TALLER #2

INTEGRANTES

Boude Saéz Jhon Jairo

Cabarcas Hernandez Juan Carlos

Carrillo Quintero Maira Alejandra

Payares Baldiris Yuvishays Paola

DOCENTE

Quintana Torres Mauricio

ASIGNATURA

Control Estadístico

FUNDACIÓN UNIVERSITARIA COLOMBO INTERNACIONAL

CARTAGENA DE INDIAS

D.T y C

28/08/2018
 EJERCICIO 9
En una fábrica de ropa se tiene el propósito de reducir el número de defectos en las prendas
de vestir, por lo que se considera necesario identificar el defecto más importante y atacar la
causa fundamental del mismo. En la tabla 10.4 se muestran los defectos encontrados en las
prendas de vestir fabricadas en dos semanas.
Tabla 10.4 Defectos en las prendas de vestir, 1o, al 15 de febrero.
Turno C: Costura, O: Corte, M: Montaje, H: Hilo, T: Tela
HTCMHTHOMHTHCHOTHOHMHCHOCCCHMMOHH
1
TOT
MHMOCMHHTOHMHTHHTMHMHCOMOMHHOCTOC
2
MOTMH
HHMHTHOHOHHHMHTCHOHCHHHHOMHHHMHOO
3
HMHOCTHHOHHHOH

a) Haga un Pareto de primer nivel para encontrar cuál de los defectos es el más importante.
Frecuencia acumulada
𝑁1 = 𝑓1
𝑁1 = 52

𝑁2 = 𝑓1 + 𝑓2
𝑁2 = 52 + 22
𝑁2 = 74

𝑁3 = 𝑓1 + 𝑓2 + 𝑓3
𝑁3 = 52 + 22 + 20
𝑁3 = 94

𝑁4 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4
𝑁4 = 52 + 22 + 20 + 14
𝑁4 = 108
 𝑁5 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5
𝑁5 = 52 + 22 + 20 + 14 + 13
𝑁5 = 121
Frecuencia porcentual
𝑓%1 = 𝑓𝑟1 × 100
52
𝑓%1 = × 100
121
𝑓%1 = 42.97521%

𝑓%2 = 𝑓𝑟2 × 100

22
𝑓%2 = × 100
121
𝑓%2 = 18.18182%

𝑓%3 = 𝑓𝑟3 × 100

20
𝑓%3 = × 100
121
𝑓%3 = 16.52893%

𝑓%4 = 𝑓𝑟4 × 100

14
𝑓%4 = × 100
121
𝑓%4 = 11.57025%

𝑓%5 = 𝑓𝑟5 × 100

13
𝑓%5 = × 100
121
𝑓%5 = 10.74380%
 Frecuencia porcentual acumulada
𝑓𝑟𝑎%1 = 𝑓𝑟%1
𝑓𝑟𝑎%1 = 42.97521%

𝑓𝑟𝑎%2 = 𝑓𝑟%1 + 𝑓𝑟%2

𝑓𝑟𝑎%2 = 43% + 18%
𝑓𝑟𝑎%2 = 61.15702%

𝑓𝑟𝑎%3 = 𝑓𝑟%1 + 𝑓𝑟%2 + 𝑓𝑟%3

𝑓𝑟𝑎%3 = 43% + 18% + 16%
𝑓𝑟𝑎%3 = 77.68595%

𝑓𝑟𝑎%4 = 𝑓𝑟%1 + 𝑓𝑟%2 + 𝑓𝑟%3 + 𝑓𝑟%4

𝑓𝑟𝑎%4 = 43% + 18% + 16%+12%
𝑓𝑟𝑎%4 = 89.25620%

𝑓𝑟𝑎%5 = 𝑓𝑟%1 + 𝑓𝑟%2 + 𝑓𝑟%3 + 𝑓𝑟%4 + 𝑓𝑟%5

𝑓𝑟𝑎%5 = 43% + 18% + 16%+ 12%+ 11%
𝑓𝑟𝑎%5 = 100%
Tabla de frecuencia
Frecuencia
Frecuencia Frecuencia
Defecto frecuencia porcentual
acumulada porcentual
acumulada
H: Hilo 52 52 42.97521% 42.97521%
O: Corte 22 74 18.18182% 61.15702%
M: Montaje 20 94 16.52893% 77.68595%
T: Tela 14 108 11.57025% 89.25620%
C: Costura 13 121 10.74380% 100%
 Pareto nivel 1

Pareto nivel 1

100%
120
100

80%
Porcentaje acumulado
80
Frecuencia

60%
60

40%
40

20%
20

0%
0

Corte
Hilo

Tela

Costura
Montaje

En el diagrama se puede apreciar que el defecto Hilo en las prendas de vestir es el más
frecuente (de mayor impacto), ya que representa el 43% del total de los defectos y posterior
a este se encentra el corte y montaje.
(Pareto nivel 2) de R
library(qcc)
defecto<-c(52,22,20,14, 13)
names(defecto)<-c("Hilo","Corte","Montaje","Tela","Costura")
pareto.chart(defecto,cumperc = seq(0, 100, by = 10), main= "Pareto nivel 1", ylab=
"Frecuencia", ylab2= "Porcentaje acumulado")

b) Para el defecto más importante aplique un análisis de Pareto por turno.

Frecuencia acumulada
𝑁1 = 𝑓1
𝑁1 = 27
 𝑁2 = 𝑓1 + 𝑓2
𝑁2 = 27 + 13
𝑁2 = 40

𝑁3 = 𝑓1 + 𝑓2 + 𝑓3
𝑁3 = 27 + 13 + 12
𝑁3 = 52
Frecuencia porcentual
𝑓%1 = 𝑓𝑟1 × 100
27
𝑓%1 = × 100
52
𝑓%1 = 51.92308%

𝑓%2 = 𝑓𝑟2 × 100

13
𝑓%2 = × 100
52
𝑓%2 = 25%

𝑓%3 = 𝑓𝑟3 × 100

12
𝑓%3 = × 100
52
𝑓%3 = 23.07692%
Frecuencia porcentual acumulada
𝑓𝑟𝑎%1 = 𝑓𝑟%1
𝑓𝑟𝑎%1 = 51.92308%

𝑓𝑟𝑎%2 = 𝑓𝑟%1 + 𝑓𝑟%2

𝑓𝑟𝑎%2 = 51.92308% + 25%
𝑓𝑟𝑎%2 = 76.92308%
 𝑓𝑟𝑎%3 = 𝑓𝑟%1 + 𝑓𝑟%2 + 𝑓𝑟%3
𝑓𝑟𝑎%3 = 51.92308% + 25% + 23.07692%
𝑓𝑟𝑎%3 = 100%
Tabla de frecuencia
Frecuencia
Frecuencia Frecuencia
Turnos frecuencia porcentual
acumulada porcentual
acumulada
3 27 27 51.92308% 51.92308%
1 13 40 25% 76.92308%
2 12 52 23.07692% 100%

Pareto nivel 2

Pareto nivel 2

100%
50

80%
40

Porcentaje acumulado
Frecuencia

60%
30

40%
20

20%
10

0%
0

Turno 3

Turno 1

Turno 2

Se puede observar que el turno 3 es en el que más se presentan defecto del tipo (Hilo) y
posterior a este el turno 1.
(Pareto nivel 2) de R
library(qcc)
defecto<-c(13,12,27)
names(defecto)<-c("Turno 1","Turno 2","Turno 3")
pareto.chart(defecto,cumperc = seq(0, 100, by = 10), main= "Pareto nivel 2", ylab=
"Frecuencia", ylab2= "Porcentaje acumulado")

c) ¿Cuáles son las pistas principales para reducir los defectos en las prendas de vestir?
Analizando los resultados del diagrama de Pareto en el cual se identificó que el principal
problema en las prendas de vestir es el hilo el cual se manifiesta más en el turno 3. Se propone
para reducir los defectos supervisar cada operación, ya que se presentan defectos todas y
enfatizar en las pocas vitales.
Para el principal defecto(hilo) se recomienda:
 Identificar si se está utilizando el hilo adecuado para cada tipo de prenda o por el
contrario se está utilizando en una prenda un tipo de hilo que no corresponde. Si es el
caso, se plantea una clasificación y capacitación al personal operativo responsables
en el área del modo de empleo del tipo de hilo según la prenda.
 Llevar a cabo seguimiento y evaluación a los proveedores para verificar si se está
suministrando debidamente los tipos de hilos solicitado, lo que quiere decir que
cumplen con las características de calidad solicitadas y los tipos solicitados.
EJERCICIO 10
En una fábrica de válvulas se está buscando reducir la cantidad de piezas defectuosas. Cada
molde está divido en tres zonas, cada una de las cuales incluye dos piezas. Como punto de
partida se recaban datos mediante la hoja de verificación de la tabla 10.5, en la cual se
especifica el tipo de problemas, el producto de la zona del molde. La tabla 10.5 muestra los
datos obtenidos en dos semanas.
Tabla 10.5 Datos para el ejercicio 10.
Producto Zona 1 Zona 2 Zona 3
ooo ooooo oooooooooo
A1 xxx xx xxxxxx
++ ++// /
oooo ooooo ooooooooo
A2 xx xxxxx xxxxxxx
+++/ / ++
ooooo oooo oooooooo
x xxx xxxxx
A3
+ ++ /

oooo oooooo oooooooooooo

xx xxx xxxxx
A4
++// / ++++

o Porosidad x Llenado +Maquinados /Ensamble

a) Realice un análisis de Pareto completo.
Frecuencia acumulada
𝑁1 = 𝑓1
𝑁1 = 75

𝑁2 = 𝑓1 + 𝑓2
𝑁2 = 75 + 44
𝑁2 = 119

𝑁3 = 𝑓1 + 𝑓2 + 𝑓3
𝑁3 = 74 + 44 + 18
𝑁3 = 137

𝑁4 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4
𝑁4 = 75 + 44 + 18 + 9
𝑁4 = 146
Frecuencia porcentual
𝑓%1 = 𝑓𝑟1 × 100
52
𝑓%1 = × 100
121
𝑓%1 = 42.97521%

𝑓%2 = 𝑓𝑟2 × 100

22
𝑓%2 = × 100
121
𝑓%2 = 18.18182%

𝑓%3 = 𝑓𝑟3 × 100

 20
𝑓%3 = × 100
121
𝑓%3 = 16.52893%

𝑓%4 = 𝑓𝑟4 × 100

14
𝑓%4 = × 100
121
𝑓%4 = 11.57025%

𝑓%5 = 𝑓𝑟5 × 100

13
𝑓%5 = × 100
121
𝑓%5 = 10.74380%
Frecuencia porcentual acumulada
𝑓𝑟𝑎%1 = 𝑓𝑟%1
𝑓𝑟𝑎%1 = 51.369863%

𝑓𝑟𝑎%2 = 𝑓𝑟%1 + 𝑓𝑟%2

𝑓𝑟𝑎%2 = 51.369863% + 30.136986%
𝑓𝑟𝑎%2 = 81.506849%

𝑓𝑟𝑎%3 = 𝑓𝑟%1 + 𝑓𝑟%2 + 𝑓𝑟%3

𝑓𝑟𝑎%3 = 51.369863% + 30.136986% + 12.328767%
𝑓𝑟𝑎%3 = 93.835616%

𝑓𝑟𝑎%4 = 𝑓𝑟%1 + 𝑓𝑟%2 + 𝑓𝑟%3 + 𝑓𝑟%4

𝑓𝑟𝑎%4 = 51.369863% + 30.136986% + 12.328767%+6.164384%
𝑓𝑟𝑎%4 = 100%
 Tabla de frecuencia
Frecuencia
Frecuencia Frecuencia
Defecto frecuencia porcentual
acumulada porcentual
acumulada
Porosidad 75 75 51.369863% 51.369863%
Llenado 44 119 30.136986% 81.506849%
Maquinados 18 137 12.328767% 93.835616%
Ensamble 9 146 6.164384% 100%

Pareto nivel 1

Pareto nivel 1

100%
80 100 120 140

80%
porcentaje acumulado
60%
frecuencia

40%
60
40

20%
20

0%
0

llenado

maquinados

ensamble
porosidad

En diagrama se puede apreciar que el defecto porosidad en las piezas de válvulas es el más
frecuente (de mayor impacto), ya que representa el 51% del total de los defectos y posterior
a este se encentra el llenado.
(Pareto nivel 1) de R
library(qcc)
defectos<-c(75,44,18,9)
names(defectos)<-c("porosidad","llenado","maquinados","ensamble")
pareto.chart(defectos, cumperc = seq(0, 100, by = 10), main= "Pareto nivel
1",ylab="frecuencia", ylab2="porcentaje acumulado")

Frecuencia acumulada
𝑁1 = 𝑓1
𝑁1 = 70

𝑁2 = 𝑓1 + 𝑓2
𝑁2 = 70 + 41
𝑁2 = 111

𝑁3 = 𝑓1 + 𝑓2 + 𝑓3
𝑁3 = 70 + 41 + 35
𝑁3 = 146
Frecuencia porcentual
𝑓%1 = 𝑓𝑟1 × 100
70
𝑓%1 = × 100
146
𝑓%1 = 47.94521%

𝑓%2 = 𝑓𝑟2 × 100

41
𝑓%2 = × 100
146
𝑓%2 = 28.08219%

𝑓%3 = 𝑓𝑟3 × 100

35
𝑓%3 = × 100
146
𝑓%3 = 23.97260%
 Frecuencia porcentual acumulada
𝑓𝑟𝑎%1 = 𝑓𝑟%1
𝑓𝑟𝑎%1 = 47.94521%

𝑓𝑟𝑎%2 = 𝑓𝑟%1 + 𝑓𝑟%2

𝑓𝑟𝑎%2 = 47.94521% + 28.08219%
𝑓𝑟𝑎%2 = 76.02740%

𝑓𝑟𝑎%3 = 𝑓𝑟%1 + 𝑓𝑟%2 + 𝑓𝑟%3

𝑓𝑟𝑎%3 = 47.94521% + 28.08219% + 23.97260
𝑓𝑟𝑎%3 = 100%
Tabla de frecuencia
Frecuencia
Frecuencia Frecuencia
Defecto frecuencia porcentual
acumulada porcentual
acumulada
Zona 1 70 70 47.94521% 47.94521%
Zona 2 41 111 28.08219% 76.02740%
Zona 3 35 146 23.97260% 100%

Pareto nivel 2

Pareto nivel 2
100%
100 120 140

80%
porcentaje acumulado
60%
frecuencia

80

40%
60
40

20%
20

0%
0

Zona 3

zona 2

Zona 1
Se puede observar que en la zona 3 es en el que más se presentan defecto del tipo (porosidad)
y posterior a este se encuentra la zona 2.

(Pareto nivel 2) de R
library(qcc)
defectos<-c(35,41,70)
names(defectos)<-c("Zona 1", "zona 2", "Zona 3")
pareto.chart(defectos,cumperc = seq(0, 100, by = 10), main= "Pareto nivel 2",
ylab="frecuencia", ylab2="porcentaje acumulado")

b) ¿Cuál es el problema más importante?

En diagrama se puede apreciar que el defecto porosidad en las piezas de válvulas es el más
frecuente (de mayor impacto), ya que representa el 51% del total de los defectos y posterior
a este se encentra el llenado.
c) ¿Cuáles son las principales pistas para encontrar la causa del problema principal?
Una de las principales pistas para encontrar el problema (porosidad en las piezas) es poner
énfasis en el producto A4 en la zona 3.
 EJERCICIO 17

Con el objetivo de direccionar mejor los esfuerzos de mantenimiento preventivo en una

empresa del área electrónica, se analiza el tiempo caído de los equipos de impresión. Estos
equipos se identifican por la línea de producción en la que están instalados. La tabla 10.7
muestra los tiempos caídos (desperdiciados) en minutos debido a la ultimas 100 fallas de los
equipos, durante un periodo de cuatro meses.

Tabla 10.7 Datos ejercicio 17

Línea Tiempo Línea Tiempo Línea Tiempo Línea Tiempo
101 15 103 5 102 25 104 5
101 20 103 90 102 98 104 15
101 0 103 65 102 20 105 15
101 10 103 20 102 15 105 60
101 10 103 13 102 10 105 30
101 10 103 5 102 30 105 20
101 10 103 20 102 1 105 38
101 35 103 35 102 18 105 160
101 90 103 20 102 15 105 85
101 5 103 10 102 11 105 20
101 20 103 135 102 45 105 10
101 50 103 5 102 55 105 30
101 32 103 0 102 40 105 90
101 30 103.5 5 102 55 106.5 40
101 40 103.5 50 102 0 106.5 15
101 40 103.5 30 102 0 106.5 110
101.5 35 103.5 5 102 38 107 30
101.5 45 103.5 10 102 72 108 150
101.5 50 103.5 25 102 15 108 65
101.5 10 103.5 181 102 34 108 30
101.5 2 103.5 28 102 15 108 4
101.5 15 103.5 15 102 30 108 15
 102 11 103.5 20 102 65 109 15
102 10 103.5 40 102 20 109 40
102 30 104 15 102 30 109 11

a) Haga un análisis de Pareto e identifique sobre qué equipo(s) se debe enfocar más la acción
de mantenimiento.

Tabla de valores

Líneas Tiempo
101 407
101.5 157
102 808
103 423
103.5 409
104 35
105 558
106.5 165
107 30
108 330
109 66

Frecuencia acumulada
𝑁1 = 𝑓1
𝑁1 = 808

𝑁2 = 𝑓1 + 𝑓2
𝑁2 = 808 + 558
𝑁2 = 1366
 𝑁3 = 𝑓1 + 𝑓2 + 𝑓3
𝑁3 = 808 + 558 + 423
𝑁3 = 1789

𝑁4 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4
𝑁4 = 808 + 558 + 423 + 409
𝑁4 = 2198

𝑁5 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5
𝑁5 = 808 + 558 + 423 + 409 + 407
𝑁5 = 2605

𝑁6 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6
𝑁6 = 808 + 558 + 423 + 409 + 407 + 264
𝑁6 = 2869

𝑁7 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6 + 𝑓7
𝑁7 = 808 + 558 + 423 + 409 + 407 + 264 + 165
𝑁7 = 3034

𝑁8 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6 + 𝑓7 + 𝑓8
𝑁8 = 808 + 558 + 423 + 409 + 407 + 264 + 165 + 157
𝑁7 = 3191

𝑁9 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6 + 𝑓7 + 𝑓8 + 𝑓9
𝑁9 = 808 + 558 + 423 + 409 + 407 + 264 + 165 + 157+66
𝑁7 = 3257
 𝑁10 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6 + 𝑓7 + 𝑓8 + 𝑓9 +𝑓10
𝑁10 = 808 + 558 + 423 + 409 + 407 + 264 + 165 + 157+ 66 + 35
𝑁7 = 3292

𝑁11 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6 + 𝑓7 + 𝑓8 + 𝑓9 +𝑓10 +𝑓11

𝑁11 = 808 + 558 + 423 + 409 + 407 + 264 + 165 + 157+ 66 + 35 + 30
𝑁7 = 3322

Frecuencia porcentual
𝑓%1 = 𝑓𝑟1 × 100
808
𝑓%1 = × 100
3322
𝑓%1 = 24.322697%

𝑓%2 = 𝑓𝑟2 × 100

558
𝑓%2 = × 100
3322
𝑓%2 = 16.797110%

𝑓%3 = 𝑓𝑟3 × 100

423
𝑓%3 = × 100
3322
𝑓%3 = 12.733293%

𝑓%4 = 𝑓𝑟4 × 100

409
𝑓%4 = × 100
3322
𝑓%4 = 12.311860%

𝑓%5 = 𝑓𝑟5 × 100

 407
𝑓%5 = × 100
3322
𝑓%5 = 12.251656%

𝑓%6 = 𝑓𝑟6 × 100

264
𝑓%6 = × 100
3322
𝑓%6 = 7.947020%

𝑓%7 = 𝑓𝑟7 × 100

165
𝑓%7 = × 100
3322
𝑓%7 = 4.966887%

𝑓%8 = 𝑓𝑟8 × 100

157
𝑓%8 = × 100
3322
𝑓%8 = 4.726069%

𝑓%9 = 𝑓𝑟9 × 100

66
𝑓%9 = × 100
3322
𝑓%9 = 1.9867550%

𝑓%10 = 𝑓𝑟10 × 100

35
𝑓%10 = × 100
3322
𝑓%10 = 1.0535822%

𝑓%11 = 𝑓𝑟11 × 100

 30
𝑓%11 = × 100
3322
𝑓%11 = 0.9030704%

Frecuencia porcentual acumulada

𝑓𝑟𝑎%1 = 𝑓𝑟%1
𝑓𝑟𝑎%1 = 24.322697%

𝑓𝑟𝑎%2 = 𝑓𝑟𝑎%1 + 𝑓𝑟%2

𝑓𝑟𝑎%2 = 24.322697% + 16.797110%
𝑓𝑟𝑎%2 = 41.119807%

𝑓𝑟𝑎%3 = 𝑓𝑟𝑎%2 + 𝑓𝑟%3

𝑓𝑟𝑎%3 = 41.119807% + 12.733293%
𝑓𝑟𝑎%3 = 53.853101%

𝑓𝑟𝑎%4 = 𝑓𝑟𝑎%3 + 𝑓𝑟%4

𝑓𝑟𝑎%4 = 53.853101% + 12.311860%
𝑓𝑟𝑎%4 = 66.164961%

𝑓𝑟𝑎%5 = 𝑓𝑟𝑎%4 + 𝑓𝑟%5

𝑓𝑟𝑎%5 = 66.164961% + 12.311860%
𝑓𝑟𝑎%5 = 78.416616%

𝑓𝑟𝑎%6 = 𝑓𝑟𝑎%5 + 𝑓𝑟%6

𝑓𝑟𝑎%6 = 78.416616%+ 12.251656%
𝑓𝑟𝑎%6 = 86.363636%
 𝑓𝑟𝑎%7 = 𝑓𝑟𝑎%6 + 𝑓𝑟%7
𝑓𝑟𝑎%7 = 86.363636% + 7.9470199%
𝑓𝑟𝑎%7 = 91.330524%

𝑓𝑟𝑎%8 = 𝑓𝑟𝑎%7 + 𝑓𝑟%8

𝑓𝑟𝑎%8 = 91.330524% + 4.9668874%
𝑓𝑟𝑎%8 = 96.056592%

𝑓𝑟𝑎%9 = 𝑓𝑟𝑎%8 + 𝑓𝑟%9

𝑓𝑟𝑎%9 = 96.056592%+ 4.7260686%
𝑓𝑟𝑎%9 =98.043347%

𝑓𝑟𝑎%10 = 𝑓𝑟𝑎%8 + 𝑓𝑟%9

𝑓𝑟𝑎%10 = 98.043347%+1.9867550%
𝑓𝑟𝑎%10 = 99.096929%

𝑓𝑟𝑎%11 = 𝑓𝑟𝑎%10 + 𝑓𝑟%11

𝑓𝑟𝑎%11 = 99.096929% + 0.9030704%
𝑓𝑟𝑎%11 =100%
 Tabla de frecuencia

Frecuencia
Frecuencia Frecuencia
Línea frecuencia porcentual
acumulada porcentual
acumulada
102 808 808 24.322697% 24.322697%
105 558 1366 16.797110% 41.119807%
103 423 1789 12.733293% 53.853101%
103.5 409 2198 12.311860% 66.164961%
101 407 2605 12.251656% 78.416616%
108 264 2869 7.9470199% 86.363636%
106.5 165 3034 4.9668874% 91.330524%
101.5 157 3191 4.7260686% 96.056592%
109 66 3257 1.9867550% 98.043347%
104 35 3292 1.0535822% 99.096929%
107 30 3322 0.9030704% 100%

Pareto completo

Pareto nivel 1
100%
80%
2500

Porcentaje acumulado
60%
Tiempo

1500

40%
20%
500

0%
0

Línea 102
Línea 105

Línea 103

Línea 101

Línea 108

Línea 109
Línea 104
Línea 107
Línea 103.5

Línea 106.5

Línea 101.5
Teniendo en cuenta el diagrama de Pareto, las líneas 102,105,103,103.5,101 necesitan
incrementar el mantenimiento de los equipos electrónicos para poder aumentar la calidad de
dichos productos, responder por más tiempo del que está establecido y por consiguiente
aumentar el rendimiento de la empresa.

(Pareto) de R
library(qcc)

defecto<-c(407,157, 808, 423, 409, 35, 558, 165, 30, 264, 66)

names(defecto)<-c("Línea 101","Línea 101.5","Línea 102","Línea 103","Línea

103.5","Línea 104","Línea 105","Línea 106.5","Línea 107","Línea 108", "Línea 109")

pareto.chart(defecto, cumperc = seq(0, 100, by = 10), main= "Pareto nivel 1",ylab="Tiempo",

ylab2="Porcentaje acumulado")

b) Haga un análisis descriptivo de los cien datos de tiempo caído (media, desviación estándar,
histograma) y comente los hechos más relevantes.

Media

𝑥1 + 𝑥2 +. . . 𝑥𝑛 ∑𝑛𝑖=1 𝑥𝑖
𝑥̅ = =
𝑛 𝑛
15 + 20 + 0 + 10 + 10 + 10 + 10 + 35 + 90 + 5 + 20 + 50 + 32 + 30 + 40 + 40 +
𝑥̅ =
100
35 + 45 + 50 + 10 + 2 + 15 + 11 + 10 + 30 + 15 + 40 + 20 + 15 + 28 + 181 + 25 +

10 + 5 + 30 + 50 + 5 + 0 + 5 + 135 + 10 + 20 + 35 + 20 + 5 + 13 + 20 + 65 +

90 + 5 + 25 + 98 + 20 + 15 + 10 + 30 + 1 + 18 + 15 + 11 + 45 + 55 + 40 + 55 +

0 + 0 + 38 + 72 + 15 + 34 + 15 + 30 + 65 + 20 + 30 + 11 + 40 + 15 + 15 + 4 +

30 + 65 + 150 + 30 + 110 + 15 + 40 + 90 + 30 + 10 + 20 + 85 + 160 + 38 + 20 + 30 +

 60 + 15 + 15 + 5
= 33.32

Media en R
tiempo<-c(15, 20, 0, 10, 10, 10, 10, 35, 90, 5, 20, 50, 32, 30, 40, 40, 35, 45, 50, 10, 2, 15, 11,
10, 30, 15, 40, 20, 15, 28, 181, 25, 10, 5, 30, 50, 5, 0, 5, 135, 10, 20, 35, 20, 5, 13, 20, 65, 90,
5, 25, 98, 20, 15, 10, 30, 1, 18, 15, 11, 45, 55, 40, 55, 0, 0, 38, 72,15 , 34, 15, 30, 65 , 20, 30,
11, 40, 15, 15, 4, 30, 65, 150, 30, 110, 15, 40, 90, 30, 10, 20, 85, 160, 38, 20, 30, 60, 15, 15,
5)
length(tiempo)
mean(tiempo)

Mediana

0, 0, 0, 0, 1, 2, 4, 5, 5, 5, 5, 5, 5, 5, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 11, 13, 15,
15, 15, 15, 15, 15, 15, 15, 15, 15, 15, 15, 15, 18, 20, 20, 20, 20, 20, 20, 20, 20, 20, 20, 25, 25,
28, 30, 30, 30, 30, 30, 30, 30, 30, 30, 30, 32, 34, 35, 35, 35, 38, 38, 40, 40, 40, 40, 40, 40, 45,
45, 50, 50, 50, 55, 55, 60, 65, 65 , 65, 72, 85, 90, 90, 90, 98, 110, 135, 150, 160, 181
20 + 20
𝑀𝑒 = = 20
2

Mediana en R
tiempo<-c(15, 20, 0, 10, 10, 10, 10, 35, 90, 5, 20, 50, 32, 30, 40, 40, 35, 45, 50, 10, 2, 15, 11,
10, 30, 15, 40, 20, 15, 28, 181, 25, 10, 5, 30, 50, 5, 0, 5, 135, 10, 20, 35, 20, 5, 13, 20, 65, 90,
5, 25, 98, 20, 15, 10, 30, 1, 18, 15, 11, 45, 55, 40, 55, 0, 0, 38, 72,15 , 34, 15, 30, 65 , 20, 30,
11, 40, 15, 15, 4, 30, 65, 150, 30, 110, 15, 40, 90, 30, 10, 20, 85, 160, 38, 20, 30, 60, 15, 15,
5)
length(tiempo)
median(tiempo)
Desviación estándar

(𝑥1 − 𝑥̅ )2 + (𝑥2 − 𝑥̅ )2 +. . . +(𝑥𝑛 − 𝑥̅ )2

𝑆=√
𝑛−1

S=34.62727
 Desviación estándar en R

tiempo<-c(15, 20, 0, 10, 10, 10, 10, 35, 90, 5, 20, 50, 32, 30, 40, 40, 35, 45, 50, 10, 2, 15, 11,
10, 30, 15, 40, 20, 15, 28, 181, 25, 10, 5, 30, 50, 5, 0, 5, 135, 10, 20, 35, 20, 5, 13, 20, 65, 90,
5, 25, 98, 20, 15, 10, 30, 1, 18, 15, 11, 45, 55, 40, 55, 0, 0, 38, 72,15 , 34, 15, 30, 65 , 20, 30,
11, 40, 15, 15, 4, 30, 65, 150, 30, 110, 15, 40, 90, 30, 10, 20, 85, 160, 38, 20, 30, 60, 15, 15,
5)

length(tiempo)

sd(tiempo)

Histograma

Histograma
60
50
40
Frecuencia

30
20
10
0

0 50 100 150 200

tiempo

Teniendo en cuenta la media (33.32) y la desviación (34.63) del histograma podemos ver
como la desviación tiene un factor de decremento con la media por lo cual podemos decir
que el mantenimiento de los equipos necesita una revisión a fondo de los tiempos.
 Histograma en R

tiempo<-c(15, 20, 0, 10, 10, 10, 10, 35, 90, 5, 20, 50, 32, 30, 40, 40, 35, 45, 50, 10, 2, 15, 11,
10, 30, 15, 40, 20, 15, 28, 181, 25, 10, 5, 30, 50, 5, 0, 5, 135, 10, 20, 35, 20, 5, 13, 20, 65, 90,
5, 25, 98, 20, 15, 10, 30, 1, 18, 15, 11, 45, 55, 40, 55, 0, 0, 38, 72,15 , 34, 15, 30, 65 , 20, 30,
11, 40, 15, 15, 4, 30, 65, 150, 30, 110, 15, 40, 90, 30, 10, 20, 85, 160, 38, 20, 30, 60, 15, 15,
5)

length(tiempo)

mean(tiempo)

median(tiempo)

sd(tiempo)

hist(tiempo, main="Histograma",ylab="Frecuencia", ylim=c(0,60), col="gray")

abline(v=(33.32), col="black", lwd=3)

abline(v=(20), col= "red", lwd=3)

c) De acuerdo con el análisis anterior, ¿hay datos que se pueden considerar atípicos?
Argumente.

Si hay datos que se puede considerar atípicos teniendo en cuenta que, en nuestro histograma,
en el cual aparecen una barra pequeña separada o aislada del resto, refleja la existencia de
valores atípicos. Estos datos atípicos se pueden haber dado por error de medición en el
tiempo.

d) El tiempo promedio es considerablemente mayor que la mediana. Explique a qué se debe

esto se debe a los valores atípicos, que afectan debido a la asimetría a la derecha que se
puede ver en el histograma.
 EJERCICIO18

Para los datos del ejercicio anterior, haga un análisis estratificado de tipo descriptivo para las
máquinas (líneas) que consumen mayor tiempo ¿Modifica esto de alguna forma sus
conclusiones del ejercicio anterior?

El análisis que se puede realizar en relación al ejercicio anterior es que existen líneas de
mantenimiento de los equipos de impresión que utilizan mayor cantidad de tiempo teniendo
como principal consumidora la línea 102. Una alternativa es que en el mantenimiento de los
equipos de impresión sean más agiles para intentar erradicar el tiempo caído. No modifica de
ninguna forma las conclusiones del ejercicio por lo que al igual que el mencionado el
problema de mayor impacto en el que se presenta con la línea 102.