1. ¿Qué es un proceso?

Un proceso es un conjunto de actividades interrelacionadas o que interactúan, las cuales

transforman insumos (materias primas, información, energía) en productos o servicios.
Cada proceso tiene entradas (inputs) y genera salidas (outputs) que pueden ser tangibles
o intangibles. Un proceso también puede incluir recursos, equipos, métodos y personal
involucrado.
2. ¿Qué es calidad?
La calidad es el grado en que un conjunto de características inherentes de un producto o
servicio cumple con los requisitos establecidos o con las expectativas del cliente. Desde el
punto de vista de control de calidad, se refiere a la capacidad de un proceso para producir
productos o servicios que sean conformes con las especificaciones y estándares.
3. ¿A qué nos referimos cuando hablamos de las 6M?
Las 6M son las seis principales categorías de causas que pueden afectar la calidad de un
proceso. Estas son:
• Materiales: La calidad de las materias primas o componentes.
• Métodos: Los procedimientos y procesos utilizados.
• Maquinaria: El estado y capacidad de las máquinas y equipos utilizados.
• Mano de obra: Las habilidades, formación y desempeño de los trabajadores.
• Mediciones: La precisión y exactitud de los instrumentos de medición.
• Medio ambiente: Las condiciones ambientales como temperatura, humedad y
limpieza.
4. ¿Por qué se considera importante el control estadístico de la calidad?
El control estadístico de la calidad es importante porque permite monitorear y controlar un
proceso para asegurar que las salidas sean consistentes y conformes a las
especificaciones. Mediante el uso de herramientas estadísticas, es posible identificar y
reducir la variabilidad, lo que mejora la calidad del producto o servicio y reduce los costos
asociados con errores, retrabajos o defectos.
5. Explique en qué consiste el ciclo de calidad o PHVA
El ciclo de calidad o PHVA (Planificar, Hacer, Verificar, Actuar) es un enfoque sistemático
para la mejora continua de procesos. Consiste en:
• Planificar: Identificar un problema, recopilar datos y planear una solución.
• Hacer: Implementar el plan a pequeña escala para probar su efectividad.
• Verificar: Medir y analizar los resultados obtenidos para comprobar si se
cumplieron los objetivos.
• Actuar: Si el plan fue exitoso, implementarlo a gran escala; si no lo fue, ajustar y
repetir el ciclo.
6. Del Capítulo II, páginas 35-39 del Libro “Control Estadístico de la Calidad y Seis
Sigma”, contestar las preguntas y ejercicios: 1, 2, 3, 8, 10, 12, 13, 15, 16
Capítulo II, Preguntas:
Pregunta 1: Con sus palabras y apoyándose en gráficas, conteste los siguientes
incisos:
a) ¿Qué es la tendencia central y qué es la variabilidad de un proceso o unos datos?
Tendencia central: Es el valor alrededor del cual tienden a agruparse los datos de un
conjunto. Representa el "centro" o valor promedio del proceso o de los datos. Las
medidas más comunes de tendencia central son la media, la mediana, y la moda. En
términos de un proceso, la tendencia central nos dice dónde están concentrados los
valores producidos.
Variabilidad: Es la medida de la dispersión o el grado en el que los datos se desvían de la
tendencia central. Indica cuán dispersos o compactos están los valores respecto a la
media. Las medidas más comunes de variabilidad son la desviación estándar y el rango.
La variabilidad refleja la consistencia del proceso: un proceso con baja variabilidad es más
consistente y produce resultados más uniformes.
b) Represente de manera gráfica y mediante curvas de distribución, dos procesos con la
misma variabilidad, pero diferente tendencia central.

c) Elabore la gráfica de dos procesos con la misma media, pero diferente dispersión.
d) Represente dos procesos cuya forma de distribución sea diferente.

Pregunta 2: Si una característica de calidad debe estar entre 30 ± 2, y se sabe que

su media es μ = 29.9; entonces, ¿se tiene buena calidad, se cumple con las
especificaciones?
Para responder a esta pregunta, primero debemos verificar si la media del proceso (29.9)
se encuentra dentro del rango de especificación, que va de 28 a 32 (30 ± 2). Como la
media es 29.9, efectivamente se encuentra dentro del rango de especificación, por lo que
se cumple con las especificaciones. Sin embargo, para afirmar que se tiene buena
calidad, no solo la media debe estar dentro del rango, sino que también debe
considerarse la variabilidad (dispersión) del proceso. Si la variabilidad es baja y la mayoría
de los datos se encuentran cerca de la media, entonces se puede considerar que el
proceso tiene buena calidad. Si la variabilidad es alta, aunque la media esté dentro del
rango, podrían producirse productos fuera de especificación, lo que afectaría la calidad.
Pregunta 3: ¿De qué manera afectan los datos raros o atípicos a la media? Explique
su respuesta.
Afectan de manera drástica ya que al mostrarse un dato atípico este nos da la
desconfianza de que la medición de una muestra o una población no es certera, por lo
cual al tener más de uno se manda a medición, estos afectan directamente en la media ya
que al tener datos atípicos la media no mostrara un dato claro ya que este puede salir de
los parámetros establecidos, por lo que esta tendría mucha variación en comparación con
la mediana y moda por lo cual pierde representatividad
Pregunta 8: De acuerdo con cierta norma, a una bomba de gasolina en cada 20 L se
le permite una discrepancia de 0.2 L. En una gasolinera se hacen revisiones
periódicas para evitar infracciones y ver si se cumplen las especificaciones (EI =
19.8, ES = 20.2). De acuerdo con los resultados de 15 inspecciones para una bomba
en particular, la media y la desviación estándar de los 15 datos son 19.9 y 0.1,
respectivamente. De acuerdo con esto, ¿se puede garantizar que la bomba cumple
con la norma? Argumente su respuesta
La bomba no cumple con las especificaciones que marca la norma, por lo tanto, el proceso
es inadecuado. Los límites que se representan en la gráfica anterior nos muestran que el
proceso es inadecuado por la izquierda.

Pregunta 10: Dos máquinas, cada una operada por una persona, son utilizadas para
cortar tiras de hule, cuya longitud ideal es de 200 mm, con una tolerancia de ± 3
mm. Al final del turno un inspector toma muestras e inspecciona que la longitud
cumpla especificaciones. A continuación, se muestran las últimas 110 mediciones
para ambas máquinas.

a) Obtenga las medidas de tendencia central y con base en ellas señale si la

tendencia central del proceso es adecuada.
Al realizar el análisis de los datos y calcular su promedio, mediana y moda nos pudimos dar
cuenta de que estos datos están muy cercanos a la longitud ideal de las tiras de hule, la cual
es de 200 mm. El promedio esta solo 0.93 mm arriba de la medida ideal, lo cual representa
que la variación no es muy notable. De igual modo la mediana tiene un valor de 201
demuestra que la distribución esta 40% por arriba del valor y un 60% por debajo del valor y el
valor más frecuente es representado por la moda la cual tiene un valor de 201 mm donde
también entra en el parámetro de tendencia central.

b) Calcule la desviación estándar y una aproximación de los límites reales. A

partir de éstos decida si la variabilidad de los datos es aceptable.

Al obtener el coeficiente de variabilidad se puede ver que el valor es 0.3179 obteniendo que
no hay mucha variación entre cortes que realiza la maquina

Pero al observar el límite real superior que es 202.1 y limite real inferior es 199.2 podemos ver
que cumple con las especificaciones porque se encuentra entre el límite soportado el cual es
un rango de +-3mm.

c) Obtenga un histograma e interprételo (tendencia central, variabilidad,

acantilados, sesgos, etc).
 • Tendencia central (media):

La media de la longitud parece estar cerca de 200.93, lo cual está indicado en la curva
normal superpuesta. Esto sugiere que la mayoría de las tiras tienen una longitud en torno
a este valor.

• Variabilidad (desviación estándar):

La desviación estándar es aproximadamente 0.64, lo que indica que las longitudes de las
tiras están distribuidas bastante estrechamente alrededor de la media. Esto implica poca
variabilidad en las longitudes de las tiras de hule.

• Forma del histograma:

El histograma muestra una distribución aproximadamente simétrica, con la mayoría de

los datos concentrados cerca de la media. La curva de distribución normal refleja que los
datos se ajustan bastante bien a una distribución normal.

• Sesgo:

No parece haber un sesgo claro. La simetría del histograma indica que no hay una
inclinación significativa hacia la derecha (sesgo positivo) o hacia la izquierda (sesgo
negativo).

• Acantilados o anomalías:

No se observan "acantilados" ni picos abruptos en el histograma, lo que sugiere que no

hay valores atípicos o distribuciones irregulares significativas.

d) Con la evidencia obtenida antes, cuál es su opinión acerca de lo adecuado o no

de la longitud de las tiras que se cortaron en el periodo que representan las
mediciones. e) Utilizando el sesgo y curtosis estandarizadas, y la evidencia gráfica,
¿qué puede decir respecto a la normalidad de los datos?
En cuanto a la adecuación de la longitud de las tiras de hule, basándonos en la
información proporcionada tanto por el histograma como por los momentos estadísticos,
se puede afirmar que las longitudes son apropiadas para el proceso. La media obtenida,
que es de 200.93 unidades, está muy cercana a los 201, lo que sugiere que las tiras
cortadas se aproximan al valor objetivo esperado de longitud. Esto es un buen indicativo
de que el proceso de corte está produciendo tiras dentro de las especificaciones
esperadas.
Además, la desviación estándar de 0.64 refleja una baja variabilidad en las longitudes de
las tiras, lo que indica que la mayoría de ellas se encuentran bastante cerca de la media.
Este bajo grado de dispersión es una señal positiva en términos de consistencia del
proceso, ya que implica que no hay grandes fluctuaciones en las longitudes de las tiras
cortadas. Asimismo, al observar los valores extremos, el máximo es de 202.10 y el
mínimo es de 199.20, ambos relativamente cercanos a la media, lo que sugiere que no
hay desviaciones significativas o inesperadas en las mediciones.
Respecto a la normalidad de los datos, los indicadores de sesgo y curtosis proporcionan
información útil. El sesgo de -0.50119 indica que la distribución presenta una ligera
inclinación hacia la izquierda. Sin embargo, este valor es relativamente pequeño, lo que
sugiere que la distribución de las longitudes es prácticamente simétrica, sin una
desviación significativa de la normalidad. Por otro lado, la curtosis de 0.09103 está muy
cerca de cero, lo que indica que la distribución tiene una forma mesocúrtica, es decir, no
muestra colas largas ni una concentración excesiva de los datos en la media, lo que
refuerza la hipótesis de que los datos siguen una distribución normal.
Al observar el histograma, también es evidente que los datos se ajustan bastante bien a
una curva de distribución normal. La curva superpuesta sobre el histograma coincide de
manera aceptable con la forma de los datos observados, lo que proporciona una
confirmación visual de la normalidad.
Pregunta 12: En un área de servicios dentro de una empresa de manufactura se
realiza una encuesta para evaluar la calidad del servicio proporcionado y el nivel de
satisfacción de los clientes internos. La encuesta consiste en 10 preguntas, y cada
una de ellas evalúa diferentes aspectos del servicio proporcionado. Las respuestas
para cada pregunta es un número entre 0 y 10. Para hacer un primer análisis de los
resultados obtenidos se suman los puntos obtenidos de las 10 preguntas para cada
cuestionario. A continuación, se muestran los puntos obtenidos en 50
cuestionarios.

Análisis en jump:
 a) Calcule las medidas de tendencia central, de dispersión a los datos
anteriores y dé una primera opinión acerca de la calidad en el servicio.
• Media (Promedio): 59.8
• Mediana: 58.5
• Desviación estándar: 21.12
• Rango intercuartílico (IQR): Entre 40.5 (Q1) y 80.25 (Q3)

La media de 59.8 y la mediana de 58.5 son relativamente similares, lo que sugiere que los
datos están distribuidos de manera simétrica, aunque con una ligera dispersión, como lo
indica la desviación estándar de 21.12. Esto podría indicar que la calidad del servicio es
aceptable, pero con algunas variaciones considerables en las respuestas de los
encuestados. La amplitud del rango intercuartílico sugiere que, aunque la mayoría de los
valores se concentran en torno a la media, hay una dispersión significativa hacia los
extremos, lo que podría indicar diferencias de percepción en la calidad del servicio entre los
usuarios.

b) Realice el histograma e interprételo con cuidado.

El histograma muestra la distribución de los datos con barras en diferentes intervalos de
puntajes de encuesta, desde 20 hasta 100. Los datos parecen tener una forma bimodal, con
concentraciones principales alrededor de los intervalos 30-40 y 80-90. La curva roja
superpuesta indica un ajuste a una distribución normal, aunque el ajuste no es perfecto, lo
que podría sugerir la existencia de más de un grupo o una variabilidad considerable en la
percepción del servicio.

c) ¿Qué es lo más destacado que observa en el histograma?

Lo más llamativo del histograma es la presencia de dos picos claros (bimodalidad), lo que
sugiere que existen dos subgrupos de encuestados con percepciones muy distintas sobre el
servicio. Un grupo percibe el servicio como mediocre (puntuaciones alrededor de 30-40),
mientras que otro grupo lo percibe como de buena calidad (puntuaciones alrededor de 80-
90). Este comportamiento podría indicar diferencias en la experiencia de servicio, lo cual
sería relevante analizar en más detalle.

d) ¿Tendría alguna utilidad hacer un análisis por separado de cada una de las
preguntas? Explique.
Sí, sería útil realizar un análisis separado de cada una de las preguntas de la encuesta. La
bimodalidad observada en los datos puede deberse a la combinación de respuestas que
evalúan diferentes aspectos del servicio. Desglosar los datos por pregunta permitiría
identificar qué áreas del servicio están generando las mayores variaciones en las respuestas.
Esto podría ayudar a entender mejor las fortalezas y debilidades específicas del servicio y a
implementar mejoras más enfocadas.

d) ¿Hay normalidad en los datos? Argumente.

La gráfica de cuantiles normales (QQ plot) indica que los datos no siguen una distribución
normal de manera estricta. Aunque algunos puntos en el gráfico se alinean con la línea
central, especialmente en los rangos intermedios, hay una desviación considerable en los
extremos, lo que sugiere colas más largas de lo que se esperaría bajo una distribución
normal. Además, la curtosis negativa de -1.802 y el sesgo negativo de -0.015 también indican
una desviación de la normalidad. Estos factores sugieren que los datos no son
completamente normales, lo cual es consistente con la forma bimodal observada en el
histograma.

Pregunta 13: En una fábrica de piezas de asbesto una característica importante de

la calidad es el grosor de las láminas. Para cierto tipo de lámina el grosor óptimo es
de 5 mm y se tiene una discrepancia tolerable de 0.8 mm, ya que si la lámina tiene
un grosor menor que 4.2 mm se considera demasiado delgada y no reunirá las
condiciones de resistencia exigidas por el cliente. Si la lámina tiene un grosor
mayor que 5.8 mm, entonces se gastará demasiado material para su elaboración y
elevarán los costos del fabricante. Por lo tanto, es de suma importancia fabricar las
láminas con el grosor óptimo, y en el peor de los casos dentro de las tolerancias
especificadas. De acuerdo con los registros de las mediciones realizadas en los
últimos tres meses se aprecia un proceso con una estabilidad aceptable, el grosor
medio es μ = 4.75, la mediana 4.7, y la desviación estándar σ = 0.45.
a) De acuerdo con la media y la mediana, ¿el centrado del proceso es
adecuado? Argumente.
No, debido a que las piezas se encuentran muy cercanas a los límites inferiores establecidos
y se tiene cierta variabilidad; por lo tanto, el 50% de los datos son de especificación de
espesor inferior.

b) Si considera sólo la media y la mediana, ¿puede decidir si el proceso cumple

con las especificaciones? Explique.
no es posible llegar a una conclusión determinada debido a que no se sabe si éstas cumplen
con las especificaciones de los límites de la lámina. Solo se podría dar un estimado, pero con
alto grado de error para los datos.

c) Calcule los límites reales, haga la gráfica de capacidad y señale si el proceso

cumple con especificaciones. Argumente su respuesta.
0.45
CV= (100)=9.47%
4.75

LRI=x-3S=4.75-3(0.45) =3.4mm

LRS=x-3S=4.75+3(0.45) =6.1mm

EI=4.2mm

ES=5.8mm

Con base al resultado de los límites reales demuestran en los cálculos realizados que las
medidas de los datos están por fuera de los límites establecidos, porque el límite superior
real está más alto que el establecido, y lo mismo pasa con el límite inferior, está muy por
debajo de lo establecido, por lo tanto seria considerable realizar algunos ajustes en su
proceso porque la variación en el grosor es demasiado.

Pregunta 15: En la elaboración de envases de plástico primero se elabora la

preforma, para la cual se tienen varios criterios de calidad, uno de ellos es el peso
de ésta. Para cierto envase se tiene que el peso debe estar entre 28.00 ± 0.5 g. A
continuación, se muestran los últimos 112 datos obtenidos mediante una carta de
control para esta variable
 Análisis en jump:

a) Obtenga las medidas de tendencia central y señale si la tendencia central de

las mediciones es adecuada.

Media: 27.976

Mediana: 27.960

La media es prácticamente igual a la mediana, lo que sugiere que los datos están
distribuidos de manera simétrica y que no hay sesgo significativo. Esto indica que la
tendencia central de las mediciones es adecuada, ya que ambas estadísticas están muy
próximas entre sí y reflejan una distribución normal ajustada.

b) Calcule la desviación estándar y una aproximación de los límites reales y

con base en éstos decida si la variabilidad de los datos es aceptable.
Desviación estándar (σ): 0.14373
Para calcular los límites reales se utiliza la fórmula Lıˊmite superior=Media+3σ\text{Límite
superior} = \text{Media} + 3σLıˊmite superior=Media+3σ y
Lıˊmite inferior=Media−3σ\text{Límite inferior} = \text{Media} - 3σLıˊmite inferior=Media−3σ:

• Límite superior: 27.976 + 3(0.14373) ≈ 28.407

• Límite inferior: 27.976 - 3(0.14373) ≈ 27.545

Con base en estos límites, la variabilidad parece aceptable, ya que los datos dentro de estos
límites cubren la mayoría de las mediciones sin demasiados valores extremos o fuera de
rango.

c) Obtenga un histograma e interprételo (tendencia central, variabilidad,

acantilados, sesgos, etc).
El histograma presenta una distribución que aparenta estar centrada alrededor de la media
(27.976) con cierta simetría, ajustándose bien a una distribución normal (línea roja). No se
observan picos extremos ni "acantilados" significativos. Además, la distribución parece estar
concentrada en un rango estrecho, lo que implica una baja variabilidad.

Sesgo y curtosis:

• Skewness (Sesgo): 0.186

• Curtosis: -0.288861

El sesgo positivo muy pequeño indica que la cola derecha es ligeramente más larga que la
izquierda, pero no es significativo. La curtosis negativa sugiere que los datos son algo más
planos que una distribución normal ideal, pero estas desviaciones no son lo suficientemente
grandes como para preocupar.

d) ¿Es adecuado el peso de las preformas?

Con una media de 27.976 y límites de variabilidad relativamente ajustados, se puede concluir
que el peso de las preformas es adecuado. La variabilidad es baja y la tendencia central está
centrada en un valor que parece adecuado para las especificaciones del peso de las
preformas.

e) ¿Hay evidencias en contra de la normalidad de los datos

El gráfico de cuantiles (QQ plot) muestra que los datos siguen de cerca la línea de
normalidad, aunque algunos puntos en los extremos se desvían ligeramente de la línea. Sin
embargo, dado que la desviación es pequeña y los datos se ajustan bastante bien, no parece
haber evidencia significativa en contra de la normalidad.

Pregunta 16: Una característica clave en la calidad de las pinturas es su densidad, y

un componente que influye en ésta es la cantidad de arenas que se utilizan en su
elaboración. La cantidad de arena en la formulación de un lote se controla por
medio del número de costales, que según el proveedor contienen 20 kg. Sin
embargo, continuamente se tienen problemas en la densidad de la pintura que es
necesario corregir con retrabajo y reprocesos adicionales. En este contexto se
decide investigar cuánta arena contienen en realidad los costales. Para ello se toma
una muestra aleatoria de 30 costales de cada lote o pedido (500 costales).
Los pesos obtenidos en las muestras de los últimos tres lotes se muestran
adelante. Las especificaciones iniciales que se establecen para el peso de los
costales de arena son de 20 ± 0.8 kg.

análisis 90 costales de jump:

a) De acuerdo con los 90 datos, ¿el centrado del proceso es adecuado?

El centrado del proceso es adecuado, pero esta inferior al valor ideal que es 20kg dándonos
en el promedio de 19.56, mediana de 19.6 y moda en un rango de 19.5 a 19.9,si entra en el
rango de especificación pero esta bajo.

b) ¿La variabilidad es poca o mucha? Apóyese en los estadísticos

adecuados.
La variabilidad es moderada, lo que se puede evidenciar en los siguientes estadísticos:

• Desviación estándar (σ): 0.6511 kg. Esto indica una variabilidad razonable pero
perceptible en los datos.
• Coeficiente de variación (CV): 3.3284%. Este valor es bajo, lo que sugiere que, en
proporción al valor promedio, la variabilidad no es excesiva.
Los límites superior e inferior al 95% son de 19.425 kg y 19.698 kg, respectivamente, lo que
indica que la mayoría de los valores están bastante concentrados alrededor del promedio,
aunque siempre por debajo de los 20 kg ideales.

c) Obtenga un histograma para los 90 datos, inserte las especificaciones

e interprételo con detalle.
El histograma muestra una distribución cercana a la normal, con un leve sesgo hacia la
izquierda, es decir, más bolsas tienen un peso inferior a 20 kg. Las especificaciones
pueden estar cerca del valor ideal de 20 kg, pero la distribución de los datos sugiere que
muchas bolsas están por debajo de ese valor, lo cual se refleja en la moda, que está en el
rango de 19.5 a 19.9 kg. Esto refuerza la idea de que, aunque el proceso es consistente,
el peso promedio sigue siendo bajo.
Interpretación:
• Tendencia central: La media y la mediana están cerca del objetivo de 20 kg, pero
ambas son inferiores a este.
• Variabilidad: Como se mencionó antes, la desviación estándar es aceptable, pero
la mayoría de los datos están concentrados alrededor de los 19.5-19.6 kg, lo que
significa que el proceso está centrado por debajo del valor deseado.
• Sesgo: El sesgo es ligeramente negativo, es decir, más datos están por debajo de
20 kg que por encima.
d) Dé su conclusión general acerca de si los bultos cumplen con el peso
especificado.
En conclusión, aunque los bultos cumplen en promedio con un peso razonablemente
cercano a 20 kg, el proceso está centrado ligeramente por debajo de lo deseado. La
variabilidad es aceptable y los datos están bien distribuidos alrededor de la media, pero la
tendencia general es producir bolsas un poco más ligeras de lo especificado. Se podrían
realizar ajustes en el proceso para mejorar el centrado y alcanzar más consistentemente
los 20 kg especificados.
e) Haga un análisis de cada lote por separado y con apoyo de
estadísticos y gráficas, señale si hay diferencias grandes entre los
lotes.
Lote 1:
El histograma representa una mejor visibilidad acerca del lote 1, puesto en él se aprecia
una variabilidad enorme puesto que los valores de 18.5 y 19.5 incurren a los pesos en que
se mantuvo los costales muestreados, por tal motivo presenta un sesgo hacia derecha
Lote 2:

En este histograma se logra interpretar con más visibilidad el comportamiento del lote 2,
debido a que en este lote se observa una distribución normal, ya que sus datos se
encuentran en los parámetros de 18.0 a 20.0, de esta manera se observa que es más
aceptable este lote, pues no existe tanta variabilidad entre los pesos debido a que la
mayoría de los datos se encuentran cerca del peso estandarizado, es decir, 19.5 y 20.
Lote 3:
En el lote 3 de acuerdo con el histograma este representa una distribución normal, ya que
la mayoría de sus datos se encuentran en el estándar de peso establecido por el
proveedor que es 20 Kg.
De esta manera en este modelo es más aceptable porque los costales se encuentran casi
llenos y así no puede afectar tanto en la validad de fabricación de pintura
f) ¿Las diferencias encontradas se podrían haber inferido a partir del
histograma del inciso c)? g) Obtenga un diagrama de caja para cada
lote y compárelos.
Ne, debido que al separar por lotes y analizar los datos de cada uno, se logra
observar que el lote más aceptable, es el lote 3, debido a que sus datos se
encuentran cerca del peso estandarizado por el proveedor, de esta manera se
considera que al realizar la división entre ellos permitió obtener un dato estadístico
más aceptable y más concreto acerca de los pesos de cada costal.

7. Del Capítulo III, páginas 57 y 58 del Libro “Control Estadístico de la Calidad y Seis
Sigma”, contestar las preguntas y ejercicios: 17, 26
Capítulo III, Preguntas:
Pregunta 17: Una máquina realiza cortes de manera automática de ciertas tiras
metálicas con media μ = 40.1 cm y una desviación estándar de 0.2 cm. La medida
óptima de tales tiras debe ser de 40 cm con una tolerancia de más menos 0.5 cm.
Suponiendo distribución normal, estime el porcentaje de las tiras que cumple con
las especificaciones.

Pocedimiento:

Tolerancia:

40+-0.5=(39.5,40.5)
39.5−40.1 40.5−40.1
Z1= =-3 ; Z2= =2
0.2 0.2
Se revisan las tablas :

P(-3<=z<=2)=0.9772-0.0013=0.9759=97.59%
Conclusión:
Se espera por los cálculos ya realizados que el 97.59% de los cortes de las tiras metálicas
este dentro de las especificaciones.

Pregunta 26: El grosor de ciertas placas de metal puede considerarse una variable
aleatoria normal con media μ = 20 mm y una desviación estándar de σ = 0.04 mm.
a) ¿Qué porcentaje de placas defectuosas se esperaría observar si las
especificaciones son [19.95, 20.10]?
Pocedimiento:
Especificacion:

(19.95,20.10)
19.95−20 20.10−20
Z1= =-1.25 ; Z2= =2.5
0.04 0.04

Se revisan las tablas :

En este caso se realiza un promedio que es :0.1059

P(-1.25<=z<=2.5)=0.9938-0.1059=0.8879=88.79%
Conclusión: el porcentaje de las placas que rondan en el grosor que entran en la
especificación seria de 88.79%.
b) ¿Cuánto tendrían que valer las especificaciones para que el
desperdicio fuera a no más de 5%?
Para que el desperdicio no fuera más del 5% debería tener un porcentaje de probabilidad
del 95% usando p=0.025 y p=0.975 distribuyendo ese 5 % deseado para encontrar la
especificación superior y inferior.
Procedimiento:
Z1(p=0.025)=-1.96; Z2(p=0.975)=1.96
Tablas:

En este caso se usa una interpolación:

x=-1.9627

En este caso también se usa interpolación:

X=1.9627
Ahora se aplica la fórmula para obtener las especificaciones, la inferior y superior:
Inferior:
𝑥−20
-1.96= ;x=(-1.96*0.04)+20=19.92
0.04

Superior:
𝑥−20
1.96= ;x=(1.96*0.04)+20=20.0784
0.04
Intervalo de especificacion:

(19.92, 20.0784)

8. ¿Cuándo se dice que un proceso es capaz o hábil?

Un proceso es capaz o hábil cuando puede producir productos o servicios que cumplen
consistentemente con las especificaciones o requisitos establecidos. Esto se evalúa
usando índices de capacidad como Cp y Cpk, que miden la relación entre la variabilidad
del proceso y los límites de especificación. Si Cp o Cpk son mayores a 1.33, se considera
que el proceso es adecuado o capaz.
9. Del Capítulo V, páginas 129-133 del Libro “Control Estadístico de la Calidad y Seis
Sigma”, contestar los ejercicios: 5, 17, 20, 21
Capítulo V, Ejercicios:
Ejercicio 5: Los siguientes datos representan las mediciones de viscosidad de los últimos
tres meses de un producto lácteo. El objetivo es tener una viscosidad de 80 ± 1

Análisis en jump:
 a) Construya una gráfica de capacidad de este proceso (histograma con
tolerancias) y dé una primera opinión sobre la capacidad.

Especificación objetivo:
(79,81)
Limites reales:
(74.59,90.31)
Al observar el histograma en relación con las especificaciones objetivo (79-81) y los
límites reales (74.59-90.31), se puede notar que el proceso está desviado del objetivo. La
mayoría de los datos se agrupan alrededor de una media superior a 81, lo que indica un
claro descentrado hacia el límite superior. Aunque el proceso parece estar dentro de los
límites reales (74.59 y 90.31), una parte significativa de los datos cae fuera del rango
objetivo estrecho (79-81). Esto sugiere que el proceso no es completamente capaz de
cumplir con los requisitos más estrictos y precisos que demanda el objetivo.
 b) Calcule la media y la desviación estándar, y tomando a éstos como
parámetros poblacionales estime los índices Cp, Cpk, Cpm y K, e
interprételos con detalle.
Media:82.45
Desviación estándar: 2.62
Después del cálculo de los parámetros estos son sus valores:
los resultados de los índices de capacidad del proceso:
1. Índice Cp: 1.27(Cp = (ES- EI) / 6ơ)
2. Índice Cpk: 0.95 (Cpk = min[(ES - μ) / 3σ, (μ - EI) / 3σ])
3. Índice Cpm: 0.93 (Cpm = (ES - EI) / 6√(σ² + T²))
4. Índice de desplazamiento K: 0.245=24.5% ((μ - M) / [(ES - EI) / 2])
Interpretación:
Cp: Podemos analizar que el proceso está en Clase o categoría de proceso en 2, lo que
quiere decir que es parcialmente adecuado y necesita un control estricto.
Cpk: El índice de capacidad real es el menor entre el índice de capacidad inferior y el
indice de capacidad superior. Por tanto, el indice de capacidad real del proceso es 0.95
valor que está muy alejado del Cp lo que nos indica que la media del proceso está alejada
del centro de las especificaciones. Se debe corregir el problema de descentrado y se
podrá alcanzar la capacidad potencial indicada por Cp.
Cpm: El proceso no cumple con las especificaciones por problemas de centrado o por
exceso de variabilidad.
K: El proceso está desviado un 24.5% a la derecha del valor nominal. Además, este
resultado nos indica que el centrado del proceso es inadecuado y responsable de la baja
capacidad del proceso para cumplir con las especificaciones. El valor nominal N = 80, es
la calidad objetivo y óptima, cualquier desviación respecto a este valor implica un daño
material dentro de la calidad. Por ello cuando un proceso este descentrado se deben
hacer esfuerzos por centrarlo lo que es más fácil que disminuir la variabilidad.
c) Con base en la tabla 5.2, también estime el porcentaje fuera de
especificaciones.
índice valor % fuera de las Partes por millón
especificaciones fuera
Cp 1.27 0.0318 318.291
Cpi 1.58 0.0003 3.401
Cps 0.95 0.3467 3467.023
Cpi=(media-EI)/3*desvest
Cps=(ES-media)/*desvest
Según el índice de capacidad potencial el 0.0318% está de los datos esta por fuera de las
especificaciones y 318.291 de datos esta por fuera de cada millón.
Según el índice de capacidad superior indica que el 0.3467% esta por fuera de la
especificación del límite superior y 3467.023 de datos esta por fuera de cada millón.
Según el índice de capacidad inferior indica que el 0.0003% está por fuera de la
especificación del límite inferior y 3.401 de datos esta por fuera de cada un millón.
d) ¿Las estimaciones realizadas en los dos incisos anteriores y las
correspondientes estimaciones se deben ver con ciertas reservas? ¿Por
qué?
Porque en las fórmulas para el cálculo de los índices los parámetros que representan la
media, la desviación estándar poblacional, en el ejercicio utilizamos la media muestral que
son estimadores de las dos anteriores respetuosamente. Por lo tanto, los valores de
media, desviación estándar utilizados no son los verdaderos del proceso (son
estimaciones), por lo tanto, los resultados se deben interpretar con cautela.
Ejercicio 17: La longitud de una pieza metálica debe ser de 8 cm ± 40 mm. Para
evaluar la capacidad del proceso se toma una muestra aleatoria sistemática de 48
piezas y las mediciones obtenidas se reportan como las micras que se desvían del
valor nominal:

Análisis en jump:

a) Considerando que las especificaciones son 0 ± 40, obtenga una gráfica de

capacidad (histograma con tolerancias) y haga una evaluación preliminar de
la capacidad del proceso.
Raya naranja: LRI= -39.06 y LRS=34.1925.
Raya azul: EI=-40 y ES=40.

El análisis de los índices muestra que el proceso tiene una capacidad potencial aceptable,
con un Cp de 1.09, lo que indica que el proceso podría producir dentro de los límites de
especificación si estuviera centrado correctamente. Sin embargo, el Cpk de 1.025 sugiere
que, aunque la capacidad es adecuada, el proceso está desviado, como lo refleja el valor
de k = -6.075, que indica un importante descentrado hacia abajo en relación con el valor
objetivo. Este descentrado es la causa principal de la alta tasa de defectos, reflejada en
un PPM de 58,338, lo que significa que el proceso está produciendo una cantidad
significativa de piezas fuera de especificación.
La relación de capacidad (Cr = 0.92) sugiere que el proceso está justo alcanzando los
límites de especificación, pero con poco margen de seguridad, lo que refuerza la
necesidad de ajustes en el centrado. Además, los índices Ppk y Cpk muestran una
similitud, lo que indica que la variabilidad a largo plazo es consistente con la variabilidad a
corto plazo, pero esto no es suficiente para compensar el descentrado. Los valores sigma
(Zs, Zi, Zc, Zl en el rango de 3.07 a 3.47) indican un nivel de calidad aceptable, pero
lejano a los estándares de excelencia como 6 sigma, lo que confirma que hay un
porcentaje significativo de productos defectuosos.
 b) Estime, con un intervalo de confianza de 95%, los índices Cp, Cpk y Cpm, e
interprete cada uno de ellos.
Intervalo de confianza:

IC=1.96(12.21/√𝟒𝟖)=3.45

LCS=-2.43+3.45=1.024

LCI=-2.43-3.45=-5.88

El límite de seguridad calculado, también interpretado como los intervalos de confianza para
la media del proceso, muestra un rango que va desde -5.94174 hasta 1.10894. Esto indica
una considerable incertidumbre sobre la centralidad del proceso, que en promedio se
encuentra desplazado hacia abajo (media de -2.4275) en comparación con el valor nominal
de 0. El rango del intervalo de confianza refleja este descentramiento y sugiere que aunque el
proceso está técnicamente dentro de los límites de especificación, hay una tendencia
marcada hacia la producción de piezas que son menores que el tamaño nominal.

Cp=1.09
indica que el proceso es potencialmente capaz y requiere de un control al aproximarse a
1.
Cpk = 1.03,
indica que el proceso es capaz, se observa que la capacidad potencial y real son casi
similares.
Revisando la tabla se puede denotar que para el Cpk existe solo el 0.27% de defectos
Cpm = 1.07, indica que el proceso es capaz y cumple con las especificaciones (Cpm > 1)
c) ¿Hay seguridad de que la capacidad del proceso es satisfactoria?
Si, debido a los índices de capacidad Cp, Cpk y Cpm calculados, muestran valores que
admiten que el proceso sea capaz bajo el rango de especificación (-40,40)
e) ¿Por qué fue necesario estimar por intervalo?
Es porque permite establecer límites de especificación que son requerimientos de calidad
que se deben de cumplir en el proceso
Ejercicio 20: ¿Qué significa que un proceso tenga un nivel de calidad Tres Sigma?
¿Por qué ese nivel no es suficiente?
Un proceso con un nivel de calidad de Tres Sigma implica que el 99.73% de las salidas
del proceso están dentro de los límites de especificación, lo que equivale a 2,700 partes
defectuosas por millón (PPM). Este nivel de calidad se define estadísticamente como
aquel en el que los límites de especificación se encuentran a tres desviaciones estándar
de la media.Un nivel de calidad de Tres Sigma, aunque aparentemente alto, no es
suficiente en muchos procesos críticos, ya que la cantidad de defectos resultante puede
ser significativa en volúmenes altos de producción o en industrias donde la precisión y la
seguridad son prioritarias.
Por ejemplo, Montgomery señala que procesos con altos volúmenes de producción, como
en la industria automotriz o médica, no pueden permitirse una tasa de defectos de 2,700
PPM debido al impacto que podrían tener estos errores. Es por ello que en muchos casos
se busca alcanzar niveles de Seis Sigma, que corresponden a una tasa de defectos de
3.4 PPM, lo que asegura una mayor calidad y confiabilidad en el proceso. Por lo tanto,
aunque Tres Sigma puede ser adecuado para algunos procesos, en aquellos donde la
tolerancia a los errores es mínima, no es un nivel suficiente de calidad.

Ejercicio 21: Explique cuál es la diferencia entre capacidad de corto y de largo

plazo. ¿Cómo se deben obtener los datos si se quiere estimar capacidad de corto y
largo plazo?
La capacidad a corto plazo mide el rendimiento del proceso bajo condiciones controladas,
considerando solo la variabilidad interna. Se basa en datos recolectados en un período breve
y continuo cuando el proceso está en control. Los índices utilizados son Cp y Cpk.

La capacidad a largo plazo evalúa el rendimiento considerando todas las fuentes de

variabilidad (interna y externa), lo que refleja el comportamiento real del proceso en
operación continua. Se basa en datos recolectados durante un período prolongado, y los
índices utilizados son Pp y Ppk.

Para calcular capacidad a corto plazo, los datos deben obtenerse en condiciones constantes
y controladas; para capacidad a largo plazo, se deben recolectar en diferentes momentos y
bajo condiciones normales de operación.