Proyecto Final de Control de Calidad en Work

FUNDAMENTOS Y PRESENTACIN DE TCNICAS BSICAS DEL
CONTROL DE CALIDAD, y TCNICAS ESTADISTICAS PARA EL CONTROL

DE CALIDAD
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Escuela de Ciencias Bsicas, Tecnologa e Ingeniera
Ingeniera industrial
Control de calidad
PROYECTO FINAL
MAGDA CONSTANZA GONZALEZ CARDOSO

LEIDY ESPERANZA GARZON TOVAR
Junio 14 de 2012
Garzn, Huila.
INTRODUCCIN
Como estudiantes del programa de ingeniera industrial es indispensable que

comprendamos que el control de calidad es vital en la lucha por el posicionamiento
positivo dentro del mercado para cualquier empresa independientemente del rea en
que se desempee, as como tambin para el logro de las metas y expectativas,
tanto para clientes como para la misma organizacin.
En el desarrollo de este trabajo conceptualizaremos los fundamentos del control de

calidad, as como tambin trabajaremos sobre tcnicas bsicas en el manejo de
datos, en pro de la adquisicin de las competencias necesarias para el buen
desempeo y logro de las expectativas del curso.
OBJETIVOS
Conocer acerca de los conceptos y desarrollo de los controles de calidad.
Definir mediante las diferentes tcnicas de recoleccin de informacin, aquellos

procesos que requieran de un seguimiento ms preciso para ayudar a lograr
conformidad con el producto final.
Desarrollar capacidades para el uso de las tcnicas del control de la calidad,

con el fin de demostrar la importancia de la aplicacin de sus beneficios en el
mejoramiento continuo de los procesos.
1.
Un fabricante de radios que utilizaba una inspeccin al 100% encontraba un
promedio de dos elementos que no cumplan en lotes de 10.000 componentes

electrnicos adquiridos.
El costo estimado de inspeccionar el componente es de $ 0.25, en tanto que el costo
de remplazarlo despus de que ha sido ensamblado es de aproximadamente $ 25.
Cul es la mejor decisin de inspeccin desde el punto de vista econmico? Cunto
est perdiendo o ganando el fabricante por radio con el procedimiento
actual de
inspeccin si cada uno de los radios contiene 60 de estos componentes?

La tasa de error actualmente es de 2/10000=0.0002 no cumplimientos por
unidad
R/ Teniendo en cuenta la clasificacin ms comn de los costos de calidad se tienen
costos generados por productos defectuosos y costos generados por
Inspecciones, as.
Productos defectuosos identificados. Los que pertenecen a este grupo van a
Generar costos diferentes, dependiendo de la actividad que se desarrolle; segn el
Tipo de producto, existen tres posibilidades y se consideran dentro de los costos
Tangibles:
Rechazarlos
Utilizarlos como productos B.
Reelaborados
A) Para este ejercicio propuesto la decisin mas viable para la empresa desde el
punto de vista econmica y de calidad fue la decisin A = Rechazarlos
En el primer caso, rechazarlos, los costos que se generan sern los derivados de
la elaboracin; es decir, materia prima utilizada, mano de obra, gastos generales,
etc., de los que se deducirn, en su caso, los posibles ingresos obtenidos por la
venta de los mismos como inservibles.
B) TE = 60/10.000 = 0,006
$ cst de inspeccin x unidad = $0,25 X 10,000 = $ 2500 sobre el total del lote,
lo cual quiere decir que este seria el costo total del proceso de inspeccin de
los componentes y su cambio o correccin
a tiempo antes del proceso de
ensamblaje + el costo de elaboracin de los componentes defectuosos.

$ Costo de remplazar cd componente por radio = $25,0 *60 comp = $1500
+csto de verificar cda pieza = 0,25 x 10,000= a?? realizar 2 veces el mismo
trabajo y si tenemos en cuenta la mano de obra delos operarios para realizar
inspeccin a cada una de las partes por cada radio, las posibles
piezas
averiadas en el proceso, el tiempo, energa de la planta, demora en el proceso

de entrega y penalidades por demoras y posibles fallas que no se detecten.
Como nos podemos dar cuenta en el planteamiento inicial del problema no se habla
de estas variables, pero todos sabemos que en un proceso de ensamble siempre se
dan todos estos procesos, es por eso que en este caso se tuvieron en cuenta.
Tabla de costos
1600
Costos vs cant de piesas
1400
1200
1000
T: unidades
800
c.p defect
600
c. p insp
400
200
0
1 4 7 1013161922252831343740434649525558
En la tabla de costos simplemente vemos como el costo de cambiar una pieza luego d
ensamblada es mucho ms costoso que cambiarla en el proceso de inspeccin o
control de calidad.
2. Distribucin de la muestra de longitud de ejes:

La longitud media de los ejes producida en un torno histricamente ha sido de 50
pulgadas, con una desviacin estndar de 0.12 de pulgada. Si se toma una muestra
de 36 ejes, cul es la probabilidad de que la media de la muestra sea superior a
50.04 pulgadas?
X= 50
s= 0.12
xi= 50.04
Z= xi - x
Desv. Est.
Z= 50.04 50
= 0.3
0.12
Z= 0.1179 = 11, 79 %
R/ La probabilidad que la muestra superior a 50.04 pulgadas es del 11, 79%.
3.
Elabore un diagrama de Pareto para investigar las siguientes prdidas de
calidad en la compaa ABC S.A.S Qu conclusiones puede usted extraer?

CATEGORIA
PERDIDA ANUAL
Costos de reproceso
30.000
Discos rechazados (llenos)
360.000
Discos rechazados (en blanco)
89.000
Costos de inspeccin (extraordinarios)
18.000
de recepcin
Costos de inspeccin (extraordinarios)
28.000
de salida
Devoluciones de clientes
185.000
Costos de capacitacin y mejora del
67.000
sistema
RESPUESTA. Diagrama de Pareto extrado de Excel

700.000
600.000
500.000
400.000
300.000
200.000
100.000
0
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
FRECUENCIA $
%ACUMULADO
L ,GUIA
DIAGRAMA DE PARETO (ampliado en hoja nueva de Excel)
Las conclusiones en consideracin a la grfica de Pareto son las siguientes.
1. Los costos de inspeccin de entrada y salida de mercanca no alcanzaron el

10% del total de prdidas de la compaa lo cual quiere decir que esta cifra
est bien en cuanto a la erogacin ocasionada por el estudio de calidad a
producto de entrada y salida.
2. El costo de proceso tan solo equivale al 4% del 100% de erogacin de dinero
generada para la fabricacin de un bien.
3. El costo de capacitacin y mejora del sistema equivale al 10% lo cual
deducimos que se mejor el proceso de fabricacin y tal vez capacitacin de
personal , pero con un aumento significativo en cuanto a costo ya que del total
de las perdidas en la elaboracin del producto, es del 10% lo cual se considera
elevada.
4. Los discos rechazados en blanco en cuanto a pedida de dinero en el proceso
ocupan el 14% del total de las devoluciones y es un porcentaje elevado ya
que se invirti un 10% en capacitacin y mejora de proceso u sistema.
5. Las devoluciones de los productos por parte de los clientes ocupan el 25% del
100% de la perdida de dinero en el proceso productivo, lo cual quiere decir
que ninguno de los procedimientos anteriores de control de calidad y
mejora del proceso dieron resultado.
6. Los discos rechazados obtuvieron casi el 50% del total de las perdidas, lo cual
se concluye que tanto el proceso de inspeccin u verificacin de materiales de
entrada y salida fueron psimos, la inversin tal vez fue alta pero no se aplic
el control o procedimiento adecuado, la inversin en capacitacin y mejora de
sistema no dio resultado, ya que los procesos iniciales de inspeccin y control
de calidad estuvieron errneos es por ello que el resultado por falencias y
rechazo en el producto terminado fueron de un 70% aproximado.
4. Dados los siguientes elementos de costo, determinar el porcentaje total de cada

una las 4 categoras principales del costo de calidad
ELEMENTO DE COSTO
Prueba e inspeccin de recepcin
Desperdicio
Capacidad de la calidad
Inspeccin
Pruebas
Costo de ajuste por quejas
MONTO
7.500
35.000
0
25.000
5.000
21.250
Auditorias de calidad
2.500
Mantenimiento de herramientas y
9.200
troqueles
Administracin y control de calidad
5.000
Pruebas de laboratorio
1.250
Diseo de equipos de aseguramiento
1.250
de calidad
Pruebas e inspeccin de materias
1.250
primas
70.000
Reproceso
11.250
Solucin de problemas de calidad por

los ingenieros del producto
2.500
Calibracin de equipos de inspeccin
2.500
Redaccin de procedimientos
2.500
Servicios de laboratorio
17.500
Reproceso debido a problemas con

proveedores
Correccin de no conformidades
6.250
10.750
Puesta en marcha de pruebas e

inspecciones
Quejas formales a proveedores
10.000
$247.450
Total
5. Los datos y el histograma que aparecen a continuacin muestran el peso de las piezas de fundicin (en
kilogramos) que se cuelan en el alto horno Santa Helena, despus de ocurridos cambios en los procesos.
Con base en la muestra de 100 piezas, encuentre la media y la desviacin estndar de la muestra. Elabore
la grfica correspondiente para determinar si la distribucin de los datos es aproximadamente normal.
DATO
S
10
MEDI
A
9,999
10.01
1
9.979
10.03
7
9.994
10.01
5
10.01
5
9.978
9.990
10,00
2
10,00
3
10,00
9
11
9.980
10.00
1
10.01
3
9.998
10.01
7
10.01
7
9.988
10.01
1
13
10.02
5
9.989
10.01
0
9.980
9.004
10.00
3
12
10.00
4
9.990
10.01
9
10.01
7
10.01
8
10.00
8
10.01
8
16
9.977
8.006
10.00
7
10.00
6
10.00
4
10.01
8
10.01
1
14
9.992
9.980
9,992
10.00
1
10.00
6
10.00
2
9.993
9.988
10,02
2
9,998
9.991
9.981
10.00
2
10.00
8
10.00
8
9.998
9.975
10.00
2
10.00
3
9.996
10.02
3
10.01
9
9.990
10.00
2
10.02
1
9.989
10.00
5
10.00
9
9.977
22
9.988
23
9.991
25
9.987
26
9.994
27
9.994
18
10.01
4
10.01
0
10.00
0
10.00
1
10.00
6
28
9.972
10.00
4
9.996
9.993
10.00
7
9.987
9.994
4
5
1
2
3
10.03
8
9.990
9.996
10.01
6
21
10.01
0
10.00
3
1
2
10.00
6
9.998
10.00
3
24
10.00
5
10.00
3
9.991
9.996
9.994
15
9.985
10.00
6
9.997
17
9.996
10.00
8
10.00
2
9.989
10.01
5
19
10.00
1
9.979
10.00
1
10.01
5
10.00
9
29
10.01
8
10.00
7
8.005
9.005
9.003
20
9.982
9.996
9.975
9.997
9.976
9.998
10.01
2
9.994
10.00
6
9.999
30
9.85
9.995
10.01
0
10.00
0
DESVIACIO
N
ESTANDAR
4214,1707
74
4213,8068
93
3160,5287
69
3160,0027
52
3159,7683
76
15,643244
9
21,059703
49
12,781931
69
9,0976187
36
10,915839
66
13,748737
32
7,4565407
53
10
9.990
10.01
0
10.01
5
31
10.00
9
10.01
3
10.00
8
9.990
1
2
3
4
5
1
2
10.00
8
41
9.978
10.01
0
9.996
9.991
9.995
10.00
1
10.00
1
9.977
10.02
0
10.00
2
10.00
2
33
9.990
10.02
7
9.996
9.992
9.970
10.00
8
35
9.991
10.01
2
10.01
5
9.995
9.973
9.999
9.996
10.03
8
9.991
10.01
4
36
10.00
2
9.989
9.989
9.993
9.990
9.988
10.02
1
42
10.00
8
10.02
5
10.01
7
10.00
8
9.989
9.980
9.986
10.01
4
9.997
10.01
3
9.980
43
10.03
5
10.01
5
9.994
44
10.01
2
10.02
5
9.972
46
10.00
4
9.998
9.991
10.01
3
10.01
1
45
10.00
9
10.00
7
10.02
7
9.988
32
9.987
9.998
34
9.985
9.987
9.967
10.01
3
9.997
10.02
6
10.03
2
10.01
9
10.02
7
10.03
0
9.989
9.969
9.980
9.998
10.01
1
9.985
9.987
37
10.04
5
9.993
38
9.970
9.999
10.01
4
39
10.01
9
9.989
10.00
7
9.990
9.989
9.998
9.999
9.997
10.01
0
47
10.02
3
9.979
10.01
4
48
9.972
9.986
9.993
10.00
2
9.979
10.00
5
9.982
10.00
2
9.992
10.02
0
9.999
49
9.988
10.00
2
9.988
10.03
3
9.994
10.00
2
10.00
5
9.997
19,799270
47
15,938771
74
16,308143
84
40
9.954
9.995
25,454971
14
17,871143
72
8,9870276
88
9,8663288
23
14,944712
93
10.01
1
10.00
3
9.987
10.00
2
9.999
10.00
5
50
10.03
2
10.01
7
9.999
9.999
9.979
10.00
2
9.996
10.00
6
10.00
7
10.00
3
9.997
9.999
21,403270
78
14,556022
05
16,779617
26
17,161002
3
15,831052
47
11
MEDIA
12.000
10.000
8.000
6.000
MEDIA
4.000
2.000
0
0
10
15
20
25
30
35
DESVIACION ESTANDAR
4500
4000
3500
3000
2500
2000
1500
1000
500
0
DESVIACION ESTANDAR
10
20
30
40
12.000
10.000
8.000
MEDIA
6.000
4.000
DESVIACIO
N
ESTANDAR
2.000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
6. Durante un periodo de 25 horas en un proceso de maquinado se tomaron 50

muestras de tamao 5.
12
a. Calcule la media y la desviacin estndar de los datos

b. Calcule la media y el rango de cada
Dato
s
1
10
9.999
10.022
10.001
10.007
10.011
10.019
9.988
9.980
9.992
9.998
10.006
10.006
9.979
10.017
9.990
10.002
10.037
10.002
10.004
9.991
10.018
10.01
5
10.01
5
9.978
10.003
9.994
9.993
10.018
9.996
10.008
10.00
1
10.01
3
9.998
10.01
7
10.01
7
9.988
10.009
10.003
10.011
10.011
9.994
10.018
12
9.980
13
10.004
14
10.025
15
9.992
10.038
9.990
9.989
10.023
9.990
10.002
9.981
10.019
9.996
10.003
10.006
9.990
10.016
9.996
9.998
10.003
22
10.010
23
9.988
24
9.991
25
10.005
10.003
10.004
9.996
10.003
9.990
10.001
10.020
10.027
10.010
9.995
10.002
9.996
10.015
9.977
10.002
9.970
32
10.009
33
9.987
34
9.990
35
9.985
10.013
10.012
9.973
10.038
10.008
10.015
9.996
9.991
4
5
9.990
10.008
9.995
10.021
9.990
9.980
9.988
9.986
10.00
6
9.997
10.00
8
10.00
2
9.989
10.01
0
9.980
10.01
5
16
17
18
19
20
9.985
9.977 9.996 10.01 10.00 9.982
4
1
10.002 9.975 9.991 10.01 9.979 9.975
0
10.008 10.002 10.00 10.00 10.00 9.976
5
0
1
10.008 10.021 10.00 10.00 10.01 10.01
9
1
5
2
9.998
9.989 9.977 10.00 10.00 9.994
6
9
26
27
28
29
30
9.987
9.994 9.994 9.972 10.01 9.85
8
9.993 10.007 9.987 9.994 10.00 10.01
7
0
9.992 10.013 10.02 9.969 9.980 9.998
7
9.987
9.997 10.03 10.01 9.987 10.03
0
1
3
10.008 10.014 9.989 9.985 10.01 9.994
4
36
37
38
39
40
9.991 10.002 10.04 9.970 10.01 9.954
5
9
9.999
9.989 9.993 9.999 9.989 10.01
1
9.989
9.993 10.00 9.989 9.998 10.00
7
3
10.014 10.013 9.990 9.999 9.997 9.987
9.997
9.980 10.01 10.01 9.986 10.00
0
4
5
13
42
9.978
43
10.008
44
10.035
45
10.012
10.010
10.025
10.015
10.025
9.996
10.017
9.994
9.972
9.991
10.008
9.991
10.013
9.995
9.989
9.998
10.011
46
47
48
49
50
10.009 10.004 10.02 9.972 9.988 10.03
3
2
10.007 9.998 9.979 9.993 10.00 10.01
2
7
10.027 10.026 10.00 10.00 9.992 9.999
2
5
9.988 10.032 9.979 9.982 10.00 9.979
2
9.967 10.019 10.02 9.999 9.988 10.00
0
2
a. Calcule la media y el rango de cada muestra y trace la grafica de control este

proceso est controlado? Por qu?
La media el rango y la desviacin estndar de los datos dados son los
siguientes:
Media 1 = 10.001
Media 2 = 10.011
Media 3 = 10.003
Media 4 = 10.009
Media 5 = 9.994
Media 6 =10.016
Media 7 = 10.002
Media 8 = 9.995
Media 9 = 10.001
Media 10 = 10.002
Media 12 = 10.004
Media 13 = 9.999
Media 14 = 10.000
Media 15 = 10.005
Media 16 = 10.000
Media 17 = 9.993
Media 18 = 9.996
Media 19 = 10.006
Media 20 = 10.001
Media 21 = 9.988
Media 22 = 10.006
Media 23 = 9.993
Media 24 = 10.002
Media 25 = 10.000
Media 26 = 9.993
Media 27 = 10.005
Media 28 = 10.005
Media 29 = 9.986
Media 30 = 10.001
Desviacin estndar 1 = 6.2048

Rango 1 = 17
Rango 2 = 43
Rango 3 = 18
Rango 4 = 14
Rango 5 = 32
Rango 6 = 11
Rango 7 = 37
Rango 8 = 20
Rango 9 = 35
Rango 10 = 37
Rango 12 = 58
Rango 13 = 14
Rango 14 = 44
Rango 15 = 33
Rango 16 = 23
Rango 17 = 46
Rango 18 = 32
Rango 19 = 14
Rango 20 = 36
Rango 21 = 37
Rango 22 = 25
Rango 23 = 27
Rango 24 = 29
Rango 25 = 57
Rango 26 = 21
Rango 27 = 20
Rango 28 = 43
Rango 29 = 42
Rango 30 = 38
14
Media 31 = 10.009
Media 32 = 10.006
Media 33 = 10.006
Media 34 = 9.986
Media 35 = 9.998
Media 36 = 9.998
Media 37 = 9.995
Media 38 = 10.009
Media 39 = 9.994
Media 40 = 9.998
Media 41 = 9.992

Rango 31 = 39
Rango 32 = 23
Rango 33 = 34
Rango 34 = 23
Rango 35 = 53
Rango 36 = 25
Rango 37 = 33
Rango 38 = 55
Rango 39 = 44
Rango 40 = 33
Rango 41 = 57
Media 42 = 9.994
Media 43 = 10.009
Media 44 = 10.007
Media 45 = 10.007
Media 46 = 10.000
Media 47 = 10.016
Media 48 = 10.001
Media 49 = 9.990
Media 50 = 9.994
Media 51 = 10.006

Rango 42 = 32
Rango 43 = 36
Rango 44 = 44
Rango 45 = 53
Rango 46 = 60
Rango 47 = 34
Rango 47 = 44
Rango 48 = 33
Rango 49 = 14
Rango 50 = 53
15
70
RANGO
60
50
40
30
20
10
0
1
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51
MEDIA
10.020
10.015
10.010
10.005
10.000
9.995
9.990
9.985
9.980
9.975
9.970
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
El grafico muestra que tanto como el rango y la muestra no estn controlados,

debidos a causas comunes de variacin, detectando desviaciones e influencias
sistemticas en el proceso.
16
7. Los laboratorios de Ing. Electrnica ubicados en el edificio inteligente de la UNAD

tienen dificultades con los tableros de circuito comprados a un proveedor. Se ha dado
una variabilidad no aceptable entre dos perforaciones que se supone estn a 5 cm la
una de la otra en los tableros. De los embarques enviados por el proveedor se
tomaron 25 muestras, cada una de 4 tableros.
A. Elabore los grficos de control X y R con estos datos.
Muestras
4.92
4.65
5.77
6.25
5.27
5.22
5.47
5.71
5.24
4.42
5.14
4.92
5.79
4.92
5.68
5.43
4.79
4.43
6.35
5.03
6.32
4.30
6.07
5.11
4.50
4.26
5.54
5.26
4.88
5.41
5.38
4.68
4.54
5.58
5.18
4.26
5.78
3.83
4.80
5.74
4.81
6.04
5.08
5.95
4.66
6.09
5.47
4.97
4.90
5.24
4.94
5.00
4.76
5.66
6.02
5.08
4.56
4.17
4.72
4.79
4.71
4.50
4.30
4.75
4.65
5.27
4.47
3.69
6.29
5.25
5.57
4.27
5.51
5.91
4.86
4.29
5.42
4.79
4.44
4.91
4.65
4.70
4.87
5.41
4.73
5.48
5.05
4.78
5.59
5.20
4.96
5.18
6.43
5.89
4.46
5.91
4.34
5.02
4.66
4.35
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
17
GRAFICO DE CONTROL PARA x

Media de la Muestra
LSC=5,91
X=5,09
LIC=4,27
5
4
3
2
1
0
0
10
15
20
25
30
Muestra
Rango de la Muestra
3,00
GRAFICO DE CONTROL PARA R
2,50
LSC=2,56
2,00
1,50
R=1,12
1,00
0,50
0,00
LIC=0
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Muestra
B. Si el ingeniero de calidad de la planta que provee las piezas admiti que tambin
tuvieron problemas de calidad en los embarques 18, 21 y 49 de qu manera
afectara esto la grfica de control? Elabore grficos de control X y R.
RTA: Al incrementar la informacin, aumenta el tamao de la muestra (Aumenta el
valor de N, y n) en 3 embarques ms para N, y cada muestra tiene 4 observaciones.
Como n continua siendo igual a 4, los valores para A2, D3 y D4 no cambian segn la
tabla de conversin a control de variables, pero si se registran cambios en el valor de
X y R.
Para realizar la nueva grafica se necesita saber que datos se arrojaron en las
observaciones a los embarque 18, 21 y 49, pues de lo contrario quedara igual a la
grfica obtenida en el Punto A.
C. Se hicieron 10 observaciones adicionales, segn se muestra a continuacin.
Utilizando las grficas de control X y R revisadas provenientes del punto b, Analice el
comportamiento de los grficos despus de ampliarla con los datos nuevos.
18
Muestras
1
2
3
4
5
6
7
8
9
10
4,92
4,65
5,78
5,95
4,92
5,68
4,78
4,43
6,04
4,96
4,92
4,65
5,78
5,95
4,92
5,68
5,79
4,81
4,47
5,18
5,00
4,26
5,05
4,3
4,75
4,65
5,20
5,27
5,18
5,48
5,42
4,71
4,79
4,44
5,59
4,65
4,70
4,87
5,41
4,73
N=25+10=35
n=4
Media de la Muestra
GRAFICO DE CONTROL PARA x

7
6
5
4
3
2
1
0
LSC=5,87
X=5,085
LIC=4,30
10
15
20
25
30
35
40
Muestra
Rango de la Muestra
3,00
GRAFICO DE CONTROL PARA R
2,50
LSC=2,46
2,00
1,50
1,00
R=1,08
0,50
R=0
0,00
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 31 32 33 34 35
Muestra
19
Anlisis: en los primeros grficos observamos que la muestra nmero 18 se

encuentra fuera del lmite superior de control tanto para X como para R.
Al agregar las 10 observaciones nuevas, estas ltimas se encuentran dentro de los
lmites en ambos grficos de control, y continua siendo la muestra 18 la que sobre
pasa el lmite. El resto de observaciones se encuentran dentro de los lmites de
control.
8. Un proceso de trefilado tiene lmites superior e inferior de tolerancia de 5.60 y

5.20, respectivamente. Si el cliente requiere Cp demostrado de valor 2.0 cul
deber ser la capacidad de proceso? Si tanto Cpu y Cpl tambin deben ser igual a
2.0, determine la desviacin media y estndar del proceso, suponiendo una
distribucin normal del resultado.
LSE=5,60
LIE=5,20
CP=2,0
CPU=2,0
CPL=2,0
Media Aritmtica
= 5,5
Varianza
S^2=fi*(xi-)^2/fi
S^2= 0,01
Desviacin tpica o estndar

S=
( ( )^2)/fi
0,1
S=
Capacidad del proceso
cp=(LSE -LIE)/6s
Cp= 0,01
20
Habilidad del proceso

Zsup=LSE- / S
Zsup= 1,0
Zinf=-LIE / S
Zinf= 2,3
Cpk= Zmin/3
cpk= 0,77
La capacidad deber ser de 0,01, y la habilidad de 0,77
9. Un ingeniero industrial de la UNAD, ha sido contratado para emitir su concepto

tcnico respecto de la necesidad que posee HOLCIM para desarrollar un estudio de
trabajo, para ver si la proporcin de tiempo ocioso en el laboratorio de materiales y
concretos ha cambiado desde que fue medido en un estudio previo hace un par de
aos. En aquel momento, el porcentaje de tiempo ocioso era de 10%. Si el ingeniero
solo puede tomar la muestra de 550 observaciones por razones de costo y solo puede
tolerar un error permisible de 0.025. Qu nivel de confianza en porcentaje se puede
obtener del estudio?
El enunciado da el error permisible el cual es de 0.025 que equivale a 2.5%, porque
0.025*100=2.5; entonces, el nivel de confianza es el excedente:
100-2.5=97.5%
21
Para el caso indicado:

550*97.5%=536.25
Donde se establece entonces en: 536
Entonces:
550-536=14 observaciones
Hace un par de aos, el tiempo ocioso representaba el 10% de la muestra, que
comparndolo con la muestra que hoy tiene el ingeniero es de 55, aplicando una
regla de tres para hallar el porcentaje que hoy representa:
55--------10%
14-------->2.5%
Concluyendo el ejercicio puedo decir que el nivel de confianza en porcentaje es de

97.5%
22
BIBLIOGRAFA
Mdulo Control De Calidad 2010.

Mdulo 100105 Estadstica Descriptiva, Ibagu, Julio 2010.
23

Proyecto Final de Control de Calidad en Work

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Proyecto Final de Control de Calidad en Work

Uploaded by

Copyright:

Available Formats

FUNDAMENTOS Y PRESENTACIN DE TCNICAS BSICAS DEL

CONTROL DE CALIDAD, y TCNICAS ESTADISTICAS PARA EL CONTROL

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

MAGDA CONSTANZA GONZALEZ CARDOSO

Como estudiantes del programa de ingeniera industrial es indispensable que

En el desarrollo de este trabajo conceptualizaremos los fundamentos del control de

Definir mediante las diferentes tcnicas de recoleccin de informacin, aquellos

Desarrollar capacidades para el uso de las tcnicas del control de la calidad,

Un fabricante de radios que utilizaba una inspeccin al 100% encontraba un

promedio de dos elementos que no cumplan en lotes de 10.000 componentes

inspeccin si cada uno de los radios contiene 60 de estos componentes?

a tiempo antes del proceso de

ensamblaje + el costo de elaboracin de los componentes defectuosos.

averiadas en el proceso, el tiempo, energa de la planta, demora en el proceso

2. Distribucin de la muestra de longitud de ejes:

Elabore un diagrama de Pareto para investigar las siguientes prdidas de

calidad en la compaa ABC S.A.S Qu conclusiones puede usted extraer?

Discos rechazados (llenos)

Discos rechazados (en blanco)

Costos de inspeccin (extraordinarios)

Costos de capacitacin y mejora del

RESPUESTA. Diagrama de Pareto extrado de Excel

DIAGRAMA DE PARETO (ampliado en hoja nueva de Excel)

Las conclusiones en consideracin a la grfica de Pareto son las siguientes.

1. Los costos de inspeccin de entrada y salida de mercanca no alcanzaron el

4. Dados los siguientes elementos de costo, determinar el porcentaje total de cada

Diseo de equipos de aseguramiento

Solucin de problemas de calidad por

Calibracin de equipos de inspeccin

Reproceso debido a problemas con

Puesta en marcha de pruebas e

6. Durante un periodo de 25 horas en un proceso de maquinado se tomaron 50

a. Calcule la media y la desviacin estndar de los datos

a. Calcule la media y el rango de cada muestra y trace la grafica de control este

Desviacin estndar 1 = 6.2048

Desviacin estndar 31 = 17.538

Desviacin estndar 42 = 11.467

El grafico muestra que tanto como el rango y la muestra no estn controlados,

7. Los laboratorios de Ing. Electrnica ubicados en el edificio inteligente de la UNAD

GRAFICO DE CONTROL PARA x

GRAFICO DE CONTROL PARA R

GRAFICO DE CONTROL PARA x

GRAFICO DE CONTROL PARA R

Anlisis: en los primeros grficos observamos que la muestra nmero 18 se

8. Un proceso de trefilado tiene lmites superior e inferior de tolerancia de 5.60 y

Desviacin tpica o estndar

Habilidad del proceso

La capacidad deber ser de 0,01, y la habilidad de 0,77

9. Un ingeniero industrial de la UNAD, ha sido contratado para emitir su concepto

Para el caso indicado:

Concluyendo el ejercicio puedo decir que el nivel de confianza en porcentaje es de

Mdulo Control De Calidad 2010.

You might also like