CONTROL ESTADSTICO DE CALIDAD E INGENIERA DE CONFIABILIDAD 661

Adems,
'oso = Hln 1 = 160 In 1 = 35 . 70 horas.
R 0.8
El lmite de confianza de dos lados de 95% se determin a partir de la tabla 17-11 como

2(1600)(0 223) 2(1600)(0.223) = [20 9. 74.45].

Il 34.17 9.591

17-4.9 Pruebas de demostracin y de aceptacin

No es raro que un comprador pruebe los productos que adquiere para asegurarse de que stos concuerden con las especificaciones de confiabilidad. Estas pruebas son destructivas y, en el caso de la
medicin de atributos, el diseo de la prueba sigue lo correspondiente al muestreo de aceptacin tratado antes en este captulo.
Un conjunto especial de planes de muestreo que supone una distribucin de tiempo de falla exponencial presentado en el manual del Departamento de Defensa de Estados Unidos (DOD H-108),
se utiliza ampliamente para estos propsitos.

17-5 RESUMEN
En este captulo se han presentado varios mtodos de amplia aplicacin para el control de calidad estadstico. Se presentaron los diagramas de control y se trat su utilizacin como dispositivo de supervivencia del proceso . Los diagramas de control X y R se emplean para datos de medicin . Cuando
la caracterstica de calidad es un atributo , puede emplearse el diagrama p para la fraccin defectuosa, o los diagramas c o u para los defectos.
Tambin se trat el empleo de probabilidad como una tcnica de modelado en el anlisis de confiabilidad . La distribucin exponencial se emplea ampliamente como la distribucin del tiempo de
falla, aunque otros modelos plausibles incluyen las distribuciones normal , lognormal , de Weibull y
gamma . Los mtodos de anlisis de confiabilidad de sistemas se presentaron para el caso de los sistemas en serie, as como de los que tienen redundancia activa o en espera . Adems , se habl brevemente de la prueba de duracin , y la estimacin de la confiabilidad.

17-6 EJERCICIOS
17-1 Un dado de extrusin se emplea para producir ficaciones en las barras son 0.5035 0.0010
barras de aluminio . El dimetro de las barras pulgadas. Los valores dados son los ltimos
es una caracterstica de calidad crtica. A con- tres dgitos de las mediciones; esto es, 34.2 se
tinuacin se muestran los valores X y R para lee como 0.50342.
20 muestras de 5 barras cada una. Las especi-

662 PROBABILIDAD Y ESTADSTICA PARA INGENIERA

Muestra

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

34.2
31.6
31.8
33.4
35.0
32.1
32.6
33.8
34.8
38.6
35.4
34.0
36.0
37.2
35.2
33.4
35.0
34.4
33.9
34.0

3
4
4
5
4
2
7
9
10
4
8
6
4
7
3
10
4
7
8
4

a) Encuentre el nmero esperado de muestras

que se tomarn hasta que se genere una seal de accin falsa. Esto se llama longitud
de ejecucin promedio (LEP) bajo control.
b) Suponga que el proceso cambia a un estado fuera de control . Encuentre el nmero
esperado de muestras que se tomarn hasta que se genere una accin falsa. Esto se
llama longitud de ejecucin promedio
(LE') fuera de control.
c) Evale la LEP bajo control para k = 3.
Cmo cambia si k = 2? Qu piensa usted acerca del empleo de lmites de 2-sigma en la prctica?
d)

Evale la LEP fuera de control para un

desplazamiento de una sigma , dado que
n=5.

17-4 Veinticinco muestras de tamao 5 se extraen

de un proceso a intervalos regulares , y se obtienen los siguientes datos:
25

a)

b)

Establezca los diagramas X y R, revisando

los lmites de control de prueba si es necesario, suponiendo que pueden encontrarse
causas asignables.
Calcule el RCP y el RCP, . Interprete estas
razones.

c) Qu porcentaje de defectos est produciendo el proceso?

17-2 Suponga que un proceso est bajo control y
que se emplean lmites de control 3-signa en
el diagrama X. Deje que la media sea 1.56.
Cul es la probabilidad de que este desplazamiento sea indetectable en 3 muestras consecutivas? Cul sera esta probabilidad si se
emplean lmites de control 2-sigma ? El tamao de la muestra es 4.
17-3 Suponga que se utiliza un diagrama X para
controlar un proceso distribuido normalmente,
que las muestras de tamao n se toman cada h
horas, y que se grafican en el diagrama, el cual
tiene k lmites sigma.

25

362.75 R= 8.60.

a) Calcule los limites de control para los diagramas X y R.

b) Suponiendo que el proceso est bajo control y que los lmites de especificacin son
14.50 0.50, qu conclusiones puede usted extraer acerca de la capacidad del proceso para operar dentro de estos lmites?
Estime el porcentaje de artculos defectuosos que se producirn.
c) Calcule RCP y RCP,. Interprete estas razones.
17-5 Suponga un diagrama X para un proceso bajo
control con lmites 3-sigma. Se extraen muestras de tamao 5 cada 15 minutos. Suponga
ahora que el proceso se sale de control en 1.56
por 10 minutos despus de la hora. Si D es el
nmero esperado de defectos producidos por
cuarto de hora en este estado fuera de control,
encuentre la prdida esperada (en trminos de
unidades defectuosas) que resulta de este procedimiento de control.

CONTROL ESTADSTICO DE CALIDAD E INGENIERA DE CONFIABILIDAD 663

17-6 La longitud total del cuerpo de un encendedor
de cigarrillos de un automvil se controla empleando diagramas X y R. La siguiente tabla
brinda la longitud para 20 muestras de tamao
4 (las mediciones se codifican a partir de 5.00
mm: esto es. 15 es 5. 15 ntm).
Observacin

a)

Muestra

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

15
14
9
8
14
9
15
14
11
11
13
10
8
15
13
14
8
8
13
9

10
14
10
6
8
l0
10
16
7
14
8
15
12
12
16
8
10
14
15
7

8
10
9
9
9
7
12
Il
16
11
9
8
14
14
9
8
16
10
10
15

9
6
11
13
12
13
12
10
10
12
5
10
9
6
5
12
9
9
8
8

Haga los diagramas X y R. El proceso

est bajo control estadstico?

b) Las especificaciones son 5 .10 0.05 mm.

Qu puede usted decir acerca de la capacidad del proceso?
17-7 Montygomery (2(x)1) presenta 30 observacione,, del espesor de xido en obleas de silicn
india i(Iuales. Los datos son

Espesor Espesor
Oblea de xido Oblea de xido
1
2
3

45.4
48.6
49.5

4
5
6

44.0
50.9
55.2

Oblea

Espesor
de xido

Oblea

Espesor
de xido

7
8
9
10
11
12
13
14
15
16
17
18

45.5
52.8
45.3
46.3
53.9
49.8
46.9
49.8
45.1
58.4
51.0
41.2

19
20
21
22
23
24
25
26
27
28
29
30

47.1
45.7
60.6
51.0
53.0
56.0
47.2
48.0
55.9
50.0
47.9
53.4

a) Construya una grfica de probabilidad normal con los datos. La suposicin de normalidad le parece razonable?
b) Realice un diagrama de control individual
para los espesores de xido. Interprete el
diagrama.
17-8 Se usa una mquina para llenar botellas con una
marca particular de aceite vegetal . Se selecciona
una sola botella en forma aleatoria cada media
hora y se registra el peso de la misma . La experiencia con el proceso indica que su variabilidad
es bastante estable, con a= 0.07 onzas. El objetivo del proceso es 32 onzas. Se han registrado
24 muestras en un periodo de 12 horas, con los
resultados que se muestran a continuacin
Nm. de muestra
1
2
3
4
5
6
7
8
9
10
11
12

Nm. de muestra

32.03
31.98
32.02
31.85
31.91
32.09
31.98
32.03
31.98
31.91
32.01
32.12

13
14
15
16
17
18
19
20
21
22
23
24

31.97
32.01
31.93
32.09
31.96
31.88
31.82
31.92
31.81
31.95
31.97
31.94

664 PROBABILIDAD Y ESTADSTICA PARA INGENIERA

a) Construya una grfica de probabilidad nornial de los datos. Le parece que la suposicin de nornialidad se satisface?

so est centrado en la dimensin nominal, y se

localiza a la mitad entre los lmites de especificacin superior e inferior.

b) Realice un diagrama de control individual

para los pesos. Interprete los resultados.

a) Cul es la razn de capacidad del proceso RCP?

17-9 Los siguientes son los nmeros de uniones de

soldaduras defectuosas encontradas en nitrestras sucesivas de 500 uniones.

Da Nm. de defectos Da Nm. de defectos

1
2
3
4
5
6
7
8
9
10

106
116
164
89
99
40
112
36
69
74

11
12
13
14
15
16
17
18
19
20
21

42
37
25
88
101
64
51
74
71
43
80

Construya un diagrama de control de la fraccin

defectuosa. El proceso est bajo control?
17-10 Un proceso se controla por medio de un diagrama p empleando muestras de tamao 100.
La lnea central del diagrama es 0.05. Cul es
la probabilidad de que el diagrama de control
detecte un desplazamiento a 0.08 en la primera muestra posterior al mismo? Cul es la
probabilidad de que el desplazamiento se detecte por lo menos en la tercera muestra posterior al mismo?
17-11 Suponga que un diagrama p con lnea central
en p con k unidades sigma se emplea para controlar un proceso. Hay una fraccin defectuosa
crtica p, que debe detectarse con probabilidad
de 0.50 en la primera muestra que sigue al desplazamiento a ese estado. Obtenga una frmula general para el tamao de muestra que debe
emplearse en este diagrama.
17-12 Un proceso distribuido normalmente emplea
M 79- de la banda de especificacin . El proce-

b) Qu nivel de fallas ( fraccin defectuosa)

se produce?
c) Suponga que la media se desplaza a una
distancia de exactamente 3 desviaciones estndar por debajo del lmite de especificacin superior. Cul es el valor de RCPk?
Cmo ha cambiado la RCP?
d) Cules son las fallas reales que se experimentan despus del desplazamiento de
la media?
17-13 Considere el proceso en el que las especificaciones respecto de la caracterstica de calidad
son 100 15. Sabernos que la desviacin estndar de esta caracterstica de calidad es 5.
Dnde debemos centrar el proceso para minimizar la fraccin de defectos producidos? Suponga ahora que la inedia se desplaza a 105 y
que estamos usando un tamao de muestra de 4
sobre un diagrama X. Cul es la probabilidad
de que tal desplazamiento se detecte en la primera muestra posterior al mismo? Qu tamao de muestra sera necesario en un diagrama p
para obtener un grado de proteccin similar?
17-14 Suponga que la siguiente fraccin defectuosa
se ha encontrado en muestras sucesivas de tantao 100:
0.09
0.10
0.13
0.08
0.14
0.09
0.10
0.15
0.13
0.06

0.03
0.05
0.13
0.10
0.14
0.07
0.06
0.09
0.08
0.11

0.12
0.14
0.06
0.05
0.14
0.11
0.09
0.13
0.12
0.09

El proceso est bajo control respecto de su

fraccin defectuosa?

CONTROL ESTADSTICO DE CALIDAD E INGENIERA DE CONFIABILIDAD 665

17-15 Las siguientes cifras representan el nmero de
defectos de soldadura observados en 24 muestras de cinco tarjetas de circuitera: 7, 6, 8, 10.
24,6,5,4.8. 11. 15.8.4. 16. 11. 12,8.6.5.9.
7, 14, 8, 21. Podemos concluir que el proceso
est bajo control utilizando un diagrama c' Si
no, suponga causas asignables que puedan encontrarse, y revise los lmites de control.
17-16 Las siguientes cifras representan el nmero de
defectos por 1000 pies de alambre forrado con
plstico: 1, 1, 3. 7, 8, 10. 5. 13, 0. 19. 24. 6. 9,
11, 1 5 , 8, 3, 6. 7, 4, 9, 20, I I , 7, 18, 10.6.4.0,
9, 7. 3. 1, 8, 12. Los datos provienen de un
proceso controlado?

17-22 Considere los pesos que se proporcionan en el

ejercicio 17-8. Realice un diagrama de control
PMEP con 2 = 0.10 y /. = 2.7 . Interprete el diagrama.
17-23 Considere los pesos que se proporcionan en el
ejercicio 17-8. Realice un diagrama de control
SUMACU con k = 0.50 y h = 4.0. Interprete
el diagrama.
17-24 Una distribucin del tiempo de falla est dada
por una distribucin uniforme:
1
^- a

= 0, en otro caso.

17-17 Suponga que se sabe que el nmero de defectos

en una unidad es 8. Si el nmero de defectos en
una unidad se desplaza a 16, cul ser la probabilidad de que el desplazamiento se detecte
por medio del diagrama c en la primera muestra posterior al mismo?
17-18 Suponga que estamos investigando los defectos por unidad en ciertos cartuchos de disco, y
que se conoce que en promedio hay dos defectos por unidad. Si decidimos hacer nuestra inspeccin por unidad para cinco cartuchos de
disco en el diagrama c, y controlar el nmero
total de defectos por unidad de inspeccin,
describa el nuevo diagrama de control.
17-19 Considere los datos del ejercicio 17-15. Haga
un diagrama u para este proceso. Comprelo
con el diagrama (- del ejercicio 17-15.
17-20 Considere los datos de los espesores de xido
dados en el ejercicio 17-7. Realice un diagrama de control PMEP con A = 0.20 y L = 2.962.
Interprete el diagrama.
17-21 Considere los datos de los espesores de xido
dados en el ejercicio 17-7. Construya un diagrama de control SUMACU con k = 0.75 y h =
3.34 si el espesor objetivo es 50 . Interprete el
diagrama.

ce <_1:5

a) Determine la funcin de confiabilidad.

b) Demuestre que
C(t)dt = ^r tf(t)(1t .
c) Determine la funcin de riesgo.
cl)

Demuestre que
C(t) = e H(n

donde H se define como en la ecuacin 17-31.

17-25 Tres unidades que operan y fallan en forma independiente forman una configuracin en serie, como se muestra en la figura de la parte
inferior de esta pgina.
La distribucin del tiempo de falla para cada
unidad es exponencial con las tasas de falla
que se indican.
a) Encuentre C(60) para el sistema.
b) Cul es el tiempo medio de falla para este sistema''
17-26 Cinco unidades idnticas se arreglan en una redundancia activa para formar un subsistema.

=3x10-2

=6x10-3

Figura para el ejercicio 17-25.

=4x10-2

666 PROBABILIDAD Y ESTADSTICA PARA INGENIERA

La falla (le las unidades es independiente, y al
menos dos de ellas deben sobrevivir 1000 horas
para quo el subsistema desempee su misin.
a) Si las unidades tienen distribuciones de
tiempo de falla exponenciales con tasa de
falla de 0.002. cul es la confiabilidad
del suhsislem;t,
h) Cul es la confiabilidad si slo se requiere una unidad?
17-27 Si las unidades descritas en el ejercicio anterior se operan en una redundancia en espera
con un interruptor de decisin perfecto y slo
se requiere una unidad para la supervivencia
del suhsistema , determine la confiabilidad (le
c,,tc ltinn1.
17-28 Cien unidades se ponen a prueba y se envejecen hasta que todas fallan. Se obtienen los sieluientes resultados. v se calcula una vida media
dei = 160 horas a partir de los datos de la serie.

Intervalo de tiempo

Nmero de fallas

0-100
100-200
200-300
300-400
400-500
Despus de 500 horas

50
18
17

17-29 Cincuenta unidades se someten a una prueba

de duracin por 1000 horas . Ocho unidades fallan durante ese periodo . Estime Cl 1000) para
estas unidades. Determine un intervalo de con1 1,111/a inferior de 95% en Cl 10001.
17-30 En la seccin 17-4.7 se seal que para funciones de confiabilidad de un pametro. C(t;9),
C(t;9) = C. ( t;9). donde 9 v C son los estimadores de mxima similitud . Pruebe este argunmento en el caso
('(t;9) =e''Er 1>0.
= 0. en otro caso.
Su^t r^ rrri^r: Exprese la funcin de densidad .f
en tcrnrinos de C.

17-31 En una prueba sin reemplazo que termina despus de 200 horas de operacin, se observ
que las fallas ocurren en los siguientes tiempos: 9, 21, 40. 55 y 85 horas. Se supone que las
unidades tienen una distribucin de tiempo de
falla exponencial. y que se probaron inicialmente 100 unidades.
ti) Estime el tiempo medio de falla.
b) Construya un lmite de confianza inferior
de 95% respecto del tiempo medio de falla.

Emplee la prueba de bondad del ajuste de la ji

cuadrada para determinar si usted considerara
la distribucin exponencial para representar un
modelo de tiempo de falla razonable con estos
datos.

17-32 Emplee el planteamiento del ejercicio 17-31.

ti) Estime ('(300) y construya un lmite de
confianza inferior de 954 en C(300).
b) Estime el tiempo para el cual la confiabilidad ser 0.9, y construya un lmite inferior de 95%c en to.9.