ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

CURSO:
CALIDAD EN LA CONSTRUCCIÓN
SEMINARIO 1: HERRAMIENTAS ESTADÍSTICAS DE CALIDAD
ESTUDIANTE: MIRIAM ELIZABETH MAMANI AYRAMPO

CÓDIGO: 2013146467

DOCENTE: ING. TANY ENCOMENDEROS, Mg. SS.

TACNA, 11 DE MAYO DE 2017

146467
1. DIAGRAMA DE PARETO
Construir una Diagrama de Pareto de los defectos estructurales en la puerta de un cargador fron
6 abolladuras, 11 partes ensambladas fuera de secuencia, 14 partes mal ajustadas, 20 faltas de
no lubricadas, 34 partes fuera de contorno y 7 partes con rebabas en su carcaza.

TEMA ANALIZADO:
DEFECTOS ESTRUCTURA
UN CARGADOR FRONTAL

PROBLEMAS PRINCIPALES FRECUENCIA

Abolladuras 6 Mínima
Partes ensambladas fuera de secuencia 11
Partes mal ajustadas 14
Faltas de agujeros 20
Partes no lubricadas 9
Partes fuera de contorno 34 Máxima

SOLUCIÓN

1.1) Tabulación de Pareto

No DESCRIPCIÓN DEL PROBLEMA F. ABS. F.ABS. ACUM.

1 Partes fuera de contorno 34 34.00
2 Faltas de agujeros 20 54.00
3 Partes mal ajustadas 14 68.00
4 Partes ensambladas fuera de secuencia 11 79.00
5 Partes no lubricadas 9 88.00
6 Abolladuras 6 94.00
TOTAL 94

1.2) Diagrama de Pareto

DEFECTOS ESTRUCTURALES EN LA PUERTA DE UN CARGADOR FRONTA

90 1
80
8
FRECUENCIA

Pocas causas
70
vitales
60 6
50
40 4
30
20 2
10
0 0
PROBLEMAS PRINCIPALES
 60

FRECUEN
6
50
40 4
30
20 2
10
0 0
PROBLEMAS PRINCIPALES

FRECUENCIA 34 20 14 11 15
Percent 36.2 21.3 14.9 11.7 16.0
Cum % 36.2 57.4 72.3 84.0 100.0

1.3. Conclusiones

Según el gráfico se observa que 80 % (3 Problemas) de las pocas causas vitales son responsa
de los defectos estructurales en la Puerta de un Cargador Frontal
Asimismo, hay problemas que se consideran como dudosos, como Partes ensambladas fuera d
n la puerta de un cargador frontal.
es mal ajustadas, 20 faltas de agujeros, 9 partes
en su carcaza.

EFECTOS ESTRUCTURALES EN LA PUERTA DE

DOR FRONTAL

F. RELAT. F. RELAT. ACUM.

36.17 36.17
21.28 57.45
14.89 72.34
11.70 84.04 ZONA DUSOSA
9.57 93.62
6.38 100.00
100.00

E UN CARGADOR FRONTAL
100
80
Percent

60
Muchas causas
triviales 40
20
0
 Percen
60
40
20
0

14 11 15
14.9 11.7 16.0
72.3 84.0 100.0

s causas vitales son responsables

mo Partes ensambladas fuera de secuencia y otros.

2. DIAGRAMA DE PARETO
Si Usted trabaja para una empresa que fabrica planchas de madera. Últimamente, usted ha notado que un
de bolsas está siendo rechazado en la inspección final debido a rasguños, microgrietas, manchas en su acab
Se le solicita determinar las causas vitales, si existe relación entre el tipo y el número de defectos, y el turno

Defecto
Rasguños
Rasguños
Microgrietas
Microgrietas
Manchas
Rasguños
Otros
Otros
Microgrietas
Microgrietas
Microgrietas
Microgrietas
Rasguños
Rasguños
Microgrietas
Rasguños
Manchas
Rasguños
Microgrietas
Microgrietas
Microgrietas

TEMA ANALIZADO:
DEFECTOS EN LA PRODUCCIÓN DE PLANC

TABLA GENERAL

PROBLEMAS PRINCIPALES PERIODO FRECUENCIA

Rasguños Día 3
Microgrietas Día 2
Manchas en su acabado Día 1
Otros Día 1
Rasguños Tarde 2
Microgrietas Tarde 4
 Manchas en su acabado Tarde 0
Otros Tarde 1
Rasguños Noche 8
Microgrietas Noche 6
Manchas en su acabado Noche 2
Otros Noche 3
Rasguños Fin de Semana 0
Microgrietas Fin de Semana 3
Manchas en su acabado Fin de Semana 3
Otros Fin de Semana 1
40

SOLUCIÓN

1. DETERMINAR LAS CAUSAS VITALES

1.1) Tabulación de Pareto

DESCRIPCIÓN DEL PROBLEMA F. ABS. F.ABS. ACUM.

No
1 Rasguños 13 13.00
2 Microgrietas 15 28.00
3 Manchas en su acabado 6 34.00
4 Otros 6 40.00
TOTAL 40

1.2) Diagrama de Pareto

CAUSAS VITALES DE LOS DEFECTOS EN LA PRODUCCIÓN DE PLANCHAS DE MADER

40

30
Pocas causas
vitales
FRECUENCIA

20

10

0
PROBLEMA Micogrietas Rasguños Manchas en su acabado Otros
FRECUENCIA 15 13 6 6
Percent 37.5 32.5 15.0 15.0
Cum % 37.5 70.0 85.0 100.0
 10

0
PROBLEMA Micogrietas Rasguños Manchas en su acabado Otros
FRECUENCIA 15 13 6 6
Percent 37.5 32.5 15.0 15.0
Cum % 37.5 70.0 85.0 100.0

1.3. Conclusiones
Según el gráfico se observa que 80 % (3 Problemas) de las pocas causas vitales son responsa
de los defectos en la Producción de Planchas de Madera.
Asimismo, hay problemas que se consideran como dudosos, como manchas en su acabado.

2. DETERMINAR SI EXISTE RELACIÓN ENTRE EL TIPO Y NÚMERO DE D

DEFECTOS EN LA PRODUCCIÓN DE PLANCHAS DE

40

30
F. ABS.

Pocas causas
20 vitales

10

0
DESCRIPCIÓN DEL PROBLEMA

F. ABS. 8 6 4 3 3 3
Percent 20.0 15.0 10.0 7.5 7.5 7.5 7
Cum % 20.0 35.0 45.0 52.5 60.0 67.5 75

Si existe una relación entre el tipo y número de defectos, tal como se muestra en el diagrama enterior.
3. DETERMINAR EL TURNO EN QUE SE PRODUCEN MÁS DEFECTOS

CUA SA S VITA LES DE LOS DEFECTOS EN LA PRODUCCIÓN DE PLA NCH

40

30
Pocas causas
FRECUENCIA

vitales
20

10

0
PERIODO noche dia fin de semana Otr
FRECUENCIA 19 7 7
Percent 47.5 17.5 17.5 17
Cum % 47.5 65.0 82.5 100

Según el gráfico se observa que al 80 % las pocas causas vitales de los defectos en la Produ
serían las que se dan en el turno de la noche y el día.
Asimismo, hay problemas que se consideran como dudosos, como los que se dan en el turno d
nte, usted ha notado que un número creciente
ogrietas, manchas en su acabado y otros.
úmero de defectos, y el turno en que se producen más defectos.

Periodo Microgrietas Noche

Día Otros Noche
Día Otros Noche
Día Rasguños Noche
Día Rasguños Noche
Día Microgrietas Noche
Día Rasguños Noche
Día Manchas Noche
Tarde Rasguños Noche
Tarde Otros Noche
Tarde Rasguños Noche
Tarde Rasguños Noche
Tarde Microgrietas Fin de semana
Tarde Microgrietas Fin de semana
Tarde Microgrietas Fin de semana
Noche Manchas Fin de semana
Noche Manchas Fin de semana
Noche Manchas Fin de semana
Noche Otros Fin de semana
Noche
Noche
Noche

RODUCCIÓN DE PLANCHAS DE MADERA

 F. RELAT. F. RELAT. ACUM.

32.50 32.50
37.50 70.00
15.00 85.00
15.00 100.00
100.00

UCCIÓN DE PLANCHAS DE MADERA

100

80

60
Percent

Muchas causas
triviales
40

20

0
as en su acabado Otros
6 6
15.0 15.0
85.0 100.0
 20

0
as en su acabado Otros
6 6
15.0 15.0
85.0 100.0

usas vitales son responsables las cuales son Microgrietas y Rasguños.

anchas en su acabado.

PO Y NÚMERO DE DEFECTOS

DE PLANCHAS DE MADERA
100
80
Percent

60
Muchas causas
triviales 40
20
0

6 4 3 3 3 3 2 8
0 10.0 7.5 7.5 7.5 7.5 5.0 20.0
0 45.0 52.5 60.0 67.5 75.0 80.0100.0

tra en el diagrama enterior.

 MÁS DEFECTOS

PRODUCCIÓN DE PLA NCHA S DE MA DERA

100

80

60 Porcentaje

Muchas causas
triviales 40

20

0
fin de semana Otro
7 7
17.5 17.5
82.5 100.0

e los defectos en la Producción de Planchas de Madera,

s que se dan en el turno de fin de semana.

1. HISTOGRAMA DE FRECUENCIAS Y CAPACIDAD DE PROCESO
La siguiente tabla muestra los datos sobre el octanaje de varias mezclas de gasolina
a) Construir un histograma de frecuencia y su respectivos polígono y ojiva.
b) Cuántas mezclas de gasolina están ubicadas en el 25% superior.
c) Cuántas mezclas de gasolina están ubicadas en el 25 % inferior.
d) Determinar la capacidad del proceso de combustión e interprete la campana de Gauss

SOLUCIÓN:

TEMA ANALIZADO: OCTANAJE DE MEZCLAS DE GASOLINA

NÚMERO OCTANAJE A. CONSTRUIR UN HISTOGRAMA DE FRECUENCIA Y SU RESPECTIVO POLÍ

1 88.5
2 87.8
3 83.4
4 86.7
5 91.5
6 88.8
7 96.5
8 100.3
9 96.5
10 92.6
11 94.7
12 91.2 NÚMERO DE INTERVALOS 9.48683298
13 91.2 RANGO 16.9
14 94.3 AMPLITUD 1.78141642
15 89.9
16 88.6
17 95.5 INTERVALOS DE CLASE
18 87.8 VALORES ORIGINALES
19 84.3 83.40 - 85.18
20 89.4 85.18 - 86.96
21 84.3 86.96 - 88.74
22 86.7 88.74 - 90.53
23 88.5 90.53 - 92.31
24 90.8 92.31 - 94.09
25 90.1 94.09 - 95.87
26 87.5 95.87 - 97.65
27 96.2 97.65 - 99.43
28 95.7 99.43 - 101.21
29 93.2
30 89.5
31 90.1
32 93.4
33 88.3
34 90.1
35 98.8
36 94.5
37 84.3
38 89.7
39 88.8
40 92.1
41 89
42 96.1
43 93.4
44 91.5
45 88.8
46 92.1
47 85.6
48 85.4
49 88.7
50 92
51 89.9
52 89.5 POLIGONO DE FRECUENCIA CON SU OJIVA
53 87.5
54 88.9
55 85.4
56 90.1
57 86.7
58 96
59 92.7
60 87.5
61 91.6
62 90.4
63 91.1
64 92.4
65 91.2
66 89.4
67 90.2
68 95.1
69 89.5
70 88.5 B. Cuántas mezclas de gasolina están ubicadas en el 25% superior.
71 90.4
72 91.7 Según el histograma se puede apreciar que ninguna mezcla está en el 25 % superior.
73 90.5
74 93.7
75 90.7 C. Cuántas mezclas de gasolina están ubicadas en el 25 % inferior.
76 95.4 Según el histograma se puede apreciar que todas las mezclas estan ubicadas en el 25
77 92.7
78 98.2
79 96.1 D. Determinar la capacidad del proceso de combustión e interprete la campa
80 95.5
81 90.2
82 90.6
83 91.2
84 94.2
85 92.2
86 92.3
87 91
88 94
89 92.4
90 92

El proceso no es capas por ser menor de 1.33 lo cual nos indica que hay deficiencias en el producto
na de Gauss

GASOLINA

RESPECTIVO POLÍGONO Y OJIVA.

NUEVO
1.00
2.00
3.00
 4.00
5.00
6.00
7.00
8.00
9.00
10.00
% superior.

está en el 25 % superior.

% inferior.
s estan ubicadas en el 25% inferior.

interprete la campana de Gauss

eficiencias en el producto
2. HISTOGRAMA DE FRECUENCIAS Y CAPACIDAD DEL PROCESO
Se han realizado mediciones de 80 muestras de Resistencia a la compresión en Kgf/cm2.
a) Construir un histograma de frecuencia y su respectivos polígono y ojiva.
b) Según el Histograma, interprete la tendencia central, variabilidad y sesgo.
c) Qué opina acerca de lo adecuado o no de las resistencias a la compresión?.
d) Determinar la capacidad del proceso de Resistencia a la cpmpresión y diga si el proceso en No

TEMA ANALIZADO: MUESTRAS DE LA RESISTENCIA A LA COMPRESIÓN

a) Construir un histograma de frecuencia y su respectivos polígono y ojiva.

MUESTRAS DE RESISTENCIA A LA COMPRESIÓN

Normal
25 Fits
TENDENCIA Distribution Fit
CENTRAL Lowess

20 Media 162.9
Desv.Est. 34.40
N 80

15
Frequency

10

0
80 120 160 200 240
RESITENCIA A LA COMPRESIÓN
b) Según el Histograma, interprete la tendencia central, variabilidad y sesgo.

B.1.) La tendencia central nos indica que la mayoría de ensayos está en 160 kgf/cm2 de resistencia ala compresión.
B.2.) La Variabilidad es la siguiente:

CV= Desv. Est/mediax100

CV= 21.12

B.3.) En cuanto al sesgo es positivo porque la moda es menor a la media 158<162,89

c) Qué opina acerca de lo adecuado o no de las resistencias a la compresión?.

No se puede saber si es adecuado o no la resistencia a la compresión, ya que para saber si es adecuado o no

es necesario saber para que actividad se va a utilizar dicho concreto. Puesto que supongamos que la muestra
de la tendencia central que es de 160 kgf/cm2 sea utilizado para una losa maciza el concreto no sería adecuad
porque tendria que ser de 210 kgf/cm2 a 240 kgf/cm; en cambio si fuera utilizado para un falso piso sería ade
porque un falso piso requiere a lo mucho un f´c de 140kg/cm2.

d) Determinar la capacidad del proceso de Resistencia a la compresión y diga si el proceso en N

El proceso no es capas por ser 0.82 ya que es menor que 1.33 el Cpk; lo cual nos indica que hay deficiencias en el producto

ES NORMAL POR QUE EL VALOR P ES MAYOR A 0.100

ón en Kgf/cm2.

diga si el proceso en Normal.

LA COMPRESIÓN

Fits
Distribution Fit
Lowess

Media 162.9
esv.Est. 34.40
80
encia ala compresión.

ra saber si es adecuado o no
supongamos que la muestra
a el concreto no sería adecuado
o para un falso piso sería adecuado

diga si el proceso en Normal.

ay deficiencias en el producto.
3. HISTOGRAMA DE FRECUENCIAS Y CAPACIDAD DEL PROCESO
 Los investigadores de la Universidad de Maryland emplearon métodos para obtener medidas d
Temperaturas corporales ( en ° F) de 106 trabajadores del sector construcción.
a) Construir un histograma de frecuencia y su respectivos polígono y ojiva.
b) Según el Histograma, analice la tendencia central, variabilidad y sesgo.
c) Cuál es su opinión sobre la adecuada temperatura corporal de los trabajadores.
d) Determinar la capacidad del proceso estrés térmico e interprete la campana de Gauss
98.6 98.6 98 98 99 98.4 98.4 97.7
98.6 98.8 98.6 97 97 98.8 97.6 98.6
98 98.3 98.5 97.3 98.7 97.4 98.9 98
97.3 97.6 98.2 99.6 98.7 99.4 98.2 98.4
97.2 98.4 98.6 98.2 98 97.8 98 97.1
97.8 99 96.5 97.6 98 96.9 97.6 98.7
97.3 98 97.5 97.6 98.2 98.5 98.8 98.6
97.1 97.4 99.4 98.4 98.6 98.4 98.5 98.5
98.8 99.1 98.6 97.9 98.8 98 98.7 99.2
98.6 97.1 97.9 98.8 98.7 97.6 98.1 98.4
98.4 97.8 98.4 97.4 98 97 98.4 98.8

TEMA ANALIZADO: TEMPERATURAS CORPORALES DE LOS TRABAJADORES DE

CONSTRUCCIÓN CIVIL

a) Construir un histograma de frecuencia y su respectivos polígono y ojiva.

HISTOGRAMA DE TEMP. CORP. DE LOS TRABAJADORES DE CONST. CIVIL

Normal
Fits
30
Distribution Fit
Lowess

25 Media 98.2
Desv.Est. 0.6237
N 106
20
Frequency

15

10

0
96.5 97.0 97.5 98.0 98.5 99.0 99.5
TEMP. CORP. DE LOS TRABAJADORES DE CONST. CIVIL
b) Según el Histograma, analice la tendencia central, variabilidad y sesgo.

B.1.) La tendencia central nos indica que la Temperatura Corporal con más frecuencia es de 98.5 ° F
B.2.) La Variabilidad es la siguiente:

CV= Desv. Est/mediax100

CV= 0.64

B.3.) En cuanto al sesgo es negativo porque la moda es mayor que la media 98,6>98,2

c) Cuál es su opinión sobre la adecuada temperatura corporal de los trabajadores.

Los trabajadores para poder realizar adeacuadamente su labor tienen que estar con una temperatura
corporal equilibrada es decir según el histograma anterior la tendencia es de 98.5°F
lo cual a centígrados es 36.94 °C (37°C) lo cual es adecuado para desempeañarse bien en el trabajo.

d) Determinar la capacidad del proceso estrés térmico e interprete la campana de Gauss

Capacidad de proceso de Estrés Térmico

LEI LES
P rocesar datos Dentro de
LE I 95 General
O bjetiv o *
LE S 100 C apacidad (dentro) del potencial
M edia de la muestra 98,2 Cp 1.38
N úmero de muestra 106 C P L 1.77
Desv .E st. (Dentro) 0,601993 C P U 1.00
Desv .E st. (G eneral) 0,62366 C pk 1.00
C apacidad general
Pp 1.34
PPL 1.71
PPU 0.96
P pk 0.96
C pm *

95.25 96.00 96.75 97.50 98.25 99.00 99.75

Desempeño observ ado E xp. Dentro del rendimiento E xp. Rendimiento general
P P M < LE I 0.00 P P M < LE I 0.05 P P M < LE I 0.14
P P M > LE S 0.00 P P M > LE S 1394.57 P P M > LE S 1949.71
P P M Total 0.00 P P M Total 1394.62 P P M Total 1949.85

No es capaz porque cpk es menor que 1,33

para obtener medidas de
ción.

mpana de Gauss
99.5 98.7
98.6 98.6
98.6 98.4
97.9 98
97.8 98.7
98.3 98.4
98.9 98
97.8
98.6
98
97.5

RABAJADORES DE

CONST. CIVIL

Fits
Distribution Fit
Lowess

Media 98.2
Desv.Est. 0.6237
N 106
bajadores.

con una temperatura

e bien en el trabajo.

mpana de Gauss

co

Dentro de
General

C apacidad (dentro) del potencial

Cp 1.38
C P L 1.77
C P U 1.00
C pk 1.00
C apacidad general
Pp 1.34
PPL 1.71
PPU 0.96
P pk 0.96
C pm *
4. HISTOGRAMA DE FRECUENCIAS Y CAPACIDAD DEL PROCESO
Una de las prácticas en Ing. Civil es la determinación de los pesos de las probetas al
desmolde. El cuadro siguiente muestra los resultados obtenidos en 54 muestras.
a) Elaborar un histograma de frecuencia y su respectivos polígono y ojiva.
b) Qué % de probetas tienen un peso de 12 500 g .
c) Cuántas probetas tiene un peso mayor a 12 500 g.
d) Cuál es el % de probetas No Conformes.
e) Determinar la capacidad del proceso de desmolde e interprete la campana de Gauss

TEMA ANALIZADO: PESOS DE LAS PROBETAS AL DESMOLDE

a) Elaborar un histograma de frecuencia y su respectivos polígono y ojiva.

Histograma de Pesos de las Probetas al Desmolde

Normal
Ajustes
14
Ajuste de distribución
Lowess
12
Media 12452
Desv .Est. 92.50
10 N 54
recuencia

6
 Ajustes
14
Ajuste de distribución
Lowess
12
Media 12452
Desv .Est. 92.50
10 N 54

Frecuencia
8

0
12300 12400 12500 12600
C1

b) Qué % de probetas tienen un peso de 12 500 g .

Tiene un peso de 12500 el 10% de probetas

c) Cuántas probetas tiene un peso mayor a 12 500 g.

15 probetas tiene una mayor resistencia a 12500 g

d) Cuál es el % de probetas No Conformes.

EL 2 % DE PROBETAS NO CONFORMES

e) Determinar la capacidad del proceso de desmolde e interprete la campana de Gauss

El proceso no es capaz porque es menor que 1
lo cual nos indica que hay deficiencias ,por falta de capacitacion y calidad de agregados
 robetas al
uestras.

pana de Gauss
mpana de Gauss
5. HISTOGRAMA DE FRECUENCIAS Y CAPACIDAD DEL PROCESO
A continuación se presentan mediciones de viscosidad dinámica de 3 mezclas de aditivos para la
para la construcción
a) Construir un histograma de frecuencia y su respectivos polígono y ojiva.
b) Determinar la capacidad del proceso de flujo e interprete la campana de Gauss
c) Comparar las 3 campanas de Gauss y sus capacidades y tomar decisiones sobre la calidad de lo

TEMA ANALIZADO: MEDICIONES DE VISCOCIDAD DINÁMICA DE

ADITIVOS

a) Construir un histograma de frecuencia y su respectivos polígono y ojiva.

MEZCLA 1

Histograma de MEZCLA 1
Normal
Ajustes
3.0
Ajuste de distribución
Lowess
2.5 Media 24.72
Desv.Est. 1.505
N 8
2.0
Frecuencia

1.5

1.0

0.5

0.0
22 23 24 25 26 27 28
C1
 1.0

0.5

0.0
22 23 24 25 26 27 28
C1

MEZCLA 2

Histograma de MEZCLA 2
Normal
A justes
2.0
A juste de distribución
Lowess

Media 23.32
Desv.Est. 1.108
1.5
N 8
Frecuencia

1.0

0.5

0.0
21 22 23 24 25
C3

MEZCLA 3

Histograma de MEZCLA 3
Normal
Ajustes
5
Ajuste de distribución
Lowess

Media 21.96
4
Desv.Est. 1.342
N 8
Frecuencia

0
19 20 21 22 23 24 25
C5
 1

0
19 20 21 22 23 24 25
C5

b) Determinar la capacidad del proceso de flujo e interprete la campana de Gauss

Capacidad de proceso de MEZCLA 1

LEI LES
P rocesar datos Dentro de
LE I 19 General
O bjetiv o *
C apacidad (dentro) del potencial
LE S 29
M edia de la muestra 24,7212 Cp 1.16
N úmero de muestra 8 C P L 1.33
C P U 0.99
D esv .E st. (Dentro) 1,4387
C pk 0.99
D esv .E st. (G eneral) 1,5053
C apacidad general
Pp 1.11
PPL 1.27
PPU 0.95
P pk 0.95
C pm *

20 22 24 26 28
D esempeño observ ado E xp. Dentro del rendimiento E xp. Rendimiento general
P P M < LE I 0.00 P PM < LEI 34.94 P P M < LEI 72.13
P P M > LE S 0.00 P PM > LES 1469.57 P P M > LES 2238.36
P P M Total 0.00 P PM Total 1504.51 P P M Total 2310.49

El proceso no es capas por ser el cpk menor de 1.33 lo cual nos indica que hay deficiencias en la Mezcla 1.

Capacidad de proceso de MEZCLA 2

LEI LES
P rocesar datos Dentro de
LE I 19 General
O bjetiv o *
LE S 26 C apacidad (dentro) del potencial
M edia de la muestra 23,3188 Cp 1.19
N úmero de muestra 8 C P L 1.46
D esv .Est. (Dentro) 0,982776 C P U 0.91
D esv .Est. (G eneral) 1,10781 C pk 0.91
C apacidad general
Pp 1.05
PPL 1.30
PPU 0.81
P pk 0.81
C pm *

19 20 21 22 23 24 25 26
D esempeño observ ado Exp. Dentro del rendimiento E xp. Rendimiento general
P P M < LEI 0.00 P P M < LE I 5.55 P P M < LE I 48.40
P P M > LES 0.00 P P M > LE S 3183.65 P P M > LE S 7753.48
P P M Total 0.00 P P M Total 3189.21 P P M Total 7801.88
 C pm *

19 20 21 22 23 24 25 26
D esempeño observ ado Exp. Dentro del rendimiento E xp. Rendimiento general
P P M < LEI 0.00 P P M < LE I 5.55 P P M < LE I 48.40
P P M > LES 0.00 P P M > LE S 3183.65 P P M > LE S 7753.48
P P M Total 0.00 P P M Total 3189.21 P P M Total 7801.88

El proceso no es capas por ser el cpk menor de 1.33 lo cual nos indica que hay de0ficiencias en la Mezcla 2.

Capacidad de proceso de MEZCLA 3

LEI LES
P rocesar datos Dentro de
LE I 16 General
O bjetiv o *
LE S 25 C apacidad (dentro) del potencial
M edia de la muestra 21,9563 Cp 1.20
N úmero de muestra 8 C P L 1.59
D esv .Est. (Dentro) 1,2462 C P U 0.81
D esv .Est. (G eneral) 1,34223 C pk 0.81
C apacidad general
Pp 1.12
PPL 1.48
PPU 0.76
P pk 0.76
C pm *

16 18 20 22 24
D esempeño observ ado E xp. Dentro del rendimiento E xp. Rendimiento general
P P M < LEI 0.00 P P M < LEI 0.88 P P M < LE I 4.55
P P M > LES 0.00 P P M > LES 7294.50 P P M > LE S 11674.09
P P M Total 0.00 P P M Total 7295.38 P P M Total 11678.64

El proceso no es capas por ser el cpk menor de 1.33 lo cual nos indica que hay de0ficiencias en la Mezcla 3.

c) Comparar las 3 campanas de Gauss y sus capacidades y tomar decisiones sobre la calidad de lo

Haciendo un coomparativo entre las distintas capacidades de procesos de cada mezcla se concluye que
la mejor calidad de los fluidos es la de la primera mezcla ya que es la que más se aproxima a un proceso capaz
debido a que es la que tiene el cpk más elevado.
zclas de aditivos para la

es sobre la calidad de los fluidos.

DINÁMICA DE

distribución
es
e de distribución
ss

3.32
.108
8

Ajustes
Ajuste de distribución
Lowess

a 21.96
.Est. 1.342
8
 de Gauss

Dentro de
General
cidad (dentro) del potencial
Cp 1.16
C P L 1.33
C P U 0.99
C pk 0.99
C apacidad general
Pp 1.11
PPL 1.27
PPU 0.95
P pk 0.95
C pm *

eficiencias en la Mezcla 1.

Dentro de
General
apacidad (dentro) del potencial
Cp 1.19
C P L 1.46
C P U 0.91
C pk 0.91
C apacidad general
Pp 1.05
PPL 1.30
PPU 0.81
P pk 0.81
C pm *
 C pm *

e0ficiencias en la Mezcla 2.

Dentro de
General
C apacidad (dentro) del potencial
Cp 1.20
C P L 1.59
C P U 0.81
C pk 0.81
C apacidad general
Pp 1.12
PPL 1.48
PPU 0.76
P pk 0.76
C pm *

e0ficiencias en la Mezcla 3.

es sobre la calidad de los fluidos.

mezcla se concluye que

aproxima a un proceso capaz
1. DIAGRAMA DE SCATTER O DE SHEWART
Para el controlar el efecto monetario sobre los tipos de interés de las hipotecas
de pago para comprar casas en una Región, usted recibió instrucciones de la empresa
contructora de anlizar el efecto de los tipos de interés hipotecarios sobre el número de
casas vendidas. Los datos se muestran en la tabla adjunta.
a. Determinar la variable independiente (X) y dependiente (Y).
b. Si se supone que existe una relación lineal entre las dos variables, elaborar el
modelo de regresión.
c. Interpretar la constante y el coeficiente del modelo de regresión lineal.
d. Cuál es nivel de unidades vendidas si la tasa de hipoteca fuera 11,5%.
e. Qué ocuriría al número de unidades si la tasa se incrementara en 2%?

Año vivendas Tasa de

vendidas interés (%)
2008 20 12.10
2009 17 13.50
2010 13 14.95
2011 14 13.75
2012 15 12.95
2013 14 12.50
2014 15 10.10
2015 16 9.82
2016 17 9.50
n= 9
X= 1 a 20

TEMA ANALIZADO: TIPOS DE INTERES DE LAS HIPOTECAS

a) Diagrama de dispersión: Se observa una linealidad en los datos con alta pendiente y (+).

Viviendas vendidas VS Tasa de interes (%)

16
15 14

14 12 f(x) = 18.5458743556 exp( - 0.0

R² = 0.1311647282
Tasa de interés (%)

13 10

12
8
6
11

4
10
2
9
13 14 15 16 17 18 19 20 0
Viviendas vendidas
12 13 14 15 16 17 18
Ecuación de estimación:

Y = a + b*X X=(Y-a)/b

Donde: a = 20.8276
b = -0.3965

x= (Y-20.8276)/-0.3965

Error estándar:

e= 2.0920

b. Si se supone que existe una relación lineal entre las dos variables, elaborar el modelo de reg

Scatterplot of TASA DE INTERES (%) vs VIVIENDAS VENDIDAS

15

14
TASA DE INTERES (%)

13

12

11

10

9
13 14 15 16 17 18 19 20
VIVIENDAS VENDIDAS

c. Interpretar la constante y el coeficiente del modelo de regresión lineal.

Coeficiente de correlación:

r = -0.3860 Se valida la línea recta.

Coeficiente de determinación

r2 = 0.1490

d. Cuál es nivel de unidades vendidas si la tasa de hipoteca fuera 11,5%.

X= 16.27 tasa de hipoteca

e. Qué ocuriría al número de unidades si la tasa se incrementara en 2%?

Año vivendas Tasa de la tasa incrementa

vendidas interés (%) en 2%
Año vivendas Tasa de la tasa incrementa
vendidas interés (%) en 2%
2008 20 12.10 14.10
2009 17 13.50 15.50
2010 13 14.95 16.95
2011 14 13.75 15.75
2012 15 12.95 14.95
2013 14 12.50 14.50
2014 15 10.10 12.10
2015 16 9.82 11.82
2016 17 9.50 11.50

DIAGRAMA DE DISPERSION

Scatterplot of TASA DE INTERES (%) vs VIVIENDAS VENDIDAS

17

16
TASA DE INTERES (%)

15

14

13

12

11
13 14 15 16 17 18 19 20
VIVIENDAS VENDIDAS

DIAGRAMA DE MODELO DE REGRESIÓN

Scatterplot of TASA DE INTERES (%) vs VIVIENDAS VENDIDAS

17

16
TASA DE INTERES (%)

15

14

13

12

11
13 14 15 16 17 18 19 20
VIVIENDAS VENDIDAS
empresa
úmero de

IPOTECAS

endiente y (+).

= 18.5458743556 exp( - 0.0278404835 x )

0.1311647282

14 15 16 17 18 19 20 21
ar el modelo de regresión.
2. DIAGRAMA DE SCATTER O DE SHEWART
Por la presencia de inversionistas mineros y agroindustrialesen la región La Libertad,
los habitantes están preocupados por el encarecimiento de las viviendas en la zona.
El Gerente de infraestructura piensa que los precios de las viviendas fluctúan con el valor
de los terrenos. En la tabla adjunta se indican en miles de dólares, el costo de 15 viviendas
vendidas hace poco y el valor del terreno donde se construyeron.
a. Determinar la variable independiente (X) y dependiente (Y).
b. Construir e interpretar el modelo de regresión a partir de los datos.
c. Calcular el coeficiente de correlación y el coeficiente de determinación.
d. Cuál es el costo de la casa si el valor de terreno es de US $ 62 000.
e. Tiene razón la suposición del Gerente de infraestructura?

Valor del terreno (M US Costo de la casa (M

N° $) US $)
1 111 240
2 42 115
3 95 220
4 37 135
5 59 145
6 38 90
7 92 193
8 96 218
9 99 223
10 102 233
11 75 180
12 85 200
13 56 153
14 68 155
15 71 170

n= 8 empleados
X= 1 a 10

TEMA ANALIZADO: ENCARECIMIENTO DE LAS VIVIENDAS EN LA R

a. Determinar la variable independiente (X) y dependiente (Y).

ECUACION DE ESTIMACION:
Y = a + b*X
 Donde: a = 43.1465
b = 1.7964

Y = 43.1465+1.794X

X=(Y-a)/b

X=((43.1465+1.794X)-43.1465)/1.7964

Error estándar:

e= 11.3784

b. Construir e interpretar el modelo de regresión a partir de los datos.

Scatterplot of COSTO DE LA CASA vs VALOR DEL TERRENO

260

240

220
COSTO DE LA CASA

200

180

160

140

120

100

30 40 50 60 70 80 90 100 110 120

VALOR DEL TERRENO

c. Calcular el coeficiente de correlación y el coeficiente de determinación.

Coeficiente de correlación:

r = 0.9704

Coeficiente de determinación

r2 = 0.9416

d. Cuál es el costo de la casa si el valor de terreno es de US $ 62 000.

Según la ecuación hallada sabremos el valor de Y:

Para X = 62000

Y= 111422.995072253 M US $
n la región La Libertad,
s viviendas en la zona.
iendas fluctúan con el valor
ares, el costo de 15 viviendas

erminación.

DE LAS VIVIENDAS EN LA REGION LIBERTAD

VALOR DEL TERRENO

90 100 110 120

ENO

Se valida la línea recta.

3. DIAGRAMA DE SCATTER O DE SHEWART
El Gerente técnico del acueducto de una ciudad, desea establecer la relación entre
el consumo mensual domiciliario de agua y el tamaño de la familia. Se recogío una
muestra aleatoria con los datos que se muestran en la tabla adjunta. Desarrolle las
siguientes estimaciones:
a. Elabore el Diagrama de dispersión y observe la nube de puntos.
b. Modelar e interpretar la ecuación de regresión.
c. Determinar el coeficiente de correlación y el coeficiente de determinación.
d. Cuál es el consumo de agua si el tamaño de familia es 12 .
e. Aconseje al Gerente respecto a los resultados obtenidos.

TAMAÑO DE LA GALONES DE AGUA

FAMILIA(X) UTILIZADOS (Y)
3 700
7 1200
9 1700
4 800
10 1700
6 1000
9 1800
3 640
3 700
2 500
2 500
2 550
4 650
5 900
5 850
6 1100
6 1200
2 550
3 450
3 640
6 1200
6 1350
7 1320
8 1750
3 400
4 620
5 950
4 850
6 1250

TEMA ANALIZADO: CONSUMO MENSUAL

 TEMA ANALIZADO: CONSUMO MENSUAL

a. Elabore el Diagrama de dispersión y observe la nube de puntos.

Scatterplot of GALONES DE AGUA UTILIZAD vs TAMAÑ

1750

GALONES DE AGUA UTILIZADOS (Y)

1500

1250

1000

750

500

1 2 3 4 5 6 7
TAMAÑO DE LA FAMILIA(X)

c. Determinar el coeficiente de correlación y el coeficiente de determinación

r = 0.9593 Se valida la línea recta.

Coeficiente de determinación

r2 = 0.9202

d. Cuál es el consumo de agua si el tamaño de familia es 12 .

ECUACION DE ESTIMACION
Y = a + b*X

Donde: a = 84.2881
b = 177.4521

Y = 84.2881 +177.4521 X

Tamaño de familia= 12

Y= 2213.7128 GALONES DE AGUA UTILIZADOS por la familia 12

 ión entre
cogío una
arrolle las

MO MENSUAL DOMICILIARIO DE AGUA

MO MENSUAL DOMICILIARIO DE AGUA

A UTILIZAD vs TAMAÑO DE LA FAMILIA(X)

5 6 7 8 9 10
MAÑO DE LA FAMILIA(X)

DOS por la familia 12

4. DIAGRAMA DE SCATTER O DE SHEWART
En el cuadro siguiente se presentan valores recomendados de resistencia a la
compresión y relaciones agua/cemento (A/C).
a. Graficar los modelos de regresión de la Rc (MPa) y R A/C.
b. Interpretar las ecuaciones de regresión.
c. Determinar el coeficiente de correlación y el coeficiente de determinación.
d. ¿Cuál es la relación óptima de agua/cemento y resistencia a la compresión?.

RESISTENCIA ALA A/C Concreto sin A/C Concreto con aire

COMPRENSIÓN aire incluido incluido
175 0.67 0.54
210 0.58 0.46
245 0.51 0.4
280 0.44 0.35
315 0.38 0

TEMA ANALIZADO: RESISTENCIA A LA COMPRESIÓN Y RELACIONES

AGUA/CEMENTO

a. Graficar los modelos de regresión de la Rc (MPa) y R A/C.

Scatterplot of A/C Concreto sin aire in vs RESISTENCIA ALA COMPRENS

0.70

0.65
A/C Concreto sin aire incluido

0.60

0.55

0.50

0.45

0.40

160 180 200 220 240 260 280 300 320

RESISTENCIA ALA COMPRENSIÓN

Scatterplot of A/C Concreto con aire in vs RESISTENCIA ALA COMPRENS

0.6
con aire incluido

0.5

0.4

0.3
 0.6

A/C Concreto con aire incluido

0.5

0.4

0.3

0.2

0.1

0.0

160 180 200 220 240 260 280 300 320

RESISTENCIA ALA COMPRENSIÓN

Determinar el coeficiente de correlación y el coeficiente de determinación.

A/C Concreto sin aire incluido

Coeficiente de correlación:

r = -0.9973 Se valida la línea recta.

Coeficiente de determinación

r2 = 0.99463

A/C Concreto con aire incluido

Coeficiente de correlación:

r = -0.9042 Se valida la línea recta.

Coeficiente de determinación

r2 = 0.81761
encia a la

minación.
mpresión?.

MPRENS

320

LA COMPRENS
300 320
5. DIAGRAMA DE SCATTER O DE SHEWART
En la tabla adjunta se presentan aumentos promedio en % de la Resistencia a la compresión
con el tiempo y a diferentes temperaturas, para cemento Portland tipo 1.
Debido a que la resistencia del concreto depende de la edada y de la temperatura, se puede
obtener la madurez, y se aplica conveniente cuando la temperatura inicial del concreto está entr
16 y 27 C, y no hay pérdida de humedad por secado.
Madurez = t * (T + 10)
a. Graficar los modelos de regresión de las variables convenientes.
b. Interpretar las ecuaciones de regresión.
c. Determinar el coeficiente de correlación y el coeficiente de determinación.
d. ¿Cómo interpreta los gráficos obtenidos?.

Temperatura
Tiempo (días)
°C 3 7 14 21 28
10 25 40 63 76 82
23 34 52 76 91 100
35 40 60 87 102 110

TEMA ANALIZADO: PORCENTAJES EN EL AUMENTO DE RESISTENCIA A LA

COMPRESIÓN

SOLUCIÓN
a. Graficar los modelos de regresión de las variables convenientes.

3DIAS

Scatterplot of 3 dias vs temperatura °C

42.5

40.0

37.5

35.0
3 dias

32.5

30.0

27.5

25.0

10 15 20 25 30 35
temperatura °C
 27.5

25.0

10 15 20 25 30 35
temperatura °C

7 DIAS

Scatterplot of 7 dias vs temperatura °C

60

55
7 dias

50

45

40

10 15 20 25 30 35
temperatura °C

14 DIAS

Scatterplot of 14días vs temperatura °C

90

85

80
14días

75

70

65

60
10 15 20 25 30 35
temperatura °C

21 DIAS

Scatterplot of 21 días vs temperatura °C

105

100

95
21 días

90

85

80

75
10 15 20 25 30 35
temperatura °C
 95

21 días
90

85

80

75
10 15 20 25 30 35
temperatura °C

14 DIAS

Scatterplot of 28 días vs temperatura °C

115

110

105

100
28 días

95

90

85

80
10 15 20 25 30 35
temperatura °C

b) Determinar el coeficiente de correlación y el coeficiente de determinación.

coef. Correlación =r
Coef. Determinación = r2

coef. Coef.
días Correlaci Determin
ón ación
3 0.99578283 0.99158344
7 0.99578283 0.99158344
14 0.99968788 0.99937585
21 0.99785559 0.99571579
28 0.99016079 0.98041839
cia a la compresión

peratura, se puede
l del concreto está entre
1. DIAGRAMA DE CONTROL - TIPOS P y nP
En la producción por lotes o intermitente de cemento se lleva un registro de proporción de
productos defectuosos por diferentes causas. Los datos de los últimos 25 lotes se muestran en
la tabla adjunta.
a. Obtenga una carta P usando el tamaño de subgrupo (lote) promedio.
b. Cómo explicaría los límites de control (LC) a alguien que no tiene conocimientos profundos
de estadística.
c. Suponniendo que todos los lotes tienen el mismo tamaño (el promedio), obtenga un
Diagrama nP para tales datos.
d. ¿Observa alguna diferencia importante entre ambos diagramas?
e. ¿ De qué depende la elección entre los diagramas P o nP?
f. ¿ Cómo aplicaría el análisis de Pareto para enfocar mejor un proyecto de mejora?

TEMA ANALIZADO: PRODUCTOS DEFECTUOSOS EN LA

PRODUCCCIÓN DE CEMENTO

LOTE TAMAÑO DEFECTUOSOS

1 200 21
2 200 20
3 200 27
4 200 33
5 200 22
6 200 40
7 180 27
8 180 23
9 180 20
10 200 26
11 200 28
12 200 21
13 200 23
14 200 21
15 200 25
16 200 29
17 200 20
18 220 28
19 220 18
20 220 24
21 200 13
22 200 23
23 200 12
 24 200 19
25 200 26

5000 589

a. Obtenga una carta P usando el tamaño de subgrupo (lote) promedio.

CALCULO DE LIMITES DE CONTROL UTILIZANDO EL TAMANO DE SUBGRUPOS (LOTE)PROMEDIO

N (TAMANO DE
LOTES) 200.00
P 0.118
LCS 0.186
LC 0.118
LCI 0.049

b. Cómo explicaría los límites de control (LC) a alguien que no tiene conocimientos profundos
Según los resultados obtenidos mediante el muestreo se evidencia que por cada 200 unidades fabricadas
en promedio 7 de ellas no cumplen con las especificaciones,

GRAFICA P

c. Suponniendo que todos los lotes tienen el mismo tamaño (el promedio), obtenga un Diagrama nP para tales
datos.
 LOTE TAMAÑO DEFECTUOSOS
1 200 21
2 200 20
3 200 27
4 200 33
5 200 22
6 200 40
7 200 27
8 200 23
9 200 20
10 200 26
11 200 28
12 200 21
13 200 23
14 200 21
15 200 25
16 200 29
17 200 20
18 200 28
19 200 18
20 200 24
21 200 13
22 200 23
23 200 12
24 200 19
25 200 26

5000 589

N (TAMANO DE
LOTES) 200.00
P 0.118
LCS 0.186
LC 0.118
LCI 0.049
d. ¿Observa alguna diferencia importante entre ambos diagramas?

No, la única diferencia es que una nos muestra el valor en proporción y la otra en valor absoluto.

e. ¿ De qué depende la elección entre los diagramas P o nP?

DEPENDERA MUCHO DEL TAMANO DE LA NUESTAR SI ES VARIABLE (GRAFICO P) Y SI ES CONSTANTE (GRAFICO NP)

Gráfica P : Porcentaje de fracción defectiva

Gráfica np: Número de unidades defectuosas por muestras constantes

Gráfico P es frecuente que la magnitud observada y utilizada como variable de control sea
una proporción, por medio de la proporción muestral obtenida con una muestra de tamaño

Gráfico np, en ocaciones resulta más cómodo representar directamente la cantidad de unidades
defectuosas en la muestra en vez de su proporción, es decir cuando el tamaño de la muestra es constante
f. ¿ Cómo aplicaría el análisis de Pareto para enfocar mejor un proyecto de mejora?

Realizaría una Inspección en la zona de trabajo así como a las maquinarias y una encuesta al perosnal que labora en dicho
proporción de
es se muestran en

ientos profundos

obtenga un

OSOS EN LA
mientos profundos
unidades fabricadas

Diagrama nP para tales

s?

or absoluto.

TE (GRAFICO NP)

ad de unidades
e la muestra es constante
oyecto de mejora?

osnal que labora en dicho lugar.

2. DIAGRAMA DE CONTROL - TIPO U
Los siguientes datos son el número de defectos encontrados en la inspección de sub-ensamblaje
máquinas asfaltadoras durante un periodo dado de operación para número de máquinas diferen
Graficar el número de defectos en un diagrama U y explique porqué.

# de máquinas # de defectos
4 70
4 64
4 80
4 90
5 55
5 75
5 53
6 60
6 82
6 90

TEMA ANALIZADO: DEFECTOS EN EL SUB-ENSAMBLAJE DE

MÁQUINAS

Graficar el número de defectos en un diagrama U y explique porqué.

Gráfica U de N°DEFECTOS
1.1
LCS=1.0815
Conteo de muestras por unidad

1.0

0.9

_
0.8 U=0.7989

0.7

0.6

LCI=0.5162
0.5
1 2 3 4 5 6 7 8 9 10
Muestra

En el diagrama U mostrado anteriormente se aprecia que fallo 1 punto, esto quiere mostrar que la
maquina causara diversos problema ya que esta fuera del rango permitido. En conclusión no es apto.
n de sub-ensamblaje de
de máquinas diferentes.

LCS=1.0815

_
U=0.7989

LCI=0.5162

10

quiere mostrar que la

conclusión no es apto.
3. DIAGRAMA DE CONTROL - TIPO C

El número de imperfecciones (ralladuras, grietas, astilladuras, etc.) en tableros de madera de eba

el cliente como para el fabricante. A fin de vigilar el proceso de fabricación, cada hora durante 15
4 x 8 pies y se inspecciona para detectar imperfecciones. En la tabla se registra el número de imp
por tablero en una gráfica C y explique porqué.

No. No. No.

Tablero Tablero Tablero
Defectos Defectos Defectos
1 4 6 4 11 3
2 2 7 5 12 6
3 3 8 3 13 5
4 3 9 8 14 7
5 9 10 7 15 3

TEMA ANALIZADO: DEFECTOS EN LOS TABLEROS D

Graficar el número de defectos por tablero en una gráfica C y explique po

INPECCION PARA DETECTAR IMPERFECCIONES POR TABLERO

UCL=1
10

8
Sample Count

_
4 C=4.2

0 LCL=0

1 2 3 4 5
Sample

INPECCION PARA DETECTAR IMPERFECCIONES POR TAB

14

12
 INPECCION PARA DETECTAR IMPERFECCIONES POR TAB
14

12

10

Sample Count
8

1 2 3 4 5
Sample

INPECCION PARA DETECTAR IMPERFECCIONES POR TABL

12

10

8
Sample Count

1 2 3 4 5
Sample

SEGÚN LO APRECIADO EN EL GRÁFICO DE CONTROL PODEMOS APRECIAR QUE ESTA

LOS UCL Y LCL.
leros de madera de ebanistería fabricados a la medida es importante tanto para
n, cada hora durante 15 horas consecutivas se selecciona un tablero acabado de
gistra el número de imperfecciones por tablero. Graficar el número de defectos

LOS TABLEROS DE EBANISTERÍA

ca C y explique porqué.

ECCIONES POR TABLERO

UCL=10.35

_
C=4.2

LCL=0

4 5

RFECCIONES POR TABLERO

UCL=12.37
RFECCIONES POR TABLERO

UCL=12.37

_
C=5.4

LCL=0

4 5

FECCIONES POR TABLERO

UCL=11.37

_
C=4.8

LCL=0

4 5

OS APRECIAR QUE ESTA BAJO LOS LIMITES ESTABLECIDOS Y NO EXCEDE

S UCL Y LCL.