Professional Documents
Culture Documents
CURSO:
CALIDAD EN LA CONSTRUCCIÓN
SEMINARIO 1: HERRAMIENTAS ESTADÍSTICAS DE CALIDAD
ESTUDIANTE: MIRIAM ELIZABETH MAMANI AYRAMPO
CÓDIGO: 2013146467
TEMA ANALIZADO:
DEFECTOS ESTRUCTURA
UN CARGADOR FRONTAL
SOLUCIÓN
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.
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
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
SOLUCIÓN
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.
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
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.
32.50 32.50
37.50 70.00
15.00 85.00
15.00 100.00
100.00
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
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
100
80
60 Porcentaje
Muchas causas
triviales 40
20
0
fin de semana Otro
7 7
17.5 17.5
82.5 100.0
SOLUCIÓN:
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
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.
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
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:
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
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:
B.3.) En cuanto al sesgo es negativo porque la moda es mayor que la media 98,6>98,2
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.
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 *
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
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.
e bien en el trabajo.
mpana de Gauss
co
Dentro de
General
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
EL 2 % DE PROBETAS NO CONFORMES
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
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
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.
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.
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
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.
a) Diagrama de dispersión: Se observa una linealidad en los datos con alta pendiente y (+).
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
15
14
TASA DE INTERES (%)
13
12
11
10
9
13 14 15 16 17 18 19 20
VIVIENDAS VENDIDAS
Coeficiente de correlación:
Coeficiente de determinación
r2 = 0.1490
DIAGRAMA DE DISPERSION
17
16
TASA DE INTERES (%)
15
14
13
12
11
13 14 15 16 17 18 19 20
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 (+).
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?
n= 8 empleados
X= 1 a 10
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
240
220
COSTO DE LA CASA
200
180
160
140
120
100
r = 0.9704
Coeficiente de determinación
r2 = 0.9416
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.
1750
1250
1000
750
500
1 2 3 4 5 6 7
TAMAÑO DE LA FAMILIA(X)
Coeficiente de determinación
r2 = 0.9202
Donde: a = 84.2881
b = 177.4521
Y = 84.2881 +177.4521 X
Tamaño de familia= 12
5 6 7 8 9 10
MAÑO DE LA FAMILIA(X)
0.65
A/C Concreto sin aire incluido
0.60
0.55
0.50
0.45
0.40
0.5
0.4
0.3
0.6
0.4
0.3
0.2
0.1
0.0
Coeficiente de determinación
r2 = 0.99463
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
SOLUCIÓN
a. Graficar los modelos de regresión de las variables convenientes.
3DIAS
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
60
55
7 dias
50
45
40
10 15 20 25 30 35
temperatura °C
14 DIAS
85
80
14días
75
70
65
60
10 15 20 25 30 35
temperatura °C
21 DIAS
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
110
105
100
28 días
95
90
85
80
10 15 20 25 30 35
temperatura °C
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?
5000 589
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.
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
or absoluto.
TE (GRAFICO NP)
ad de unidades
e la muestra es constante
oyecto de mejora?
# de máquinas # de defectos
4 70
4 64
4 80
4 90
5 55
5 75
5 53
6 60
6 82
6 90
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
UCL=1
10
8
Sample Count
_
4 C=4.2
0 LCL=0
1 2 3 4 5
Sample
12
INPECCION PARA DETECTAR IMPERFECCIONES POR TAB
14
12
10
Sample Count
8
1 2 3 4 5
Sample
10
8
Sample Count
1 2 3 4 5
Sample
UCL=10.35
_
C=4.2
LCL=0
4 5
UCL=12.37
RFECCIONES POR TABLERO
UCL=12.37
_
C=5.4
LCL=0
4 5
UCL=11.37
_
C=4.8
LCL=0
4 5