Tema #6

Herramientas grficas para la solucin de problemas con

Minitab
Elaborado por: Dr. Ivn Alejandro Vacio Hernndez
1. INTRODUCCIN AL TEMA

Media cuartilla

Introduccin:

Una caracterstica importante en las personas en la actualidad es que la gran mayora ve

incentivado su aprendizaje a partir de la inteligencia visual. Por lo tanto el rol que juegan las
herramientas grficas en la toma de decisiones es muy importante.
Estas herramientas ayudan a representar en forma visual, los elementos que conforman una
problemtica determinada, y dada su naturaleza pictrica, son ms fciles de desarrollar y
entender.
Sobre todo en el papel que juegas t 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 difcil y complicado en este proceso se pudiera dar al recolectar los datos que te ayuden a
plasmar la informacin en los grficos o diagramas. Sin embargo, el beneficio de utilizarlos
correctamente puede encaminar a la organizacin a niveles deseados de calidad y productividad
(o como algunos tericos 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 sern las que veremos en el presente
tema, con la asistencia tecnolgica del software Minitab.

2. EXPLICACIN DEL TEMA

Mnimo 2 cuartillas

Favor de incluir diagramas o figuras que apoyen el tema, poner negritas en los
conceptos importantes.
Es importante que la explicacin que desarrolle sea de su autora, fundamentada en
referencias bibliogrficas confiables.
Ver Gua para desarrollar este apartado en Anexo 1.
Explicacin:
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 distribucin de la riqueza, sosteniendo que la mayor parte de la
misma se distribuida en un pequeo nmero de habitantes. Posteriormente, otro autor de la calidad
contempornea, Joseph Juran, bautiza el grfico como Diagrama de Pareto en honor al
economista italiano.

Segn varios autores el principio de pareto proviene de la creencia de que el 80% del problema es
causado por un 20% de anomalas. En la vida real, al analizar la relacin causa efecto de un
problema no significa que siempre se obtiene esa proporcin (80/20). Ms bien, el enfoque de esta
teora nos ayuda a reflexionar que debemos investigar ms a fondo el problema, para encontrar la
causa raz que lo genera, y as poder establecer una solucin efectiva..

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

Un desastre areo donde la causa raz es un tornillo defectuoso

Un descarrilamiento de un tren, donde el problema sea un durmiente podrido en
un pequeo tramo de va
La prdida masiva de clientes por mala atencin o servicio post venta
La prdida 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 rea de los ngeles, el sector de California
que ms adquiere automviles en los Estados Unidos de Norteamrica.

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

Marca de
Vehculo
Laurus
Founder
Jefferson
Focas

Cantidad de
unidades
defectuosas
500
100
1900
450

Posteriormente se traslada la informacin 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 Rengln Cero o En Blanco que sirve para asignar un
nombre a la columna de datos que estamos analizando (Circulo Azul).
Posteriormente seleccionamos del men Stat > Quality tools > Pareto chart, de la siguiente
manera:

Despus aparecer la siguiente ventana:

Seleccionamos la opcin Chart defects table y en el campo labels in le indicamos la columna

en donde vienen las marcas de los vehculos. En Frequencies in se indica la columna donde se
encuentran la cantidad de defectos. Se le pone un nombre al grfico 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 compaa Lord Motor Co. en los ngeles (circulo verde) , una diferencia notable si
se compara con el resto de las marcas.
La marca Jefferson, posee tres modelos de automvil y Suvs, de los cuales se analiz 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 nmero 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 anlisis ms especfico 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 minora 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 solucin a la minora de causas que producen la mayor parte de los problemas de
la marca Jefferson, y de la compaa 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 rea 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 pistn de
la puerta trasera, el
reducir la presin (Psi)
del pistn, para que
pueda cerrar ms
facilmente.

Una vez desarrolladas las estrategias, el equipo de ingeniera, junto con una contadora del rea de
finanzas procede a elaborar un anlisis de costo beneficio:
ANALISIS COSTO BENEFICIO:

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

Costo
de
Unidades Reparac Costo
defectuos in por mensua
as x mes unidad
l
$180,00
600
$300
0
300

$20

$6,000

Costo total

Estrategias

Unidades Inversi Costo

Producida
n por
mensua
s
unidad
l
$
7500
*0.4 3,000

Empapelado protector
Ajuste de presin del Pistn
Inversin anual
Inversin del primer ao en Maquinaria, equipo,
herramientas (First Year Investment)
Inversin Total
Ahorro Anual Total en Costos (Cost
Avoidance per Year)

Costo anual
$2,160,000
$72,000
$ 2,232,000

Costo anual
$
$

36,000
**$0
36,000

$0
36,000
$
2,196,000

Consideraciones del proyecto (Assumptions):

El costo del empapelado es de 20 Centavos de dlar. Como se empapelarn las

defensas delantera y trasera, se invertirn *0.4 dls. por automvil.
S negoci con el proveedor del empapelado para que provea a un operador de
produccin para la colocacin del empapelado sin costo alguno.
El proveedor del pistn har los ajustes necesarios en la presin 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 sirvi de apoyo para la visualizacin
de los problemas que se estaban presentando en la compaa automotriz Lord Motor Company.

Como habrs 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 as 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 atendi el (los) problema(s) que ms incidencias
causaba (n), sin embargo, en el anlisis realizado, salieron a la luz otros proyectos potenciales que
todava quedaron pendientes de ser atendidos.
De ah que el proceso de tamizado que se da en el desarrollo del diagrama de pareto es uno de los
rasgos caractersticos de la reciente filosofa de calidad denominada Seis sigma ya que permite ir
tamizando aquellos proyectos que son viables para la compaa.
Por lo tanto lo que hemos visto nos ayuda a ir seleccionando y/o visualizando
aquellos proyectos que cumplan con 2 caractersticas esenciales para que se
puedan concretar y tener xito en su desarrollo: que sean fsicamente realizables
y por supuesto, econmicamente factibles.

6.2

Diagrama de Ishikawa

Este diagrama toma el nombre de su inventor el Dr. Kaoru Ishikawa (1915-1989), Ingeniero
Qumico y Doctor en Ingeniera por la Universidad de Japn. Conocido como uno de los pilares
ms importantes de la calidad en el pas Nipn.

Conocido como el padre del anlisis cientfico en problemas organizacionales, su aportacin ms

reconocida es el empleo del Diagrama de Ishikawa el cual se encarga de agrupar de forma
grfica las causas posibles a una problemtica 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. Cuauhtmoc Tern est interesado en esclarecer la
situacin para lo cual rene a su personal al final del turno de la noche.

El objetivo de la reunin es elaborar un diagrama de Ishikawa para determinar la causa raz al

problema, partiendo de 5 conglomerados o ramas:

Mano de Obra
Maquinaria
Metodologa
Material
Medio Ambiente

Partiendo de lo anterior el Gerente pide a su personal a cargo que externen su opinin acerca de
las posibles causas al problema, apoyndose 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 teoras que suponen las causas a la problemtica se selecciona el men
Stat > Quality tools > Cause and effect, de la siguiente manera:

Posteriormente aparecer 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
(crculo rojo).
En Effect se escribe el problema que se est 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 teoras 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:

La
mano
La mano
de
obra
de obra
no
es
no es
calificada

No
hay
No hay
manual
manual
de cocina

Los
Los
repartidor
repartidor
es
es
desconoc
desconoc
en la
ciudad.
ciudad.

Quejas de clientes en el
producto y servicio

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 men, y tardan mucho en armar cada pizza.
Aunado a eso, a la mayora del personal de cocina no le interesa durar mucho tiempo en esa rea
ya que la mayora se inclina ms por el reparto. Por lo tanto la mayora del personal de cocina no
se interesa en aprender mucho de esa rea, y opta cambiarse a repartir independientemente de si
el nuevo repartidor conoce o no bien la ciudad.
Del ejercicio anterior el Gerente de la pizzera opta por implementar las siguientes estrategias:

1.- Aplicar
examen de
psicomtrico y
de aptitudes a
personal que
entrar a
trabajar a
cocina.

2.- Seleccionar
personal con
experiencia en
reparto, que
conozca muy
bien la ciudad

3.- Implementar
un manual de
induccin al
personal de
cocina y
reparto.

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

Brainstorming; tormenta de ideas donde, en reunin con el personal

involucrado con el proceso a mejorar, se expresa libremente sus ideas de forma
abierta, en relacin a la forma en que se pudiera dar solucin al problema.

Tcnica Nominal de Grupo: en esta tcnica, el personal involucrado en la

mejora, nomina en forma secreta, y por escrito, cules 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 despus del turno, para reuniones de este tipo, o la
gerencia no apoya esta actividad con tiempo extra o simplemente la apata del
personal que labora en la empresa, la cual exhibe quizs una motivacin muy
gastada o escasa.

Es ah donde debe de entrar tu ingenio como agente de cambio, ya que como autentico lder y
profesional ejecutivo, debers encontrar la forma de motivar y encauzar positivamente la
participacin de la gente que labora a tu cargo, hacia el logro de los objetivos.
Tambin, para dar validez, tanto al diagnostico de la causa raz, como la propuesta que
vayas a realizar puedes consultar ya sea a tcnicos del rea donde se est realizando el anlisis,
como mandos medios o superiores con conocimiento del rea, expertos en sistemas de
manufactura o servicio al cliente (segn sea el caso), proveedores, y gente que labore en otra
empresa, en procesos similares o totalmente diferentes.

Lo anterior con el propsito 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 solucin.
6.3
Correlacin lineal
El ndice de correlacin lineal fue desarrollado por Sir. Francis Galton (1822 1911) cientfico
emprico de origen britnico dedicado a realizar un sin fin de investigaciones por su cuenta en una
amplia gama de disciplinas, de entre las que destacan la antropologa, psicologa, geografa, etc.

Probablemente estos inters en tan diversas de disciplinas provenga de familia, ya que era primo
de otro importante cientfico emprico (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 evolucin del
mono)
Y es en este campo, donde una de sus aportaciones en el tema de la bioestadstica fue el de hacer
un estudio sobre la antropologa biolgica y evolutiva del hombre en cuanto a la relacin que existe
en la estatura de generacin en generacin; Sir. Francis Galton sostena la siguiente proporcin:
Estatura del Hijo = 85 cms. + 0.50 (la estatura del Padre)
Muchos se preguntarn:
Si no se cumple con esa relacin de estatura entonces no existe parentesco Padre e Hijo?
O una objecin mucho mejor:
Cmo explicar porque la estatura entre los hermanos vara?
Sin embargo, y haciendo a un lado las objeciones que pudieran lgicamente surgir de este
principio, fue precisamente en estos estudios sobre bioestadstica donde se desarroll lo que se
conoce hoy como correlacin lineal.
La Correlacin Lineal mide el grado de asociacin que existe entre dos variables. Estas dos
variables tienen que ser numricas. Para entender mejor esta herramienta veamos el siguiente
ejemplo:
Ejemplo 1:

En la escudera 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
ms cantidad de aditivo que se le administra al vehculo 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 Chvez sugiere administrar
diferentes cantidades de aditivo, cada vez que se llena el tanque. El tanque se llena cada vez
nicamente 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 correlacin 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 est

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 podra
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 Chvez concluye el estudio afirmando que con un 95% de confiabilidad,
la relacin 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 ser el
rendimiento de combustible que experimente el automvil en la pista de carreras.

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

de 0
a.30

de .40 a .
60

la correlacin
es pobre o muy
baja
la correlacin
es moderada

de .70 a la correlacin
es alta
1
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
correlacin muy alta entre las dos variables analizadas.
Ejemplo 2:
En la empresa de ventas de equipo industrial Fomy International desean
conocer si el patrn de ventas ha seguido un crecimiento sostenido.
Dado lo anterior la Directora de Finanzas, la Contadora Priscila Hernndez
captur en Minitab las ventas de los ltimos 5 aos (en miles de pesos),
quedando de la siguiente manera:

Posteriormente al ejecutar la herramienta de correlacin lineal, obtuvo el siguiente grfico:

Dado el resultado de la correlacin CP. Priscila Hernndez 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 ascendern las ventas para el prximo ao (ao 6)?
De contar con tan valiosa informacin, la Contadora podra estimar de forma ms precisa los
diferentes presupuestos de la compaa, respondiendo a interrogantes muy importantes tales
como: cuanta materia prima comprar, cuanto personal de produccin y fuerza de ventas contratar,
cuanta maquinaria adquirir, etc. con el mnimo de desperdicio y maximizando las utilidades para la
empresa
Partiendo de lo anterior. Priscila toma la ecuacin (crculo rojo):
Ventas (m) =1092.5 + 487.5 (ao)
Y sustituye el numero 6 (el ao que desea pronosticar) en donde dice ao, quedando de la
siguiente manera:
Ventas (m) =1092.5 + 487.5 (6)
Resolviendo la ecuacin se obtiene:
Ventas (m) =1092.5 + 2925
Ventas (m) =4017.5

No cabe duda que el campo de aplicacin de la correlacin lineal es muy amplio y

aplicable al tratar de probar la relacin que existe entre dos variables, as como
tambin como para predecir ventas, presupuestos de gastos futuros de produccin,
reparto, mantenimiento, etc. siempre y cuando se cuenten con datos histricos
que alimenten tal modelo de prediccin.
Ejemplos:
Glosario (opcional):
Referencias bibliogrficas:

Montgomery, D (2010) Probabilidad y estadstica aplicadas a la ingeniera. (2da Ed)

Mxico, Editorial Limusa, ISBN: 9789681859152 Cap1. Introduccin y estadstica
descriptiva