UNIDAD #2 REMEDIAL
HISTOGRAMA:
https://drive.google.com/file/d/0BzW2zP0ReCkYdjZKNXJzT1NvQmM/view?usp=sharing
EN
LAS SIGUIENTES PREGUNTAS, ESTABLECE UNA RELACIÓN ENTRE TUS RESPUESTAS Y LA
CALIDAD DEL PRODUCTO ARGUMENTANDO CLARAMENTE TUS AFIRMACIONES MEDIANTE LOS
HISTOGRAMAS CORRESPONDIENTES.
5.
Interpreta las frecuencias relativas como probabilidades y determina
Interpretación:
La probabilidad de que haya pernos con un diámetro de 1.5025-1.5253 es muy baja
con apenas un 1%, este dato nos hace darnos cuenta de que el proceso esta mal,
o hay un error, ya que el valor deseado de nuestro cliente es de 1.5. De las
300 piezas (100%), más de la mitad de estas (54%) están en un rango con medidas
de 1.5649-1.6169, este rango esta muy lejos de nuestro valor deseado. Aunque
tomando en cuenta la tolerancia el resultado cambia un poco a nuestro favor, ya
que nuestra tolerancia LSL nos permite llegar hasta un 1.65 de diámetro en
nuestros pernos. El 9% no alcanza las especificaciones del cliente, ni
utilizando las tolerancias, lo que quieres decir que 28 piezas de 300 no pueden
ser entregadas al cliente.
a.
La
probabilidad de que las piezas del lote cumplan con las especificaciones del
cliente (1.5 ± 0.15)
R= Hay una probabilidad de un 91% de que los
pernos cumplan con las especificaciones del cliente con un rango de 1.50
hasta1.65. Que nos da un total de 272 piezas.
b.
La
probabilidad de que las piezas del lote no cumplan con las especificaciones del
cliente
R= un 9% es la probabilidad de que las piezas
no cumplan con las especificaciones del cliente
6. ¿Qué porcentaje de las piezas se encuentra
en los siguientes intervalos? No olvides su relación con la calidad.
c. Entre 𝒙 ̅ −
𝒔 y 𝒙
̅ + 𝒔
R=
Hay un porcentaje de 68.26% de piezas
d.
Entre 𝒙
̅ −
𝟐𝒔
y 𝒙 ̅ + 𝟐𝒔
R=
95.44% es el porcentaje que hay en este intervalo
e.
Entre 𝒙
̅ −
𝟑𝒔
y 𝒙 ̅ + 𝟑𝒔
R= Adentro de este intervalo se encuentra
un 100% de piezas
7. Compara el TV (valor deseado) con la media
aritmética de la muestra.
R=
Estos dos valores no se asimilan en nada en su valor numérico, están muy
alejados, a 3 desviaciones estándar, lo única en lo que concuerdan es en que
estos dos datos son muy importantes, a la hora de tomar decisiones, por que, el
valor deseado es establecido por el cliente, y la media aritmética es el valor
con el cual podemos guiarnos para poner nuestras desviaciones y saber si
logramos llegar al rango de nuestro valor deseado y sus tolerancias.
8.
Reinterpreta los resultados si las especificaciones del cliente fueran
diferentes:
f. 1.40±0.15
R=
con estos datos nuestro rango de tolerancias se separa más de demedia
aritmética y de las desviaciones estándar, así que, podemos decir que estos
datos no le podríamos cumplir al cliente con especificación. No serian nada
convenientes, estas especificaciones.
g. 1.45±0.15
R=
de igual manera con este valor deseado y con estas tolerancias, nos apartamos
más de las muestras, dejamos a un lado la media aritmética y a las desviaciones
estándar.
h.
1.55±0.15
R=
con estos datos las muestras se acomodan mejor y se acercan más al valor
deseado y al rango de las tolerancias, con estas muestras hubiera sido más
conveniente este TV y esta tolerancia.
i. 1.60±0.15
R=
Todo queda más alineados, nuestra media aritmética en este caso es muy parecida
a nuestro valor deseado, y nuestras tolerancias están cubriendo a todas
nuestras muestras. Con estas muestras hubiera sido mejor que nuestro cliente
nos diera este TV y estas tolerancias, así cumpliríamos con el 100% de las
piezas.
j. 1.40±0.20
R=
No es una mejor opción para el tipo de muestras que tenemos, ya que el valor
deseado que nos pide el cliente se separa mucho de la media aritmética, y las
tolerancias no cubren la mayoría de los datos.
k. 1.45±0.20
R=
estos datos siguen sin cubrir todas nuestras muestras, aunque si es mejor la
tolerancia esta que la que realmente nos pidió el cliente ya que cubre mejor
nuestras muestras, y tendríamos menos piezas rechazadas.
l. 1.50±0.20
R=
En este caso la tolerancia es muy buena, ya que cubre todos los datos, más sin
embargo, sigue siendo inconveniente, ya que el valor deseado sigue muy separado
de nuestra media aritmética, eso quiere decir que algo esta mal, con nuestro
producto y se tendría que hacer una investigación.
m. 1.55±0.20
R=
con este valor deseado, la media sigue estando lejos, pero nuestras muestras
están dentro del rango de las tolerancias, esta bien ya que en observación del
cliente las piezas si pasan, pero que mejor que el valor deseado este más en
línea con la media aritmética, para una mejor satisfacción del cliente de que
la mayoría de las piezas cumpla con el valor deseado.
n. 1.60±0.20
R=
Excelentes especificaciones del cliente, ya que el valor deseado esta alineado
con la media aritmética, el cliente queda más satisfecho con los resultados ya
que la mayoría de las piezas quedaran con la medida indicada, y las tolerancias
cubren todas las muestras, así que podríamos cumplir en un 100%.
9.
¿Cuál es la función de la estadística en este ejercicio?
R=
Saber si las piezas que le vamos a entregar a nuestro cliente cuentan con la
calidad, o especificaciones que nos pide, el diámetro de los pernos. Observar y
analizar, para poder saber si nuestra operación se esta haciendo de acuerdo a
lo que queremos, que los diámetros cuenten con un 1.50 ± 0.15, y al final
analizar y dar resultados sobre lo investigado.
10. Elabora un ensayo acerca de
la importancia de la estadística en la ingeniería industrial.
La estadística y la ingeniería
industrial, tienen mucha relación entre si, ya que con la estadística puedes
determinar cuanta cantidad tiene tu proceso o producto, y la ingeniería
industrial, lo que busca es que estos estén dentro de la calidad lo más que se
pueda. Así que el ingeniero la utiliza como herramienta básica, la aplica
relacionando la producción con la rama que busca implementar los procesos
probabilísticos y estadísticos de análisis e interpretación de los datos a
características de un conjunto de elementos al entorno industrial y
organizacional.
Como ingenieros la estadística,
nos facilita en el momento de la toma de decisiones y el control de los
procesos industriales y organizacionales y también nos permite reforzar los
argumentos o conclusiones de una investigación. La estadística en función del
proceso, ayuda al ingeniero a llevar un control de la calidad, aumentar la
productividad, ser más competitivos en cuanto a lo que se refiere a el
marketing en las empresas, manejar los procesos productivos, el cuidado en la
salud del trabajador, en pocas palabras, mejorar en su totalidad a la empresa.
La estadística nos permite ver la
cantidad de mejoría, o la disminución de nuestra productividad, notar si
estamos haciendo bien las cosas, y si en realidad estamos aprovechando bien
nuestros recursos.
Aparte de lo ya mencionado, nos
podemos apoyar en la estadística para hacer un pronóstico de lo que venderemos
en un futuro, si obtendremos ganancias, si la empresa necesita mejorar, o si
nuestros proyectos implementados están funcionando, podemos demostrar a las
altas gerencias que hace falta una mejoría o que el sistema o método que
estamos implementando no ayuda a aumentar nuestro servicio o producto
terminado.
Entonces tomamos como conclusión,
que la ingeniería industrial y la estadística van de la mano para la mejora de
la producción o proceso de nuestra empresa. Tienen tanto en común, que no se
puede ser un ingeniero industrial sin conocimientos o especialidades en la
estadística.