Ejercicios Sección II

Case Study Exercises
Statistical Process Control Exercises
PhD Roberto José Herrera Acosta
Programa de Ingeniería Industrial

Universidad del Atlántico
17 de junio de 2020
PhD Herrera Acosta Roberto José Case Study Exercises

1 Ejercicios Montgomery
Ejercicios 8.1
Ejercicios 8.4

Ejercicios Montgomery
Sección 1 Ejercicios Montgomery

Ejercicios 8.1
Los datos siguientes presentan observaciones individuales del peso molecular tomadas cada hora en un
proceso químico.
Número de observaciones x Número de observaciones x
1 1045 11 1139
2 1055 12 1169
3 1037 13 1151
4 1064 14 1128
5 1095 15 1238
6 1008 16 1125
7 1050 17 1163
8 1087 18 1188
9 1125 19 1146
10 1146 20 1167
El valor objetivo del peso molecular es 1050 y se piensa que la desviación estándar del proceso es de
aproximadamente σ = 25.
1 Establecer una cusum tabular para la media de este proceso. Diseñar la cusum para detectar con
rápidez un corrimiento aproximadamente 1.0σ en la media del proceso.
2 ¿La estimación de σ usada en el inciso anterior de este problema es razonable?

Ejercicios 8.1
la fórmulas aplicadas en cusum tabular son las siguientes
Ci+ = máx[0, xi − (µ0 + K ) + Ci−1

+
]
Ci− = máx[0, (µ0 − K ) − xi + Ci−1
−
]
en el caso del estadístico de control inferior otra forma de evaluarlo es
Ci− = min[0, xi − (µ0 − K ) + Ci−1

−
]
en el caso detectar un corrimiento de la media en una desviación estándar
µ1 = µ0 + δσ = µ + 1.0σ
entonces el valor de referencia K es determinado como

|µ1 − µ0 | |µ0 + δσ − µ0 | δ 1
K= = = σ = σ = 0.5σ
2 2 2 2
en el ejercicio el valor de K = 0.5(25). los límites de control son: en el unilateral superior
Hσ = 5(25) = 125, en el caso unilatral inferior −Hσ = −125

Ejercicios 8.1
Los estadísticos de control unilateral superior, para el peso molecular son los siguientes, donde el valor
de arranque C0+ = 0.
+
Número de observaciones máx[0, xi − (µ0 + K ) + Ci−1 ] Ci+ contador N +
1 máx[0, 1045 − (1050 + 0.5(25)) + 0] = máx[0, −17.5] 0 0
2 máx[0, 1055 − (1050 + 0.5(25)) + 0] = máx[0, −7.5] 0 0
3 máx[0, 1037 − (1050 + 0.5(25)) + 0] = máx[0, −25.5] 0 0
4 máx[0, 1064 − (1050 + 0.5(25)) + 0] = máx[0, 1.5] 1.5 1
5 máx[0, 1095 − (1050 + 0.5(25)) + 1.5] = máx[0, 34] 34 2
6 máx[0, 1008 − (1050 + 0.5(25)) + 34] = máx[0, −20.5] 0 0
7 máx[0, 1050 − (1050 + 0.5(25)) + 0] = máx[0, −12.5] 0 0
8 máx[0, 1087 − (1050 + 0.5(25)) + 0] = máx[0, 24.5] 24.5 1
9 máx[0, 1125 − (1050 + 0.5(25)) + 24.5] = máx[0, 87] 87 2
10 máx[0, 1146 − (1050 + 0.5(25)) + 87] = máx[0, 170.5] 170.5 3
11 máx[0, 1139 − (1050 + 0.5(25)) + 170.5] = máx[0, 247] 247 4
12 máx[0, 1169 − (1050 + 0.5(25)) + 247] = máx[0, 353.5] 353.5 5
13 máx[0, 1151 − (1050 + 0.5(25)) + 353.5] = máx[0, 442.0] 442 6
14 máx[0, 1128 − (1050 + 0.5(25)) + 442] = máx[0, 507.5] 507.5 7
15 máx[0, 1238 − (1050 + 0.5(25)) + 507.5] = máx[0, 683.0] 683 8
16 máx[0, 1125 − (1050 + 0.5(25)) + 683] = máx[0, 745.5] 745.5 9
17 máx[0, 1163 − (1050 + 0.5(25)) + 745.5] = máx[0, 846] 846 10
18 máx[0, 1188 − (1050 + 0.5(25)) + 846] = máx[0, 971.5] 971.5 11
19 máx[0, 1146 − (1050 + 0.5(25)) + 971.5] = máx[0, 1055] 1055 12
20 máx[0, 1167 − (1050 + 0.5(25)) + 1055] = máx[0, 1159.5] 1159.5 13
es observado en el subgrupo 10 donde N + = 3 el proceso es considerado fuera de control, la señal de

alarma en este punto del lado superior el valor superera el límite de control 125, el contador N + = 3,
indica desde el momento en que el número de períodos consecutivos desde que el estadístico de control
esta por encima de cero. Es por tanto indicar, que en el período 10 − 3, esta característica de calidad
estuvo en control.
Ejercicios 8.1
Los estadísticos de control unilateral inferior, el valor de arranque C0− = 0

−
Número de observaciones máx[0, (µ0 − K ) − xi + Ci−1 Ci− ] contador N −
1 máx[0, (1050 − 0.5(25)) − 1045 + 0] = máx[0, −7.5] 0 0
2 máx[0, (1050 − 0.5(25)) − 1055 + 0] = máx[0, −17.5] 0 0
3 máx[0, (1050 − 0.5(25)) − 1037 + 0] = máx[0, 0.5] 0.5 1
4 máx[0, (1050 − 0.5(25)) − 1064 + 0.5] = máx[0, −26] 0 0
5 máx[0, (1050 − 0.5(25)) − 1095 + 0] = máx[0, −57.5] 0 0
6 máx[0, (1050 − 0.5(25)) − 1008 + 0] = máx[0, 29.5] 29.5 1
7 máx[0, (1050 − 0.5(25)) − 1050 + 29.5] = máx[0, 17] 17 2
8 máx[0, (1050 − 0.5(25)) − 1087 + 17] = máx[0, −32.5] 0 0
9 máx[0, (1050 − 0.5(25)) − 1125 + 0] = máx[0, −87.5] 0 0
10 máx[0, (1050 − 0.5(25)) − 1146 + 0] = máx[0, −108.5] 0 0
11 máx[0, (1050 − 0.5(25)) − 1139 + 0] = máx[0, −101.5] 0 0
12 máx[0, (1050 − 0.5(25)) − 1169 + 0] = máx[0, −131.5] 0 0
13 máx[0, (1050 − 0.5(25)) − 1151 + 0] = máx[0, −113.5] 0 0
14 máx[0, (1050 − 0.5(25)) − 1128 + 0] = máx[0, −90.5] 0 0
15 máx[0, (1050 − 0.5(25)) − 1238 + 0] = máx[0, −200.5] 0 0
16 máx[0, (1050 − 0.5(25)) − 1125 + 0] = máx[0, −87.5] 0 0
17 máx[0, (1050 − 0.5(25)) − 1163 + 0] = máx[0, −125.5] 0 0
18 máx[0, (1050 − 0.5(25)) − 1188 + 0] = máx[0, −150.5] 0 0
19 máx[0, (1050 − 0.5(25)) − 1146 + 0] = máx[0, −108.5] 0 0
20 máx[0, (1050 − 0.5(25)) − 1167 + 0] = máx[0, −129.5] 0 0
en el período 6 y 7 muestra un corrimiento negativo del promedio, pero controlado

Ejercicios 8.1
cusum Chart
for datos
40
30
Above target
Cumulative Sum
20
10
UDB
Below target
0
LDB
1 2 3 4 5 6 7 8 9 10 12 14 16 18 20
Group
Number of groups = 20 Decision interval (std. err.) = 5
Center = 1050 Shift detection (std. err.) = 1
StdDev = 25 No. of points beyond boundaries = 11
Figura: Carta cusum para el peso molecular

Ejercicios 8.1
para evaluar el correimiento de la media, para posterior ajueste del promedio del proceso es aplicado
Ci+
µ̂ = µ0 + K + si Ci+ > H o
N+
C−
= µ0 − K − i− si Ci− > H
N
es el caso del subgrupo o período 10, donde C10+ = 170.5 la medida del corrimiento de esta caracteristica
es
C+ 170.5
µ0 + K + i+ = 1050 + (0.5)(25) + = 1119.33
N 3
esto indica que el peso molecular promedio, característica de calidad evaluada, se ha corrido de 1050 a
1119.33 por lo que es necesario realizar un ajuste de las variables que incidan en el peso molecular.

Ejercicios 8.1
Los estadísticos de control para la carta Shewhart para observaciones individuales son
Observaciones x MR(2)
1 1045
2 1055 10
3 1037 18
4 1064 27
5 1095 31
6 1008 87
7 1050 42
8 1087 37
9 1125 38
10 1146 21
11 1139 7
12 1169 30
13 1151 18
14 1128 23
15 1238 110
16 1125 113
17 1163 38
18 1188 25
19 1146 42
20 1167 21
donde los estadísticos de esta muestra es

P20
i=1 Xi 22326
X̄ = = = 1116.3
m 20
sP s
20 2
i=1 (Xi − X̄ ) 1124.5131
S= = = 59.1849
m−1 20 − 1

Ejercicios 8.1
Los límites estándar en el cálculo del rango móvil MR son estimados de la siguiente forma,
UCL = D2 (2)σ = 3.686(25) = 92.15

CL = d2 (2)σ = 1.128(25) = 28.20
LCL = D1 (2)σ = 0.0(25) = 0.0
Los límites de control para la medida de localización están definidos como:
UCL = µ + 3σ = 1050 + 3.0(25) = 1125

CL = µ = 1050
LCL = µ − 3σ = 1050 − 3.0(25) = 975
estos límites permiten realizar control con la información seleccionada en línea.

Ejercicios 8.1
la figura muestra un estado fuera de contro, observese que la carta muestra un cambio de nivel a partir
del subgrupo 10.
xbar Chart
for datos
1200
Group summary statistics
1150
UCL
1100
1050
CL
1000
LCL
1 2 3 4 5 6 7 8 9 10 12 14 16 18 20
Group
Number of groups = 20
Center = 1050 LCL = 975 Number beyond limits = 10
StdDev = 25 UCL = 1125 Number violating runs = 7
Figura: Carta cusum para el peso molecular

Ejercicios 8.1
el índice de capacidad definido como

les − lei
Cp =
6σ
es estimado mediante
les − lei
Ĉp =
6σ̂
entre tanto el índice de capacidad de localización es

les − µ µ − lei
Ĉpk = min Ĉpu = , Ĉpl =
3σ̂ 3σ̂
en el caso del ejercicio, el índice de capacidad estimado sujeto a la carta de control

1100 − 1000
Ĉp = = 0.667
6 × 25

1100 − 1050 1050 − 1000
3 × 25 3 × 25
= min(0.667, 0.667) = 0.667
el proceso no es capaz de cumplir con las especificaciones, el indicador de localización o centramiento

presenta un peso molecular completamente centrado.

Ejercicios 8.1
Figura: ïndice de capacidad basado en los parámtros (corto plaso) del peso molecular

Ejercicios 8.1
el desempeño de esta característica de calidad es,
les − lei
Ĉp =
6×S
en cuanto a la desplazamiento del proceso, el desempeño presenta los siguientes resultados
1100 − 1000
Ĉp = = 0.281
6 × 59.18

1100 − 1116.3 1116.3 − 1000
3 × 59.16 3 × 59.18
= min(−0.091, 0.655) = −0.091
es evidencia en los datos para control o control en línea, el desempeño del proceso disminuyo, conside-
rablmente de 0.667 a 0.281, el índice de localización negativo, Cpk = −0.091, muestra que un porcentaje
considerable de unidades se encuentra por encima de la especificación superior.

Ejercicios 8.1
Process Capability Analysis

for datos
LSL Target USL
1000 1050 1100 1150 1200 1250
Number of obs = 20 Target = 1050 Cp = 0.287 Exp<LSL 19%

Center = 1050 LSL = 1000 Cp_l = 0.287 Exp>USL 19%
StdDev = 58.15008 USL = 1100 Cp_u = 0.287 Obs<LSL 0%
Cp_k = 0.287 Obs>USL 60%
Cpm = 0.287
Figura: Desempeño (índice de capacidad a largo plazo) del peso molecular

Ejercicios 8.4
Se utiliza una máquina para llenar latas con aditivo para el aceite del motor. Es seleccionada una lata de
muestra cada hora, y se obtiene el peso. Puesto que el proceso de llenado es automátizado, posee una
variabilidad estable, una larga experiencia indica que σ = 0.05 oz. La tabla muestra las mediciones en
10 horas de operación.
Observaciones x
1 8.00
2 8.01
3 8.02
4 8.01
5 8.00
6 8.01
7 8.06
8 8.07
9 8.01
10 8.04
1 suponiendo que el objetivo del proceso es 8.02 0z., establecer una EWMA para el proceso con
λ = 0.2 y L = 3.
2 Estime el intervalo de tolerancia, determine la capacidad de esta característica de calidad y el
desempeño con los datos en línea.

Ejercicios 8.4
El estadístico de control para cada una de las valores obtenidos en cada uno de los subgrupos son
presentados a continuación, el valor de arranque es z0 = µ0 = 8.02.
Observaciones x 0.2(xi ) + (1 − 0.2)zi−1 zi
1 8.00 0.2(8.00) + (1 − 0.2)8.020 8.0160
2 8.01 0.2(8.01) + (1 − 0.2)8.016 8.0148
3 8.02 0.2(8.02) + (1 − 0.2)8.014 8.0158
4 8.01 0.2(8.01) + (1 − 0.2)8.015 8.0146
5 8.00 0.2(8.00) + (1 − 0.2)8.014 8.0117
6 8.01 0.2(8.00) + (1 − 0.2)8.011 8.0113
7 8.06 0.2(8.06) + (1 − 0.2)8.011 8.0211
8 8.07 0.2(8.07) + (1 − 0.2)8.021 8.0308
9 8.01 0.2(8.01) + (1 − 0.2)8.030 8.0267
10 8.04 0.2(8.04) + (1 − 0.2)8.0260 8.0290
los límites de control estándar estimados son los siguientes

s s
λ 2t
0.2
UCl =µ0 + L [1 − (1 − λ) ]σ = 8.02 + 3 [1 − (1 − 0.2)2t ] (0.05)
(2 − λ) (2 − 0.2)
CL =µ0 = 8.02
s s
λ 0.2
LCL =µ0 − L [1 − (1 − λ)2t ]σ = 8.02 − 3 [1 − (1 − 0.2)2t ] (0.05)
(2 − λ) (2 − 0.2)
límites variantes, sujetos al período t.

Ejercicios 8.4
en el caso del primer período t = 1 los limites de control son

s
0.2
UCl =8.02 + 3 [1 − (1 − 0.2)2(1) ] (0.05) = 8.04
(2 − 0.2)
CL =8.02
s
0.2
LCL =8.02 − 3 [1 − (1 − 0.2)2(1) ] (0.05) = 7.991
(2 − 0.2)
en el segundo período t = 2.
s
0.2
UCl =8.02 + 3 [1 − (1 − 0.2)2(2) ] (0.05) = 8.058
(2 − 0.2)
CL =8.02
s
0.2
LCL =8.02 − 3 [1 − (1 − 0.2)2(2) ] (0.05) = 7.961
(2 − 0.2)

Ejercicios 8.4
al tomar los límites asimptóticos

1 1
λ 2 0.2 2
UCL = µ0 + L σ = 8.02 + 3 (0.05) = 8.07
2−λ 2 − 0.2
CL = µ0 = 8.02
1 1
λ 2 0.2 2
UCL = µ0 − L σ = 8.02 − 3 (0.05) = 7.97
2−λ 2 − 0.2

Ejercicios 8.4
EWMA Chart
for pesoslata
UCL
8.06
8.04
Group Summary Statistics
8.02
8.00
7.98
LCL
1 2 3 4 5 6 7 8 9 10
Group
Number of groups = 10 Smoothing parameter = 0.2
Center = 8.02 Control limits at 3*sigma
StdDev = 0.05 No. of points beyond limits = 0
Figura: Carta EWMA para el peso de las latas

Ejercicios 8.4
aplicando la carta Shewhart para observaciones individuales, los estadísticos de control para el rango,
son presentados en la siguiente tabla.
Observación X MR(2)
1 8.0
2 8.01 0.01
3 8.02 0.01
4 8.01 0.01
5 8.0 0.01
6 8.01 0.01
7 8.06 0.05
8 8.07 0.01
9 8.01 0.06
10 8.04 0.03
donde los estadísticos de esta muestra es

P10
i=1 Xi 80.23
X̄ = = = 8.023
m 10
sP s
10 2
i=1 (Xi − X̄ ) 0.005607
S= = = 0.02496
m−1 10 − 1

Ejercicios 8.4
Los límites estándar en el cálculo del rango móvil MR son estimados de la siguiente forma,
UCL = D2 (2)σ = 3.686(0.05) = 0.184

CL = d2 (2)σ = 1.128(0.05) = 0.056
LCL = D1 (2)σ = 0.0(0.05) = 0.0
Los límites de control para la medida de localización están definidos como:
UCL = µ + 3σ = 8.02 + 3.0(0.05) = 8.17

CL = µ = 8.02
LCL = µ − 3σ = 8.02 − 3.0(0.05) = 7.87
estos límites permiten realizar control con la información seleccionada en línea.

Ejercicios 8.4
xbar Chart
for pesoslata
UCL
8.15
8.10
Group summary statistics
8.05
CL
8.00
7.95
7.90
LCL
1 2 3 4 5 6 7 8 9 10
Group
Number of groups = 10
Center = 8.02 LCL = 7.87 Number beyond limits = 0
StdDev = 0.05 UCL = 8.17 Number violating runs = 0
Figura: Carta Shewhart el peso de las latas

Ejercicios 8.4
asumamos que los límites de especificaciones son los siguientes: el límte de específicación superior
USL = 8.08 y el límite de especificación inferior LSL = 7.96. El índice de capacidad es estimado
mediante
les − lei
Ĉp =
6σ̂
entre tanto el índice de capacidad de localización es

les − µ µ − lei
3σ̂ 3σ̂
en el caso del peso de las latas ejercicio, el índice de capacidad estimado sujeto a la carta de control
8.08 − 7.96
Ĉp = = 0.40
6 × 0.05
8.08 − 8.02 8.02 − 7.96
Ĉpk = min{Ĉpu = , Ĉpl = }
3 × 0.05 3 × 0.05
= min(0.4, 0.4) = 0.4
el proceso no es capaz de cumplir con las especificaciones, presenta una caraterística de calidad com-
pletamente centrada.

Ejercicios 8.4
al aplicar el indicador de medida de probabilidad P, los resultados son
P = P(7.96 ≤ X ≤ 8.08) = P(X ≤ 8.08) − P(X ≤ 7.96)

= P(Z ≤ (8.08 − 8.02)/0.05) − P(Z ≤ (7.96 − 8.02)/0.05)
= P(Z ≤ 1.20) − P(Z ≤ −1.2)
P = 0.8849 − 0.1150 = 0.0.7699
el valor Z que corresponde a esta medida de probabilidad z = φ−1 (0.7699) = 0.7385, por tanto el
índice de capacidad es,
φ−1 [0.7699] 0.7385
Ĉp = = = 0.246
3 3
con este valor, 0.246, se verifica una capacidad inadecuada de esta característica de calidad con
respecto a las especificaciones.

Ejercicios 8.4

for pesoslata
LSL Target USL
7.96 7.98 8.00 8.02 8.04 8.06 8.08
Number of obs = 10 Target = 8.02 Cp = 0.4 Exp<LSL 12%

Center = 8.02 LSL = 7.96 Cp_l = 0.4 Exp>USL 12%
StdDev = 0.05 USL = 8.08 Cp_u = 0.4 Obs<LSL 0%
Cp_k = 0.4 Obs>USL 0%
Cpm = 0.4
Figura: Ïndice de capacidad de la variable peso de las latas
indica que el proceso no cumple con las especificaciones de diseño

Ejercicios 8.4
el desempeño de esta característica de calidad con la información reciente es,
les − lei
Ĉp =
6×S
en cuanto a la desplazamiento del proceso, el desempeño presenta los siguientes resultados
8.08 − 7.96
Ĉp = = 0.801
6 × 0.024

8.08 − 8.023 8.023 − 7.96
3 × 0.024 3 × 0.024
= min(0.801, 0.801) = 0.801
es evidencia en los datos para control, el desempeño mejoro, sin embargo la capacidad no es cumplida.

Ejercicios 8.4

for pesoslata
LSL Target USL
7.96 7.98 8.00 8.02 8.04 8.06 8.08
Number of obs = 10 Target = 8.02 Cp = 0.801 Exp<LSL 0.81%

Center = 8.02 LSL = 7.96 Cp_l = 0.801 Exp>USL 0.81%
StdDev = 0.02496664 USL = 8.08 Cp_u = 0.801 Obs<LSL 0%
Cp_k = 0.801 Obs>USL 0%
Cpm = 0.801
Figura: Desempeño de la variable peso de las latas
la figura muestra un desempeño no adecuado de la característica de calidad con respecto a las especifi-
caciones establecidas en el diseño del producto, en este caso el peso de la lata de aceite

Ejercicios Sección II

Cargado por

Copyright:

Formatos disponibles

Ejercicios Sección II

Cargado por

Información del documento

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

Ejercicios Sección II

Cargado por

Copyright:

Formatos disponibles

Case Study Exercises

Statistical Process Control Exercises

PhD Roberto José Herrera Acosta

Programa de Ingeniería Industrial

PhD Herrera Acosta Roberto José Case Study Exercises

PhD Herrera Acosta Roberto José Case Study Exercises

Sección 1 Ejercicios Montgomery

PhD Herrera Acosta Roberto José Case Study Exercises

PhD Herrera Acosta Roberto José Case Study Exercises

la fórmulas aplicadas en cusum tabular son las siguientes

Ci+ = máx[0, xi − (µ0 + K ) + Ci−1

en el caso del estadístico de control inferior otra forma de evaluarlo es

Ci− = min[0, xi − (µ0 − K ) + Ci−1

en el caso detectar un corrimiento de la media en una desviación estándar

entonces el valor de referencia K es determinado como

PhD Herrera Acosta Roberto José Case Study Exercises

es observado en el subgrupo 10 donde N + = 3 el proceso es considerado fuera de control, la señal de

Los estadísticos de control unilateral inferior, el valor de arranque C0− = 0

en el período 6 y 7 muestra un corrimiento negativo del promedio, pero controlado

PhD Herrera Acosta Roberto José Case Study Exercises

Figura: Carta cusum para el peso molecular

PhD Herrera Acosta Roberto José Case Study Exercises

PhD Herrera Acosta Roberto José Case Study Exercises

donde los estadísticos de esta muestra es

PhD Herrera Acosta Roberto José Case Study Exercises

UCL = D2 (2)σ = 3.686(25) = 92.15

Los límites de control para la medida de localización están definidos como:

UCL = µ + 3σ = 1050 + 3.0(25) = 1125

estos límites permiten realizar control con la información seleccionada en línea.

PhD Herrera Acosta Roberto José Case Study Exercises

Figura: Carta cusum para el peso molecular

PhD Herrera Acosta Roberto José Case Study Exercises

el índice de capacidad definido como

en el caso del ejercicio, el índice de capacidad estimado sujeto a la carta de control

el proceso no es capaz de cumplir con las especificaciones, el indicador de localización o centramiento

PhD Herrera Acosta Roberto José Case Study Exercises

PhD Herrera Acosta Roberto José Case Study Exercises

el desempeño de esta característica de calidad es,

PhD Herrera Acosta Roberto José Case Study Exercises

Process Capability Analysis

1000 1050 1100 1150 1200 1250

Number of obs = 20 Target = 1050 Cp = 0.287 Exp<LSL 19%

Figura: Desempeño (índice de capacidad a largo plazo) del peso molecular

PhD Herrera Acosta Roberto José Case Study Exercises

PhD Herrera Acosta Roberto José Case Study Exercises

los límites de control estándar estimados son los siguientes

límites variantes, sujetos al período t.

PhD Herrera Acosta Roberto José Case Study Exercises

en el caso del primer período t = 1 los limites de control son

PhD Herrera Acosta Roberto José Case Study Exercises

al tomar los límites asimptóticos

PhD Herrera Acosta Roberto José Case Study Exercises

Figura: Carta EWMA para el peso de las latas

PhD Herrera Acosta Roberto José Case Study Exercises

donde los estadísticos de esta muestra es

PhD Herrera Acosta Roberto José Case Study Exercises

UCL = D2 (2)σ = 3.686(0.05) = 0.184

Los límites de control para la medida de localización están definidos como:

UCL = µ + 3σ = 8.02 + 3.0(0.05) = 8.17

estos límites permiten realizar control con la información seleccionada en línea.