NAID-532 Gestión de La Calidad: Administración Industrial Semestre V

Gestión de la Calidad
NAID-532
Gestión de la
Calidad
Administración Industrial
Semestre V
EJERCICIO N° 1
Identificación de productos de buena calidad
I.- CALIDAD PERCIBIDA O SUBJETIVA

La que, de forma real o no, espera o percibe el comprador de un producto o servicio.
Dicho de otra forma, la calidad que la empresa hace “creer” a su cliente que tiene el
producto que oferta.
En la mayor parte de los casos es la calidad que nos lleva a realizar una compra, pues
no tenemos todos los elementos técnicos para conocer si estamos tomando la decisión
correcta en todo lo que adquirimos. Ejemplo:
– Comprando en el supermercado
Vas a comprar naranjas y tienes 3 posibilidades de compra, para tomar la decisión
puedes saber el origen de las mismas, la categoría, el precio y poco más para comparar.
Al final con esos tres elementos decides la compra, teniendo muy en cuenta que percibes
mejor la que tiene un precio más elevado.
Ahora quieres un cepillo de dientes, puedes ver lo que se te promete en su packaging y

mirar dentro del blíster para intentar adivinar la calidad, pero no es suficiente en ningún
Administración Industrial 1
caso para acertar. De nuevo la marca y también el diseño del producto hacen que tomes
una decisión de compra en base a la calidad percibida.
✓ Calidad objetiva
Es aquella que tiene en realidad, basándonos en los verdaderos atributos que atesora
el producto o servicio.
Los materiales en los que está construido, el proceso de fabricación, especificaciones
técnicas, estándares ISO que cumple y las funcionalidades que ofrece de forma
general… son elementos objetivos y tangibles que afectan a la calidad objetiva.
Podríamos pensar que cuando un fabricante nos ofrece una garantía en un producto más
prolongada en el tiempo es un mejor producto pues “no se arriesgarían a dar garantía
tan elevada” si no fuera a duran sin problemas el ingente año que ofrecen o incluso nunca
se atreverían a ofrecer garantía de por vida. Pero eso no es una calidad objetiva, es un
condicionante para modificar el comportamiento de cara a una posible compra, es decir
para mejorar la calidad percibida, nunca es la calidad objetiva de un producto o servicio.
1.- RESOLVER:
Ejercicio: Explicar cómo trabaja la calidad objetiva y subjetiva, de los productos

que ofrece una empresa de tu elección.
II.- ¿CÓMO DIFERENCIAR LA DISTRIBUCIÓN NORMAL, BINOMIAL Y DE POISSON?
❖ DISTRIBUCION NORMAL:
Generalmente te dice que la distribución es normal, características de estos problemas,
además de tener como dato la media y la desviación estándar.
❖ DISTRIBUCION BINOMIAL:
Se presentan las características de una distribución binomial, que son que el experimento
tenga dos resultados, adicionalmente la probabilidad se mantiene fija, es un dato del
problema; tanto la de acertar como la de fallar.
❖ DISTRIBUCION DE POISSON:
Cuando la variable aleatoria es discreta, esto ya indica que se está en presencia de una
distribución de Poisson. Por ejemplo, se pueden encontrar variables como "número de
camiones que tiene accidente" o "números de llamadas a una central"
En este tipo de experimentos los éxitos buscados son expresados por unidad de
área, tiempo, pieza, etc., por ejemplo:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.
EJERCICIOS
a). Sea X=número de preguntas contestadas correctamente en el test de un total de 10
preguntas. Calcular las probabilidades de contestar:
a) cinco preguntas correctamente
b) uno ó más preguntas correctamente
c) cinco o más preguntas correctamente
d) entre 3 y 6 preguntas correctamente.
Solución:
n=10
p=p(éxito)=p (pregunta contestada correctamente) =0.5, por tanto, p permanece
constante.
Asumiendo independencia entre las contestaciones de las preguntas, obtenemos

que X~ b (10,0.5).
Entonces:
a) P(x=5) =b (x=5, n=10, p=0.5)
b) P(X≥1) =1-P(X<1) =1-P(X=0) =1-b (x=0, n=10, p=0.5).
c) P(X≥5) =1-P(X<5) =1-P(X≤4) =1-B (x≤4, n=10, p=0.5).
d) P(3≤x≤6) = B (x≤6; n=10, p=0.5)-B (x≤2; n=10, p=0.5)
Usando las tablas binomiales, obtenemos los resultados siguientes:

a) b (x=5, n=10, p=0.5) = 0.2461
b) 1-b (x=0, n=10, p=0.5) = 1 – 0.0010= 0.9990
c) 1-B (x≤4, n=10, p=0.5) = 1 –[0.0010+0.0098+0.0439+0.1172+0.2051]=1-
0.3770=0.6230
d) B (x≤6; n=10, p=0.5)-B (x≤2; n=10, p=0.5) =0.2051+0.2461+0.2051+0.1172=0.7735
b) Una empresa electrónica observa que el número de componentes que fallan antes de
cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el
número
promedio de estos fallos es ocho,
1. ¿cuál es la probabilidad de que falle un componente en 25 horas?
2. ¿y de que fallen no más de dos componentes en 50 horas?
3. ¿cuál es la probabilidad de que fallen por lo menos diez en 125 horas?
Solución:
Usando las tablas estadísticas de Poisson
Sea la variable aleatoria X, con distribución de Poisson con parámetro λ = [X] = 8, que
determina el número de componentes que fallan antes de cumplir 100 horas de
funcionamiento.
1. Considerando que se cumplen ciertas condiciones de regularidad, podemos asumir
que una variable Z que mide el número de componentes que fallan antes de cumplir
25 horas de
funcionamiento sigue una distribución de Poisson con parámetro λZ = 2. Por lo tanto,
la probabilidad deseada es la siguiente:
P (Z=1; λ=2) = 0.2707
2. Análogamente, definimos una variable aleatoria U con distribución de Poisson de
parámetro λU = 4, que mide el número de componentes que fallan antes de cumplir

las 50 horas de funcionamiento. Se tiene entonces que:
P (U≤2; λ=4) =0.0183 + 0.0733 + 0.1465 = 0.2381
3. De la misma forma, definiendo una variable aleatoria V con distribución de Poisson

de parámetro λV=10 se obtiene:
P (V≥10; λ=10) =
1 – P (V<10; λ=10) =1 - [0.0000+ 0.0005 + 0.0023 + 0.0076 + 0.0189 +
0.0378 + 0.0631+ 0.0901 + 0.1126 + 0.1251]
=1-0.4580 =0.5420.
2. RESOLVER:
1. Un ingeniero que labora en el departamento de control de calidad de

una empresa eléctrica, inspecciona una muestra al azar de 10
alternadores de un lote. Si el 20% de los alternadores del lote están
defectuosos. Cuál es la probabilidad de que, en la muestra,
a) ninguno esté defectuoso,

b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos
e) no más de tres estén con defectos
2. Supongamos que el número de imperfecciones en un alambre delgado

de cobre sigue una distribución Poisson con una media de 2.4
imperfecciones por milímetro.
a) Determine la probabilidad de 2 imperfecciones en un milímetro de
alambre.
b) Determine la probabilidad de 10 imperfecciones en 5 milímetros de
alambre.
c) Determine la probabilidad de al menos una imperfección en 2 mm de
alambre
III.- GRÁFICOS DE CONTROL
La galga de los platinos es una característica clave para su buen funcionamiento. La

tabla siguiente recoge medidas de 20 muestras de tamaño 5. Construir los gráficos de
control:
SOLUCIÓN:
Dispongamos los cálculos en la tabla siguiente:
Métodos recorridos: A2= 0,577 D3= 0 D4= 2,115

Gráfico de medias:
LCS= 0,008 + 0,577x0,002 = 0,0094
LC= 0,008
LCI= 0,008 - 0,577 x0,002 = 0,0066
Gráfico de recorridos:
LCS= 2,115x0,002 = 0,005
LC= 0,002
LCI= 0,000x0,008 = 0,000
En las figuras siguientes se representan el gráfico de medias y el de recorridos.
Método s* A3= 1,427 B3= 0 B4= 2,089

Gráfico de medias:
LCS= 0,008 + 1,427x0,0024 = 0,0114
LC= 0,008
LCI= 0,008 - 1,427x0,0024 = 0,0045
Gráfico s*
LCS= 2,089x0,0010 = 0,0020
LC= 0,0010
LCI= 0,000x0,0010 = 0,0000
Método s A1= 1,596 B3= 0 B4= 2,089

Gráfico de medias:
LCS= 0,008 + 1,596x0,0009 = 0,0093
LC= 0,008
LCI= 0,008 - 1,596x0,0009= 0,0066
Gráfico s
LCS= 2,089x0,0009 = 0,0018
LC= 0,0009
LCI= 0,000x0,0009 = 0,0000
3.- RESOLVER:
• Calcular los límites de control
Se ha encontrado que una carta de control de las proporciones de lámparas defectuosas

es más adecuada para este análisis. También se ha determinado realizar el muestreo
con subgrupos de tamaño variable, por lo que se ha optado por llevar a cabo el análisis
con una carta de control p.
Después de 30 días se han obtenido los siguientes datos. También se ha encontrado
que en los días 4, 18 y 19 se dió un número anormal de unidades defectuosas, lo cual
parece deberse a problemas con la cablería.
Núm de Núm Núm de Proporción de Núm de Núm Núm de Proporción de

subgrupo inspeccionado No-conformidades No-conformidades subgrupo inspeccionado No-conformidades No-conformidades
(n) (d) (p) (n) (d) (p)
1 920 13 0.014 16 981 17 0.017
2 893 4 0.004 17 976 13 0.013
3 849 3 0.004 18 908 25 0.028
4 789 22 0.028 19 837 25 0.030
5 802 13 0.016 20 967 15 0.016
6 910 6 0.007 21 852 7 0.008
7 938 12 0.013 22 756 19 0.025
8 976 19 0.019 23 935 12 0.013
9 936 2 0.002 24 929 9 0.010
10 857 17 0.020 25 996 16 0.016
11 820 4 0.005 26 1005 4 0.004
12 853 12 0.014 27 842 9 0.011
13 947 4 0.004 28 916 18 0.020
14 930 21 0.023 29 1010 19 0.019
15 847 6 0.007 30 854 4 0.005

NAID-532 Gestión de La Calidad: Administración Industrial Semestre V

Cargado por

Copyright:

Formatos disponibles

NAID-532 Gestión de La Calidad: Administración Industrial Semestre V

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

NAID-532 Gestión de La Calidad: Administración Industrial Semestre V

Cargado por

Copyright:

Formatos disponibles

Gestión de la Calidad

I.- CALIDAD PERCIBIDA O SUBJETIVA

Ahora quieres un cepillo de dientes, puedes ver lo que se te promete en su packaging y

Ejercicio: Explicar cómo trabaja la calidad objetiva y subjetiva, de los productos

II.- ¿CÓMO DIFERENCIAR LA DISTRIBUCIÓN NORMAL, BINOMIAL Y DE POISSON?

Asumiendo independencia entre las contestaciones de las preguntas, obtenemos

Usando las tablas binomiales, obtenemos los resultados siguientes:

2. Análogamente, definimos una variable aleatoria U con distribución de Poisson de

parámetro λU = 4, que mide el número de componentes que fallan antes de cumplir

3. De la misma forma, definiendo una variable aleatoria V con distribución de Poisson

1. Un ingeniero que labora en el departamento de control de calidad de

a) ninguno esté defectuoso,

2. Supongamos que el número de imperfecciones en un alambre delgado

III.- GRÁFICOS DE CONTROL

La galga de los platinos es una característica clave para su buen funcionamiento. La

Métodos recorridos: A2= 0,577 D3= 0 D4= 2,115

Método s* A3= 1,427 B3= 0 B4= 2,089

Método s A1= 1,596 B3= 0 B4= 2,089

Se ha encontrado que una carta de control de las proporciones de lámparas defectuosas

Núm de Núm Núm de Proporción de Núm de Núm Núm de Proporción de

También podría gustarte