UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

FACULTAD DE INGENERIA

TRABAJO ENCARGADO 2015-2

CURSO: Estadstica Aplicada II
DOCENTE: Crdenas Solis, Celia Hermelinda

INTEGRANTES:
Soto Valencia, Cindy Paola
Paredes Perales, Patricia Roxana
Sanchez Avila, Edgar Stephan
Manrique Fernando
Pow Sang, Carlos

23 de Noviembre del 2015

1. Anlisis del caso y marco terico.

1.1.

Anlisis del caso

Los muebles han tenido una gran importancia ocupado un lugar fijo
dentro de diferentes ambientes. Su funcin de brindar comodidad es uno
de los aspectos que han hecho que sea as de importante, porque una
buena parte de los muebles cuentan con un colchn, en el caso de las
camas, y con cojines, como los sillones, por eso la calidad de estos debe
ser alta, para lograr satisfaccin por parte del consumidor.
Por otro lado, en el caso de las bolsas y empaques de plsticos, se sabe
que el tiempo que toman en degradarse es de 150 aos, por eso
terminan siendo un residuo muy difcil de reciclar, adems, cuando se
incineran generan una gran cantidad de txicos en el humo. Para evitar
esto se disearon las bolsas y empaques biodegradables, las cuales en 3
a 5 aos desaparecen, ya que su descomposicin comienza ni bien se
deja de usar.
En esta ocasin, la empresa que ser analizada en este caso es Dream
Per S.A.C., que es una de las empresas ms importantes del pas, con
una experiencia de 42 aos en el mercado y lderes en la industria del
descanso, confort y bienestar. En Latinoamrica, es considerada como
una gran empresa con una rea de produccin de 80 mil mt2, y cuenta
con tres reas de negocio: colchones, espumas y plsticos. Adems,
tiene ms de 1000 colaboradores y son los primeros en la aplicacin de la
tecnologa biodegradable en empaques y bolsas plsticas.
1.2.

Marco terico

El tema de investigacin que vamos a realizar es sobre las fallas que se

puede ocasionar por una parada no programada en las instalaciones,
como un corte de energa no previsto o grandes fluctuaciones en la
tensin que daa las tarjetas electrnicas de los equipos.
Para esto, la empresa decidi realizar un estudio mediante una muestra
aleatoria de diferentes reportes generados durante el segundo semestre
del ao 2014, para identificar que equipos tienen mayor cantidad de
fallas y las reas con mayor incidencia.
A continuacin se presentaran las variables que se utilizaran en el estudio:
Da de la semana de la falla
rea de produccin
Turno de falla
Especificacin del producto
Planta de produccin
Equipo averiado
Tipo de falla
Horas de parada

Costo de reparacin por hora

Costo de evaluacin de la falla
Tiempo de evaluacin de la falla
Horas de reparacin
Costo total
Edad del operador
Experiencia del operador

De todas estas variables, se escogern las ms importantes de la

empresa Dream Per S.A.C., y con ayuda del Minita se podr detectar
que tan consecuentes son estas fallas y la posible solucin a su problema,
para que la empresa puede seguir siendo lder sin que estos problemas
afecte su reputacin y la calidad de sus productos.

2. Planteamiento del problema y objetivos.

2.1.

Planteamiento del problema

En el siguiente caso analizaremos una empresa de produccin de
colchones, espumas y plsticos, nos enfocaremos en las reas de
produccin de las tres reas mencionadas.
Se realizara una mejora en el caso del cambio de tensin y cortes
de electricidad, se revisara los equipos que se averan a causa de
esto y adquirir un buen estabilizador o UPS para evitar que la
electricidad queme las placas.
Para cuando las maquinas tengan paros imprevistos tendr que
realizar con anticipacin un mantenimiento con una persona
especializada en la mquina, para evitar que se averen en pleno
proceso de produccin y hagan que esta tenga problemas.

2.2.

Objetivo general
Brindar a las empresas de produccin de espumas, colchones y
plsticos algunos criterios para la mejora en su productividad,
realizando un estudio de las fallas que presentan y corregirlas o
mejorarlas, para que su produccin se mejor y no tengan perdidas.

2.3.

Objetivos especficos
Objetivo 1: Determinar el costo de produccin por horas para el
Area de produccin de los colchones.
Objetivo 2: Variabilidad del tipo de falla para la elctrica
Objetivo 3: Determinar las especificaciones del producto segn la
planta

Objetivo 4: Analizar la homogeneidad en el rea de produccin

para los colchones y plsticos
Objetivo 5: Determinar el tiempo de produccin en el rea de
produccin para cada producto.
Objetivo 6: Determinar cul de los turnos de produccin tiene mayor
falla de tipo elctrico
Objetivo 7: Analizar si el tipo de falla tiene algn tipo de relacin con
la planta de produccin.
Objetivo 8: Analizar si el tipo de falla tiene algn tipo de relacin con
el turno de falla
Objetivo 9: Verificar si el rea de produccin tiene un tipo de
relacin con los equipos averiados

3. Definicin de variables, tipos y escalas.

Poblacin: tipo de problema en los equipos en las diferentes reas de
produccin y cules de estas son perjudicadas debido a las constantes
paradas no programadas
Muestra: 500 observaciones de la informacin de los diferentes reportes
generados durante el segundo semestre del ao 2014
Elemento o unidad de anlisis: una muestra fallada registrada en la inspeccin
de calidad de los productos fabricados en el segundo semestre del ao 2014
en las plantas de la empresa Dream Per S.A.C.
Nombre de la variable
Da se la semana de la falla
rea de produccin
Turno de falla
Especificacin del producto
Planta de produccin
Equipo averiado
Tipo de falla
Horas de parada
Costo de reparacin por hora
Costo de la evaluacin de la falla
Tiempo de evaluacin de la falla
Horas de reparacin
N de trabajadores para reparar
Costo total
Edad del operador
Experiencia del operador

Tipo de variable
Cuantitativa
Cualitativa
Cualitativa
Cualitativa
Cualitativa
Cualitativa
Cualitativa
Cuantitativa
Cuantitativa
Cuantitativa
Cuantitativa
Cuantitativa
Cuantitativa
Cuantitativa
Cuantitativa
Cuantitativa

Escala
Razn
Nominales
Nominales
Nominales
Nominales
Nominales
Nominales
Razn
Razn
Razn
Razn
Razn
Razn
Razn
Razn
Razn

4. Pruebas de hiptesis.
4.1.

Prueba de hiptesis para un parmetro:

4.1.1. Prueba de hiptesis para la media muestral desconocida ():

Objetivo: La empresa Dream Per S.A.C. desea verificar el costo de
reparacin por hora promedio en el rea de produccin para los
colchones. El rea de produccin toma como muestra 146 colchones
y estudia el contenido medio, obteniendo una media 742.37.
Asumiendo que el tiempo de reparacin sigue una distribucin normal
y se utiliza =5%, la empresa debe verificar el costo de reparacin
por hora de los colchones?
Solucin:
H0: =742.37 no se debera verificar
H1: =742.37 se debera verificar

Prueba de = 742.37 vs. 742.37

Variable
costo

N
146

Media
742.4

Desv.Est.
562.4

Error
estndar
de la
media
46.5

IC de 95%
(650.4, 834.4)

T
-0.00

P
1.000

Como p= 1.000 > 0,05. No se rechaza la hiptesis nula.

Bajo un nivel de significacin del =5% podemos concluir que la media permanece en
742.37, por lo tanto, la empresa no tomara la decisin de verificar el costo de reparacin
por hora en los colchones.

4.1.2.

Suponiendo que el tipo de falla elctrico se considera estable si la desviacin estndar

de las horas de paradas es utilizado en el tipo de falla elctrico a un tiempo de 3 horas.
Con la finalidad de determinar si el tipo de falla elctrico es estable se toma una
muestra de 12 tipos de falla y se encontraron los siguientes datos, los que estn dados
en horas:
Utilizando un nivel de significancia del 5%. Cul ser la conclusin respecto a la
estabilidad del tipo de falla elctrica?
1.11

1.58

1.92

2.85

3.30

3.59

4.29

4.92

5.06

5.81

6.50

7.79

Solucin:
2 3
1 2 > 3
Pruebas
Variable
paradas

Mtodo
Chi-cuadrada
Bonett

Estadstica
de prueba
54873.09

GL
13

Valor p
0.000
0.000

Como p= 0,000 < =0,05. Se rechaza la hiptesis nula.

Con un nivel de significancia del 5% podemos afirmar que la varianza del tiempo
utilizado en las horas de paradas es mayor a 3 minutos.
Entonces, el tiempo en las paradas no es estable con el tipo de falla elctrico,
por lo tanto se debe verificar el tipo de falla elctrico por las horas de paradas.

4.1.3. Prueba de hiptesis para la p

Un representante de la empresa selecciona al azar 500 especificaciones del
producto para observar en que planta de produccin se realiza cada una de ellas y
concluye que 126 de ellas son realizadas en la planta de Chimbote. As que este
representante puede decir que, ms del 28% de especificaciones se realizan en la
planta de Chimbote. Se utiliza un nivel de especificacin de 5%.
0.28
1 > 0.28
=

126
= 0.252
500

Prueba e IC para una proporcin

Prueba de p = 0.28 vs. p > 0.28

Muestra
1

X
126

N
500

Muestra p
0.252000

Lmite
inferior
de 95%
0.220063

Valor Z
-1.39

Valor p
0.918

Uso de la aproximacin normal

Como p= 0,0918 > =0,05. No se rechaza la hiptesis nula.

Con un nivel de significancia del 5% no existe suficiente informacin estadstica para
afirmar que ms de 28% de todas las especificaciones son realizadas en la planta de
Chimbote.

4.2.

Prueba de hiptesis para dos parmetros

4.2.1. Prueba de Hipotesis para dos parmetros

El ingeniero de la empresa Dream Per S.A.C est evaluando las reas de
produccin para determinar la confiabilidad de estas. Se realizaron
pruebas con las reas de colchones y plsticos y se registr el tiempo en
horas que requieren en la reparacin de las mquinas (segn la base datos
empresa Dream Per S.A.C.). Con un nivel de significancia del 5% Se
puede afirmar que las varianzas de las cuales se han extrado las muestras
son homogneas?
1. H0: 2 2
H1: 2 = 2
2. Prueba en Minitab 17
Mtodo
Hiptesis nula
Hiptesis alterna
Nivel de significancia

(tiempo colchones) / (tiempo plasticos) = 1

(tiempo colchones) / (tiempo plasticos) 1
= 0.05

Se utiliz el mtodo F. Este mtodo es exacto slo para datos normales.

Estadsticas
IC de 95%
para
Variable
tiempo colchones
tiempo plasticos

N
146
284

Desv.Est.
1.891
1.677

Varianza
3.576
2.811

Desv.Est.
(1.696, 2.137)
(1.549, 1.827)

Relacin de desviaciones estndar = 1.128

Relacin de varianzas = 1.272
Intervalos de confianza de 95%
IC para
IC para
relacin de
relacin de
Mtodo
Desv.Est.
varianza
F
(0.982, 1.304) (0.964, 1.701)
Pruebas
Estadstica
Mtodo GL1
F
145

3. Como:

GL2
283

de prueba
1.27

Valor p
0.089

p= 0.089 > = 0.05 Entonces: No se rechaza H0

4. Con un nivel de significacin del 0.05 existe evidencia estadstica para

afirmar que la varianza de los tiempos de reparacin de ambas reas
son iguales.

4.2.2. Prueba de hiptesis para dos medias independientes

La empresa Dream Per S.A.C. tiene la hiptesis de que el rea de
produccin de colchones requiere de ms tiempo de reparacin que el
rea de plsticos. Se realizaron pruebas con ambas reas y se registr el
tiempo en horas (base de datos de la empresa). Con un nivel de
significacin del 5% La empresa puede afirmar que el tiempo de
produccin de colchones es mayor que el de plsticos?
1. 1 2
1 > 2

Se rechaza la hiptesis de la empresa

Se afirma la hiptesis de la empresa

2. Prueba en Minitab 17
T de dos muestras para tiempo colchones vs. tiempo plasticos

tiempo colchones
tiempo plasticos

N
146
284

Media
5.99
6.81

Desv.Est.
1.89
1.68

Error
estndar
de la
media
0.16
0.099

Diferencia = (tiempo colchones) - (tiempo plasticos)

Estimacin de la diferencia: -0.827
Lmite inferior 95% de la diferencia: -1.121
Prueba T de diferencia = 0 (vs. >): Valor T = -4.63 Valor p = 1.000
= 428
Ambos utilizan Desv.Est. agrupada = 1.7522

3. Como:

GL

p= 1.000 > = 0.05 Entonces: No se rechaza H0

4. Con un nivel de significacin del 0.05 no existe evidencia estadstica

para afirmar que el rea de produccin de colchones requiere de
ms tiempo de reparacin.
4.2.3. Prueba de hiptesis para dos proporciones
El gerente de produccin desea saber si el turno de produccin de la
maana o la tarde tiene mayor falla del tipo elctrico. Para realizar la
comparacin se tom una muestra de mquinas que presentan fallas
(base de datos). Los resultados fueron:

Muestra
N mquinas con falla
del tipo elctrico

Maana
157
46

Tarde
150
31

Con un nivel de significacin de 5% Se puede afirmar que el turno de la

maana presenta mayor proporcin de mquinas falladas del tipo
elctrico?

1. H0: 1 - 2 0
H1: 1 - 2 > 0

El turno de la tarde presenta ms fallas

El turno de la maana presenta ms fallas

2. Prueba en Minitab 17

Prueba e IC para dos proporciones

Muestra
1
2

X
46
31

N
157
150

Muestra p
0.292994
0.206667

Diferencia = p (1) - p (2)

Estimacin de la diferencia: 0.0863270
Lmite inferior 95% de la diferencia: 0.00553713
Prueba para la diferencia = 0 vs. > 0: Z = 1.74 Valor p = 0.041
Prueba exacta de Fisher: Valor p = 0.053

3. Como:

p = 0.053 > 0.05 Entonces: No se rechaza H0.Con

4. Con un nivel de significancia de 0.05 existe evidencia estadstica

para afirmar que el turno de la tarde presenta mayor cantidad de
fallas del tipo elctrico.

5. Pruebas chi cuadrado.

5.1.

Pruebas de Independencia.
OBJETIVO 7: TIPO DE FALLA VS LA PLANTA DE PRODUCCION
- Se busca ver si los tipos de fallas, los cuales son elctricos, electrnicas
y mecnicos; tienen alguna relacin con respecto a la planta de
ubicacin, es decir, en donde las maquinas se encuentran. De esta
forma, mediremos si existe algn impacto ambiental sobre los equipos
y entre otros.
HIPOTESIS
H0: EL TIPO DE FALLA ES INDEPENDIENTE A LA PLANTA DE PRODUCCION
H1: EL TIPO DE FALLA NO ES INDEPENDIENTE A LA PLANTA DE
PRODUCCION

NIVEL DE SIGNIFICACION: 0.05

ESTADISTICA DE PRUEBA v= 6gl

Grfica de distribucin
Chi-cuadrada, df=6

0.14
0.12

Densidad

0.10
0.08
0.06
0.04
0.02

0.05
0.00

12.59

Si Chi calculado mayor a 12.59, entonces se rechaza H0

Si Chi calculado es menor o igual a 12.59, entonces no se rechaza H0.

PROCEDIMIENTO Y CALCULO ESTADISTICO

DECISION ESTADISTICA Y CONCLUSION

Con un nivel de significacin del 0.05, se puede afirmar que el tipo de
falla es independiente con respecto a las plantas de produccin de
la empresa ubicada en provincias. Ello significa, que no existe
ninguna relacin entre el lugar de produccin y los tipos de fallas.
OBJETIVO 8: TIPO DE FALLA VS TURNO DE FALLA
- Se busca ver si las fallas elctricas, electrnicas y mecnicas tienen
alguna relacin con respecto al horario de trabajo en el que fallan. De
esta forma, mediremos si existe algn impacto de tiempo ambiental,
clima, exceso de trabajo sobre los equipos y entre otros.

HIPOTESIS
H0: EL TIPO DE FALLA ES INDEPENDIENTE AL TURNO DE FALLA
H1: EL TIPO DE FALLA NO ES INDEPENDIENTE AL TURNO DE FALLA
NIVEL DE SIGNIFICACION: 0.05
ESTADISTICA DE PRUEBA
v= 4gl
Grfica de distribucin
Chi-cuadrada, df=4

0.20

Densidad

0.15

0.10

0.05

0.05
0.00

9.488

Si Chi calculado mayor a 9.488, entonces se rechaza H0

Si Chi calculado es menor o igual a 9.488, entonces no se rechaza H0.

PROCEDIMIENTO Y CALCULO ESTADISTICO

DECISION ESTADISTICA Y CONCLUSION

Con un nivel de significacin del 0.05, se puede afirmar que el tipo de
falla es independiente con respecto al turno de falla. Ello significa, que
no existe ninguna relacin entre el tipo de falla que se genera y la hora
de turno de esta.

OBJETIVO 9: AREA DE PRODUCCION VS EQUIPO AVERIADOS

- Se desea encontrar una relacin entre los equipos averiados y el uso
que se dan de estas en las reas de produccin. De esta forma,
podramos determinar un incorrecto manejo de estas mismas y entre
otros.
HIPOTESIS
H0: LOS EQUIPOS AVERIADOS SON INDEPENDIENTES AL AREA DE
PRODUCCION
H1: LOS EQUIPOS AVERIADOS NO SON INDEPENDIENTES AL AREA DE
PRODUCCION
NIVEL DE SIGNIFICACION: 0.05
ESTADISTICA DE PRUEBA
v= 14gl
Grfica de distribucin
Chi-cuadrada, df=14

0.09
0.08
0.07

Densidad

0.06
0.05
0.04
0.03
0.02
0.01
0.00

0.05
0

23.68

Si Chi calculado mayor a 23.68, entonces se rechaza H0

Si Chi calculado es menor o igual a 23.68, entonces no se rechaza H0.

PROCEDIMIENTO Y CALCULO ESTADISTICO

DECISION ESTADISTICA Y CONCLUSION

P valor=0.000 < 0.05, Se rechaza Ho. Con un nivel de significacin del
0.05, se puede afirmar que los equipos averiados no son
independientes con respecto a las reas de produccin. Ello significa,
que si existe una relacin entre los equipos averiados y las reas donde
se producen y son usados.

6.

Diseo experimental con un factor

Objetivo 10: El gerente de la empresa Dream Per S.A.C. desea analizar el costo
de reparacin por hora de cada colchn, para ello se investigan en los tres tipos
de falla con un nivel de significacin de 0.05.
Al menos un tipo de falla afecta el costo de reparacin por hora del colchn?
Normalidad de errores:
0 :
1 :

Como el P valor = 0.010 < 0.05 entonces se Rechaza Ho, por lo tanto con un nivel
de significacin del 5% se asume que los errores no se distribuyen normalmente.
Homogeneidad de varianzas:
0 :
1 :

Prueba de varianzas iguales: C6 vs. factores

Mltiples intervalos de comparacin para la desviacin estndar, = 0.05

Comparaciones mltiples
Valor p 0.001
Prueba de Levene

Elctrico

factores

Valor p

0.010

Electrnico

Mecanico

400

500

600

700

800

900 1000 1100 1200 1300

Si los intervalos no se sobreponen, las Desv.Est. correspondientes son significativamente diferentes.

Como el Pvalor = 0.010 < 0.05 entonces se Rechaza Ho, por lo tanto con un nivel
de significacin del 5% se asume la heterogeneidad de varianzas
Analisis de varianza del DCA
: 1 = 2 = 3 = 4
1 :
Anlisis de Varianza
Fuente
factores
Error
Total

GL
2
497
499

SC Ajust.
10085285
372897135
382982421

MC Ajust.
5042643
750296

Valor F
6.72

Valor p
0.001

= 0.001 < = 0.05 se rechaza la H0

Conclusin: Con un nivel de significacin del 5% podemos afirmar que hay
diferencias significativas por lo menos en uno de los tipos de falla
Qu tipo de falla afecta al costo de reparacin por hora del colchn?

Realizamos la prueba de comprobacin usando la Prueba de Tukey

Comparaciones en parejas de Tukey

Agrupar informacin utilizando el mtodo de Tukey y una confianza de 95%
factores
Mecanico
Electrnico
Elctrico

N
205
179
116

Media
1052.7
1041.5
711.2

Agrupacin
A
A
B

Las medias que no comparten una letra son significativamente diferentes.

En el grafico se puede observar que:

Para la diferencia de medias mecnico elctrico el cero se encuentra
en el intervalo, por lo tanto las medias son iguales, sin embargo para la
diferencia de medias entre electrnico elctrico y mecnico elctrico
el cero no se encuentra en el intervalo, por lo tanto las medias entre los
mencionados no son iguales.
Por lo tanto
Elctrico

Electrnico

Mecnico

No hay diferencias significativas entre electrnico y elctrico y mecnico

y elctrico. Se recomienda usar Mecnico - Electrnico ya que presentan
menor costo de reparacin por el tipo de falla.
Objetivo 11
Se desea investigar las edades de los operarios en las diversas plantas.

CHIMBOTE ICA

LIMA TACNA

27

39

24

31

27

27

28

40

21

38

33

37

35

36

18

26

28

39

22

24

40

29

23

32

29

24

32

28

39

21

34

31

40

19

36

24

35

34

27

36

Evaluamos los supuestos:

Normalidad de errores
H0: Los errores se distribuyen normalmente
H1: Los errores no se distribuyen normalmente

p-valor = 0.150 > 0.05

Decisin: No se rechaza Ho
Conclusin: Con un nivel de significacin del 5% se asume que los errores
se distribuyen normalmente.

Homogeneidad de varianzas
H_0: Las variancias son iguales
H_1: Las variancias no son iguales
Test for Equal Variances: Edad vs Fabricas
Multiple comparison intervals for the standard deviation, = 0.05
Multiple Comparisons
P-Value

0.607

Levenes Test
P-Value

0.367

Fabricas

10

11

12

13

If intervals do not overlap, the corresponding stdevs are significantly different.

P-valor = 0.367 > 0.05

Decisin: No se rechaza Ho
Conclusin: Con un nivel de significacin del 5%. se asume la
homogeneidad de varianzas.

Realizamos el Anlisis de varianza del DCA

Ho: _1=_2=_3=_4
H1: No todas las son iguales

P-valor= 0.485 <= 0.05 No se rechaza la H0

Conclusin: Con un nivel de significacin del 5% podemos afirmar que no
hay diferencias significativas. Es decir, son homogneas. De esta forma,
se puede afirmar que las varianzas y las medias entre las fbricas son
similares.
7. Diseo por bloques
Objetivo 12:
Se desea calcular el costo de evaluacin de la falla generado por los tres
tipos de fallas. Dado que el tiempo de evaluacin de la falla puede
afectar el costo, se ha decidido utilizar un diseo aleatorio de bloques, que
permita controlar el efecto del tempo de evaluacin.
FACTOR
BLOQUE
VARIABLE RESPUESTA

Tipos de falla
Tiempo de evaluacin de la falla
Costo de evaluacin de la falla

Homogeneidad de varianzas
H0: Las varianzas son homogneas
H1: Las varianzas son heterogneas
EstadsticaMtodo
de prueba

Valor p

Comparaciones mltiples
Levene

0.083

0.61

0.837

Como P valor= 0837 > alfa= 0.05. No se Rechaza H0. Se puede concluir al
5% de significacin que las varianzas son homogneas.
Normalidad de errores
H0: Los errores se distribuyen normalmente
H1: Los errores no se distribuyen normalmente

Como P valor = 0.010 < 0.05. Se Rechaza H0 . Se puede concluir al 5% de

significacin que los errores no se distribuyen normalmente.

Proporcionan los datos suficiente evidencia que indique que el

tiempo afecta el costo de evaluacin

H0: Los tiempos generan el mismo costo de evaluacin

H1: Los tiempos no generan el mismo costo de evaluacin

Anlisis de Varianza
Fuente

GL

SC Ajust.

MC Ajust.

Valor F

Valor p

Tiempo

7021

1170.11

2.91

0.008

tipo

195

97.62

0.24

0.784

491

197169

401.57

1195

238.90

0.59

0.706

486

195975

403.24

499

204519

Error
Falta de ajuste
Error puro
Total

Como P valor= 0.008 < 0.005. Se Rechaza H0 . Se puede concluir con un 5%

de significacin que los tiempos no generan el mismo costo de evaluacin.

Comparaciones mltiples

Agrupar informacin utilizando el mtodo de Tukey y una confianza de

95%
tiempo

Media

Agrupacin

2.30

67

137.053

2.00

114

133.719

1.60

57

133.378

1.10

134

132.988

2.50

91

131.448

1.50

36

122.417

1.00

90.745

B
A

Las medias que no comparten una letra son significativamente

diferentes.

Se puede concluir que el tiempo 2.30 genera mayor costo de evaluacin

y el tiempo 1.50 genera el menor costo de evaluacin. Mientras que los
dems tiempos presentan medias similares.

8. Diseo experimental con dos factores

Objetivo 13: Un ingeniero sospecha que en el costo de evaluacin de la falla
de las reas de produccin influyen el tiempo de evaluacin y el tipo de falla.
Entonces selecciona una muestra de 500 productos. Con un nivel de
significacin de 5%.
VARIABLE RESPUESTA= Y

Costo de evaluacin

FACTOR A : Primer factor

Tipo de falla

FACTOR B: Segundo factor

Tiempo de evaluacin

Homogeneidad de varianzas
Ho: Las varianzas son homogneas
H1: Las varianzas son heterogneas
Pruebas
De prueba

Comparaciones mltiples
Levene

Estadstica

Mtodo

0.063

1.13

0.339

Valor p

Como P valor = 0.339 > Alfa= 0.05 No se rechaza Ho. Con un nivel de
significacin del 5%, las varianzas son Homogneas.

Prueba de normalidad de errores:

Ho: Los errores se distribuyen normalmente.
H1: Los errores no se distribuyen normalmente.

Como Pvalor = 0.010 < 0.05. Se rechaza Ho. Se puede concluir al 5% de

significacin, los errores no se distribuyen normalmente.

Pruebe si existe algn efecto significativo debido a la interaccin del tipo

de falla y el turno de falla.

Ho: No hay interaccin entre el tipo de falla y el turno de falla en relacin a las
horas de parada.
H1: Hay interaccin entre el tipo de falla y el turno de falla en relacin a las horas
de parada.
Anlisis de Varianza
Fuente

GL

SC Ajust.

MC Ajust.

Valor F

Valor p

Factor B

13.77

6.887

2.14

0.119

Factor A

8.83

4.417

1.37

0.254

Factor B*Factor A

11.21

2.802

0.87

0.481

Error

491

1578.69

3.215

Total

499

1610.45

Como P valor = 0.481 > 0.05 .No se rechaza Ho. Se puede concluir Al 5% de
significacin, no existe interaccin entre el tipo de falla y el turno de falla en
relacin a las horas de parada.

Objetivo 14: El ingeniero del rea de mantenimiento sospecha que en el terminado de

colchones influyen el tipo de motor y la marca del producto. Entonces selecciona las tres
marcas de colchones, Colors Evolution, Loft Royal Organic y Resort Collection y los tres
tipos de motores. A un nivel de significacin del 5%.

VARIABLE RESPUESTA= Y
FACTOR A: Primer factor
FACTOR B: Segundo factor

Terminado de colchones
Marca del producto
Tipo de Motor

a) Homogeneidad de varianzas
Ho: Las varianzas son homogneas en los 3 grupos.
H1: Las varianzas son heterogneas en los 3 grupos.
Pruebas
Mtodo

Estadstica
de prueba

Comparaciones mltiples
Levene

Valor p

0.480

0.41

0.902

Como Pvalor = 0.902 > 0.05. No se rechaza Ho. Se puede concluir con un nivel de
significacin del 5%, que las varianzas son Homogneas.

b) Prueba de Normalidad de errores

Ho: Los errores se distribuyen normalmente.
H1: Los errores no se distribuyen normalmente.

Como
0.150 > 0.05 (Valor
prueba = 0.101). No se rechaza Ho

Pvalor =
de
la

Conclusin: Al 5% de significacin, los errores se distribuyen normalmente.

Por lo tanto, se cumplen los dos supuestos del modelo.
c) Se desea probar si existe algn efecto significativo en el terminado de
colchones debido a la interaccin entre el tipo de motor y la marca del
producto.
Ho: No hay interaccin entre el tipo de motor y la marca del producto en
relacin al terminado de colchones.
H1: Hay interaccin entre el tipo de motor y la marca del producto en relacin
al terminado de colchones.
Anlisis de Varianza

Fuente

GL

SC Ajust.

MC Ajust.

Valor F

Valor p

MARCAPRODUCTO

168.52

84.259

21.06

0.000

TIPOMOTOR

246.52

123.259

30.81

0.000

MARCAPRODUCTO*TIPOMOTOR

571.04

142.759

35.69

0.000

Error

18

72.00

4.000

Total

26

1058.07

Como P valor = 0.000 < 0.05. Se rechaza Ho.

Conclusin: Al 5% de significacin, existe interaccin entre el tipo de motor y la
marca del producto en relacin al terminado de colchones.

d) Comparaciones mltiples (mtodo Tuckey)

Agrupar informacin utilizando el mtodo de Tukey y una
confianza de 95%

TIPOMOTOR*MARCAPRODUCTO

Media

Agrupacin

A CoEvol

72.6667

B ReColl

69.6667

C CoEvol

67.6667

A LROrga

67.6667

B LROrga

65.3333

A ReColl

60.0000

B CoEvol

60.0000

C LROrga

59.0000

C ReColl

52.3333

D
E

Las medias que no comparten una letra son significativamente

diferentes.

Conclusin. (Fijando el tipo de motor)

Si se desea tener un mejor terminado de colchones se sugiere:
- Con el tipo de motor A, una marca de producto de CoEvol o LROrga.
- Con el tipo de motor C, una marca de producto de CoEvol.
- Con el tipo de motor B, una marca de producto ReColl o LROrga.

Objetivo 15: Uno de los operarios de la empresa Dream Peru hizo una

revisin general y tiene una duda acerca de las horas de parada por
equipo averiado y la planta de produccin. De esta manera, el prueba
con cuatro plantas de produccin, Chimbote, Ica, Lima y Tacna
respectivamente. Asimismo, prueba con equipo averiado como calderos,
cortador, motor, moto reductora, sensores, tarjetas electrnicas,
trensaresortes. A un nivel de significacin del 5%, usaremos directamente
la base de datos.
a. Verificaremos si se cumplen los supuestos necesarios para validar
los resultados

VARIABLE RESPUESTA= Y
FACTOR A : Primer factor

Horas de parada
Horas de parada: calderos, cortador,
motor, moto reductor, sensores, tarjetas
electrnicas, trensaresortes
Planta de Produccin: Chimbote, Ica,
Lima y Tacna

FACTOR B: Segundo factor

PRUEBA DE VARIANZAS IGUALES

Las hiptesis para la prueba de varianzas son:
Ho: Las varianzas son homogneas
H1: Las varianzas son heterogneas
Pruebas
Mtodo
Comparaciones mltiples
Levene

Estadstica
de prueba

0.56

Valor p
0.695
0.975

Conclusion: Como Pvalor = 0.975>0.05, tomamos la decisin de No

rechazar Ho, por lo tanto, con un nivel de significacin, las varianzas son
Homogeneas.

PRUEBA DE NORMALIDAD DE ERRORES

Las hiptesis para la prueba de normalidad de errores son:
Ho: Los errores se distribuyen normalmente.
H1: Los errores no se distribuyen normalmente.

Conclusion: Pvalor= 0.010<0.05 ( valor de prueba = 0.059), entonces

Rechazamos Ho, por lo tanto, a un nivel de significacin del 5%, los errores
no se distribuyen normalmente, eso quiere decir que no se cumplen los dos
supuestos del moledo

b. Luego probaremos si existe algn efecto significativo en las horas

de paradas de los colchones debido a la interaccion entre la
planta de produccin y el equipo averiado. Para esto, realizaremos
todas las pruebas necesarias.
Anlisis de Varianza
Fuente
Valor p
PLANTA DE PRODUCCION
0.760
EQUIPO AVERIADO
0.358
PLANTA DE PRODUCCION*EQUIPO AVERIADO
0.910
Error
Total

GL

SC Ajust.

MC Ajust.

Valor F

3.83

1.278

0.39

25.35

3.621

1.11

21

42.20

2.009

0.61

468
499

1533.10
1610.45

3.276

ANALISIS DE INTERACCION
Ho: No hay interaccin entre el equipo averiado y la planta de
produccin en relacin al terminado superficial.
H1: Hay interaccin entre el equipo averiado y la planta de produccin
en relacin al terminado superficial.
Pvalor = 0.910 > 0.05 , entonces se No Rechaza Ho. Con un nivel de
significacin del 5%, no hay interaccin entre el equipo averiado y la
planta de produccin en relacin al terminado superficial.

9. Analisis de regresin lineal simple y no lineal

OBJETIVO 16: Encontrar un modelo que relacione la experiencia de los operarios
limeos en base a la edad de este mismo con un nivel de significacin del 0.05.
Asimismo, estimar la experiencia en aos de un trabajador que tiene 28 aos de
edad con un intervalo de prediccin del 95%. Para ello, se toma 21 muestras de
la poblacin de Lima de forma aleatoria.
1. Muestras aleatorias
EDAD DEL
OPERADOR
(x)

EXPERENCIA
OPERADOR
(y)

24
28
33
18
22
23
32
28
39
25
39
37
20
22
37
28
22
40
18
40
30

1.8
2.3
6.5
1.0
2.7
2.6
4.6
3.8
10.5
3.4
6.7
7.5
2.3
1.8
6.1
2.6
2.4
8.3
2.0
10.6
9.5

LNExperiencia

0.5878
0.8329
1.8718
0.0000
0.9933
0.9555
1.5261
1.3350
2.3514
1.2238
1.9021
2.0149
0.8329
0.5878
1.8083
0.9555
0.8755
2.1163
0.6931
2.3609
2.2513

Hallando el coeficiente de determinacin

EXPERENCIA OPERADOR (y)

12

y = 0.3562x - 5.5483
R = 0.7592

10
8

y = 0.0077x2 - 0.0981x + 0.7314

R = 0.7713

y = 0.0018x2.295
R = 0.8099

y = 0.3667e0.0812x
R = 0.8115

2
0
0

10

20

Ecu
lineal
potencial
cuadrtica
exponencial

30

R2
75.92
80.99
77.13
81.15

40

50

prioridad
4
2
3
1

Se escoge como primer modelo, la regresin exponencial ya que tiene el R2

ms alto de las dems regresiones.
Verificacin del modelo exponencial
Verificacin de supuestos
Prueba de normalidad
Pvalor > 0.05, Con un nivel de significacin de 5%, se puede concluir que los
errores tienen una distribucin normal.

Prueba de Auto correlacin

Durbin-Watson Statistic = 1.54749

No existe auto correlacin entre los residuos. Se cumple ambos supuestos

Anlisis del modelamiento

Analisis de Varianza
Source

DF

Adj SS

Adj MS

F-Value

P-Value

7.5564

7.55639

81.82

0.000

7.5564

7.55639

81.82

0.000

19

1.7548

0.09236

11

1.1384

0.10349

1.34

0.345

0.6165

0.07706

20

9.3112

Regression
EDADOPERADOR (x)
Error
Lack-of-Fit
Pure Error
Total

Resumen del modelo

S

R-sq

R-sq(adj)

R-sq(pred)

0.303906

81.15%

80.16%

77.68%

Coeficientes
Term
Constant
EDADOPERADOR (x)

Coef

SE Coef

T-Value

P-Value

-1.003

0.267

-3.76

0.001

0.08123

0.00898

9.05

0.000

Ecuacion de Regresion
LNExperiencia = -1.003 + 0.08123 EDADOPERADOR (x)

VIF

1.00

10. Anlisis de regresin lineal multiple