 0.076 0.08382688 0.15562966 0.0120241
10 91 10 0.11 0.08382688 0.15562966 0.0120241
11 112 10 0.089 0.08382688 0.15562966 0.0120241
12 158 11 0.07 0.08382688 0.15562966 0.0120241
13 244 30 0.123 0.08382688 0.15562966 0.0120241
14 111 11 0.099 0.08382688 0.15562966 0.0120241
15 120 11 0.092 0.08382688 0.15562966 0.0120241
total 2195 184
146.333333 0.08382688

Raiz 0.02393426
 Grafico U del Hotel}
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Ui U LCS LCI