Tema #6Herramientas gráficas para la solución de problemas con

Minitab

Elaborado por: Dr. Iván Alejandro Vacio Hernández

1. INTRODUCCIÓN AL TEMA Media cuartilla

Introducción:

Una característica importante en las personas en la actualidad es que la gran mayoría ve incentivado su aprendizaje a partir de la inteligencia visual. Por lo tanto el rol que juegan las herramientas gráficas en la toma de decisiones es muy importante.

Estas herramientas ayudan a representar en forma visual, los elementos que conforman una problemática determinada, y dada su naturaleza pictórica, son más fáciles de desarrollar y entender.

Sobre todo en el papel que juegas tú como agente de cambio, al tratar de convencer a la alta gerencia de apoyar tus iniciativas con el apoyo de herramientas visuales para la toma de decisiones efectiva.

Lo difícil y complicado en este proceso se pudiera dar al recolectar los datos que te ayuden a plasmar la información en los gráficos o diagramas. Sin embargo, el beneficio de utilizarlos correctamente puede encaminar a la organización a niveles deseados de calidad y productividad (o como algunos teóricos de la calidad mencionan, incluso hasta niveles de 5 sigma) utilizando los siguientes diagramas:

Diagrama de Pareto Diagrama de Ishikawa

Tales herramientas graficas para la toma de decisiones serán las que veremos en el presente tema, con la asistencia tecnológica del software Minitab.

2. EXPLICACIÓN DEL TEMA Mínimo 2 cuartillas

Favor de incluir diagramas o figuras que apoyen el tema, poner negritas en los conceptos importantes.

Es importante que la explicación que desarrolle sea de su autoría, fundamentada en referencias bibliográficas confiables.

Ver Guía para desarrollar este apartado en Anexo 1.

Explicación:

6.1 Diagrama de pareto

El diagrama de Pareto, toma su nombre de Vilfredo Pareto (1848-1923), economista italiano que llevo a cabo estudios sobre la distribución de la riqueza, sosteniendo que la mayor parte de la misma se distribuida en un pequeño número de habitantes. Posteriormente, otro autor de la calidad contemporánea, Joseph Juran, bautiza el gráfico como “Diagrama de Pareto” en honor al economista italiano.

Según varios autores el principio de pareto proviene de la creencia de que el 80% del problema es causado por un 20% de anomalías. En la vida real, al analizar la relación causa –efecto de un problema no significa que siempre se obtiene esa proporción (80/20). Más bien, el enfoque de esta teoría nos ayuda a reflexionar que debemos investigar más a fondo el problema, para encontrar la causa raíz que lo genera, y así poder establecer una solución efectiva..

Entonces el enfoque es encontrar las causas que generan la problemática. Pueden ser una o dos causas, que impactan en un problema mucho mayor en toda una organización. El efecto o magnitud de esas anomalías pueden ser catastróficos en el logro de los objetivos. Por ejemplo:

Un desastre aéreo donde la causa raíz es un tornillo defectuoso Un descarrilamiento de un tren, donde el problema sea un durmiente podrido en

un pequeño tramo de vía La pérdida masiva de clientes por mala atención o servicio post venta La pérdida masiva de clientes por no contar con nuestro producto estrella en

inventario o en anaquel.

Para explicar mejor el uso del diagrama de pareto veamos el siguiente ejemplo

En Lord Motor Company, se revisan mensualmente los defectos que reportan los clientes en el área de los Ángeles, el sector de California que más adquiere automóviles en los Estados Unidos de Norteamérica.

.Al hacer un análisis de este mes se encontraron defectos en las siguientes unidades:

Marca de Vehículo

Cantidad de unidades

defectuosas

Laurus 500

Founder 100

Jefferson 1900

Focas 450

Posteriormente se traslada la información a Minitab: quedando plasmada de la siguiente manera:

Como se puede apreciar en la imagen anterior, Minitab opera en un ambiente similar al Excel. Lo que cambia en Minitab es que maneja un “Renglón Cero” o “En Blanco” que sirve para asignar un nombre a la columna de datos que estamos analizando (Circulo Azul).

Posteriormente seleccionamos del menú Stat > Quality tools > Pareto chart, de la siguiente manera:

Después aparecerá la siguiente ventana:

Seleccionamos la opción “Chart defects table” y en el campo “labels in” le indicamos la columna en donde vienen las marcas de los vehículos. En “Frequencies in” se indica la columna donde se encuentran la cantidad de defectos. Se le pone un nombre al gráfico en “title”. Y se deja por default el valor del 95%. Finalmente pulsa “ok”.

En el diagrama podemos apreciar que la marca “Jefferson” posee casi el 65% de las fallas que reporta toda la compañía Lord Motor Co. en los Ángeles (circulo verde) , una diferencia notable si se compara con el resto de las marcas.

La marca “Jefferson”, posee tres modelos de automóvil y Suv´s, de los cuales se analizó los defectos de cada uno de ellos en forma particular. Estos datos se trasladaron a Minitab, quedando de la siguiente manera:

Al

ejecutar en Minitab el diagrama de pareto para el número de defectos en los modelos de la marca Jefferson, se obtiene el siguiente diagrama:

Como se puede observar en el diagrama anterior, solo el modelo “Navigation” representa casi el 58% de los defectos que reporta la marca “Jefferson” (Circulo Amarillo).

Dado lo anterior, se realiza un análisis más específico de los problemas que presentan las unidades defectuosas del modelo “Navigation”, los cuales son:

Al ejecutar el diagrama de Pareto se obtiene el siguiente diagrama:

Como se puede observar en el diagrama anterior, los dos problemas que producen la mayor cantidad de defectos (81.8%) son representados por la siguiente minoría de causas:

Rayones en defensa trasera (54.5%) y Puerta trasera (Dificultad para cerrar) (27.3%)

Una vez identificados los problemas vitales de los problemas triviales, se designa un equipo de trabajo para dar solución a la minoría de causas que producen la mayor parte de los problemas de la marca Jefferson, y de la compañía Lord.

El equipo de trabajo conformado por dos Ingenieras Industriales (una de manufactura y otra de Calidad) definen las siguientes estrategias:

1.- Rayones en defensa trasera

Se recomienda al área de ensamble final colocar un empapelado protector en las defensas para que estas no se rayen al

chocar las unidades unas con otras mientras son transportadas hacia la

agencia de ventas

2.- Puerta trasera (Dificultad para cerrar)

Se recomienda al proveedor del pistón de la puerta trasera,

el reducir la presión (Psi) del pistón, para que pueda cerrar

más facilmente.

Una vez desarrolladas las estrategias, el equipo de ingeniería, junto con una contadora del área de finanzas procede a elaborar un análisis de costo beneficio:

ANALISIS COSTO – BENEFICIO:

Defectos

Unidades defectuosas

x mes

Costo de Reparació

n por unidad

Costo mensual Costo anual

Rayones en defensa trasera (54.5%) 600 $300 $180,000 $2,160,000 Puerta trasera (Dificultad para cerrar) (27.3%) 300 $20 $6,000 $72,000Costo total $ 2,232,000

EstrategiasUnidades

Producidas

Inversión por

unidadCosto

mensual Costo anualEmpapelado protector 7500 *0.4 $ 3,000 $ 36,000 Ajuste de presión del Pistón **$0Inversión anual $ 36,000Inversión del primer año en Maquinaria, equipo, herramientas (First Year Investment) $0Inversión Total $ 36,000 Ahorro Anual Total en Costos (Cost Avoidance per Year) $ 2,196,000

Consideraciones del proyecto (Assumptions):

El costo del empapelado es de 20 Centavos de dólar. Como se empapelarán las defensas delantera y trasera, se invertirán *0.4 dls. por automóvil.

Sé negoció con el proveedor del empapelado para que provea a un operador de producción para la colocación del empapelado sin costo alguno.

El proveedor del pistón hará los ajustes necesarios en la presión sin costo alguno**.

Como se pudo observar en el proyecto anterior, el ahorro anual en costos es significativo. Lo anterior gracias al uso efectivo del diagrama de pareto el cual sirvió de apoyo para la visualización de los problemas que se estaban presentando en la compañía automotriz Lord Motor Company.

Como habrás notado el diagrama de pareto sirve para ir profundizando, paso por paso, en un problema de tal forma que se van separando los problemas triviales de los problemas vitales y así ir encontrando sus causas.

Este proceso se llama “proceso de tamizado” el cual se van encontrando las causas reales al problema que esta ocurriendo.

Como vimos en el ejemplo anterior, primero se atendió el (los) problema(s) que más incidencias causaba (n), sin embargo, en el análisis realizado, salieron a la luz otros proyectos potenciales que todavía quedaron pendientes de ser atendidos.

De ahí que el proceso de tamizado que se da en el desarrollo del diagrama de pareto es uno de los rasgos característicos de la reciente filosofía de calidad denominada “Seis sigma” ya que permite ir tamizando aquellos proyectos que son viables para la compañía.

Por lo tanto lo que hemos visto nos ayuda a ir seleccionando y/o visualizando aquellos proyectos que cumplan con 2 características esenciales para que se puedan concretar y tener éxito en su desarrollo: que sean físicamente realizables y por supuesto, económicamente factibles.

6.2 Diagrama de Ishikawa

Este diagrama toma el nombre de su inventor el Dr. Kaoru Ishikawa (1915-1989), Ingeniero Químico y Doctor en Ingeniería por la Universidad de Japón. Conocido como uno de los pilares más importantes de la calidad en el país Nipón.

Conocido como el padre del análisis científico en problemas organizacionales, su aportación más reconocida es el empleo del Diagrama de Ishikawa el cual se encarga de “agrupar” de forma gráfica las causas posibles a una problemática determinada.

Para entender mejor el uso del diagrama de Ishikawa, veamos el siguiente ejemplo:

En Naipes Pizza hay quejas respecto al servicio al cliente; el gerente de la Sucursal Plaza Sol, Ing. Cuauhtémoc Terán está interesado en esclarecer la situación para lo cual reúne a su personal al final del turno de la noche.

El objetivo de la reunión es elaborar un diagrama de Ishikawa para determinar la causa raíz al problema, partiendo de 5 conglomerados o ramas:

Partiendo de lo anterior el Gerente pide a su personal a cargo que externen su opinión acerca de las posibles causas al problema, apoyándose en esas 5 ramas y apuntando cada una de las opiniones directamente en Minitab. La lista de ideas quedo de la siguiente manera:

Una vez generadas las teorías que suponen las causas a la problemática se selecciona el menú Stat > Quality tools > Cause and effect, de la siguiente manera:

Mano de Obra

Maquinaria

Metodología

Material

Medio Ambiente

Posteriormente aparecerá la siguiente ventana:

Se indica en la columna “Causes” la columna donde se encuentran los datos para cada una de las ramas (circulo verde), y en la columna “Label” se escribe manualmente el nombre de la rama (círculo rojo).

En “Effect” se escribe el problema que se está analizando (circulo azul). En “Title” el titulo como se desea nombrar al diagrama (circulo naranja). Finalmente pulsa Ok:

Una vez agotadas todas las opiniones y viendo plasmadas dichas teorías en el diagrama, se procede a analizar y seleccionar de forma colectiva aquellas que se consideran las causas reales que originan las “Quejas de clientes en el producto y servicio”. Quedando el diagrama de la siguiente manera:

Una vez realizado el ejercicio anterior, el personal en conjunto con el gerente, nominaron las 3 siguientes causas como aquellas que producen el problema:

Quejas de clientes en el producto y servicio

Los repartidores desconocen la

ciudad.

La mano de obra no es calificada

No hay manual de cocina

Lo anterior basado en el hecho de que la pizza tarda mucho en ser entregada debido a que el personal de cocina no domina bien lo que contiene cada una de las especialidades que se ofrecen como menú, y tardan mucho en armar cada pizza.

Aunado a eso, a la mayoría del personal de cocina no le interesa durar mucho tiempo en esa área ya que la mayoría se inclina más por el reparto. Por lo tanto la mayoría del personal de cocina no se interesa en aprender mucho de esa área, y opta cambiarse a repartir independientemente de si el nuevo repartidor conoce o no bien la ciudad.

Del ejercicio anterior el Gerente de la pizzería opta por implementar las siguientes estrategias:

En general algunas herramientas que te pueden ayudar a generar ideas o teorías para encontrar las causas a una problemática determinada, son:

Brainstorming; tormenta de ideas donde, en reunión con el personal involucrado con el proceso a mejorar, se expresa libremente sus ideas de forma abierta, en relación a la forma en que se pudiera dar solución al problema.

Técnica Nominal de Grupo : en esta técnica, el personal involucrado en la mejora, “nomina” en forma secreta, y por escrito, cuáles pueden ser las posibles causas y soluciones al problema que se presenta.

En realidad el verdadero reto que enfrenta el analista de decisiones es el reunir al personal involucrado, debido a que si es personal de piso, en ocasiones el sindicato no les exige quedarse después del turno, para reuniones de este tipo, o la

1.- Aplicar examen de psicométrico y de aptitudes a personal

que entrará a trabajar a cocina.

2.- Seleccionar personal con

experiencia en reparto, que conozca

muy bien la ciudad

3.- Implementar un manual de inducción al personal de cocina

y reparto.

gerencia no apoya esta actividad con tiempo extra o simplemente la apatía del personal que labora en la empresa, la cual exhibe quizás una motivación muy gastada o escasa.

Es ahí donde debe de entrar tu ingenio como agente de cambio, ya que como autentico líder y profesional ejecutivo, deberás encontrar la forma de motivar y encauzar positivamente la participación de la gente que labora a tu cargo, hacia el logro de los objetivos.

También, para dar validez, tanto al diagnostico de la causa raíz, como la propuesta que vayas a realizar puedes consultar ya sea a técnicos del área donde se está realizando el análisis, como mandos medios o superiores con conocimiento del área, expertos en sistemas de manufactura o servicio al cliente (según sea el caso), proveedores, y gente que labore en otra empresa, en procesos similares o totalmente diferentes.

Lo anterior con el propósito de contar con diferentes puntos de vista, o una perspectiva “fuera de la caja” que ayuden crear una mejor perspectiva sobre las causas que originan un problema y la posible solución.6.3 Correlación lineal

El índice de correlación lineal fue desarrollado por Sir. Francis Galton (1822 – 1911) científico empírico de origen británico dedicado a realizar un sin fin de investigaciones por su cuenta en una amplia gama de disciplinas, de entre las que destacan la antropología, psicología, geografía, etc.

Probablemente estos interés en tan diversas de disciplinas provenga de familia, ya que era primo de otro importante científico empírico (Charles Darwin, autor del origen de las especies, donde presenta que el origen del hombre no es del orden divino, si no que provenimos de la evolución del mono)

Y es en este campo, donde una de sus aportaciones en el tema de la bioestadística fue el de hacer un estudio sobre la antropología biológica y evolutiva del hombre en cuanto a la relación que existe en la estatura de generación en generación; Sir. Francis Galton sostenía la siguiente proporción:

Estatura del Hijo = 85 cms. + 0.50 (la estatura del Padre)

Muchos se preguntarán:

¿Si no se cumple con esa relación de estatura entonces no existe parentesco Padre e Hijo? O una objeción mucho mejor:

¿Cómo explicar porque la estatura entre los hermanos varía?

Sin embargo, y haciendo a un lado las objeciones que pudieran lógicamente surgir de este principio, fue precisamente en estos estudios sobre bioestadística donde se desarrolló lo que se conoce hoy como correlación lineal.

La Correlación Lineal mide el grado de asociación que existe entre dos variables. Estas dos variables tienen que ser numéricas. Para entender mejor esta herramienta veamos el siguiente ejemplo:

Ejemplo 1:

En la escudería CAT de autos de carreras de la serie cart, se contratan los servicios de un analista de decisiones para comprobar si es verdad que entre más cantidad de aditivo que se le administra al vehículo de carreras en los pits, se ve incrementado su rendimiento de combustible en pista. El rendimiento de combustible en pista es un elemento esencial para obtener victorias en la serie cart.

La consultora que se contrato para tal experimento, Ing. Cinthia Chávez sugiere administrar diferentes cantidades de aditivo, cada vez que se llena el tanque. El tanque se llena cada vez únicamente con 10 lts, solo para observar el rendimiento de combustible en la pista, para posteriormente volver a ser llenado otra vez con 10 lts de combustible, y se le vuelve a administrar una cantidad diferente de aditivo para observar si hay diferencia en el rendimiento.

Los datos de los rendimientos y la cantidad de aditivo administrada, se fueron capturando en minitab, quedando de la siguiente manera:

Posteriormente, la analista de decisiones ejecuto en Minitab, la herramienta de correlación lineal de la siguiente manera: Stat > Regression > Fitted line plot

Posteriormente aparece la siguiente pantalla:

Response (Y) representa la variable respuesta es aquella variable que se está analizando, en este caso viene siendo el rendimiento (Km x litro)

Predictor (X) representa la variable que podemos controlar, es decir, aquella que podemos manipular durante el experimento y la que se supone podría controlar la variable respuesta. Esta variable viene siendo la cantidad de aditivo.

Al seleccionar las opciones, Se pulsa “Ok”, obteniendo el siguiente diagrama.

Por lo tanto la Ing. Cinthia Chávez concluye el estudio afirmando que con un 95% de confiabilidad, la relación que existe entre la cantidad de aditivo y el rendimiento de combustible es muy alta (R= 82.7%).

Como podemos observar en el diagrama anterior, a mayor cantidad de aditivo, mayor será el rendimiento de combustible que experimente el automóvil en la pista de carreras.

El coeficiente de correlación “r” que determina el grado de correlación entre dos variables, y que fue utilizado por la consultora en el ejercicio anterior viene dado por los siguientes parámetros:

En minitab este coeficiente aparece en la escala de 0 a 100 debido a que lo maneja como porcentaje (%)

Por lo tanto en el problema anterior, el coeficiente r = 82.7% (o mejor dicho 0.82) representa a una correlación muy alta entre las dos variables analizadas.

Ejemplo 2:

En la empresa de ventas de equipo industrial Fomy International desean conocer si el patrón de ventas ha seguido un crecimiento sostenido. Dado lo anterior la Directora de Finanzas, la Contadora Priscila Hernández capturó en Minitab las ventas de los últimos 5 años (en miles de pesos), quedando de la siguiente manera:

Posteriormente al ejecutar la herramienta de correlación lineal, obtuvo el siguiente gráfico:

la correlación es pobre o muy bajade 0 a.30

la correlación es moderadade .40 a .60

la correlación es altade .70 a 1

Dado el resultado de la correlación CP. Priscila Hernández concluye el estudio afirmando que las ventas si presentan evidentemente un crecimiento sostenido con respecto al tiempo (R= 94.4%) (Circulo verde).

Una vez realizado el estudio, la Contadora plantea la siguiente duda:

¿A cuanto ascenderán las ventas para el próximo año (año 6)?

De contar con tan valiosa información, la Contadora podría estimar de forma más precisa los diferentes presupuestos de la compañía, respondiendo a interrogantes muy importantes tales como: cuanta materia prima comprar, cuanto personal de producción y fuerza de ventas contratar, cuanta maquinaria adquirir, etc. con el mínimo de desperdicio y maximizando las utilidades para la empresa

Partiendo de lo anterior. Priscila toma la ecuación (círculo rojo):

Ventas (m) =1092.5 + 487.5 (año)

Y sustituye el numero 6 (el año que desea pronosticar) en donde dice “año”, quedando de la siguiente manera:

Ventas (m) =1092.5 + 487.5 (6)

Resolviendo la ecuación se obtiene:

Ventas (m) =1092.5 + 2925

Ventas (m) =4017.5

No cabe duda que el campo de aplicación de la correlación lineal es muy amplio y aplicable al tratar de probar la relación que existe entre dos variables, así como también como para predecir ventas, presupuestos de gastos futuros de producción, reparto, mantenimiento, etc. siempre y cuando se cuenten con datos históricos que alimenten tal modelo de predicción.Ejemplos:

Glosario (opcional):

Referencias bibliográficas:

Montgomery, D (2010) Probabilidad y estadística aplicadas a la ingeniería. (2da Ed) México, Editorial Limusa, ISBN: 9789681859152 Cap1. Introducción y estadística descriptiva