Está en la página 1de 374

Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Maestría en Ingeniería en Calidad

Tesis

“Instrumentos de control para la gestión


integrada de la tecnología de la información
como área de servicio interno en una
empresa del sector electrónico”

Autor: Ing. Manuel Mariano Teigeiro


Director: Ing. Álvaro Ruiz de Mendarozqueta
Co-Director: Esp. Ing. Ricardo Rezzónico

Manuel Teigeiro Tesis Página -1 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Integrantes del Tribunal de Tesis

Dra. Mónica Balzarini

Magister Lucía Pawluk

Dr. Claudio Gabriel Ochoa

Córdoba, Junio 2009

Manuel Teigeiro Tesis Página -2 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

A mi familia, amigos y todos aquellos que supieron esperarme y apoyarme en tiempos


difíciles; reforzando mi convicción de que, luego de toda tormenta, deviene la paz y la
tranquilidad. Para ellos, junto con los que he aprendido a disfrutar lo que la vida nos
brinda cada día, el presente, tratando de ser más humanos en nuestro mundo.
Aprendiendo que de nada sirve ser luz si no vas a iluminar el camino de los demás.

Manuel Teigeiro Tesis Página -3 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Agradecimientos

Principalmente a Ricardo, mi co-director de tesis, que siempre me ayudó de diferentes


formas, transfiriendo su experiencia y conocimiento, aplicando su espíritu crítico y
dedicando tiempo para enriquecer mis borradores. Del mismo modo, a mi director,
Álvaro, que orientó mi trabajo, aportando distintos puntos de vista. A Diego Rubio, por
evacuar dudas estadísticas y consultas relacionadas. A las personas que me
acompañaron durante mi carrera profesional, y a las empresas que me brindaron la
oportunidad de desarrollarme; sin olvidar a mis amigos y compañeros de trabajo, con
quienes comparto casi la mitad de mis días. Por último, y sobre todo, a mi familia, que
me ha dado la fuerza para terminar esta tesis, tan postergada por el trabajo diario.

Manuel Teigeiro Tesis Página -4 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

I. Nota preliminar aclaratoria

La mayoría de las referencias técnicas y terminología en tecnología de la información


(Information Technology, IT) se encuentran en idioma inglés, y de ese modo la utilizan
las empresas habitualmente. Por lo tanto, la documentación de soporte, tanto de los
productos relacionados como de las comunidades de usuarios, se halla en ese idioma.
En otras palabras, la adopción de la terminología inglesa, en el ámbito de la IT, está
totalmente diseminada. Esto permite un lenguaje genérico e inequívoco dentro de este
área, dado que, de otra forma se dificultaría encontrar términos, en el idioma nativo, que
representen con exactitud su verdadero significado.

Por lo dicho, en el siguiente trabajo se usarán reiteradamente los términos originales -


diferenciados en estilo cursivo-, aclarando el significado y siglas correspondientes entre
paréntesis. Y por otro lado, la mayoría de las tablas y gráficos, que dan sostén a los
respectivos planteos y conclusiones, así como los apéndices, que tienen por objeto
mostrar fielmente diferentes tipos de reportes, se hallan en tal idioma.

También el programa de cálculo estadístico utilizado en esta tesis es el ―Minitab v. 15‖


estaba disponible solo en inglés para el uso con licencia; resultando sus gráficos y
referencias en el mismo idioma.

Manuel Teigeiro Tesis Página -5 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

CONTENIDO

I. NOTA PRELIMINAR ACLARATORIA .............................................................................. 5


II. ABREVIATURAS Y SIGNIFICADOS .............................................................................. 18
III. INTRODUCCIÓN ...................................................................................................... 19

PARTE I

MARCO DE TRABAJO ......................................................................................................... 26

1. DEFINICIÓN DEL MARCO DE TRABAJO .......................................................................... 26

1.1. Metodología Six Sigma .......................................................................................... 27


1.1.1. Clases de proyectos de Six Sigma (DMAIC, DMADV, DMADDD) ................. 27
1.1.2. Fases de un proyecto DMAIC........................................................................ 28
1.1.3. Relaciones entre DMAIC y PDCA ................................................................. 30
1.1.4. Ciclo de vida de un proyecto DMAIC ............................................................. 31
1.1.5. Listado de herramientas para Six Sigma ....................................................... 32

1.2. Tablero de control balanceado............................................................................... 34


1.2.1. ¿Qué es un tablero de control balanceado? .................................................. 34
1.2.2. ¿Por qué se necesitan las métricas?............................................................. 36

1.3. Objetivos de control para la información y tecnología relacionada ........................ 38


1.3.1. Relaciones entre ISACA, CObIT y COSO ..................................................... 38
1.3.2. CObIT como marco de referencia ................................................................. 40
1.3.3. La información gerencial en CObIT ............................................................... 40
1.3.4. Factores críticos del gobierno de IT .............................................................. 42
1.3.5. Estados de madurez del modelo de CObIT ................................................... 45
1.3.6. Marco de trabajo de CObIT ........................................................................... 46
1.3.7. Procesos de CObIT ....................................................................................... 49

1.4. Librerías de infraestructura de la tecnología de la información .............................. 52


1.4.1. Gerenciamiento de servicios de IT ................................................................ 52
1.4.2. Soporte de servicios ...................................................................................... 54
1.4.2.1. Gestión de incidentes ........................................................................ 55
1.4.2.2. Gestión de problemas ........................................................................ 55
1.4.2.3. Gestión de cambios ........................................................................... 56
1.4.2.4. Gestión de nuevas versiones de Hw y Sw ......................................... 56
1.4.2.5. Gestión de configuraciones ............................................................... 57
1.4.3. Entrega de servicios ...................................................................................... 58
1.4.3.1. Gestión de nivel de servicios ............................................................. 59
1.4.3.2. Gestión de disponibilidad ................................................................... 59
1.4.3.3. Gestión financiera de los servicios de IT ........................................... 60

Manuel Teigeiro Tesis Página -6 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.4.3.4. Gestión de la capacidad .................................................................... 61


1.4.3.5. Gestión de la continuidad del negocio de IT ...................................... 62
1.4.4. Gestión de la seguridad de IT........................................................................ 62

1.5. Cómo implementar mejor CObIT, ITIL e ISO 17799 .............................................. 64


1.5.1. Alineación con las mejores prácticas............................................................. 64

1.6. Introducción a CMMI .............................................................................................. 65


1.6.1. Beneficios de la mejora del proceso con CMMI............................................. 65
1.6.2. Representaciones de CMMI .......................................................................... 67
1.6.3. Mapeo de CMMI y CObIT a alto nivel ............................................................ 69

1.7. Relevamiento de la situación actual ....................................................................... 72


1.7.1. Tareas realizadas durante el relevamiento ...................................................... 72
1.7.2. Escenario actual............................................................................................... 73
1.7.3. Beneficios de operar sobre un marco de trabajo.............................................. 74
1.7.4. Importancia de las métricas ............................................................................. 75

PARTE II

PROYECTO DMAIC. FASES ............................................................................................... 77

2. DEFINICIÓN DE OPORTUNIDADES ................................................................................ 77


2.1. Voz del cliente ............................................................................................... 78
2.2. Definiciones útiles de la terminología usada.................................................. 80
2.3. SIPOC ........................................................................................................... 81
2.4. Estatutos del grupo........................................................................................ 83

3. MEDICIÓN DE LA PERFORMANCE O ACTUACIÓN ............................................................ 84


3.1. Indicadores principales .................................................................................. 85
3.2. Entradas y salidas del proceso ...................................................................... 87
3.3. Matriz de causa-efecto .................................................................................. 87
3.4. Plan de medición ........................................................................................... 88
3.5. Análisis del sistema de medición ................................................................... 89
3.6. Servicios, tiempo de resolución (horas) y variables ....................................... 90
3.6.1. Gráficos de valores individuales – Estadísticas ................................. 90
3.6.2. Gráficos de cajas y bigotes – Estadísticas......................................... 93
3.6.3. Resumen – Estadísticas ................................................................... 96
3.6.4. Gráficos de comportamiento – Estadísticas....................................... 98
3.6.5. Gráficos de Pareto – Estadísticas.................................................... 100
3.7. Problemas, tiempo de resolución (horas) y variables .................................. 113
3.7.1. Gráficos de valores individuales - Estadísticas ................................ 113
3.7.2. Gráficos de cajas - Estadísticas....................................................... 115
3.7.3. Resumen - Estadísticas ................................................................... 117
3.7.4. Gráficos de comportamiento - Estadísticas ..................................... 119
3.7.5. Gráficos de Pareto - Estadísticas .................................................... 121

Manuel Teigeiro Tesis Página -7 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4. ANÁLISIS DE OPORTUNIDADES ................................................................................. 134


4.1. Bases y definiciones para tickets de servicios y problemas ........................ 135
4.1.1. Análisis del tiempo de resolución de servicios - 2007 ................................. 135
Normalización, datos de servicios - 2007....................................................... 141
4.1.2. Análisis del tiempo de resolución de servicios - 2006 ................................. 144
4.1.2.1. Normalización, datos de servicios - 2006 ........................................ 145
4.1.3. Análisis del tiempo de resolución de servicios - 2005 ................................. 149
4.1.3.1. Normalización, datos de servicios - 2005 ....................................... 151
4.1.4. Análisis de variabilidad de servicios – 2005 a 2007 .................................... 156
4.1.4.1. Variabilidad - ANAVA – 2005 a 2007 ............................................... 157
4.1.4.2. Variabilidad - ANAVA – 2005 y 2007 ............................................... 162
4.1.5. Análisis del tiempo de resolución de problemas - 2007............................... 163
4.1.5.1. Tratamiento de distribuciones no normales ..................................... 165
4.1.5.2. Transformadas de Johnson ............................................................. 166
4.1.5.3. Transformadas seleccionadas para el análisis ................................ 167
4.1.5.4. Normalización, datos de problemas - 2007...................................... 168
4.1.5.5. Normalización, datos de problemas - 2006...................................... 172
4.1.5.6. Normalización, datos de problemas - 2005...................................... 178
4.1.6. Análisis de variabilidad de problemas – 2005 a 2007.................................. 185
4.1.7. Análisis de variabilidad de problemas – 2006 y 2007 .................................. 188
4.1.8. Factores y efectos principales en la media (Servicios) ................................ 190
4.1.9. Interacciones de variables o efectos, sus relaciones (Servicios) ................. 194
4.1.10. Gráficos de intervalos de media (95%) vs. variables por año ...................... 198
4.1.11. Análisis de variabilidad de problemas (RT) vs miembros de TI - 2005 ........ 201
4.1.12. Análisis de variabilidad RT Problemas vs de perfil del ticket – 2005 ........... 204
4.1.13. Análisis de variabilidad de Media de problemas vs miembros TI 2007 ....... 213
4.1.14. Análisis de variabilidad de Problemas (RT) vs perfil del ticket - 2007 ......... 217
4.1.15. Conclusiones del análisis de variabilidad de factores por año .................... 222
4.2. Conclusiones de la fase de análisis de oportunidades ................................ 223

5. MEJORA DE LA PERFORMANCE O ACTUACIÓN ............................................................ 225


5.1. Proceso de mejora de 7 pasos (ITIL V3) ..................................................... 227
5.2. Compromiso de decisiones basadas en datos (Six Sigma) ......................... 230
5.2.1. Diferentes métodos de toma de decisiones ................................................. 230
5.3. Aplicación de indicadores para medición y análisis (SEI-CMMI) ................. 232
5.3.1. Errores frecuentes en los planes de medición ............................................. 232
5.3.2. Guía o plantilla de un indicador según SEI - CMMI ..................................... 234
5.4. Medición del desempeño organizacional (BS - CMMI) ................................ 235
5.4.1. Plan de desempeño de indicadores (Measurement Plan – MP) .................. 238
5.4.2. Formato sugerido para el cálculo de un indicador ....................................... 238
5.4.3. Ejemplos de representación de un indicador o métrica ............................... 240
5.5. ¿Por qué usar un tablero de control (dashboard) para los indicadores? ..... 262
5.5.1. Ejemplos de representación de indicadores en un dashboard .................... 264
5.6. Resumen de la etapa de mejora de la performance o actuación................. 265

6. CONTROL DE LA PERFORMANCE ............................................................................... 268


6.1. Fases y salidas del control del desempeño o performance ......................... 269
6.2. Elementos de un plan de implementación ................................................... 269

Manuel Teigeiro Tesis Página -8 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

6.2.1. Análisis de problemas potenciales .............................................................. 269


6.2.2. Procedimientos y estándares ...................................................................... 270
6.2.3. Sistema de control estadístico de procesos (SPC) ...................................... 271
6.2.4. Plan de entrenamiento y comunicación ....................................................... 274
6.3. Cierre del proyecto y reconocimiento .......................................................... 274

IV. COMENTARIOS FINALES ........................................................................................ 275


V. BIBLIOGRAFÍA ...................................................................................................... 278
VI. APÉNDICES.......................................................................................................... 283

Manuel Teigeiro Tesis Página -9 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

ÍNDICE DE TABLAS

Tabla 1.1.2-1 Pasos a seguir en las distintas etapas del proceso DMAIC ................................. 29
Tabla 1.1.5-1 Herramientas de Six Sigma utilizadas en distintas fases del proyecto ................. 32
Tabla 2.4-1 Estatuto del grupo .................................................................................................. 83
Tabla 4.1.1-1 Test de bondad de ajuste ...................................................................................140
Tabla 4.1.1.1-1 Análisis estadístico descriptivo (RT). Servicios 2007 .......................................141
Tabla 4.1.2.1-1 Análisis estadístico descriptivo (RT). Servicios 2006 .......................................146
Tabla 4.1.3.1-1 Análisis estadístico descriptivo (RT). Servicios 2005 .......................................151
Tabla 4.1.4.1-1 ANOVA – Media de Servicios vs. Año 2005 al 2007 ......................................158
Tabla 4.1.4.2-1 ANOVA – Media de Servicios vs. Año 2005 y 2007 ........................................162
Tabla 4.1.6-1 ANOVA – Media de problemas vs. Año 2005 al 2007 .........................................185
Tabla 4.1.7-1 ANOVA – Media de problemas vs. Año 2006 y 2007 ..........................................188
Tabla 4.1.11-1 ANOVA – Media de problemas vs. Miembros de TI 2005 .................................201
Tabla 4.1.12-1 ANOVA – Media de problemas vs. Perfil de tickets 2005 ..................................204
Tabla 4.1.13-1 ANOVA – Media de problemas vs. Miembros de TI 2007 .................................213
Tabla 4.1.14-1 ANOVA – Media de problemas vs. Perfil de tickets 2007 ..................................217
Tabla 5.4.3-1 Métrica: Encuesta de satisfacción al cliente por incidentes .................................240
Tabla 5.4.3-2 Métrica: Costo de la no calidad ..........................................................................243
Tabla 5.4.3-3 Métrica: Costo de la calidad ................................................................................245
Tabla 5.4.3-4 Métrica: Esfuerzo de entrenamiento ...................................................................248
Tabla 5.4.3-5 Métrica: Tiempo de remoción de vulnerabilidades e incidentes de seguridad .....250
Tabla 5.4.3-6 Métrica: Tiempo de resolución de incidentes en IT .............................................254
Tabla 5.4.3-7 Métrica: Gastos financieros reales vs. presupuestados ......................................260

Manuel Teigeiro Tesis Página - 10 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

ÍNDICE DE GRÁFICOS

Gráfico 1.1.1-1 Procesos de DMAIC, DMADDD y DMADV ........................................................ 28


Gráfico 1.1.3-1 Representación gráfica de DMAICS – PDCA .................................................... 30
Gráfico 1.1.4-1 Ciclo de vida de un proyecto de DMAIC ............................................................ 31
Gráfico 1.2.1-1 Factores claves y visión estratégica organizacional .......................................... 35
Gráfico 1.3.3-1 Información gerencial ........................................................................................ 42
Gráfico 1.3.4-1 Factores críticos del gobierno de IT .................................................................. 43
Gráfico 1.3.4-2 Relaciones de los componentes de CObIT ....................................................... 44
Gráfico 1.3.5-1 Representación gráfica de los modelos de madurez ......................................... 46
Gráfico 1.3.6-1 El cubo de CObIT.............................................................................................. 47
Gráfico 1.3.6-2 Marco de trabajo de CObIT ............................................................................... 48
Gráfico 1.3.7-1 Estándares y su relación con IT ........................................................................ 50
Gráfico 1.4.1-1 ITIL. Proceso de gerenciamiento de servicios ................................................... 53
Gráfico 1.4.1-2 Representación de la versión 3 de ITIL ............................................................. 53
Gráfico 1.4.2.1-1 Gestión de incidentes de ITIL ......................................................................... 55
Gráfico 1.4.2.2-1 Gestión de problemas de ITIL ........................................................................ 55
Gráfico 1.4.2.3-1Gestión de cambios de ITIL ............................................................................ 56
Gráfico 1.4.2.4-1Gestión de nuevas versiones (Hw & Sw) de ITIL ............................................. 57
Gráfico 1.4.2.5-1 Gestión de configuraciones de ITIL (CMDB) .................................................. 57
Gráfico 1.4.3-1 Gestión de servicios de entrega o pedidos de ITIL ............................................ 58
Gráfico 1.4.3.1-1Gestión de nivel de servicios de ITIL ............................................................... 59
Gráfico 1.4.3.2-1 Gestión de disponibilidad de ITIL ................................................................... 60
Gráfico 1.4.3.4-1 Gestión de capacidad de ITIL......................................................................... 61
Gráfico 1.4.3.5-1 Gestión de la continuidad de servicios de ITIL .............................................. 62
Gráfico 1.4.4-1 Gestión de la seguridad de ITIL ........................................................................ 63
Gráfico 1.6.1-1 Evolución del modelo CMM ............................................................................... 66
Gráfico 1.6.2-1 Objetivos genéricos requeridos por CMMI......................................................... 68
Gráfico 1.6.2-2 Prácticas requeridas por nivel de madurez de CMMI ........................................ 69
Gráfico 1.6.3-1 Prácticas requeridas por nivel de madurez de CMMI ........................................ 70
Gráfico 2-1 Definir oportunidades .............................................................................................. 78
Gráfico 2.3-1 Diagrama de SIPOC ............................................................................................ 82
Gráfico 3-1 Medición de la performance .................................................................................... 84
Gráfico 3.3-1 Matriz causa-efecto de entradas - salidas ............................................................ 87
Gráfico 3.4-1 Plan de medición ................................................................................................. 89
Gráfico 3.6.1-1 Valores individuales (RT) por mes – Servicios 2007 ......................................... 91

Manuel Teigeiro Tesis Página - 11 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.1-2 Valores individuales (RT) por mes – Servicios 2006 ......................................... 91
Gráfico 3.6.1-3 Valores individuales (RT) por mes – Servicios 2005 ......................................... 92
Gráfico 3.6.2-1 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2007 ............................. 94
Gráfico 3.6.2-2 Gráfico de cajas de Tickets (RT) por mes – Servicios 2006 .............................. 95
Gráfico 3.6.2-3 Gráfico de cajas Tickets (RT) por mes – Servicios 2005 ................................... 95
Gráfico 3.6.3-1 Resumen de estadística Tickets (RT) – Servicios 2007.................................. 96
Gráfico 3.6.3-2 Resumen de estadística Tickets (RT) – Servicios 2006................................... 97
Gráfico 3.6.3-3 Resumen de estadística Tickets (RT) – Servicios 2005................................... 97
Gráfico 3.6.4-1 De comportamiento de Tickets (RT) por mes – Servicios 2007 ......................... 98
Gráfico 3.6.4-2 De comportamiento de Tickets (RT) por mes – Servicios 2006 ......................... 99
Gráfico 3.6.4-3 De comportamiento de Tickets (RT) por mes – Servicios 2005 ........................ 99
Gráfico 3.6.5-1 Pareto de Tickets por severidad – Servicios 2007 ............................................101
Gráfico 3.6.5-2 Pareto de Tickets por severidad – Servicios 2006 ............................................101
Gráfico 3.6.5-3 Pareto de Tickets por severidad – Servicios 2005 ............................................102
Gráfico 3.6.5-4 Pareto de Tickets por impacto – Servicios 2007 ...............................................102
Gráfico 3.6.5-5 Pareto de Tickets por impacto – Servicios 2006 ...............................................103
Gráfico 3.6.5-6 Pareto de Tickets por impacto – Servicios 2005 ...............................................103
Gráfico 3.6.5-7 Pareto de Tickets por miembros de TI – Servicios 2007...................................104
Gráfico 3.6.5-8 Pareto de Tickets por miembros de TI – Servicios 2006...................................104
Gráfico 3.6.5-9 Pareto de Tickets por miembros de TI – Servicios 2005...................................105
Gráfico 3.6.5-10 Pareto de Tickets por días (agrupados) – Servicios 2007 ..............................105
Gráfico 3.6.5-11 Pareto de Tickets por días (agrupados) – Servicios 2006 ..............................106
Gráfico 3.6.5-12 Pareto de Tickets por días (agrupados) – Servicios 2005 ..............................106
Gráfico 3.6.5-13 Pareto de Tickets por días de espera (agrupados) – Servicios 2007 ..............107
Gráfico 3.6.5-14 Pareto de Tickets por días de espera (agrupados) – Servicios 2006 ..............107
Gráfico 3.6.5-15 Pareto de Tickets por días de espera (agrupados) – Servicios 2005 ..............108
Gráfico 3.6.5-16 Pareto de satisfacción del cliente por ticket – Servicios 2007 .........................109
Gráfico 3.6.5-17 Pareto de satisfacción del cliente por ticket – Servicios 2006 .........................109
Gráfico 3.6.5-18 Pareto de satisfacción del cliente por ticket – Servicios 2005 .........................110
Gráfico 3.6.5-19 Pareto de tickets reabiertos – Servicios 2007 .................................................111
Gráfico 3.6.5-20 Pareto de tickets reabiertos – Servicios 2006 .................................................111
Gráfico 3.6.5-21 Pareto de tickets reabiertos – Servicios 2005 .................................................112
Gráfico 3.7.1-1 Valores individuales (RT) por mes – Problemas 2007 ......................................113
Gráfico 3.7.1-2 Valores individuales (RT) por mes – Problemas 2006 ......................................114
Gráfico 3.7.1-3 Valores individuales (RT) por mes – Problemas 2005 ......................................114
Gráfico 3.7.2-1 Gráfico de Cajas de Tickets (RT) por mes – Problemas 2007 ..........................115

Manuel Teigeiro Tesis Página - 12 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.2-2 Gráfico de Cajas de Tickets (RT) por mes – Problemas 2006 ..........................116
Gráfico 3.7.2-3 Gráfico de Cajas de Tickets (RT) por mes – Problemas 2005 .........................116
Gráfico 3.7.3-1 Resumen de estadística Tickets (RT) – Problemas 2007 ..............................117
Gráfico 3.7.3-2 Resumen de estadística Tickets (RT) – Problemas 2006 ..............................118
Gráfico 3.7.3-3 Resumen de estadística Tickets (RT) – Problemas 2005 ..............................118
Gráfico 3.7.4-1 De comportamiento de Tickets (RT) por mes – Problemas 2007 .....................119
Gráfico 3.7.4-2 De comportamiento de Tickets (RT) por mes – Problemas 2006 .....................120
Gráfico 3.7.4-3 De comportamiento de Tickets (RT) por mes – Problemas 2005 .....................120
Gráfico 3.7.5-1 Pareto de Tickets por severidad – Problemas 2007 .........................................121
Gráfico 3.7.5-2 Pareto de Tickets por severidad – Problemas 2006 .........................................122
Gráfico 3.7.5-3 Pareto de Tickets por severidad – Problemas 2005 .........................................122
Gráfico 3.7.5-4 Pareto de Tickets por impacto – Problemas 2007 ............................................123
Gráfico 3.7.5-5 Pareto de Tickets por impacto – Problemas 2006 ............................................124
Gráfico 3.7.5-6 Pareto de Tickets por impacto – Problemas 2005 ............................................124
Gráfico 3.7.5-7 Pareto de Tickets por miembros de TI – Problemas 2007 ................................125
Gráfico 3.7.5-8 Pareto de Tickets por miembros de TI – Problemas 2006 ................................125
Gráfico 3.7.5-9 Pareto de Tickets por miembros de TI – Problemas 2005 ................................126
Gráfico 3.7.5-10 Pareto de Tickets por días (agrupados) – Problemas 2007 ............................126
Gráfico 3.7.5-11 Pareto de Tickets por días (agrupados) – Problemas 2006 ............................127
Gráfico 3.7.5-12 Pareto de Tickets por días (agrupados) – Problemas 2005 ............................127
Gráfico 3.7.5-13 Pareto de Tickets por días de espera (agrupados) – Problemas 2007 ...........128
Gráfico 3.7.5-14 Pareto de Tickets por días de espera (agrupados) – Problemas 2006 ...........128
Gráfico 3.7.5-15 Pareto de Tickets por días de espera (agrupados) – Problemas 2005 ...........129
Gráfico 3.7.5-16 Pareto de satisfacción del cliente por ticket – Problemas 2007 ......................130
Gráfico 3.7.5-17 Pareto de satisfacción del cliente por ticket – Problemas 2006 ......................130
Gráfico 3.7.5-18 Pareto de satisfacción del cliente por ticket – Problemas 2005 ......................131
Gráfico 3.7.5-19 Pareto de tickets reabiertos (cero) – Problemas 2007 ....................................132
Gráfico 3.7.5-20 Pareto de tickets reabiertos (cero) – Problemas 2006 ....................................132
Gráfico 3.7.5-21 Pareto de tickets reabiertos – Problemas 2005 ..............................................133
Gráfico 4-1 Análisis de oportunidades ......................................................................................134
Gráfico 4.1.1-1 Valores individuales (RT) por mes – Servicios 2007 ........................................136
Gráfico 4.1.1-2 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2007 ...........................136
Gráfico 4.1.1-3 Resumen de estadística Tickets (RT) por mes – Servicios 2007 ..................137
Gráfico 4.1.1-4 Valores individuales (RT) por mes – Servicios 2007 - corregida.......................138
Gráfico 4.1.1-5 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2007 - corregida ...........138
Gráfico 4.1.1-6 Resumen de estadística Tickets (RT) por mes – Servicios 2007 - corregida .139

Manuel Teigeiro Tesis Página - 13 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.1.1-1 Análisis de normalidad – Media semanal. Servicios 2007 .............................142


Gráfico 4.1.1.1-2 Análisis SixPack – Media semanal. Services 2007 ........................................143
Gráfico 4.1.1.1-3 Capacidad del proceso – Media semanal. Servicios 2007 ............................143
Gráfico 4.1.2-1 Valores individuales (RT) por mes – Servicios 2006 .......................................144
Gráfico 4.1.2-2 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2006 ...........................144
Gráfico 4.1.2-3 Resumen de estadística Tickets (RT) – Servicios 2006.................................145
Gráfico 4.1.2.1-1 Análisis de normalidad – Media semanal. Servicios 2006 .............................147
Gráfico 4.1.2.1-2 Análisis SixPack – Media semanal. Servicios 2006 .......................................148
Gráfico 4.1.2.1-3 Capacidad del proceso – Media semanal. Servicios 2006 ............................148
Gráfico 4.1.3-1 Valores individuales (RT) por mes – Servicios 2005 ........................................149
Gráfico 4.1.3-2 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2005 ............................150
Gráfico 4.1.3-3 Resumen de estadística Tickets (RT) por mes – Servicios 2005 ...................150
Gráfico 4.1.3.1-1 Análisis de normalidad – Media semanal. Servicios 2005 ............................152
Gráfico 4.1.3.1-2 Análisis SixPack – Media semanal. Servicios 2005 ......................................153
Gráfico 4.1.3.1-3 Capacidad del proceso – Media semanal. Servicios 2005 ............................153
Gráfico 4.1.3.1-4 Niveles de Sigma vs. DPMO con 1.5 σ cambio .............................................154
Gráfico 4.1.3.1-5 Niveles de Sigma vs. LSL / USL (DPMO) ......................................................155
Gráfico 4.1.4-1 Test de análisis – Modelos continuos y discretos .............................................156
Gráfico 4.1.4.1-1 Grafico de cajas de medias de Servicios 2005 al 2007 - ANOVA .................160
Gráfico 4.1.4.1-2 Gráficos de Residuos de medias de Servicios 2005 al 2007 - ANOVA .........161
Gráfico 4.1.4.2-1 Grafico de cajas de medias de Servicios 2005 y 2007 - ANOVA ..................163
Gráfico 4.1.4.2-2 Gráficos de Residuos de medias de Servicios 2005 y 2007 - ANOVA..........163
Gráfico 4.1.5-1 Valores individuales (RT) – Problemas 2007....................................................164
Gráfico 4.1.5-2 Gráfico de Cajas de Tickets (RT) – Problemas 2007 ........................................164
Gráfico 4.1.5-3 Resumen de estadística Tickets (RT) – Problemas 2007 ...............................165
Gráfico 4.1.5.4-1 Box-Cox aplicada al tiempo de resolución de problemas 2007......................168
Gráfico 4.1.5.4-3 Análisis SixPack Box-Cox – Media de Problemas 2007 ................................169
Gráfico 4.1.5.4-4 Capacidad del proceso Box-Cox – Problemas 2007 .....................................169
Gráfico 4.1.5.4-5 Johnson aplicada al tiempo de resolución de problemas 2007 ......................170
Gráfico 4.1.5.4-6 Probabilidad de Johnson (RT) de Problemas 2007 ......................................170
Gráfico 4.1.5.4-7 Análisis SixPack Johnson – Media de Problemas 2007 ...............................171
Gráfico 4.1.5.4-8 Capacidad del proceso Johnson – Problemas 2007......................................171
Gráfico 4.1.5.4-9 Capacidad del proceso Weibull – Problemas 2007 .......................................172
Gráfico 4.1.5.5-1 Valores individuales (RT) – Problemas 2006 ................................................173
Gráfico 4.1.5.5-2 Gráfico de Cajas de Tickets (RT) – Problemas 2006 ....................................173
Gráfico 4.1.5.5-3 Resumen de estadística Tickets (RT) – Problemas 2006 ............................174

Manuel Teigeiro Tesis Página - 14 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.5-4 Box-Cox aplicada al tiempo de resolución de problemas 2006 .....................174


Gráfico 4.1.5.5-6 Análisis SixPack Box-Cox – Media de Problemas 2006 ................................175
Gráfico 4.1.5.5-7 Capacidad del proceso Box-Cox – Problemas 2006 .....................................175
Gráfico 4.1.5.5-8 Johnson aplicada al tiempo de resolución de problemas 2006 ......................176
Gráfico 4.1.5.5-9 Probabilidad de Johnson (RT) de Problemas 2006 .......................................176
Gráfico 4.1.5.5-10 Análisis SixPack Johnson – Media de Problemas 2006 ..............................177
Gráfico 4.1.5.5-11 Capacidad del proceso Johnson – Problemas 2006 ...................................177
Gráfico 4.1.5.5-12 Capacidad del proceso Weibull – Problemas 2006 ....................................178
Gráfico 4.1.5.6-1 Valores individuales (RT) – Problemas 2005 ................................................179
Gráfico 4.1.5.6-2 Gráfico de Cajas de Tickets (RT) – Problemas 2005 ....................................179
Gráfico 4.1.5.6-3 Resumen de estadística Tickets (RT) – Problemas 2005 ...........................180
Gráfico 4.1.5.6-4 Box-Cox aplicada al tiempo de resolución de problemas 2005 .....................180
Gráfico 4.1.5.6-6 Análisis SixPack Box-Cox – Media de Problemas 2005 ................................181
Gráfico 4.1.5.6-7 Capacidad del proceso Box-Cox – Problemas 2005 ....................................181
Gráfico 44.1.5.6-8 Johnson aplicada al tiempo de resolución de problemas 2005 ....................182
Gráfico 4.1.5.6-9 Probabilidad de Johnson (RT) de Problemas 2005 ......................................182
Gráfico 4.1.5.6-10 Análisis SixPack Johnson – Media de Problemas 2005 .............................183
Gráfico 4.1.5.6-11 Capacidad del proceso Johnson – Problemas 2005 ...................................183
Gráfico 4.1.5.6-12 Capacidad del proceso Weibull – Problemas 2005 .....................................184
Gráfico 4.1.6-1 Grafico de cajas de medias de Problemas Año 2005 al 2007 - ANOVA ...........186
Gráfico 4.1.6-2 Gráficos de Residuos de medias de Problemas 2005 al 2007 - ANOVA ..........187
Gráfico 4.1.7-1 Grafico de cajas de medias de Problemas Año 2006 y 2007 - ANOVA ............189
Gráfico 4.1.7-2 Gráficos de Residuos de medias de Problemas 2006 y 2007 – ANOVA ..........189
Gráfico 4.1.8-1 Interacción: media de servicios vs. impacto y severidad - 2006/2007...............191
Gráfico 4.1.8-2 Efectos de severidad e impacto sobre la media (RT) - Servicios 2006 .............191
Gráfico 4.1.8-3 Efectos de severidad e impacto sobre la media (RT) - Servicios 2007 .............192
Gráfico 4.1.8-4 Efectos: Miembros de TI, tipo de ticket, media semanal de servicios 2006 ......192
Gráfico 4.1.8-5 Efectos: Miembros de TI, clase de ticket, media semanal servicios 2007 .........193
Gráfico 4.1.9-1 Interacción media de servicios y los efectos impacto y severidad – 2006 ........195
Gráfico 4.1.9-2 Interacción media de servicios y los efectos impacto y severidad – 2007 ........195
Gráfico 4.1.9-3 Interacción: media de servicios con miembros de TI y perfil del ticket – 2006 ..196
Gráfico 4.1.9-4 Interacción: media de servicios con miembros de TI y perfil del ticket – 2007 ..197
Gráfico 4.1.10-1 Intervalos de la media (RT) debido al impacto del servicio – 06/07 ................198
Gráfico 4.1.10-2 Intervalos de la media (RT) debido a la severidad de servicio - 06/07 ............198
Gráfico 4.1.10-3 Intervalos de la media de servicios por miembros de TI – 06/07 ....................199
Gráfico 4.1.10-4 Intervalos de la media servicios debido al perfil del ticket – 06/07 ..................200

Manuel Teigeiro Tesis Página - 15 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.10-5 Gráfico de cajas (RT) debido al perfil del ticket de servicio -06/07.................200
Gráfico 4.1.11-1 Grafico de cajas de problemas (RT) por miembros de TI – 05 - ANOVA ........202
Gráfico 4.1.11-2 Gráfica de Residuos problemas (RT) por miembros de TI -05- ANOVA .......203
Gráfico 4.1.11-3 Test de Varianzas iguales – Problemas (RT) vs miembros de TI .................204
Gráfico 4.1.12-1 Grafico de cajas de problemas (RT) por perfil del ticket – 05 - ANOVA ..........210
Gráfico 4.1.12-2 Gráfica de Residuos problemas (RT) por perfil del ticket -05- ANOVA ...........211
Gráfico 4.1.12-3 Test de Varianzas iguales – Problemas (RT) vs perfil del ticket ...................212
Gráfico 4.1.13-1 Grafico de cajas de problemas (RT) por miembros de TI – 07 - ANOVA ........215
Gráfico 4.1.13-2 Gráfica de Residuos problemas (RT) por miembros de TI -07- ANOVA .........215
Gráfico 4.1.13-3 Test de Varianzas iguales – Problemas (RT) vs miembros de TI .................216
Gráfico 4.1.14-1 Grafico de cajas de problemas (RT) por perfil del ticket – 07 - ANOVA .........219
Gráfico 4.1.14-2 Gráfica de Residuos problemas (RT) por perfil del ticket -07- ANOVA ...........220
Gráfico 4.1.13-3 Test de Varianzas iguales – Problemas (RT) vs miembros de TI .................221
Gráfico 5-1 Mejora de la performance ......................................................................................225
Gráfico 5-2 Herramientas para generar ideas sobre mejoras ..................................................226
Gráfico 5.1-1 Proceso de mejora de 7 pasos (ITIL V3) ............................................................229
Gráfico 5.2.1-1 Diagrama de flujo de toma de decisiones basada en datos..............................231
Gráfico 5.3.1-1 CMMI - Actividades de mediciones y análisis de procesos ...............................233
Gráfico 5.3.2-1 Mapeo de las actividades de medición del CMMI ............................................234
Gráfico 5.4-1 ¿Cómo son generados y usados los datos?........................................................237
Gráfico 5.4-2 Ejemplo de indicadores incluidos en un BSC .....................................................237
Gráfico 5.5.1-1 IT Dashboard – Relojes indicadores................................................................264
Gráfico 5.5.1-2 IT Dashboard - Gráfico de barras de incidentes ..............................................264
Gráfico 5.5.1-3 IT Dashboard - Gráfico de barras de presupuesto............................................265
Gráfico 5.5.1-4 IT Dashboard - Gráfico de barras de satisfacción al cliente ..............................265
Gráfico 5.6-1 Modelos de calidad, relevancia y abstracción .....................................................267
Gráfico 6-1 Control de la performance ......................................................................................268
Gráfico 6.2.3-1 Ejemplo de procesos bajo SPC ........................................................................271
Gráfico 6.2.3-2 Proceso estable en el tiempo ...........................................................................272
Gráfico 6.2.3-3 Proceso inestable en el tiempo ........................................................................272
Gráfico 6.2.3-4 Gráfico de un proceso con límites de control....................................................273
Gráfico 6.2.3-5 Ejemplo de estabilidad y capacidad de un proceso ..........................................273

Manuel Teigeiro Tesis Página - 16 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

ÍNDICE DE APÉNDICES

APÉNDICE 1. IT SLA PERFORMANCE DASHBOARD - ARGENTINA ...................................................288


APÉNDICE 2. IT SLA PERFORMANCE DASHBOARD - AUSTRALIA ....................................................290
APÉNDICE 3. IT SLA PERFORMANCE DASHBOARD - CANADA ........................................................292
APÉNDICE 4. IT SLA PERFORMANCE DASHBOARD - CHINA ...........................................................294
APÉNDICE 5. IT SLA PERFORMANCE DASHBOARD - INDIA .............................................................296
APÉNDICE 6. IT SLA PERFORMANCE DASHBOARD - ITALY ............................................................298
APÉNDICE 7. IT SLA PERFORMANCE DASHBOARD - MALAYSIA......................................................300
APÉNDICE 8. IT SLA PERFORMANCE DASHBOARD - POLAND ........................................................302
APÉNDICE 9. IT SLA PERFORMANCE DASHBOARD - SINGAPORE ...................................................304
APÉNDICE 10. IT SLA PERFORMANCE DASHBOARD - RUSSIA.......................................................306
APÉNDICE 11. IT SURVEY ANALYSIS REPORT CCS 2002 – ARGENTINA ........................................308
APÉNDICE 12. IT SURVEY ANALYSIS REPORT CCS 2003 - ARGENTINA.........................................310
APÉNDICE 13. IT SURVEY ANALYSIS REPORT CCS 2004 - ARGENTINA.........................................314
APÉNDICE 14. IT SURVEY ANALYSIS REPORT CCS 2005 - ARGENTINA.........................................321
APÉNDICE 15. PLANNED & UNPLANNED OUTAGES REPORT - AVAILABILITY ...................................330
APÉNDICE 16. MAPPING ITIL & ISO 17799 TO COBIT CONTROL OBJECTIVES ..............................332
APÉNDICE 17. INDICATOR TEMPLATE SEI - CMMI .......................................................................368
APÉNDICE 18. MAPPING OF CMMI FOR DEVELOPMENT V1.2 WITH COBIT 4.0 ...............................372

Manuel Teigeiro Tesis Página - 17 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

II. Abreviaturas y significados

Acrónimo Significado en castellano Significado en inglés


BSC Tablero de control balanceado Balanced ScoreCard
CBR Requerimientos críticos del negocio Critical Business Requirements
CCR Requerimientos críticos del cliente Customer Critical Requirements
CMMI Integración del modelo de madurez de Capability Maturity Model Integration
la capacidad.
CObIT Objetivos de control para la Control Objectives for Information
información y tecnología relacionada and related Technology
COPQ Costo de no calidad Cost Of Poor Quality
COQ Costo de calidad Cost Of Quality
Cp Capacidad del proceso (límites Process Capability (natural process
naturales relacionados con los limit related to Customer
requerimientos del cliente) requirement)
Cpk Índice de capacidad del proceso Process Capability Index (Process
(alineación, centrado del proceso, alignment to the center, Cpk≤Cp)
Cpk≤Cp)
CSS Encuesta de satisfacción del cliente Customer Satisfaction Survey
CTB Crítico para el negocio Critical To Business
CTP Críticos para el proceso Critical To Process
CTQ Crítico para la calidad Critical To Quality
Ha Hipótesis alternativa Alternative hypothesis
Ho Hipótesis nula Null hypothesis
Hw Equipos Hardware
IT o TI Tecnología de la información Information Technology
MSA Análisis del sistema de medición Measurement System Analysis
Outlier Puntos o valores fuera de los límites Data or points outside the control
de control de un proceso limits of the process
P/T Relación precisión tolerancia Precision to Tolerance ratio
PDCA Planificar, hacer, verificar, actuar Plan, Do, Check, Act
R&R Repetitividad y reproducibilidad Repeatability & Reproducibility
ROI Retorno sobre la inversión Return Over Investment
RT Tiempo de resolución Resolution Time
SEI Instituto de ingeniería en software Software Engineering Institute
SS Seis sigma Six Sigma
Sw Licencias Software
TC Tablero de control o comandos Scorecard
TQC Control de calidad total Total Quality Control
TQM Gestión de calidad total Total Quality Management
VOB Voz del negocio Voice Of the Business
VOC Voz del cliente Voice Of Customer
Σ Sigma o desviación estándar Sigma or standard deviation
ANAVA Análisis de varianza paramétrico de ANOVA
datos

Manuel Teigeiro Tesis Página - 18 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

III. Introducción

La falta de un sistema marco para la gestión de la calidad, asociada con las áreas de la
tecnología de la información (Information Technology, IT), en la mayoría de las
empresas del sector electrónico -donde principalmente la gestión de calidad está
focalizada sólo al desarrollo o producción, dejando de lado otras áreas de soporte-
conlleva a poca o mínima alineación con los objetivos del negocio. Esto determina una
gestión deficiente, que debiera impulsar la búsqueda de información para la generación
de indicadores y un plan de métricas que permitan tomar decisiones adecuadas
relacionadas a la IT. Por otro lado, la mayoría de las empresas han desarrollado
históricamente sus controles gerenciales resumiendo los parámetros considerados
claves en su momento (e.g. ventas, gastos, beneficios, calendario y productividad); con
una orientación únicamente financiera que cegaba muchos eventos que impactan
directamente en los resultados finales. En aquel contexto, las áreas de tecnología de la
información solo merecían un rol de soporte, y no su verdadero rol estratégico, que hoy
da cuenta de su importancia y evoluciona rápidamente.

Es conveniente -para apuntalar la mejora en la gestión organizacional y la


competitividad empresarial- que tales decisiones se basen en indicadores e
instrumentos de control, que se presentan en el correspondiente cuadro de control
gerencial. Estos indicadores suministran información altamente organizada y útil, desde
los puntos de vista estratégico, táctico y logístico. A su vez, permiten observar
tendencias, comportamientos de los procesos, actuación de los factores críticos y
explicitar los resultados que se alcanzan. Con lo anterior, y en base al análisis
sistemático de ellos, se procederá a tomar las decisiones operativas y estratégicas que
se adecuen a los escenarios en los que se actúa. Así, estos indicadores estructurados y
relacionados, ayudarán a anticiparse a los problemas futuros, optimizando el esfuerzo
invertido en acciones de control, prevención y corrección, típicos de las tareas
empresariales.

La ausencia del marco mencionado anteriormente, o bien definiciones nulas o poco


claras, pueden conducir a interpretaciones erróneas acerca de la actuación del área
bajo análisis. Un error conceptual y metodológico grave, que conduce a tales
interpretaciones equívocas, se origina en los datos que se pretenden enfrentar en un
proceso comparativo. Dado que, la comparación origina, generalmente, que se
relacionen indicadores con idénticos nombres pero en una estructura conceptual
diferente o con distintas bases de cálculo.

Otra situación problemática que se observa -de modo más habitual que extraordinario-
es que la integración funcional de los indicadores de control de la IT en muchos casos
es omitida o construida de modo incorrecto, provocando la filtración de información
clave para la toma de decisiones adecuada.

Como destaca claramente Blanco Illescas1, una correcta construcción del sistema
integrado de control ―debe asegurar que no existan lagunas en las medidas que
1
BLANCO ILLESCAS, F. El control integrado de gestión. Méjico: Editorial Limusa, 1995.

Manuel Teigeiro Tesis Página - 19 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

afectarán el resultado final, para lo cual, deben articularse controles que asignen
responsabilidades por productos y traduzcan las desviaciones‖. La implementación de
controles permite, a su vez, evaluar las responsabilidades y desempeño de cada área
organizacional. Para cada período en análisis, deberán enfrentarse los resultados
obtenidos, a las metas y objetivos que la empresa ha planteado para ese lapso, y que
deben estar explicitados en el planeamiento estratégico de la misma. Esto ayudaría a la
alineación de los resultados de todas las áreas con los objetivos claves del negocio,
logrando una mayor consistencia y solidez en la actuación presente y futura de la
organización.

De lo anterior, se resalta en el área de IT, y especialmente en el sector electrónico, la


necesitad de indicadores e instrumentos de control relacionados a procesos claves o
críticos de los servicios prestados por esta. Tales instrumentos permiten a la alta
gerencia el monitoreo, para prevenir fallas, observar tendencias y encontrar
posibilidades de mejoras. También, facilitan la integración suficiente de los procesos
claves de la IT, a través de un tablero de comando (TC) organizacional.

El presente trabajo está enfocado en la identificación y definición de los indicadores de


control, o métricas2, para una gestión integrada; y que forman parte del TC del área de
IT, desarrollada particularmente en empresas del sector electrónico. Cabe aquí definir el
significado de diferentes términos, asociados con las métricas y su obtención. Ellos son,
medición3, que es el proceso, y medida4, que es el resultado de tal proceso; para la
elaboración de las métricas a través de cálculos predefinidos. La identificación y su clara
definición, también favorecen la comparación (por medio del benchmarking5) del área de
IT, dentro de las unidades de negocio de la propia organización y entre distintas
empresas (que utilicen y/o adopten tales indicadores con una estructura y bases de
cálculo comunes). Es de considerar que, el benchmarking es una técnica gerencial que
permite mejorar el desempeño, a través de análisis comparativos entre áreas o
procesos internos, o con otras organizaciones6. Esto permite cerrar la brecha percibida
respecto a la definición de los indicadores de la IT y su integración en un TC de gestión,
permitiendo el flujo continuo de la información necesario para garantizar (junto con los
indicadores emergentes de otras áreas) el estado funcional y competitivo de la empresa.

Los tableros de control o comando, como plantean Kaplan y Norton7, se construyeron y


usan actualmente para los sistemas de información gerencial automatizados, con el

2
Métrica: se la utiliza, en cierta literatura específica, como una función matemática que asocia a una
serie de elementos, con el objeto de cuantificarlos y/o cualificarlos. Como sinónimo de métrica
habitualmente se utiliza el concepto de indicador, como aspecto cuantitativo de un sistema.
El método de medición definido y la escala de medición. [ISO 14598-1:1999]
3
Medición: proceso de asignar un número a un concepto.
4
Medida: valor asignado al fenómeno.
Número o categoría asignada a un atributo de una entidad mediante una medición. [ISO 14598-1:1999]
A quantitative measure of the degree to which a system, component, or process possesses a given
attribute. [IEEE 610.12:1990]
5
Benchmarking: proceso de comparación, que puede ser continuo. Consiste en medir productos,
servicios y prácticas, contra competidores fuertes, o aquellas compañías reconocidas como líderes en la
industria.
6
DETORO, I. The 10 pitfalls of benchmarking. New York: Quality Progress, 1995.
7
KAPLAN, R.S. y NORTON, D.S. Implantando el cuadro de mando integral. Barcelona: Gestión 2000.

Manuel Teigeiro Tesis Página - 20 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

propósito de ayudar en la toma de decisiones, en base al uso adecuado de indicadores


que permitan un mejor control, planeamiento y conducción de la empresa.

Según Blanco Illescas8, la rentabilidad de la empresa depende del desarrollo armónico


de todas y cada una de las áreas críticas de la misma. Además, señala que los costos
de calidad (Cost Of Quality, COQ) y los de no calidad (Cost Of Poor Quality, COPQ), la
satisfacción del cliente, como así también el aseguramiento del servicio -junto a otros
factores críticos de desempeño- no eran habitualmente ponderados de un modo
adecuado o directamente estaban ausentes en los tableros de control gerencial. En este
mismo sentido, Juran9 menciona que los procesos empresariales -no obstante ser estos
claves en la construcción de la calidad- no eran tenidos en cuenta demasiado a la hora
de comprender y diseñar intervenciones correctivas y preventivas ante situaciones
problemáticas dentro del desempeño empresarial.

Por ello, y hasta hace muy pocos años atrás, los TC no incluían el comportamiento del
sistema con respecto a la calidad, excluyendo de ellos también a todas las áreas y
variables, que en ese entonces -bajo el paradigma contable clásico- no eran
consideradas como críticas para el logro de los objetivos. Dentro de tal grupo de
factores, visualizados como no críticos en el desempeño organizacional, se encontraba
área de la IT. Esto sucedió –y aún continúa- particularmente en pequeñas y medianas
empresas, aunque también este fenómeno ocurre en ciertas empresas con presencia
global.

Definir instrumentos de control comunes para la IT, e integrarlos a un tablero de


comando, que incorpore el enfoque y desempeño de las perspectivas organizacionales
(respecto a finanzas, clientes, procesos internos del negocio, aprendizaje y crecimiento
de los empleados, entre otras) implica desarrollar métricas, recolectar datos y
analizarlos respecto de cada una de las dimensiones, las que debieran tener una fuerte
relación con la visión y misión de la empresa. La selección de los indicadores claves,
para informar a la alta dirección, depende de la tipología del sector, del modelo de
gestión y de la experiencia empresarial acumulada, junto a otra serie de factores.
Actualmente, siempre se intenta buscar una mezcla equilibrada de ellos (aquellos que
representen lo ―físico‖ u observable, así como los omnipresentes de carácter monetario,
y aún aquellos más ―blandos‖ o subjetivos, como las percepciones de los usuarios),
teniendo en cuenta la información interna, del contexto y la estimada de corto, mediano
y largo plazo.

Dentro de la perspectiva de selección de indicadores, en los últimos años se ha


difundido el ―tablero de control balanceado" (Balanced ScoreCard, BSC) de R. Kaplan y
D. Norton; que en su innovación del tablero de mando integral, señalan lo que se viene
afirmando hasta aquí: en el pasado inmediato se tenían en cuenta solamente las
tradicionales medidas financieras para su confección. Los autores expresan que ―las
medidas financieras por si solas son inadecuadas para dirigir y evaluar la información
que las compañías necesitan. Se deben tener en cuenta también otros indicadores para

8
BLANCO ILLESCAS, op.cit.
9
JURAN, J.M. Juran y el liderazgo para la calidad – un manual para directivos, Madrid: Diaz de Santos,
1990.

Manuel Teigeiro Tesis Página - 21 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

crear el valor futuro a través de la inversión en clientes, proveedores, empleados,


procesos, tecnología e innovación‖10.

Un concepto clave, en esta perspectiva, es el control. Controlar significa observar e


intervenir, guiando los hechos para que los resultados reales coincidan o superen a los
deseados o planificados; y esto supone ejecutar cuatro funciones básicas, descriptas en
detalle por Blanco Illescas11:

a) Fijación de estándares de actuación satisfactoria.


b) Comprobación de los resultados reales frente a los estándares.
c) Toma de una decisión crítica cuando los resultados reales no satisfacen
los estándares.
d) Realización de la acción correctora.

Avanzando en este sentido, se aseguran las acciones necesarias para un mejor control
de las funciones básicas en cada área en particular y permite un monitoreo en forma
real, a través de todos los indicadores establecidos en su tablero de gestión integrado,
el cual formará parte del general de la compañía.

Además, Blanco Illescas observa que mejorar la calidad es un asunto central para cada
una de las áreas que integran la empresa. Cada proyecto de mejora requiere una
inversión en dos formas:

1. Realizar un diagnóstico, para descubrir las causas de la mala calidad.


2. Remediar o intervenir, para eliminar las causas identificadas.

El rendimiento resultante de tal inversión, se halla entre los más altos que puedan
encontrarse en la actividad empresarial y ha provocado, en algunos directivos, avanzar
sobre la idea de que ―el mejor negocio es mejorar la calidad‖.

La medición sistemática y la incorporación de datos a un TC representan, entonces,


simplemente el hábito de saber explicitar y comunicar cómo se va desempeñando el
sistema objeto de estudio. En cada una de las etapas simplificadas, dentro del proceso
de generación de bienes y servicios (insumos, procesos y productos), se pueden
generar indicadores y, como lo destaca Crosby 12, de esta manera cualquier tarea es
mensurable si se utiliza este sencillo patrón. Las métricas y cartas de proceso,
definidas y monitoreadas para tal fin, permitirán la optimización y mejora continua de los
procesos existentes, ajustando permanentemente los límites de control de los mismos,
lo cual debiera reflejarse en la productividad del área a través del tiempo.

A los efectos del trabajo de tesis que se plantea aquí, el marco teórico que se viene
explicitando puede complementarse de modo muy conveniente con el modelo de

10
KAPLAN, R.S. y NORTON, D.S., op. cit.
11
BLANCO ILLESCAS, F., op. cit.
12
CROSBY, P.B. Calidad sin lágrimas – El arte de administrar sin problemas. Méjico: Compañía editorial
continental, 1992.

Manuel Teigeiro Tesis Página - 22 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

gestión de mejoras conocido como Six Sigma, desarrollado por la compañía


internacional Motorola13.

El sistema de gestión Six Sigma integra la filosofía de trabajo con las estrategias de
negocios, basadas en el enfoque hacia el cliente y el diseño robusto, con un manejo
eficiente de los datos y metodologías. Su objetivo es eliminar la variabilidad en los
procesos y alcanzar un nivel de defectos mínimo, sino nulo. Adicionalmente, se obtienen
otros beneficios, como la reducción en los tiempos del ciclo productivo y su variabilidad,
reducción de costos, elevada satisfacción de los clientes y, más importante aún, efectos
claves en el desempeño financiero de la empresa. Es una de las más exitosas
estrategias de gerencia del último cuarto del siglo. De allí que, un buen número de
empresas y organizaciones comprometidas con la satisfacción del cliente -en la entrega
oportuna de productos y servicios, libres de defectos y a costos razonables- aplican Six
Sigma (e.g. Motorola, Allied Signal, G.E., Polaroid, Sony, Lockheed, NASA, Black &
Decker, Bombardier, Dupont, Toshiba, entre otras).

Cabe destacar que, el modelo mencionado, no se aplica exclusivamente en asuntos de


manufactura de bienes, sino también, puede ser utilizado en áreas de servicios y
aquellas correspondientes a la IT; lo que conduciría a propiciar la mejora continua e
innovación en todas las organizaciones y subsistemas que lo adopten, más allá de su
tipología o actividades. Esta metodología particularmente es de uso muy difundido en
sectores de desarrollo de software y servicios asociados, con lo cual se pronuncia aún
más la importancia de la gestión y mejora de la IT, como soporte de los negocios.

Según Harry y Schroeder14, Six Sigma puede también enfocarse como:

• Metodología: es una estrategia de negocios, basada en la mejora continua, que


busca encontrar y eliminar causas de errores o defectos en los procesos,
enfocándose en las variables de importancia crítica para los consumidores.

• Métrica: es considerada una medida de la calidad. Mientras mayor es el valor de


―sigma‖ de un proceso, producto o servicio, mejor es su calidad. En particular, la
calidad de Six Sigma significa que, sólo se permiten 3.4 defectos por millón de
oportunidades.

La aplicación del modelo Six Sigma implica el planteamiento de un proyecto


determinado, según el objetivo foco de mejora, y el marco de trabajo específico. El
proceso involucra una serie de pasos o fases, que contendrán las directivas a tener en
cuenta, para alcanzar el resultado deseado.

La ejecución de estos proyectos es llevada a cabo por personal idóneo, que ha recibido
un entrenamiento avanzado en tratamiento estadístico de datos, análisis de procesos,
técnicas de trabajo en equipo y diversas herramientas de gestión.

13
MOTOROLA. 2007. ―Six Sigma Programs‖. [en línea]. Disponible en Internet:
http://www.motorola.com/content.jsp?globalObjectId=3049-11525 [Consulta: 11 Diciembre 2007]
14
HARRY, Mikel y SCHROEDER, Richard. Six Sigma: The Breakthrough Management Strategy
Revolutionizing the World’s Top Corporations. New York, NY: Doubleday,2000.

Manuel Teigeiro Tesis Página - 23 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Las herramientas y técnicas claves, que se utilizan, son las manejadas en la disciplina
de la gestión estratégica de calidad total (TQM, diseño/rediseño de procesos, análisis de
varianza, ANOVA, cuadro de mando integral, benchmarking, voz del cliente, torbellino
de ideas, pensamiento creativo, diseño de experimentos, gerencia de los procesos,
control estadístico de procesos, entre otras)15.

Así, el tema en estudio y sus resultados, permitirán orientar a aquellos que tengan que
administrar el área de la IT -como área de servicios dentro del sector electrónico- a
establecer métricas o indicadores críticos como instrumentos de control, en pos de
generar mayor efectividad y eficiencia, permitiendo controlar los procesos de acuerdo a
las expectativas y los requerimientos planteados por sus clientes. Los indicadores o
métricas organizacionales de potencial uso común permitirán la comparación dentro de
distintas unidades del negocio pues, de lo contrario, se corre el riesgo de que cada una
realice sus estimaciones en base a factores diferentes; generándose índices no
comparables entre sí. En esa adopción simultánea estriba una dificultad adicional,
producto de cierta resistencia al cambio, conseguir que otras áreas de tecnología de la
información implementen esta colección de métricas estandarizadas en su rutina diaria
de trabajo.

Para la generación de las métricas seleccionadas, se utilizan datos obtenidos del


proceso y de repositorios de datos, asociados a mediciones de procesos anteriores y
que son relativamente estables o están bajo control. Las métricas en el área de la IT
deben ser construidas para alentar una mejora en el desempeño, efectividad, eficiencia
y proveer al área de controles internos de los niveles apropiados exigidos por la
empresa en cuestión. También en los indicadores deben incorporarse las mejores
prácticas relacionadas con el desempeño incluyendo un análisis de costo, riesgo y
beneficio asociado. Los elementos clave, para la generación de las métricas, deben ser
los siguientes: alineación con la misión de la organización, calidad del producto, entrega
a tiempo, reducción de costos, disminución del tiempo de ciclo productivo, satisfacción y
requerimientos del cliente y compromisos establecidos.

El aporte central del trabajo se enfoca en la definición y estandarización de los


instrumentos de control del un tablero de gestión integrada para el área de IT. Lo cual,
permite el análisis y facilita los reportes, para ser utilizados en la toma de decisiones,
sustentada en la información obtenida a partir de indicadores, con bases de cálculo
comunes. Viabilizando comparaciones entre distintas unidades de negocio (internas o
externas), de las métricas estandarizadas, pertinentes, adoptadas.

Se abordará de forma completa la metodología estratégica Six Sigma, para un sistema


de indicadores y métricas, con el objetivo de mejorarlo. La meta es lograr un marco de
trabajo con definiciones claras e inequívocas de tales indicadores, que permita, a través
de las mejoras logradas, reforzar el valor de las actividades de la IT. El sustento práctico
de los conceptos abordados, es que el estudio está basado en datos relevados de un
sistema de pedidos de servicios electrónico, de encuestas de satisfacción realizadas a
los usuarios finales y de pruebas de estabilidad y capacidad de los procesos
disponibles.

15
PYZDEK, Thomas. The six sigma handbook, New York: McGraw-Hill, 2001.

Manuel Teigeiro Tesis Página - 24 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

El desarrollo de los contenidos comienza con la mención de las tres clases posibles de
proyectos para llevar a cabo la implementación de la metodología Six Sigma, conocidos
como DMAIC (Definition, Measurement, Analysis, Improvement, Control), DMADV
(Define, Measure, Analyze, Design, Validate) y DMADDD (Define, Measure, Analyze,
Design, Digitize, Draw Down). Dentro de esta primer parte se describe en profundidad el
marco de trabajo. También allí se detallan las herramientas y estándares a utilizar para
hacer posible su despliegue en el contexto citado.

Luego, a partir del segundo capítulo, se hace énfasis en el proyecto DMAIC, el cual
supone las siguientes fases: definición, medición, análisis, mejora y control. Cada una
de las etapas que involucra este proyecto será especificada en los sucesivos capítulos,
para obtener el adecuado seguimiento de la evolución del proceso de mejora.

Con tales fines, en un principio se llevó adelante un exhaustivo análisis del marco
vigente en las actividades, y se demostró que no era unívoco en las diferentes unidades
de negocio, en relación al reporte de indicadores. Por lo tanto se comenzó con un
trabajo de investigación que permitiera el reordenamiento y definición necesarios. Se
examinaron distintas metodologías, estándares y normas internacionales relacionadas,
que pudieran brindar una base sólida referente al área de la IT; para contar con los
mejores procesos y prácticas conducentes a los objetivos deseados.

Los datos disponibles fueron estudiados para determinar su consistencia dentro del
proyecto propuesto. Fueron elegidos aquellos concernientes a los pedidos de servicios y
problemas, recolectados a lo largo de tres años consecutivos. Con ellos se realizó la
comparación entre las medias anuales para ver si existían diferencias significativas, en
cuyo caso, se rastrearon los factores que podían ser determinantes en mayor o menor
medida de tales cambios.

Con los resultados de las etapas anteriores se llevó a cabo un análisis de estabilidad y
capacidad del proceso para advertir si se cumplía con los requerimientos del cliente,
establecidos en el acuerdo de servicio interno del área de IT. Se definieron indicadores
críticos, plan de desempeño y un tablero de gestión y control de la IT, que facilitan la
aplicación de la metodología planteada.

Finalmente, para la ejecución y puesta en marcha del proyecto, se concluye con una
etapa de control que da lugar al monitoreo, implementación de mejoras, resolución de
problemas y toma de decisiones en base a datos. Todo esto permitirá introducir un ciclo
de mejora continua en los procesos y en la determinación de nuevas necesidades del
negocio.

Manuel Teigeiro Tesis Página - 25 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

PARTE I.
MARCO DE TRABAJO

En esta sección se abordará de manera completa el marco de trabajo en el cual se


desplegará la metodología Six Sigma, con definiciones de los indicadores, que
permitirán desarrollar adecuadamente las actividades de la IT.

1. DEFINICIÓN DEL MARCO DE TRABAJO

El desarrollo de la tesis se basa en la optimización de recursos y mejora en los servicios


de la IT, con el fin de aumentar la competitividad de una organización determinada.
Existen diferentes modelos y estándares propuestos para la adecuada gestión de la IT,
y lograr que los servicios de esta se alineen con los objetivos de la empresa. Dado que
ningún modelo abarca una solución completa, integrar las fortalezas de cada uno,
combinando sus actividades y herramientas, en diferentes etapas de la metodología
adoptada, permitirá maximizar los beneficios cualitativos y cuantitativos de su gestión.

El trabajo profundiza la metodología Six Sigma, como herramienta administrativa para


gestionar la IT. A su vez, se mencionan otros modelos, como el ―tablero de control
balanceado‖, BSC (Balanced ScoreCard). Como marco de trabajo, o framework, para la
gestión, se utiliza el modelo CObIT (Control Objectives for Information and related
Technology); contemplando la implementación de mejores prácticas por medio de
estándares como ITIL (Information Technology Infrastructure Library) o ISO 2000016, y
CMMI (Capability Maturity Model Integration). También se tomará apoyo en la norma
relacionada con la seguridad informática, Information Technology - Security techniques -
Code of practice for information security management (ISO/IEC 27000) 17.

Para comenzar el análisis, se hará una breve revisión de los conceptos y herramientas,
mencionados en el párrafo anterior, que ayudarán al entendimiento y definición del
marco o estructura de trabajo. Considerando, además, su interrelación; dada la
necesidad e importancia de que cada empresa pueda adaptarlos al ambiente en el que
se encuentran.

Los organismos que gestionan, regulan y actualizan estos estándares, o referencias,


intentan integrarse y complementarse entre sí. Es decir, una acción conjunta -
cooperación- entre empresas, en pos de lograr mejoras en el área de IT; esto es,
compartir información vigente y útil para avanzar sobre la optimización de los servicios
de la IT.

16
ISO 20000.‖ISO20000 - the IT Service Management standard‖ [en línea]. Disponible en Internet:
http://www.itgovernance.co.uk/iso20000.aspx?gclid=CNzMtPHo0JMCFQE4GgodsVfGhw [Consulta: 11
Diciembre 2007]
17
ISO 27000. ―An Introduction to ISO 27001, ISO 27002....ISO 27008‖ [en línea]. Disponible en Internet:
http://www.27000.org [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 26 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.1. Metodología Six Sigma

La aplicación de Six Sigma brinda beneficios como: reducción en los tiempos del ciclo
productivo y su variabilidad, reducción de costos, elevada satisfacción de los clientes y,
más importante aún, efectos claves en el desempeño financiero de la empresa.

En la metodología Six Sigma (SS) son comúnmente reconocidas las herramientas que
se utilizan en ella, llamadas Design For Six Sigma tools (DFSS tools), en Motorola18, la
compañía tiene un sitio donde se puede encontrar diferente material y programas
relacionados a ella, hacemos referencia a este sitio debido a que inicialmente en esa
compañía se implementó SS aunque en otras compañías grandes como General
Electric se obtuvieron mejores retornos sobre la inversión (ROI) en su implementación e
inserción en los negocios.

La aplicación del modelo Six Sigma implica el planteamiento de un proyecto


determinado, según el objetivo foco de mejora, y el marco de trabajo específico. El
proceso involucra una serie de pasos o fases, que contendrán las directivas a tener en
cuenta, para alcanzar el resultado deseado.

1.1.1. Clases de proyectos de Six Sigma (DMAIC, DMADV, DMADDD)

Existen distintos procesos dentro de esta metodología, dependiendo de los escenarios


a evaluar.
De acuerdo a Kerry Simon 19, los proyectos de SS se pueden dividir en tres clases, de
acuerdo a que lo que se desee analizar o aplicar, a saber:

 DMAIC (Define, Measure, Analyze, Improve, Control)


 DMADV (Define, Measure, Analyze, Design, Validate)
 DMADDD (Define, Measure, Analyze, Design, Digitize, Draw Down)

El proceso DMAIC se utiliza cuando el objetivo es la mejora de un producto, proceso o


servicio existente; frecuentemente aplicado en la mejora de la performance o
actuación. En cambio, cuando lo que se desea es diseñar un nuevo producto o
proceso, se usa DMADV. Por último, si se quiere incrementar la productividad, se
emplea DMADDD.

A través del siguiente gráfico se puede observar que todos los procesos están
relacionados por fases comunes, pero existen derivaciones, que dependen del objetivo
propuesto al aplicar la metodología.

18
MOTOROLA. , op. cit.
19
KERRY, SIMON. ―DMAIC versus DMADV Methodologies‖. [en línea] I SIX SIGMA. Disponible en
Internet: http://www.isixsigma.com/library/content/c001211a.asp [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 27 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 1.1.1-1 Procesos de DMAIC, DMADDD y DMADV

Publicado por CSC. ―Patch Management using Six Sigma‖20

1.1.2. Fases de un proyecto DMAIC

En la tabla que se encuentra a continuación, se establecen las acciones involucradas


en cada una de las fases de un proceso DMAIC, según Thomas Pyzdek21. Estas
comienzan con acciones a seguir en cada una de las fases del mismo.

20
CSC. ―Patch Management using Six Sigma‖ [en línea]. Disponible en Internet:
http://phoenix.issa.org/Six%20Sigma.ppt [Consulta: 11 Diciembre 2007]
21
PYZDEK, THOMAS.2003. ―DMAIC and DMADV‖. [en línea]. Disponible en Internet:
http://www.pyzdek.com/DMAICDMADV.htm [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 28 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Tabla 1.1.2-1 Pasos a seguir en las distintas etapas del proceso DMAIC

Definición (Define):
Se establecen claramente los objetivos y métricas –indicadores- relevantes. Con
los cuales, se podrá apreciar la línea base, brechas, impedimentos y barreras
estructurales para el proceso de cambio, y finalmente, la evolución hacia las metas
Los objetivos más importantes son obtenidos de los clientes o usuarios finales. En
los niveles superiores, los objetivos serán estratégicos para la organización, tales
como mejorar la lealtad de los clientes, lograr un alto retorno sobre la inversión
D (Return Over Investment, ROI), incrementar la porción de mercado, generar mayor
satisfacción del empleado, entre otros. A nivel operativo, se podría, además,
incrementar la efectividad y la eficiencia, y reducir el tiempo de resolución de
problemas del departamento; mientras que, a nivel del proceso, se busca reducir
los costos de calidad y de no calidad (Cost Of Quality, COQ y Cost Of Poor
Quality, COPQ), reducir el nivel de defectos e incrementar la salida de un
determinado proceso. Se pueden plantear objetivos a partir de la comunicación
directa con clientes, accionistas y empleados.
Medición (Measure):
Se analiza en detalle el desempeño, a lo largo del proceso, y se obtienen las
relaciones causa-efecto entre todas las variables claves involucradas
A partir del sistema existente, se establecen métricas válidas y confiables para
M
ayudar a monitorear el progreso hacia los objetivos definidos en el paso anterior.
Es decir, la situación actual determina la línea base del proyecto, luego se usan
métodos de análisis de datos exploratorios y descriptivos que ayuden a entender la
información.
Análisis (Analyze):
Se construyen relaciones y niveles de causalidad, entre los procesos y sus
resultados. Se identifican los aspectos críticos, a partir de los cuales, se puede
modificar la situación actual, utilizando herramientas y métodos estadísticos que
A guían el análisis. Se estudian los modos de falla y los efectos de la variabilidad.
Todo ello, para determinar los efectos principales e interacciones, derivadas del
análisis pasivo, y los compromisos, tanto operacionales como financieros. Es decir,
conocer las causas o entradas al proceso, que tienen impacto directo en los
resultados del mismo.
Mejora (Improve):
Se realizan ejercicios interactivos de los procesos, mediante pruebas y
experimentación estadística. Se definen las estrategias para lograr los cambios en
el desempeño, la socialización, aceptación y definiciones claves para los planes de
puesta en marcha o mejoramiento del diseño de control.
Será necesaria la creatividad, para encontrar nuevas maneras de hacer las cosas,
I de forma tal que sean mejores, más baratas o más rápidas; por medio del
gerenciamiento del proyecto u otras herramientas de administración, para
implementar una nueva mirada; y usando métodos estadísticos para validar la
mejora.
Es aconsejable la aplicación de estándares, como las normas ISO 9000 e ISO
17799, el modelo CMMI, mejores prácticas a partir de ITIL y CObIT, para alinear
la propuesta al negocio.

Manuel Teigeiro Tesis Página - 29 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Control:
Una vez definidos los métodos y mediciones para implementar y sustentar la
mejora a través el tiempo; se monitorean y documentan, constantemente, las
variables críticas, para conocer la estabilidad del proceso mejorado. A la vez que
C se realiza el desarrollo de competencias al personal operativo.
El nuevo sistema debe ser institucionalizado a través de modificaciones en las
políticas y procedimientos de compensación e incentivos, presupuestos,
instrucciones operativas de trabajo y otras herramientas de gerenciamiento.

En los capítulos próximos, se vuelve sobre el proyecto DMAIC, para abarcar, en mayor
detalle, lo que representa e incluye cada una de sus fases. Se enfatiza que, DMAIC se
utiliza cuando un producto o proceso, que existe dentro de la compañía, no cumple con
ciertas especificaciones, o bien, no funciona adecuadamente.

1.1.3. Relaciones entre DMAIC y PDCA

La forma gráfica de representar un proceso DMAIC es muy similar al círculo de mejora


continua de la calidad, de Deming, donde se destacan sus acciones por PDCA (Plan-
Do-Check- Act).
Además de las cinco fases que componen un DMAIC, algunos autores22 adicionan un
paso más, que es la sinergia (Synergize, S), quedando representado por las siglas
DMAIC-S. El concepto anterior se refiere a que, lo que ha ganado el grupo de trabajo,
en cuanto a conocimiento y experiencia, con la aplicación del proyecto de Six Sigma,
sea compartido con la totalidad de la organización. La comunicación y difusión de tal
conocimiento, son absolutamente necesarias para el aprendizaje organizacional. Este
es el principio de una organización ―inteligente‖.

Gráfico 1.1.3-1 Representación gráfica de DMAICS – PDCA

23
Publicado por Six Sigma US. ―What is Six Sigma‖

22
SIX SIGMA US. ―Step Six Synergize‖ [en línea]. Disponible en Internet: http://www.6sigma.us/dmaic-
step-six-synergize.php [Consulta: 20 Mayo 2008]
23
SIX SIGMA US. ―What is Six Sigma‖ [en línea]. Disponible en Internet: http://www.6sigma.us/six-
sigma.php [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 30 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Diversas organizaciones han publicado investigaciones y estudios acerca de proyectos


realizados con la metodología Six Sigma, donde la relacionan con la mejora continua
de la calidad.

1.1.4. Ciclo de vida de un proyecto DMAIC

En el siguiente gráfico, se puede observar el ciclo de vida de un proyecto de DMAIC.


Se ejemplifican en él, las preguntas que deberían satisfacerse en cada fase del mismo,
y que determinarán las acciones, de acuerdo a los requerimientos, que deben llevarse
a cabo. Las preguntas están definidas a través de un cuestionario base, no excluyente.

Gráfico 1.1.4-1 Ciclo de vida de un proyecto de DMAIC

24
Publicado por iSix Sigma, ―DMAIC Project Cycle Graphic‖

24
ISIX SIGMA. ―DMAIC Project Cycle Graphic‖. Disponible en Internet:
http://www.isixsigma.com/me/dmaic/ [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 31 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.1.5. Listado de herramientas para Six Sigma

En la metodología Six Sigma se utilizan diversas herramientas que ayudan a su


consecución, y son comúnmente conocidas como DFSS tools (Design For Six Sigma
tools). A continuación se enumeran algunas de ellas, no siendo exclusivas ni
excluyentes, y que son útiles en las distintas etapas del proyecto.

Tabla 1.1.5-1 Herramientas de Six Sigma utilizadas en distintas fases del proyecto

Fase del
Herramientas sugeridas
Proyecto
 Carátula o capítulo del proyecto.
 Voice Of Customer tools (VOC), incluye las herramientas que
reflejan la voz del cliente (tales como encuestas, grupos de
trabajos, cartas y tarjetas de comentarios).
 Mapas de procesos.
Definir  Quality Function Deployment (QFD), llamada casa de
calidad, diagramas de Suppliers-Inputs-Process-Outputs-
Customers (SIPOCs), que corresponde a proveedores,
entradas, proceso, salidas y clientes.
 Benchmarking.

 Análisis del sistema de mediciones.


 Análisis de datos exploratorios.
 Estadística descriptiva.
Medir  Data Mining, o exploración exhaustiva de datos.
 Cartas de control.
 Análisis de Pareto.

 Diagramas de causa-efecto.
 Diagramas de estructura de árbol.
 Torbellino de ideas.
 Sheet - Process - Chart (SPC), o cartas de control estadístico
de procesos.
 Mapas de procesos.
Analizar  Diseño de experimentos.
 Test de hipótesis, estadística enumerativa.
 Estadística de inferencias (Xs e Ys).
 Failure mode and effects analysis (FMEA), o análisis de
modos de fallas y efectos.
 Simulaciones.

 Force Field Diagram (FFD), o diagrama de fuerzas y


Mejorar restricciones, o diagrama de Kurt Lewin.
 Diagrama de Pareto, diagrama causa-efecto, diagrama de
estratificación, cartas de chequeo, diagramas o histogramas de

Manuel Teigeiro Tesis Página - 32 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

dispersión, gráficos y cartas de control (conocidas como las 7M


tools).
 Herramientas de gerenciamiento y manejo de proyectos.
 Estudio de prototipos y pilotos.

 SPC.
 FMEA.
Controlar  ISO 9000.
 Modelos de estimación de costos, presupuestos y cotizaciones.
 Sistema de reportes.

Con todo esto, se espera contar con la información suficiente de las fases del DMAIC
para SS, y las herramientas que se pueden utilizar para el desarrollo e implementación
de la metodología.
En caso de ser necesario, se podrá indagar más profundo y realizar las consultas
pertinentes a especialistas en la metodología, comúnmente llamados Green Belt
(Cinturón Verde) o Black Belt (Cinturón Negro).

Manuel Teigeiro Tesis Página - 33 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.2. Tablero de control balanceado

El modelo denominado ―tablero de control balanceado‖ (Balanced ScoreCard, BSC) es


un nuevo acercamiento para el gerenciamiento estratégico, que fue desarrollado a
principios de los 90´s, en la Escuela de Negocio de Harvard, por los doctores Roberto
Kaplan y David Norton; pero será tratado desde el punto de vista de Paul Arveson 25.

La generación de un tablero de gestión integrado le aporta, al área de tecnología de la


información, el disponer de los indicadores claves para seguimiento, control y mejora
de la actuación de la misma, como así también reflejar su estado de funcionamiento,
evaluar riesgos, disparar acciones preventivas y correctivas, poder compararse con
otras áreas de la misma especialidad y permitir a las unidades de negocio tener un
mayor aprovechamiento de recursos que, a posteriori, implicaría un aumento probable
en la rentabilidad anual26.

Aunque todos los modelos presentan ciertas debilidades e imprecisiones, cada uno
posee determinadas fortalezas. En este caso, BSC proporciona una descripción clara
en cuanto a los puntos clave que las compañías deberían medir, para ―balancear‖ la
perspectiva financiera.

1.2.1. ¿Qué es un tablero de control balanceado?

El BSC es un modelo de gerenciamiento (no sólo un sistema de medida), que permite


a las organizaciones clarificar su visión y estrategia, traduciéndolas en acción.
Permite la retroalimentación de los procesos internos del negocio y de los resultados
externos, para mejorar continuamente las estrategias y su funcionamiento.

Kaplan y Norton27 evalúan la aplicación del BSC "para dirigir y evaluar la información
que las compañías deben considerar, para crear valor futuro, que son la inversión en
clientes, proveedores, empleados, procesos, tecnología e innovación‖. En este sentido,
el BSC sugiere ver la organización a partir de cuatro perspectivas:

 Perspectiva del aprendizaje y crecimiento.


 Perspectiva del proceso de negocio.
 Perspectiva del cliente.
 Perspectiva financiera.

En el siguiente gráfico se reflejan las interacciones entre los factores claves y la visión
organizacional de la empresa, de manera más clara.

25
ARVESON, PAUL.1998. ―What is the Balanced ScoreCard‖. [en línea]. Disponible en Internet:
http://www.balancedscorecard.org/basics/bsc1.html [Consulta: 11 Diciembre 2007]
26
KAPLAN, R.S. y NORTON, D.S., op. cit.
27
KAPLAN, R.S. y NORTON, D.S., op. cit.

Manuel Teigeiro Tesis Página - 34 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 1.2.1-1 Factores claves y visión estratégica organizacional

Finanzas
Para ser exitosos
financieramente, cómo
deberiamos aparecer antes
nuestros accionistas

Clientes Procesos internos de


negocios
Para lograr nuestra visión cómo Visión y Estrategia
Para satisfacer a nuestros
deberíamos ser ante nuestros accionistas y clientes qué procesos
clientes de negocios deberíamos mejorar

Aprendizaje y Crecimiento
Para lograr nuestra visión, cómo
sustanciaremos nuestra habilidad
al cambio y a la mejora

La metodología BSC se construye sobre algunos conceptos dominantes de las ideas


anteriores de gerenciamiento, tales como gestión de la calidad total o Total Quality
Management (TQM), incluyendo calidad definida por el cliente o mercado, mejora
continua, delegación de toma de decisiones a subordinados (empowerment) y, sobre
todo, mediciones respecto a la gerencia y su retroalimentación.

En la actividad industrial tradicional, "control de calidad" y "cero defectos" eran las


palabras claves e intocables. Para prevenir que el cliente recibiera productos de mala
calidad, los esfuerzos se centraban en la inspección y prueba sólo en los extremos de la
cadena de producción. Según lo precisado por Arveson28, donde hace referencia a
Deming, el problema con este acercamiento es que las causas verdaderas de los
defectos podrían no ser identificadas, y seguirían ocurriendo.

28
ARVESON, PAUL.1998. ―What is the Balanced Scorecard?‖ [en línea]. Disponible en Internet:
http://www.balancedscorecard.org/basics/bsc1.html [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 35 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Observó además que, las variaciones pueden ocurrir en cualquiera de los pasos del
proceso productivo, y sus causas debían ser identificadas y solucionadas allí. Si esto
podía ser realizado, entonces sería una manera de reducir los defectos y mejorar la
calidad del producto indefinidamente. Para establecer tal actividad, Deming remarcó que
todos los procesos del negocio deben ser parte de un sistema retroalimentado. Los
datos de la retroalimentación deben ser examinados por los encargados o responsables
de los procesos, para determinar las causas de la variación, y las etapas con problemas
significativos, para centrar allí la atención y encontrar soluciones.

El BSC incorpora la retroalimentación de las salidas del proceso, como en TQM, pero
también agrega un lazo alrededor de los resultados de las estrategias de negocio. Esto
genera un proceso de ―retroalimentación de doble lazo".

1.2.2. ¿Por qué se necesitan las métricas?

Una frase muy difundida, de Lord Kelvin, dice: ―si no puedes medirlo, no puedes
mejorarlo‖ (“If you can not measure it, you can not improve it” 29).
Las métricas deben definirse en base a las prioridades del plan estratégico, que
proveerán a la gerencia los indicadores que desean monitorear. Los procesos serán
entonces diseñados para recolectar la información relevante de tales métricas, que
llevadas a un valor numérico o cualitativo, permitan su almacenamiento, visualización y
su posterior análisis.
Las personas que toman las decisiones examinaran las salidas de los procesos
medidos, las estrategias y registraran los resultados para guiar a la compañía,
implementando la retroalimentación en el proceso.

Entonces, el valor de las métricas es su habilidad de proveer información relevante para


la retroalimentación:

 De la estrategia, mostrando la situación actual de la organización desde distintas


perspectivas, para las personas encargadas de tomar decisiones.
 Del diagnóstico, exponiendo los procesos que están bajo mejora continua.
 De las tendencias, en cuanto a la performance a través del tiempo, y cómo estas
son monitoreadas.
 Del monitoreo, acerca de los sistemas de medición y el modo en que las
métricas deben ser controladas.
 De las entradas cuantitativas, para pronosticar métodos y modelos de decisión
de los sistemas soportados.

El logro de realizar mediciones –monitoreo- es que permite a los gerentes ver su propia
compañía más claramente, desde distintas perspectivas y, por ende, poder tomar
decisiones a largo plazo más sabias.

29
LORD KELVIN. ―Quotations from Lord Kelvin‖ [ en línea]. Disponible en Internet:
http://zapatopi.net/kelvin/quotes/ [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 36 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En “Criteria for Performance Excellence”, del programa de calidad nacional de


Baldrige30, se reitera la concepción anterior acerca de la importancia de las métricas
para la gerencia:

―Los negocios modernos dependen, sobre todo, de mediciones y análisis de la performance.


Las mediciones deben derivar de la estrategia de la compañía y proveer los datos críticos e
información acerca de los procesos claves, salidas y resultados de procesos o negocios. Los
datos y la información necesitan de mediciones de performance y de mejoras de diferentes
tipos; incluyendo la performance del cliente, producto y servicio, operaciones, mercado,
análisis de la competencia, proveedores, satisfacción de empleados, costos y estado
financiero.
El análisis requiere el uso de datos para determinar tendencias, proyecciones, análisis de
causa-efecto, que no podrían ser evidentes sin análisis. Los datos y su análisis dan soporte a
una gran variedad de propósitos de la compañía, tales como planeamiento, revisión de la
performance, mejoras en las operaciones, comparaciones de la performance entre la
competencia y con las mejoras practicas (benchmarking).
Una mayor consideración respecto a la mejora del desempeño o performance, involucra la
creación y el uso de indicadores. Los indicadores son características medibles o mesurables
de los productos, servicios, procesos y operaciones de la compañía, que se usan para el
seguimiento y la mejora de la performance. Éstos deberían ser seleccionados para reflejar los
factores que llevan a mejorar la performance del cliente, operacional y financiera. Un
extensivo conjunto de indicadores atados o asociados al cliente y la performance de la
empresa, requiere representar claramente la alineación de todas las actividades con las
metas u objetivos del negocio. A través del análisis de datos, los procesos de seguimiento,
mediciones e indicadores deberían ayudar a evaluar y re-alinear la empresa hacia los logros
fijados‖

Los conceptos hasta aquí expuestos irán complementando el desarrollo del estudio,
mencionando los puntos comunes o nexos entre ellos, y extrayendo su aplicación a
nuestro caso.

30
BALDRIGE NATIONAL QUALITY PROGRAM. ‖Criteria for Performance Excellence‖ [en línea].
Disponible en Internet: http://baldrige.nist.gov/Business_Criteria.htm [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 37 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.3. Objetivos de control para la información y tecnología relacionada

El modelo CObIT (Control Objetives for Information and related Technology)


incluye estándares sobre puntos de control que garantizan el cumplimiento de los
procesos y permiten su control. Éstos proveen información detallada para administrar
tales procesos. En otras palabras, es una guía para la gestión de la IT.

El CObIT incluye una serie de recursos como, por ejemplo, sumario ejecutivo,
framework, control de objetivos, mapas de auditoría y un conjunto de procesos de
trabajo ya establecidos y empleados por el mercado entre los cuales se incluye el CMM
(Capability Maturity Model), la ISO 9000 (para calidad), BS7799/ISSO 17799 (normas
para seguridad de la información) y el ITIL (para gestión del departamento de IT).

La metodología está dirigida a tres niveles diferentes: para gerentes que necesitan
evaluar los riesgos y controlar las inversiones de TI; para los usuarios que necesitan
asegurar la calidad de los servicios prestados a los clientes internos y externos; y para
auditores que necesitan evaluar el trabajo de gestión de la IT y aconsejar el control
interno de la organización. El foco principal es apuntar dónde deben realizarse las
mejoras.

Para muchas empresas, la información y la tecnología que las soportan representan


sus más valiosos activos, aunque con frecuencia son poco entendidos. Estas empresas
reconocen los beneficios de la tecnología de información y la utilizan para impulsar el
valor de sus interesados (stakeholders). Estas empresas también entienden y
administran los riesgos asociados, tales como el aumento en requerimientos
regulatorios, así como la dependencia crítica de muchos procesos de negocio en la IT.

La necesidad del aseguramiento del valor de la IT, la administración de los riesgos


asociados a ella, así como el incremento de requerimientos para controlar la
información, se entienden ahora como elementos clave del gobierno de la empresa. El
valor, el riesgo y el control constituyen la esencia del gobierno de la IT. Este es
responsabilidad de los ejecutivos, del consejo de directores; y consta de liderazgo,
estructuras y procesos organizacionales que garantizan que la TI de la empresa
sostiene y extiende las estrategias y objetivos organizacionales.

1.3.1. Relaciones entre ISACA, CObIT y COSO

La organización que administra y regula todo lo relacionado con CObIT es la


asociación para la auditoría y el control de sistemas de información, conocida como
ISACA31 (Information System Audit and Control Association). Además del control de

31
ISACA. ―CObIT Executive Summary & Framework‖.[en línea] Disponible en Internet:
http://www.isaca.org/Template.cfm?Section=COBIT6&Template=/TaggedPage/TaggedPageDisplay.cfm&
TPLID=55&ContentID=7981 [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 38 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

auditorías, realiza proyectos de investigación para expandir los conocimientos,


gobierno y control de la IT. Sus guías y estándares para el control de sistemas de
información han sido aceptados y utilizados a nivel internacional.

Los recursos de CObIT deben utilizarse como fuente de asesoría con respecto a las
mejores prácticas; proporciona un conjunto detallado de controles y de técnicas de
control para el entorno de la administración/gestión de sistemas de información. La
selección del material más relevante en CObIT, aplicable al alcance de la auditoría en
particular, se basa en la selección de procesos específicos de para la IT, considerando
además sus criterios de información. CObIT está destinado para ser utilizado por la
gerencia de la empresa y de la IT, así como por los auditores de sistemas de
información; por lo tanto, su uso permite la comprensión de los objetivos del negocio, la
comunicación de las mejores prácticas y las recomendaciones que deben hacerse, con
base en estándares de referencia comúnmente comprendidos y respetados.
ISACA ha definido una guía como el nivel mínimo de desempeño aceptable, requerido
para cumplir con las responsabilidades profesionales, indicadas en el Código de Ética
Profesional de ISACA. La publicación no debe considerarse como excluyente de otros
procedimientos y pruebas que estén razonablemente dirigidos a la obtención de los
mismos resultados. Para determinar la aplicabilidad de cualquier procedimiento o
prueba específicos, el profesional de control debe aplicar su buen juicio a las
circunstancias específicas presentadas por el entorno particular de sistemas o de la
tecnología de información.

La necesidad de asegurar el valor de la IT, del gerenciamiento de los riesgos y del


incremento de control de la información, es ahora entendida como elemento clave para
el gobierno de la empresa. El gerenciamiento o gobierno de la IT es responsabilidad de
los ejecutivos y del directorio, y consiste en el liderazgo, estructuras organizacionales y
procesos que aseguran que la IT de la empresa mantiene y cumple con los objetivos y
estrategias del negocio.

Más aún, el gobierno de la IT integra e institucionaliza las buenas prácticas para


garantizar que la IT de la empresa sirve como base a los objetivos del negocio. De esta
manera, el gobierno de ella facilita que la empresa aproveche al máximo su información,
optimizando así los beneficios, capitalizando las oportunidades y ganando ventajas
competitivas. Estos resultados requieren un marco de referencia para controlar la IT,
que se ajuste y sirva como soporte al Committee Of Sponsoring Organisations Of The
Treadway Commission (Control interno—Marco de referencia integrado); que es el
marco de referencia de control ampliamente aceptado para gobierno de la empresa y
para la administración de riesgos, así como marcos compatibles similares.
El comité de organizaciones auspiciantes de la comisión de control interno de
Treadway, COSO32 (Committee Of Sponsoring Organizations), publicó el Marco
Integrado de Control Interno (Internal Control Integrated Framework) para ayudar a
empresas y otras entidades a evaluar y mejorar sus sistemas de control interno. El
denominado ―Informe COSO‖ surge como respuesta a las inquietudes que plantean la

32
HARRIS, TRISH. ‖COSO Releases Discussion Document with Guidance on Monitoring Internal
Control‖. [en línea]. 17 Septiembre 2007. Disponible en Internet:
http://www.theiia.org/theiia/newsroom/news-releases/?search=COSO&C=1042&I=4153 [Consulta: 11
Diciembre 2007]

Manuel Teigeiro Tesis Página - 39 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

diversidad de conceptos, definiciones e interpretaciones existentes en torno al control


interno. Realizado con el objetivo de ayudar a las organizaciones a mejorar el control
de sus actividades, estableciendo un marco de conceptos que permita una definición
común y la identificación de sus componentes.

Las organizaciones deben satisfacer la calidad, los requerimientos fiduciarios y de


seguridad de su información, así como de todos sus activos. La dirección también debe
optimizar el uso de los recursos disponibles de IT, incluyendo aplicaciones,
información, infraestructura y personas. Para descargar estas responsabilidades, así
como para lograr sus objetivos, la dirección debe entender el estatus de su arquitectura
empresarial para la IT y decidir qué tipo de gobierno y control debe aplicar.

1.3.2. CObIT como marco de referencia

Los Objetivos de Control para la Información y la Tecnología relacionada (CObIT)


brindan buenas prácticas a través de un marco de trabajo de dominios y procesos, y
presenta las actividades en una estructura manejable y lógica. Las buenas prácticas de
CObIT representan el consenso de los expertos. Están enfocadas fuertemente en el
control y menos en la ejecución. Estas prácticas ayudarán a optimizar las inversiones
facilitadas por la TI, asegurarán la entrega del servicio y brindarán una medida contra la
cual juzgar cuando las cosas no vayan bien.

Para que la IT tenga éxito en satisfacer los requerimientos del negocio, la dirección
debe implantar un sistema de control interno o un marco de trabajo. El marco de
trabajo de control CObIT contribuye a estas necesidades de la siguiente manera:

 Estableciendo un vínculo con los requerimientos del negocio


 Organizando las actividades de IT en un modelo de procesos generalmente
aceptado
 Identificando los principales recursos de IT a ser utilizados
 Definiendo los objetivos de control gerenciales a ser considerados

La orientación al negocio que enfoca CObIT consiste en vincular las metas de negocio
con las metas de IT, brindando métricas y modelos de madurez para medir sus logros,
e identificando las responsabilidades asociadas de los propietarios de los procesos de
negocio y de IT.

En conclusión, proporciona un marco de referencia administrativo orientado hacia una


continua y proactiva auto-evaluación del control.

1.3.3. La información gerencial en CObIT

El enfoque hacia procesos de CObIT se ilustra con un modelo de procesos, el cual


subdivide IT en 34 procesos de acuerdo a las áreas de responsabilidad de planear,
construir, ejecutar y monitorear, ofreciendo una visión de punta a punta de la IT. Los

Manuel Teigeiro Tesis Página - 40 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

conceptos de arquitectura empresarial ayudan a identificar aquellos recursos


esenciales para el éxito de los procesos, es decir, aplicaciones, información,
infraestructura y personas. En resumen, para proporcionar la información que la
empresa necesita para lograr sus objetivos, los recursos de IT deben ser administrados
por un conjunto de procesos agrupados de forma natural.

Pero, ¿cómo puede la empresa poner bajo control la IT de tal manera que genere la
información que la empresa necesita? ¿Cómo puede administrar los riesgos y asegurar
los recursos de IT de los cuales depende tanto? ¿Cómo puede la empresa asegurar
que IT logre sus objetivos y soporte los del negocio?

En busca de respuestas a las cuestiones planteadas anteriormente, se arriba a las


siguientes conclusiones:

Primero, la dirección requiere objetivos de control que definan la última meta de


implantar políticas, procedimientos, prácticas y estructuras organizacionales
diseñadas para brindar un nivel razonable para garantizar que: se alcancen los
objetivos del negocio; y se prevengan o se detecten y corrijan los eventos no
deseados.
En segundo lugar, en los complejos ambientes de hoy en día, la dirección busca
continuamente información oportuna y condensada, para tomar decisiones difíciles
respecto a riesgos y controles, de manera rápida y exitosa.

¿Qué se debe medir y cómo?


Las empresas requieren una medición objetiva de dónde se encuentran y dónde se
requieren mejoras, y deben implantar una caja de herramientas gerenciales para
monitorear esta mejora.

El gráfico 1.3.3-1 muestra algunas preguntas frecuentes y las herramientas


gerenciales de información usadas para encontrar las respuestas, aunque estos
tableros de control requieren indicadores, los marcadores de puntuación requieren
mediciones y los Benchmarking requieren una escala de comparación.

Una respuesta a los requerimientos de determinar y monitorear el nivel apropiado de


control y desempeño de IT son las definiciones específicas de CObIT de los siguientes
conceptos:

• Benchmarking de la capacidad de los procesos de IT, expresada como


modelos de madurez, derivados del Modelo de Madurez de la Capacidad del
Instituto de Ingeniería de Software.
• Metas y métricas de los procesos de IT para definir y medir sus resultados y
su desempeño, basados en los principios de balanced business scorecard de
Kaplan y Norton.
• Metas de actividades para controlar estos procesos, con base en los objetivos
de control detallados de CObIT.

La evaluación de la capacidad de los procesos basada en los modelos de madurez de


CObIT es una parte clave de la implementación del gobierno de IT. Después de

Manuel Teigeiro Tesis Página - 41 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

identificar los procesos y controles críticos de IT, el modelado de la madurez permite


identificar y demostrar a la dirección las brechas en la capacidad. Entonces se pueden
crear planes de acción para llevar estos procesos hasta el nivel objetivo de capacidad
deseado.

Gráfico 1.3.3-1 Información gerencial

8
Publicado por ISACA. ―CObIT Executive Summary & Framework‖

1.3.4. Factores críticos del gobierno de IT

El modelo CObIT da soporte al gobierno de la IT (gráfico 1.3.4-1) al brindar un marco


de trabajo que garantiza que:

• IT está alineada con el negocio


• IT capacita el negocio y maximiza los beneficios
• Los recursos de IT se usen de manera responsable
• Los riesgos de IT se administren apropiadamente

La medición del desempeño es esencial para el gobierno de IT. CObIT le da soporte e


incluye el establecimiento y el monitoreo de objetivos que se puedan medir, referentes
a lo que los procesos de IT requieren generar (resultado del proceso) y cómo lo
generan (capacidad y desempeño del proceso). Muchos estudios han identificado que
la falta de transparencia en los costos, valor y riesgos de IT, es uno de los más
importantes impulsores para el gobierno de IT. Mientras las otras áreas consideradas
contribuyen, la transparencia se logra de forma principal por medio de la medición del
desempeño.
Estas áreas focales de gobierno de IT describen los tópicos en los que la dirección
ejecutiva requiere poner atención para gobernar la IT en sus empresas. La dirección
operacional usa procesos para organizar y administrar las actividades cotidianas de IT.
CObIT brinda un modelo de procesos genéricos que representa todos los procesos que

Manuel Teigeiro Tesis Página - 42 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

normalmente se encuentran en las funciones de IT, ofreciendo un modelo de referencia


común entendible para los gerentes operacionales de la IT y del negocio. Se
establecieron equivalencias entre los modelos de procesos CObIT y las áreas focales
del gobierno de TI, ofreciendo así un puente entre lo que los gerentes operacionales
deben realizar y lo que los ejecutivos desean gobernar

Gráfico 1.3.4-1 Factores críticos del gobierno de IT

Alineación estratégica se enfoca en garantizar el vínculo


entre los planes de negocio y de IT; en definir, mantener y
validar la propuesta de valor de IT; y en alinear las
operaciones de TI con las operaciones de la empresa.

Entrega de valor se refiere a ejecutar la propuesta de valor a


lo largo del ciclo de entrega, asegurando que IT genere los
beneficios prometidos en la estrategia, concentrándose en
optimizar los costos y en brindar el valor intrínseco de la IT.

Administración de recursos se trata de la inversión óptima,


así como la administración adecuada de los recursos críticos
de IT, aplicaciones, información, infraestructura y personas.
Los temas claves se refieren a la optimización de
conocimiento y de infraestructura.

Administración de riesgos requiere conciencia de los riesgos


por parte de los altos ejecutivos de la empresa, un claro
entendimiento del deseo de riesgo que tiene la empresa,
comprender los requerimientos de cumplimiento, transparencia
de los riesgos significativos para la empresa, y la inclusión de
las responsabilidades de administración de riesgos dentro de
la organización.

Medición del desempeño rastrea y monitorea la estrategia de implementación, la terminación del proyecto, el uso de los recursos,
el desempeño de los procesos y la entrega del servicio, con el uso, por ejemplo, de balanced scorecards que traducen la estrategia
en acción para lograr las metas que se puedan medir más allá del registro convencional.

Publicado por ISACA. ―CObIT Executive Summary & Framework‖

Para lograr un gobierno efectivo, los ejecutivos esperan que los controles a ser
implementados por los gerentes operacionales se encuentren dentro de un marco de
control definido para todos los procesos de IT. Los objetivos de control de IT de CObIT
están organizados por proceso de IT; por lo tanto, el marco de trabajo brinda un vínculo
claro entre los requerimientos de gobierno de IT, los procesos de IT y sus controles.
CObIT se enfoca en qué se requiere para lograr una administración y un control
adecuado de la IT, y se posiciona en un nivel alto.
CObIT ha sido alineado y armonizado con otros estándares y mejores prácticas más
detallados de IT. Actúa como un integrador de todos estos materiales guía, resumiendo
los objetivos clave bajo un mismo marco de trabajo integral que también se vincula con
los requerimientos de gobierno y de negocios.
COSO33 (y similares marcos de trabajo) es generalmente aceptado como el marco de
trabajo de control interno para las empresas. CObIT es el marco de trabajo de control
interno generalmente aceptado para la IT.

33
HARRIS, TRISH, op.cit.

Manuel Teigeiro Tesis Página - 43 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Todos estos componentes de CObIT se interrelacionan, ofreciendo soporte para las


necesidades de gobierno, de administración, de control y de auditoría de los distintos
interesados, como se muestra en el gráfico 1.3.4-2

Gráfico 1.3.4-2 Relaciones de los componentes de CObIT

Publicado por ISACA. ―CObIT Executive Summary & Framework‖

CObIT es un marco de referencia y un juego de herramientas de soporte que permiten


a la gerencia cerrar la brecha con respecto a los requerimientos de control, temas
técnicos y riesgos de negocio, y comunicar ese nivel de control a los participantes.
Permite el desarrollo de políticas claras y de buenas prácticas para control de IT a
través de las empresas. Constantemente se actualiza y armoniza con otros estándares.
Por lo tanto, CObIT se ha convertido en el integrador de las mejores prácticas de IT y el
marco de referencia general para el gobierno de ella, que ayuda a comprender y
administrar los riesgos y beneficios asociados.
La estructura de procesos de CObIT y su enfoque de alto nivel orientado al negocio
brindan una visión completa de la IT y de las decisiones a tomar acerca de ella.
Los beneficios de implementar CObIT como marco de referencia de gobierno sobre la
IT incluyen:

• Mejor alineación, con base en su enfoque de negocios.


• Una visión, entendible para la gerencia, de lo que hace TI.
• Propiedad y responsabilidades claras, con base en su orientación a procesos.
• Aceptación general de terceros y reguladores.
• Entendimiento compartido entre todos los participantes, con base en un lenguaje
común.

Manuel Teigeiro Tesis Página - 44 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

• Cumplimiento de los requerimientos COSO para el ambiente de control de TI.

1.3.5. Estados de madurez del modelo de CObIT

Modelos de madurez

Los modelos de madurez empezaron a ser requeridos por los directivos de empresas
corporativas y públicas al considerar qué tan bien se estaba administrando la IT. Para
poder responder a esto, se debe desarrollar un plan de negocio para mejorar y
alcanzar el nivel apropiado de administración y control sobre la infraestructura de
información. Se debe considerar el equilibrio del costo beneficio y estas preguntas
relacionadas:

 ¿Qué está haciendo la competencia en la industria, y cómo es la propia posición


en relación a ellos?
 ¿Cuáles son las mejores prácticas aceptables en la industria, y cómo se esta
posicionado con respecto a estas?
 Con base en esas comparaciones, ¿se puede decir que se está haciendo lo
suficiente?
 ¿Cómo identificar lo que se requiere hacer para alcanzar un nivel adecuado de
administración y control sobre los procesos de IT?

La gerencia de la IT busca constantemente herramientas de evaluación por


benchmarking y otras de auto-evaluación como respuesta a la necesidad de saber qué
hacer de manera eficiente. Se debe contar necesariamente con:
1. Una medición relativa de dónde se encuentra la empresa.
2. Una manera de decidir hacia dónde ir de forma eficiente.
3. Una herramienta para medir el avance contra la meta.

El modelado de la madurez para la administración y el control de los procesos de IT se


basa en un método de evaluación de la organización, de tal forma que se pueda
evaluar a sí misma desde un nivel de no-existente (0) hasta un nivel de optimizado (5).
Este enfoque se deriva del modelo de madurez que el Software Engineering Institute
(SEI) definió para la madurez de la capacidad del desarrollo de software, CMMI.
CObIT introduce algunos cambios al mismo adaptándolo a la IT, este modelo también
se aplica con algunas adaptaciones a distintas áreas de la empresa como ser en el
área de finanzas, de recursos humanos y otras.

Los niveles de madurez están diseñados como perfiles de procesos de IT que una
empresa reconocería como descripciones de estados posibles, actuales y futuros. No
están diseñados para ser usados como un modelo limitante, donde no se puede pasar
al nivel superior sin haber cumplido todas las condiciones del nivel inferior. En CObIT
se evalúan los 34 procesos definidos, identificando:

 La actual performance de la empresa

Manuel Teigeiro Tesis Página - 45 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

 El estado actual de la industria, comparaciones.


 Las metas de la empresa a mejorar, donde la empresa quiere estar.
 El crecimiento requerido (camino a recorrer), de cómo es a cómo debería ser.

En el gráfico 1.3.5-1 se puede ver la representación de modelos de madurez., donde se


especifica los seis estados siguientes:

0 - No se aplican procesos administrativos en lo absoluto.


1 - Los procesos son ad hoc y desorganizados.
2 - Los procesos siguen un patrón regular.
3 - Los procesos se documentan y se comunican.
4 - Los procesos se monitorean y se miden.
5 - Las buenas prácticas se siguen y se automatizan.

Gráfico 1.3.5-1 Representación gráfica de los modelos de madurez

Publicado por ISACA. ―CObIT Executive Summary & Framework‖ 8

1.3.6. Marco de trabajo de CObIT

El marco de trabajo CObIT relaciona los requerimientos de información y de gobierno a


los objetivos de la función de servicio de la IT. El modelo de procesos CObIT permite
que las actividades de IT y los recursos que los soportan sean administrados y
controlados, basados en los objetivos de control de este, y alineados y monitoreados.
Para resumir, los recursos de la IT son manejados sus procesos, para lograr las metas
que respondan a los requerimientos del negocio. Este es el principio básico del marco
de trabajo CObIT, como se ilustra en el cubo CObIT (gráfico 1.3.6-1)

Manuel Teigeiro Tesis Página - 46 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En el cubo de CObIT se observan fácilmente las tres dimensiones, y sus interrelaciones:

 Requerimientos del negocio (Business Requirements), a través de la


efectividad, eficiencia, confidencialidad, integridad, disponibilidad,
regulaciones (estándares requeridos, términos contractuales o
gubernamentales) y confiabilidad.
 Procesos de IT (IT Processes), a través de los dominios, procesos y
actividades.
 Recursos de IT (IT Resources), a través de las aplicaciones, información,
infraestructura y personal.

Gráfico 1.3.6-1 El cubo de CObIT

8
Publicado por ISACA. ―CObIT Executive Summary & Framework‖

En detalle, el marco de trabajo general CObIT se muestra en el gráfico 1.3.6-2, con el


modelo de procesos de CObIT compuesto de cuatro dominios que contienen 34
procesos genéricos, administrando los recursos de IT para proporcionar información al
negocio de acuerdo con sus requerimientos y los de gobierno.
Los cuatro dominios principales, que conformarán un círculo de calidad, se postulan
como:
PO: planear y organizar
AI: adquirir e implementar
DS: entrega (delivery) y soporte
ME: monitorear y evaluar

Manuel Teigeiro Tesis Página - 47 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 1.3.6-2 Marco de trabajo de CObIT

8
Publicado por ISACA. ―CObIT Executive Summary & Framework‖

Manuel Teigeiro Tesis Página - 48 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.3.7. Procesos de CObIT

A continuación se mencionan los 34 procesos de CObIT:

PO1: Definir un plan estratégico de IT


PO2: Definir la arquitectura de la información.
PO3: Determinar la dirección tecnológica.
PO4: Definir los procesos de IT, organización y relaciones.
PO5: Administrar las inversiones de IT.
PO6: Comunicar a la gerencia o directorio el plan y dirección a seguir.
PO7: Administrar los recursos humanos de IT.
PO8: Administrar la calidad.
PO9: Evaluar y administrar los riesgos de IT.
PO10: Administrar proyectos.

AI1: Identificar soluciones automatizadas.


AI2: Adquirir y mantener las aplicaciones de software.
AI3: Adquirir y mantener la infraestructura de la información.
AI4: Identificar operaciones o procesos y usarlos.
AI5: Adquirir recursos para IT.
AI6: Administrar los cambios.
AI7: Instalar y documentar soluciones y cambios.

DS1: Definir y administrar los niveles de servicio.


DS2: Administrar los servicios provistos por terceras partes.
DS3: Administrar la actuación o performance y la capacidad.
DS4: Asegurar la continuidad del servicio.
DS5: Asegurar el cumplimiento de seguridad de IT.
DS6: Identificar y alocar costos.
DS7: Educar y entrenar a los usuarios.
DS8: Administrar el soporte a usuarios e incidentes de IT.
DS9: Administrar la configuración o cambios de la mismas.
DS10: Administrar o gestionar los problemas de IT.
DS11: Administrar los datos.
DS12: Administrar la seguridad física.
DS13: Administrar las operaciones.

ME1: Monitorear y evaluar la actuación o performance de IT


ME2: Monitorear y evaluar los controles internos.
ME3: Asegurar el cumplimiento con requerimientos externos (legislación).
ME4: Proveer del gobierno de IT.

Manuel Teigeiro Tesis Página - 49 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Todos los potenciales usuarios pueden beneficiarse de utilizar el contenido de CObIT,


como también su acercamiento al gerenciamiento y gobierno en conjunto con los
demás estándares como:

 ITIL 34 para la provisión de servicios (ISO 20000).


 CMMI 35 para el desarrollo de soluciones.
 ISO 2700136 para la seguridad de la información que reemplazó a la ISO 17799.
 PMBOK o PRINCE2 37 para gerenciamiento o administración de proyectos.
 COSO o su organización de auditores THEEIA38

En el siguiente gráfico se trata de reflejar cómo interactúan todos y cada uno de los
procesos y estándares hasta aquí mencionados en el modelo de la IT.

Gráfico 1.3.7-1 Estándares y su relación con IT

39
Publicado por la IEEE Argentina. ―Que es ITIL‖

34
ITIL(INFORMATION TECHNOLOGY INFRASTRUCTURE LIBRARY). ―ITIL FAQ‖ [en línea]. Disponible
en Internet: http://www.itlibrary.org/index.php?page=ITIL_FAQ [Consulta: 11 Diciembre 2007]
35
CARNEGIE MELLON UNIVERSITY. 2007. ―What is CMMI?‖ [en línea]. Disponible en Internet:
http://www.sei.cmu.edu/cmmi/general/index.html [Consulta: 11 Diciembre 2007]
36
IT GOVERNANCE. 2007. ―What is ISO/IEC 27001?‖ [en línea]. Disponible en Internet:
http://www.27001.com/27001.aspx [Consulta: 11 Diciembre 2007]
37
OFFICE OF GOVERNMENT COMMERCE. 2007. ―What does PRINCE2 work?‖ [en línea]. Disponible
en Internet: http://www.ogc.gov.uk/methods_prince_2__whatisit.asp [Consulta: 11 Diciembre 2007]
38
THE INSTITUTE OF INTERNAL AUDITORS. 2007. ―About us‖. [en línea]. Disponible en Internet:
http://www.theiia.org/theiia/ [Consulta: 11 Diciembre 2007]
39
IEEE ARGENTINA. ―Que es ITIL‖ [en línea]. Disponible en Internet: www.ieee.org.ar/downloads/2006-
hrabinsky-itil.pdf [Consulta: 11 Diciembre 2007]

Manuel Teigeiro Tesis Página - 50 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Diferentes leyes y regulaciones internacionales, como las que se mencionan a


continuación, son además, marcos regulatorios para empresas que operan con el
exterior, y buscan que los estándares se actualicen y ajusten a ellas. Algunos ejemplos
muy conocidos son los siguientes:

 Sarbanes-Oxley40 (SOx).
 Basel II41.
 Payment Card Industry Data Security Standard 42 (PCI- DSS).
 Wet Bescherming Persoonsgegevens43 (Personal Data Protection Act) (WBP).
 Generally Accepted Accounting Principles in the United States44 (US GAAP).
 US Export Control Regulations for encryption technologies 45.

40
SARBANES-OXLEY. ―Sarbanes-Oxley Act of 2002‖. [en línea]. Disponible en Internet:
http://www.sarbanes-oxley.com/section.php [Consulta: 04 Marzo 2008]
41
BASEL II - REVISED INTERNATIONAL CAPITAL FRAMEWORK. ―Convergencia internacional de
medidas y normas de capital‖. [en línea]. Disponible en Internet: http://www.bis.org/publ/bcbs107esp.htm
[Consulta: 04 Marzo 2008]
42
PCI SECURITY STANDART COUNCIL. ‖PCI Data Security Standard‖. [en línea]. Disponible en
Internet: https://www.pcisecuritystandards.org/ [Consulta: 04 Marzo 2008]
43
WET BESCHERMING PERSOONSGEGEVENS (WBP). ―Personal Data Protection Act‖. [en línea].
Disponible en Internet: http://home.planet.nl/~privacy1/wbp_en_rev.htm [Consulta: 04 Marzo 2008]
44
US GAAP. ―US GAAP by Topic‖. [en línea]. Disponible en Internet: http://cpaclass.com/gaap/gaap-us-
101.htm [Consulta: 04 Marzo 2008]
45
US DEPARTMENT OF COMMERCE. ―Introduction to Commerce Department Export Controls‖. [en
línea]. Disponible en Internet: http://www.bis.doc.gov/licensing/exportingbasics.htm [Consulta: 04 Marzo
2008]

Manuel Teigeiro Tesis Página - 51 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.4. Librerías de infraestructura de la tecnología de la información

Se realizará una breve revisión del concepto de librerías de infraestructura para la


tecnología de la información (Information Technology Infrastructure Library, ITIL 46.
Como complemento se puede acceder a la información en el sitio oficial de ITIL47.

ITIL es un estándar de aplicación y aseguramiento de mejores prácticas, con el fin de


alinear la tecnología con los objetivos de negocio. ITIL actualiza constantemente sus
proyectos, siendo apoyado por un esquema de evaluaciones completo, organizaciones de
formación acreditadas y herramientas de asesoramiento e implementación.

El gerenciamiento de los servicios de la IT (IT Service Management, ITSM) de acuerdo


a ITIL, está orientado a los beneficios y la eficacia hacia el cliente. El logro de las metas
y objetivos del negocio se cumplen simultáneamente con las especificaciones internas y
externas (políticas y regulaciones), como un pre-requisito fundamental para asegurar el
éxito de la compañía en el mediano y largo plazo. ITSM permite obtener las enormes
ventajas del enfoque de las mejores prácticas. Como ITSM es conducido tanto por la
tecnología como la enorme variedad de ambientes organizacionales en los cuales opera, se
encuentra en un estado de la evolución constante. Las mejores prácticas, basadas en
asesoramiento experto y en los aportes de los usuarios de ITIL, es a su vez tanto corriente
como práctica, combinando los pensamiento vigentes y dirección de sentido común.

Las distintas disciplinas de ITIL están orientadas especialmente a la parte operativa.


Más adelante se profundiza esta afirmación, y se analiza cómo interactúan los
diferentes modelos de gerenciamiento, CObIT, ITIL e ISO 17799 o ISO 27000.

1.4.1. Gerenciamiento de servicios de IT

El IT Service Management (ITSM) es el marco de trabajo para planear, controlar,


chequear, coordinar todas las actividades y recursos relevantes de la IT, con el principal
objetivo de lograr los proyectos operativos y estratégicos de la empresa.

Existe también la función Service Desk, que describe las mejores prácticas para
establecer y administrar un punto central de contacto entre los usuarios de los servicios
de la IT. Sus responsabilidades más importantes son monitorear los incidentes y la
comunicación con los usuarios.

En la figura siguiente se muestra como la función del Service Desk sirve como punto de
contacto para varios procesos de ITSM.

46
ITIL GLENFIS PORTAL. ―What is ITIL‖.[en línea]. Disponible en Internet:
http://www.itil.org/en/index.php [Consulta: 25 de Febrero del 2008]
47
ITIL OFFICIAL SITE. [en línea]. Disponible en Internet: http://www.itil-officialsite.com/home/home.asp
[Consulta: 25 de Febrero del 2008]

Manuel Teigeiro Tesis Página - 52 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 1.4.1-1 ITIL. Proceso de gerenciamiento de servicios

Publicado por Security Focus. ―How ITIL can improve Information Security‖48

A continuación se muestra gráficamente la interrelación entre las distintas disciplinas de


ITIL V3 con la tecnología y los diferentes procesos del negocio.

Gráfico 1.4.1-2 Representación de la versión 3 de ITIL

Publicado por ITIL Org. ―The Core Framework‖49

48
SECURITY FOCUS. ―How ITIL can improve Information Security‖.[en línea]. Disponible en Internet:
http://www.securityfocus.com/infocus/1815 [Consulta: 25 de Febrero del 2008]
49
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 53 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.4.2. Soporte de servicios

El soporte de servicios (Service Support) es la parte de ITIL que se encarga de las


operaciones dentro del framework de ITSM.

Este se subdivide en:

 Incident Management o Gestión de incidentes.


 Problem Management o Gestión de problemas.
 Change Management o Gestión de cambios.
 Configuration Management - CMDB o Gestión de configuraciones.
 Release Management o Gestión de nuevas versiones de hardware y software.
 Service Desk / Help Desk o Mesa de Ayuda.

Con el gráfico 1.4.2-1 se tiene una rápida visión acerca de cómo funciona el servicio de
soporte y sus componentes. Las diferentes herramientas que se usan en ellos, como así
también sus respectivas interrelaciones.

Gráfico 1.4.2-1 Servicio de soporte de ITIL

Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Support‖50

50
ITIL GLENFIS PORTAL. ―ITIL V2 – ITSM Processes‖. [en línea]. Disponible en Internet:
http://www.itil.org/en/itilv2-itservmgmtprozesse/itilv2-itservicemanagementprozesse.php [Consulta: 25 de
Febrero del 2008]

Manuel Teigeiro Tesis Página - 54 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.4.2.1. Gestión de incidentes

La gestión de incidentes (Incident Management) es un proceso para la restauración


rápida del servicio normal de operaciones, interrumpido por algún evento que no es
parte de los servicios estándares y que causa un impedimento o reduce la calidad del
servicio.

Gráfico 1.4.2.1-1 Gestión de incidentes de ITIL

Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Support – Incident Management‖51

1.4.2.2. Gestión de problemas

Se define como gestión de problemas (Problem Management) al proceso donde se


identifican y remueven los errores en la infraestructura de IT, y se previene
proactivamente la recurrencia de incidentes. Los problemas son identificados por el
análisis de incidentes con síntomas comunes o significativos.

Gráfico 1.4.2.2-1 Gestión de problemas de ITIL

Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Support – Problem Management‖52

51
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 55 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.4.2.3. Gestión de cambios

En el caso de la gestión de cambios (Change Management), se manejan métodos


estandarizados, procesos y procedimientos para la eficiencia y pronto manejo de los
cambios de la IT. Una efectiva gestión del cambio minimiza el impacto de los cambios
relacionados con los incidentes en los servicios.

Gráfico 1.4.2.3-1Gestión de cambios de ITIL

53
Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Support – Change Management‖

1.4.2.4. Gestión de nuevas versiones de Hw y Sw

El manejo de todas las actividades asociadas con las nuevas y críticas versiones de
software (Sw), hardware (Hw) y documentación asociada, entrenamiento y plan de
comunicación, se conoce como gestión de nuevas versiones de Hw y Sw (Release
Management).

52
ITIL GLENFIS PORTAL, op.cit.
53
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 56 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 1.4.2.4-1Gestión de nuevas versiones (Hw & Sw) de ITIL

Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Support – Release Management‖54

1.4.2.5. Gestión de configuraciones

Dentro del modelo lógico de la infraestructura de la IT, existe una base de datos de
configuración (Configuration Management DataBase, CMDB), donde se registran
todos los ítems correspondientes a ella (Configuration Items, CI). Gestiona tareas que
incluyen identificación, control y verificación de todos los elementos de configuración y
versiones (infraestructura, hardware, software, aplicaciones, redes, documentación
relacionada con políticas, procedimientos, etc.)

Gráfico 1.4.2.5-1 Gestión de configuraciones de ITIL (CMDB)

55
Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Support – Configuration Management‖

54
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 57 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.4.3. Entrega de servicios

La parte de ITIL encargada de la logística o estrategia dentro del framework de ITSM, se


denomina entrega de servicios (Service Delivery). Esta se subdivide en:

 Service Level Management, gestión de nivel de servicios.


 Availability Management, gestión de disponibilidad.
 Capacity Management, gestión de la capacidad.
 IT Service Continuity Management, gestión de la continuidad del negocio de la IT.
 Financial Management for IT Services, gestión financiera de los servicios de la IT.

En el gráfico que está a continuación, se expone el funcionamiento del servicio de


entrega, sus componentes y las diferentes herramientas que se usan en ellos, además
de sus interrelaciones.

Gráfico 1.4.3-1 Gestión de servicios de entrega o pedidos de ITIL

56
Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Delivery‖

55
ITIL GLENFIS PORTAL, op.cit.
56
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 58 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.4.3.1. Gestión de nivel de servicios

La gestión de negociaciones de los servicios que se prestan, el monitoreo, reportes y


revisión, como así también la implementación de acciones para mejorar el nivel de
servicio es conocida como Service Level Management.

Gráfico 1.4.3.1-1Gestión de nivel de servicios de ITIL

57
Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Delivery- Level Management‖

1.4.3.2. Gestión de disponibilidad

El Availability Management, o gestión de disponibilidad, es el procedimiento para


mantener la capacidad de los servicios y dar soporte a la infraestructura de la IT. Una
gestión efectiva asegura la disponibilidad de una manera sostenida, y a costos
eficientes, de los niveles de servicios de IT para con los objetivos del negocio.

57
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 59 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 1.4.3.2-1 Gestión de disponibilidad de ITIL

Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Delivery- Availability Management‖58

1.4.3.3. Gestión financiera de los servicios de IT

La disciplina que asegura que la infraestructura de la IT es obtenida al precio más


eficiente, es conocida como gestión financiera de los servicios de IT (Financial
Management for IT Services), se encarga del cálculo de costos y su cobro a los
clientes de los servicios, a través de las siguientes etapas:

Planeamiento del presupuesto

 Definición de los costos y metas.


 Definición de costo estimado de los servicios.
 Definición de los planes de inversiones y financiero.

Contabilidad (créditos y débitos de cuentas)

 Determinación de los costos actuales de los servicios ofrecidos.


 Determinación de los costos estándares.
 Monitoreo los gastos, comparación de los gastos presupuestados contra el
actual.
 Tipos y centros de costos, y costos unitarios contables.

58
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 60 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Cargos (cálculo de costos, servicios de contabilidad)

 Definición de los principios de facturación de cada servicio.


 Cálculo en forma transparente y comprensible de los costos de cada
servicio.
 Influencia sobre el comportamiento del cliente a través de los precios.
 Facturación de los costos en base a los servicios actualmente usados.
 Emisión de facturas a los clientes.

1.4.3.4. Gestión de la capacidad

La denominada Capacity Management es la gestión de procedimientos para


determinar la actual y futura infraestructura de la IT de acuerdo a las necesidades del
negocio. Una efectiva gestión de la capacidad asegura que tanto esta como su
performance son adecuadas, y provistas consistentemente y de una manera efectiva en
cuanto al costo.

Gráfico 1.4.3.4-1 Gestión de capacidad de ITIL

59
Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Delivery- Capacity Management‖

59
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 61 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.4.3.5. Gestión de la continuidad del negocio de IT

La IT Service Continuity Management es la gestión de la estrategias y planes de


acción para asegurar el recupero y continuidad de los servicios de la IT. También
implementa medidas proactivas y preventivas de incidentes serios.

Gráfico 1.4.3.5-1 Gestión de la continuidad de servicios de ITIL

60
Publicado por ITIL Org. ―ITIL V2 – ITSM Processes – Service Delivery- IT Service Continuity Mgmt‖

1.4.4. Gestión de la seguridad de IT

El nexo de unión entre el Service Support y Service Delivery, es la gestión de seguridad,


o Security Management, dada la importancia de la seguridad en todos y cada uno de
los estadios necesarios, debe ser independiente de ambos servicios para mayor
eficacia.

60
ITIL GLENFIS PORTAL, op.cit.

Manuel Teigeiro Tesis Página - 62 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 1.4.4-1 Gestión de la seguridad de ITIL

Publicado por la Universidad New South Wales Australia ―Fundamentals of IT Security‖ 61

61
UNSW. ―Fundamentals of IT Security‖. [en línea]. Disponible en Internet:
http://www.itee.adfa.edu.au/coursework/ZITE2302/pdfs/FundamentalsOfITSecurity.pdf [Consulta: 01 de
Marzo del 2008]

Manuel Teigeiro Tesis Página - 63 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.5. Cómo implementar mejor CObIT, ITIL e ISO 17799

No existe ninguna duda de que las políticas y procedimientos de gestión ayudan a


asegurar que la IT sea administrada como parte de la rutina diaria de actividades. La
adopción de estándares y mejores prácticas ayudarán a habilitar una rápida
implementación de los procedimientos correctos.
Se ha producido una madurez creciente y la consecuente aceptación de marcos de
trabajo respetados, tales como CObIT, ITIL, ISO 17799, ISO 9001, y CMM, entre otros.
Sin embargo, las mejores prácticas adoptadas deben ser consistentes con la
administración del riesgo y el marco de trabajo apropiado de para cada organización, y
estar integradas con otros métodos y prácticas que están siendo usadas. Los
estándares y las mejores prácticas no son la panacea, y su efectividad depende de
cómo han sido implementadas y mantenidas al día. Estos son mucho más útiles cuando
se aplican como parte de los principios y como punto de partida para adaptar procesos
específicos.
Para evitar que las practicas lleguen a ser solamente almacenadas en algún estante, la
posibilidad de cambio es requerida, así la gerencia y su personal entienden qué hay que
hacer, cómo hacerlo y la importancia del porque.

1.5.1. Alineación con las mejores prácticas

Las mejores prácticas de la IT necesitan estar alineadas a los requerimientos del


negocio, e integradas unas a otras y con los procedimientos internos. El modelo CObIT
puede ser usado al más alto nivel, proveyendo un marco de control envolvente, basado
en los modelos de los procesos de IT que deberían genéricamente adecuarse a cada
organización. Las prácticas específicas y estándares tales con ITIL e ISO 17799 cubren
áreas discretas y pueden ser mapeadas o alineadas al framework de CObIT y así
proveer una guía de materiales jerarquizados.

Para entender mejor el alineamiento entre ITIL, ISO 17799 y CObIT, se hace mayor
referencia a ellos en los apéndices respectivos, donde cada sección de los procesos de
CObIT y los objetivos de control de alto nivel han sido mapeados a las secciones
específicas de ITIL e ISO 17799. Esta alineación está basada en un punto de vista
subjetivo y, por lo tanto, intentan ser solamente una guía. Existe, por parte de las
organizaciones que administran ITIL y CObIT, un plan para la armonización entre la
terminología y contenido de sus prácticas con otras deferentes, para permitir una fácil
integración.

La efectividad del uso de la IT es crítica para el éxito de la estrategia del negocio, como
menciona el IT Governace Institute62 (ITGI): ―El uso de la IT tiene el potencial para ser el
conductor principal de la riqueza económica en el siglo veintiuno. La IT es crítica para el
éxito de empresa, proporciona oportunidades de obtener ventajas competitivas y ofrece
un medio para aumentar la productividad; y será tanto más importante en el futuro".

62 nd
ITGI. 2003. ―Board Briefing of IT Governance 2 Edition‖.[en línea]. Disponible en Internet:
http://www.itgi.org [Consulta: 25 de Febrero del 2008]

Manuel Teigeiro Tesis Página - 64 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.6. Introducción a CMMI

La integración del modelo de madurez de la capacidad (Capability Maturity Model


Integration, CMMI)63 es un estándar utilizado por muchas organizaciones para
identificar las mejores prácticas, las cuales son convenientes para ayudarles a evaluar y
mejorar la madurez de su proceso de desarrollo de software. Este proceso de medición
de mejoras proporciona a las organizaciones los elementos esenciales de procesos
eficaces. Se puede utilizar para guiar la mejora del proceso a través de un proyecto, una
división, o toda una organización.

El CMMI ayuda a integrar las funciones de la organización, tradicionalmente separadas,


mejorar el proceso estableciendo metas y prioridades, proporcionar orientación para los
procesos de calidad, y sirve como punto de referencia para evaluar los procesos
actuales. Además, mejora la capacidad de madurez modelo para el control de la
elaboración, aplicación, adquisición y mantenimiento de sistemas y productos de
software y servicios. Representa una integración de los órganos creados en virtud de los
conocimientos que dirección de ingeniería de software, de sistemas, hardware y diseño
de ingeniería, y su adquisición.

El Software Engineering Institute (SEI), que definió el CMMI, ha tenido respuesta


positiva de organizaciones de todo el mundo, para la suite de productos CMMI, que son
adoptados por estas. Incluyendo América del Norte, Europa, Asia, Australia, América del
Sur y África. Este tipo de respuesta ha fundamentado el compromiso de los modelos y
estándares de CMMI, como método de evaluación de mejora de procesos.

En paralelo con el desarrollo de CMMI, el SEI elaboró un método para la evaluación


formal del modelo, denominado SCAMPI (Standard CMMI Appraisal Method for
Process Improvement). Este método define una serie de reglas para la evaluación del
modelo, las cuales deben utilizarse para valorar las distintas partes del mismo. Estas
reglas hacen que sea necesario utilizar herramientas, ya que el método de evaluación
deja de ser una simple encuesta para convertirse en una técnica de medición detallada
y casi matemática.

1.6.1. Beneficios de la mejora del proceso con CMMI

Algunos de los beneficios y razones empresariales para la implementación de procesos


de mejora como CMMI son:

 La calidad de un sistema está altamente influenciada por la calidad del proceso


utilizado para adquirirlo, desarrollarlo y mantenerlo.
 El proceso de mejora aumenta la calidad del producto o servicio como así
también el de las organizaciones que lo aplican para lograr sus objetivos de
negocio.

63
SEI. ―What is CMMI?‖. [en línea]. Disponible en Internet:
http://www.sei.cmu.edu/cmmi/general/index.html [Consulta: 24 de Junio del 2008]

Manuel Teigeiro Tesis Página - 65 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

 El proceso de mejora de objetivos permite que estos se alineen con los objetivos
empresariales.

El CMMI está a la vanguardia del proceso de mejora, ya que proporciona las últimas
mejores prácticas para productos y servicios de desarrollo y mantenimiento,
incorporando continuamente los hallazgos importantes.

Las mejores prácticas de CMMI facultan a las organizaciones para:

 Tener una explícita vinculación de la gestión y las actividades de ingeniería con


los objetivos de negocio.
 Ampliar el alcance de la visibilidad y ciclo de vida del producto y las actividades
de ingeniería, para garantizar que el producto o servicio cumple con las
expectativas de los clientes.
 Incorporar las lecciones aprendidas de otras áreas de las mejores prácticas (por
ejemplo, la medición, gestión de riesgos y gestión de proveedores).
 Aplicar de forma más robusta de alta madurez de las mejores prácticas.
 Reforzar en la organización las funciones críticas para sus productos y servicios.
 Estar alineado con las normas ISO.

En el siguiente gráfico se muestra la evolución de CMM (Capability Maturity Model) de


acuerdo al SEI, desde 1993 hasta la actualidad.

Gráfico 1.6.1-1 Evolución del modelo CMM

Publicado por ISACA

Manuel Teigeiro Tesis Página - 66 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.6.2. Representaciones de CMMI

Existen dos tipos de representaciones de CMMI, a saber:

• Continua: una organización puede elegirla para mejorar el rendimiento de un único


proceso de problemas, relacionados con el terreno, o que puede trabajar en varios
ámbitos que están estrechamente alineados con los objetivos empresariales. Puede
usarse dentro de un área de proceso que este organizado por capacidad.

• Gradual: se trata de un método sistemático y estructurado, basado en la mejora del


proceso de a una etapa a la vez. El orden de la aplicación de procedimientos se
prescribe y organiza de acuerdo a los niveles de madurez. El logro de cada nivel de
madurez sienta las bases para el siguiente, y permite la mejora incremental y duradera.

El siguiente gráfico ilustra los objetivos genéricos, que son muestra de madurez,
acrónimo, área y categoría del proceso (gestión del proceso, de proyectos, ingeniería o
soporte).

Manuel Teigeiro Tesis Página - 67 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 1.6.2-1 Objetivos genéricos requeridos por CMMI

Publicado por ISACA

Manuel Teigeiro Tesis Página - 68 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Las capacidades de las diferentes áreas de proceso se combinan para evaluar el nivel
de madurez de la organización. En el gráfico 1.6.2-2 se puede observar la metodología;
para evaluar por ejemplo el nivel de madurez 2 (Managed), todas las áreas de proceso
son mostradas como el perfil buscado 2 (Target Profile 2), y deben ser evaluados los
objetivos específicos de las áreas de procesos involucradas, indicando si cumplen con
los objetivos genéricos y prácticas de capacidad del nivel correspondiente.

Gráfico 1.6.2-2 Prácticas requeridas por nivel de madurez de CMMI

Publicado por ISACA

1.6.3. Mapeo de CMMI y CObIT a alto nivel

Esta sección contiene el resultado del mapeo de las áreas de procesos de CMMI con el
framework de alto nivel de objetivos de control y procesos, CObIT. El mapeo muestra en
la primera columna la lista de objetivos de control CObIT, la segunda es la cobertura,
indicada por las siglas.

Los significados de las siglas del mapeo son los siguientes:

Manuel Teigeiro Tesis Página - 69 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

• E (Exceed): los requisitos establecidos en CMMI superan a los de CObIT. Por lo


tanto, el CMMI debe considerarse como fuente primaria para más información y
orientación para mejorar el proceso o control objetivo.
• C (Covered): los requisitos de control de los objetivos están cubiertos por el mapeo.
• A (Addressed): algunos aspectos de los objetivos de control se tratan en CMMI,
pero las exigencias no están cubiertas completamente.
• N/A (No Match): no existe correspondencia entre los requisitos de CObIT y CMMI.

Las áreas de procesos de CMMI se mapean con cada objetivo de control de CObIT de
acuerdo al nivel de madurez. Las reseñas adicionales del CMMI hacen referencia a los
objetivos y prácticas genéricas, las cuales se aplican a todas las áreas de procesos
mapeadas.
Por último, los productos integrados y los procesos de desarrollo (Integrated Product
and Process Development, IPPD) son una cobertura adicional cuando se hace
referencia a los mapas CObIT de requisitos. IPPD es un acercamiento sistemático que
integra todas las actividades del concepto de producto usando un equipo multifuncional,
para optimizar simultáneamente el producto y su fabricación, y encontrar objetivos de
interpretación y costos.

Gráfico 1.6.3-1 Prácticas requeridas por nivel de madurez de CMMI

64
Publicado por ISACA

64
ISACA. ―COBIT MAPPING: MAPPING OF CMMI FOR DEVELOPMENT V1.2 WITH COBIT 4.0‖.[en
línea]. Disponible en: http://www.isaca.org/ContentManagement/ContentDisplay.cfm?ContentID=31452
[Consulta: 24 de Junio del 2008]

Manuel Teigeiro Tesis Página - 70 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En el ejemplo de mapeo anterior están representados los objetivos de planeamiento y


organización de CObIT con respecto a las prácticas de CMMI, por nivel de madurez.
Los otros objetivos se detallan más extensamente en el apéndice 19.

Manuel Teigeiro Tesis Página - 71 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

1.7. Relevamiento de la situación actual

El soporte conceptual y fundamento de los análisis que se realizan a lo largo del


trabajo, se basan en la recopilación de información y revisión de documentación
pertenecientes a una compañía de jerarquía internacional, Motorola. La anterior, así
como otras organizaciones mundiales, ha aplicado la metodología Six Sigma como
base de gerenciamiento para la IT, y es por lo tanto, tomada como referencia para el
presente estudio.

Además de los mencionados anteriormente, otros reportes, como pedidos de


solicitudes y resolución de problemas, se exponen en los apéndices, como información
de respaldo.

1.7.1. Tareas realizadas durante el relevamiento

 Se ha definido y revisado anualmente un “Acuerdo de provisión de servicio


de IT” interno con la dirección de la empresa; donde se ponen en evidencia los
roles, responsabilidades, servicios brindados, tiempos de respuesta,
disponibilidad, responsabilidades de las partes, entre otros. Se dispone de
informes desde el año 2002 hasta el 2007. En los últimos dos años estos
cambiaron su formato original, debido a una reorganización de la IT de la
empresa, con el fin de lograr un marco unívoco a nivel mundial, para la totalidad
de sus sucursales.
Cabe señalar la falencia en cuanto a la definición de métricas, la forma de
obtenerlas y la necesaria uniformidad en los reportes. Lo anterior hace
dificultosa la comparación entre distintas unidades, dado que, la falta de
unicidad conduce a errores en la interpretación de los indicadores por
parte de aquellas personas que comparan o evalúan los mismos. Esto
puede llevar a cotejar elementos desiguales o bien, disgregar aquellos análogos.

 Se realizó la colección detallada, durante los años mencionados, de un


sistema de soporte de a usuarios de la IT, donde se registran los pedidos,
reclamos de incidentes, problemas y otros relacionados con el área de la
IT por parte de los usuarios finales. Se cuenta con más de 16.908 registros de
los mismos, donde ciertos campos se han mantenido ocultos, por una cuestión
de confidencialidad de la información de la empresa analizada. De allí se obtuvo
un muestreo para el establecimiento y cálculo de las métricas comunes, y su
representación a través de un TC para la gerencia.

 Se concretaron, en los últimos dos años, reuniones de análisis de causas de


resultados de las encuestas, para detectar e introducir mejoras posibles a los
servicios brindados por la IT.

Manuel Teigeiro Tesis Página - 72 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

 Se verificó la existencia de políticas, procedimientos y órdenes de trabajo,


como así también de listas de chequeo o verificación de rutina, planes y
testeo de planes de contingencia, recuperación del negocio y continuidad.
Aunque estas no fueron adjuntadas al trabajo, se quiere destacar su necesidad
e importancia en el ámbito de la industria donde se desempeña la empresa.

 Se elaboró un relevamiento de los TC de diez países, entre los que se


encuentran Argentina, Australia, Canadá, China, India, Italia, Malasia, Polonia,
Rusia y Singapur. Respecto de estos TC, implementados a partir del año 2006,
se advierten resultados dispares en cuanto a la definición de métricas y su base
de cálculo. La gerencia suele desconocer esta característica, y consideran que
las mismas están estandarizadas, lo que conlleva inexactitudes en los análisis
de las métricas reflejadas en los TC (falta de definiciones de métricas o forma de
cálculo diferentes, métodos de recolección de datos y selección).

 Se consultaron gerentes regionales de la IT de América, Europa y Asia, como


así también a los de cada sucursal, para comprobar la existencia de definiciones
estándares de métricas y verificar si las demás sucursales usaban las mismas.
El resultado fue que ninguna tenía definida correctamente métricas estándares,
por lo que se puso en marcha un proceso de unificación y estandarización.

A partir de los datos relevados, en base a la documentación, marco de trabajo


seleccionado y fuentes bibliográficas consultadas, fue posible situar el escenario actual
del área de IT. En tal contexto, y teniendo en cuenta los objetivos generales y
específicos de la organización, se despliegan los conceptos examinados y sus
correspondientes conclusiones.

1.7.2. Escenario actual

El entorno comprende a las empresas de sector tecnológico, en las que recientemente


ha habido un auge en cuanto a la cantidad de mano de obra que incorporan. En lo que
respecta al mercado de Córdoba (Argentina), estas empezaron a formar parte
estratégica del plan de gobierno para el nuevo periodo que se inicia, estableciendo
incentivos para la generación de nuevas fuentes de trabajo, como así también para la
transferencia de tecnología.
Tales empresas de servicios de por sí generan un valor agregado muy alto al producto,
y esta es la base de la economía en los países del primer mundo, donde las materias
primas sin procesar ocupan un papel secundario respecto a las exportaciones. Sin
embargo, en nuestro país, Argentina, normalmente se exportan materias primas y se
importan productos terminados; cuando el proceso de elaboración es el factor principal
de generación de ganancias, como así también generador de nuevas tecnologías y
pequeñas y medianas empresas que proveen a las manufactureras.

Manuel Teigeiro Tesis Página - 73 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En el caso de las empresas de servicios la materia prima de los negocios son las
personas -con el aporte de conocimiento-. En las pertenecientes al sector electrónico,
el área de IT juega un factor fundamental ya que provee la infraestructura necesaria,
como así también los servicios, para que las personas proporcionen su capital
intelectual como materia prima, análogamente a aquellos sistemas que consisten en
líneas de producción de las manufactureras.

Poder conocer y gestionar los recursos e inversiones, a la vez de facilitar la toma de


decisiones en base a información actualizada y alineada a la estrategia de la empresa,
es fundamental en este rubro, ya que la mayoría de los productos tienen ciclos de vida
muy cortos en relación con otros sectores. Esto hace indispensable la disponibilidad de
resultados y tendencias de procesos, para supervivencia y mejor control.

En sus principios el área de IT dependía organizacionalmente de Finanzas, pero a


partir de que fue tomando más importancia el valor de la información, y el conservar la
integridad, disponibilidad y seguridad de la misma, se sugirió un área propia con
reportes directos para el directorio o gerencia general.

Los modos de operación varían de acuerdo a las necesidades de cada negocio en


particular. Normalmente en empresas de cierta envergadura tienen definidos acuerdos
de servicios, ya sean internos o externos. En estos últimos, la IT está en manos de
terceros, con los que se pactan convenios de confidencialidad a la empresa y personal
que presta el mismo, de no exposición de la información que manejan. En general,
estos acuerdos contienen detallados todos los servicios, tipos de prestaciones, tiempos
de respuestas, penalidades y métricas a ser reportadas, para el seguimiento de la
prestación, y personas responsables del gobierno o gerenciamiento del servicio para
con la dirección.

1.7.3. Beneficios de operar sobre un marco de trabajo

Como se ha mencionado antes, la aplicación de CObIT como marco de gestión,


permite la alineación de estrategias, metas y objetivos de la empresa con cada una de
las áreas, no solamente con la de IT. Además brinda a la empresa la posibilidad de un
uso más eficiente y eficaz de los recursos, que se traduce en dinero, o dividendos de
los accionistas, donde se ven reflejadas las ganancias de la misma.

Este marco de trabajo provee:

• Mejor alineación, con base en su enfoque de negocios.


• Una visión, entendible para la gerencia, de lo que hace IT.
• Propiedad y responsabilidades claras, con base en su orientación a procesos.
• Aceptación general de terceros y reguladores.
• Entendimiento compartido entre todos los participantes, con base en un lenguaje
común.
• Cumplimiento de los requerimientos COSO para el ambiente de control de la IT.

Manuel Teigeiro Tesis Página - 74 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Todo esto en combinación con el modelo de madurez, da una idea del avance de los
procesos de la IT dentro de la empresa, que consta de los seis estados expuestos
anteriormente:

0 - No se aplican procesos administrativos en lo absoluto.


1 - Los procesos son ad hoc y desorganizados.
2 - Los procesos siguen un patrón regular.
3 - Los procesos se documentan y se comunican.
4 - Los procesos se monitorean y se miden.
5 - Las buenas prácticas se siguen y se automatizan a partir del análisis de los
resultados del estado de madurez anteriores y del benchmarking con otras
empresas.

Como complemento Norton y Kaplan mencionan en su modelo de BSC que se debe ver
a la organización a partir de cuatro perspectivas (del aprendizaje y crecimiento, del
proceso de negocio, de clientes, y financiera) y desarrollar las métricas, recoger datos y
analizar lo concerniente a cada una de ellas. Estas perspectivas serán consideradas y
representadas a través de indicadores que reflejen una imagen representativa de la IT a
los directores y accionistas, como así también permitirán la comparación para el
benchmarking y la mejora continua, alineándose al mercado.

Los factores críticos para el éxito surgen de observar algunas preguntas tradicionales,
y las herramientas que la gerencia usa examinar las respuestas, como los tableros de
control, dashboards o scorecards, necesitan indicadores. Los cuadros de resultados,
de mediciones y las mejores prácticas o benchmarking de otras empresas líderes o
áreas de negocio, necesitan una escala común para la apropiada comparación entre
ellos. Dada la importancia de estos parámetros, se definirán cuales serían los
indicadores críticos para el éxito, las métricas que los representan y su integración en
un BSC, para proveer de ellos a las personas que necesitan tomar decisiones de valor
o alto impacto en la empresa.

1.7.4. Importancia de las métricas

La gerencia tiene conocimiento acerca del significado de las métricas, pero suele haber
falencias en cuanto a la base del cálculo para las mismas. Su frecuencia o ciclo de
actualización es mensual y en la mayoría de los indicadores no están fijados los límites
de control, y solamente en caso de no conformidad de una encuesta individual se
investiga la causa de la no satisfacción por parte de usuario final. Esto ocurre en la
totalidad de las sucursales a lo largo del mundo.

La falta de generación y establecimiento de métricas organizacionales deberían ser


contempladas con mayor atención. Cada indicador debe contar con:

 su denominación o nombre,
 el propósito u objetivo de su adopción,
 la fuente de datos,

Manuel Teigeiro Tesis Página - 75 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

 la metodología de cálculo,
 la responsabilidad sobre la colección de datos,
 las herramientas a utilizar,
 el lugar de reposición de los datos,
 el período del reporte,
 criterios de colección de datos y análisis de los mismos.

Se recuerda que, es conveniente un catalogo de indicadores, donde cada métrica


cuente con información sobre las siguientes características:

1) Su denominación o nombre.
2) El propósito u objetivo de su adopción.
3) La fuente de datos.
4) La metodología de cálculo.
5) La responsabilidad sobre la colección de datos.
6) Las herramientas a utilizar.
7) El lugar de reposición de los datos.
8) El período del reporte.
9) Criterios de colección de datos y análisis de los mismos.

Además, es indispensable que las métricas seleccionadas utilicen datos tanto obtenidos
del proceso como del repositorios de datos, asociados a mediciones de procesos
anteriores y que son relativamente estables o están bajo control.

Adoptando las pautas y consideraciones hasta aquí explicitadas, se tendrá un ámbito


adecuado donde será posible implantar determinados modelos de gerenciamiento de la
IT. Se prosigue entonces con el despliegue de las herramientas de la metodología
elegida como marco de este trabajo, Six Sigma. En cada uno de los capítulos siguientes
se exploran y ahondan las etapas correspondientes al proyecto DMAIC, uno de los tres
posibles dentro del modelo anterior.

Manuel Teigeiro Tesis Página - 76 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

PARTE II.
PROYECTO DMAIC. FASES

Como se ha mencionado anteriormente, la metodología Six Sigma integra una filosofía


de trabajo con las estrategias de negocios. Basada en el enfoque hacia el cliente, el
diseño robusto y un manejo eficiente de los datos, que permiten disminuir la variabilidad
en los procesos y alcanzar un nivel de defectos mínimo (menor o igual a 3,4 defectos
por millón), además de conducir un proceso de mejora continua.

El proyecto DMAIC es aplicado cuando el objetivo a alcanzar es la mejora de un


producto, proceso o servicio existente; frecuentemente aplicado en la mejora de
la performance o actuación.

2. DEFINICIÓN DE OPORTUNIDADES

La primera etapa de un proyecto DMAIC consiste en definir los logros y oportunidades


de la actividad de mejora. Los objetivos más importantes son obtenidos de los clientes o
usuarios finales. En los niveles superiores, los objetivos serán estratégicos para la
organización, tales como mejorar la lealtad de los clientes, lograr un alto retorno sobre la
inversión (Return Over Investment, ROI), incrementar la porción de mercado, generar
mayor satisfacción del empleado, entre otros. A nivel operativo, se podría, además,
incrementar la efectividad y la eficiencia, y reducir el tiempo de resolución de problemas
del departamento; mientras que, a nivel del proceso, se busca reducir los costos de
calidad y de no calidad (Cost Of Quality, COQ y Cost Of Poor Quality, COPQ), reducir el
nivel de defectos e incrementar la salida de un determinado proceso. Se pueden
plantear objetivos a partir de la comunicación directa con clientes, accionistas y
empleados.

Se establecen claramente los objetivos y métricas –indicadores- relevantes. Con los


cuales, se podrá apreciar la línea base, brechas, impedimentos y barreras estructurales
para el proceso de cambio, y finalmente, la evolución hacia las metas

En el siguiente gráfico se muestran los objetivos, actividades principales, herramientas y


técnicas potenciales, y salidas -resultados- (key deliverables) de esta fase o
subproceso.

Manuel Teigeiro Tesis Página - 77 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 2-1 Definir oportunidades

En conclusión esta etapa le permite a las empresas reconocer como sus procesos
afectan la rentabilidad y la satisfacción del cliente desarrollando un proyecto de mejora.
Durante esta etapa de implementación del Six Sigma:
- Se documenta la voz del cliente.
- Se crean mapas de proceso de alto nivel.
- Se forma un equipo de proyecto.
- Se crean los estatutos del proyecto.

2.1. Voz del cliente

Una herramienta comúnmente utilizada para recolectar datos del cliente es conocida
como Voice Of Customer (VOC). Se obtiene la información a través de encuestas o
entrevistas, lo que permite desarrollar específicamente los requerimientos críticos del
cliente (Customer Critical Requirements, CCR) y las prioridades asociadas.
Frecuentemente es empleada para generar entradas adicionales, desde el punto de
vista del cliente, tales como ideas y sugerencias, para la mejora o retroalimentación.
No se usan herramientas estructuradas, ya que la información puede estar incompleta y
desviada o no ser imparcial, debido a subjetividades en el punto de vista del cliente.

Para una visión más certera de las condiciones en las cuales estas métricas son
obtenidas y analizadas, se realizaron entrevistas a los responsables administrativos. Por
un lado, el Gerente Regional de IT (responsable para toda América, Europa y Asia)
planteó la necesidad de implementar este tipo de proyectos, las diferencias en cuanto a
formar, definir y calcular métricas, las formas de reportarlas, y las particularidades de

Manuel Teigeiro Tesis Página - 78 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

cada lugar. También enfatizó la relevancia de unificar criterios para lograr, con
indicadores inequívocos, tomar decisiones rápidas y acertadas al respecto.
Por otro lado, dos Directores de Negocios manifestaron lo significativo de contar con
gráficos de métricas que representen el estado del acuerdo de servicio firmado o
convenido. Con estos se examinan los valores y tendencias de los indicadores, para
realizar análisis adecuados del servicio recibido.
Por último, se mantuvieron entrevistas telefónicas con los Gerentes de IT de lugares
específicos (Canadá, Italia, Australia, India, China, Malasia, entre otros), y se los indagó
acerca de las definiciones de métricas y su implementación. Entre otros, los
cuestionamientos fueron:

1) Si disponían de un conjunto de métricas estándares en sus oficinas


relacionadas con la IT.
2) Si podían suministrar un listado de ellas.
3) Con qué frecuencia se debían reportar esas métricas
4) Si eran capaces de explicar las definiciones, objetivos y forma de cálculo de
cada una de ellas.
5) Qué método utilizaban y desde dónde eran recolectados los datos para la
generación de las métricas.

La consolidación de las respuestas y conclusiones se detallan a continuación:

1) Todos contaban con métricas relacionadas con la IT, que fueron surgiendo por la
necesidad de monitorear procesos, por reportes a clientes internos, o debido a
acuerdos de servicios brindados por ellos, que no eran estándares, sino
particulares definidos o indefinidos.
2) El listado fue variado, no existía en ese entonces un repositorio donde se las
pudiera encontrar fijadas por lugar. Cabe señalar que en el 2006 se comenzó a
trabajar en un tablero de control donde fuera más fácil acceder a las mismas por
sitios (ejemplos de estos se pueden encontrar en los apéndices respectivos),
con ello se logro el establecimiento de ciertas métricas –repositorio- pero no la
estandarización, ya que en cada lugar las fuentes y fórmulas de cálculo son
distintas aunque tengan el mismo nombre.
3) La frecuencia de reporte coincidió ser mensual, aunque en ciertos casos se
hacían semanales (si se encontraban en una situación crítica por requerimientos
externos o internos).
4) Respecto a las definiciones, objetivos y formas de cálculo se produce un vacío,
ya que en la mayoría de los lugares, incluido Argentina, no se cuenta con algún
marco de referencia sentado con toda esta información.
5) Los métodos de obtención de datos y las fuentes fueron diversos. Solo existe en
algunos sitios la herramienta de soporte de mesa de ayuda (Remedy - Help
Desk System), que provee datos de manera consistente, relacionados con
soporte de pedidos y solución de problemas referidos a la IT. Muchas oficinas
usaban herramientas propias, en vez de estándares de la empresa global.

A partir del VOC, trasladado a los requerimientos críticos del cliente (CCR), es posible
vislumbrar la necesidad, planteada como objetivo de la tesis, de definir y desarrollar

Manuel Teigeiro Tesis Página - 79 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

instrumentos de control para la gestión integrada de la tecnología de la


información como área de servicio interno en empresas del sector electrónico.

Partiendo de la determinación de factores claves e indicadores críticos del área de la IT,


se continúa con la definición de métricas organizacionales para poder realizar
comparaciones adecuadas, con otras empresas o dentro de la misma compañía en
diferentes unidades de negocios. Se exhiben elementos para el monitoreo de métricas,
para concluir en el establecimiento de un tablero de control de gestión integrada para el
área de la tecnología de la información, con las métricas seleccionadas.

2.2. Definiciones útiles de la terminología usada

En este apartado se recordarán específicamente algunos conceptos relevantes, que se


manejan frecuentemente en este terreno:

Métrica

La norma ISO 14598-1:1999 la define como: ―El método de medición definido y la


escala de medición‖.
En otras literaturas específicas se la conceptualiza como: una función matemática que
asocia valores a una serie de elementos, con el objeto de cuantificarlos y/o cualificarlos.
Como sinónimo de métrica habitualmente se habla de indicador.

Citando a McCarty et. al.65, en su libro The Six Sigma Black Belt Handbook sugieren que
las métricas debe ser:

Válida: Típicamente, múltiples métricas deben ser seleccionadas para hacer un seguimiento de
los logros de los objetivos estratégicos. El liderazgo asevera eso, sumado el conjunto, cada grupo
de las métricas soportadas muestran una razonable figura del estado de las metas estratégicas y
sus objetivos relacionados. A esto le llaman validez de la métrica.

Confiable: Las métricas no se puedan medir directamente sin tener en cuenta que el sistema de
medición de métricas; debe ser algo concreto para que cada uno pueda convenir en el mismo
valor medido de cada métrica. Esto es llamado confiabilidad de la métrica. Estas deben ser
confiables o de lo contrario son inútiles. Son sinónimos de confiabilidad: seguridad, consistencia,
repetibilidad, confianza. La confiabilidad la podemos plantear como la proporción entre la varianza
verdadera y la varianza total.

Calculadas con precisión: Diferenciando escalas, las métricas deben proveer datos precisos que
muestren cambios significativos en los objetos que se están midiendo. Precisión indica bajo error
en la medición.

Efectivas en costos: Técnicamente y prácticamente realizables, que se permitan coleccionar o


recolectar en el tiempo apropiado para dar soporte a la toma de decisiones. El costo, los desafíos
técnicos y la dificultad práctica en la recolección de datos para una métrica deben ser siempre
considerados.

65
MCCARTY, THOMAS; DANIELS, LORRAINE; BREMER MICHAEL; AND GUPTA, PRAVEEN. The
Six Sigma Black Belt Handbook. New York: McGraw-Hill Publishers, 2004.

Manuel Teigeiro Tesis Página - 80 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Scorecard

Es una herramienta de evaluación, generalmente en forma de cuestionario, que


especifica el criterio que nuestros clientes usarán para evaluar la actuación del negocio
en la satisfacción de sus requerimientos.

Dashboard

Similar al scorecard, se utiliza para colectar y reportar información vital acerca de los
requerimientos del cliente y de la actuación del negocio con los clientes claves,
proveyendo de un rápido resumen de la performance de los procesos.

Benchmarking

Es un mecanismo de mejora, donde cada compañía mide su performance o proceso en


comparación con otras (mejores prácticas). Determina como aquellas lograron ese nivel
de actuación y usa la información para mejorar la propia performance.

En el marco CObIT fueron definidas las relaciones entre estas herramientas y sus
entradas o inputs en el gráfico 1.3.3 - 1 (bajo el nombre de ―Información gerencial‖)

2.3. SIPOC

Un diagrama SIPOC es una herramienta utilizada para identificar los elementos para la
mejora de los procesos en la empresa. Sus siglas corresponden a los siguientes
elementos: proveedores, entradas, proceso, salidas y clientes (Suppliers, Inputs,
Process, Outputs, Customers – SIPOC). Facilita la identificación de todos los
elementos relevantes, refinando el alcance y complejidad de los proyectos. Permite
crear un mapa de proceso de alto nivel que defina el alcance del mismo y sus
principales ingresos, salidas, proveedores y clientes. La herramienta SIPOC puede ser
entonces utilizada para identificar proyectos potenciales al separar las áreas de proceso
que necesitan ser mejoradas.

A continuación se presenta un diagrama SIPOC, con la correspondiente descripción de


cada una de las cinco etapas o subprocesos relacionados.

Manuel Teigeiro Tesis Página - 81 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 2.3-1 Diagrama de SIPOC

SIPOC Diagram
Suppliers Inputs Process Outputs Customers
Servicios Regionales Metas y Objetivos de Reducir el cicle time Cicle Time Áreas Internas del
de TI de la compañía. Negocios. de los procesos Satisfacción Negocio.
Servicios Scorecards. relacionados con las del cliente Gerencia Local
contratados a Acuerdo de niveles métricas respectivas Cost Gerencia Regional
terceros. de servicios de TI. Mejorar la Reduction Directorio
Sistema de Help Satisfacción del Accionistas
Desk. cliente.
Herramientas de
Monitoreo de TI.
Sistemas ERP.

Otra herramienta utilizada son los factores rápidos de éxito (Quick Wins) son aquellos
con los que se consigue un rápido impacto, con poco esfuerzo; se los conoce también
como ―las frutas más bajas del árbol‖ (low hanging fruits), que incluyen: la definición
de métricas estándares y la construcción de un BSC de IT, que permiten la
representación e interpretación ágil de las mismas, para la toma de decisiones basadas
en valores reales y actualizados.

Manuel Teigeiro Tesis Página - 82 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

2.4. Estatutos del grupo

Por último, en esta fase de definición, se presenta el Team Charter o listado de los
estatutos o compromisos del grupo y del proyecto en sí. Allí podemos identificar el caso
del negocio, los objetivos, el plan del proyecto, las oportunidades y alcance del mismo,
como así también las personas que participan.

Tabla 2.4-1 Estatuto del grupo

Manuel Teigeiro Tesis Página - 83 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3. MEDICIÓN DE LA PERFORMANCE O ACTUACIÓN

En la segunda fase del proyecto DMAIC se mide el sistema existente. A partir de este,
se establecen métricas válidas y confiables para ayudar a monitorear el progreso hacia
los objetivos definidos en el paso anterior. Es decir, la situación actual determina la línea
base del proyecto, en primera instancia se usan métodos de análisis de datos
exploratorios por ejemplo para detectar errores en la digitación, códigos no validos,
valores atípicos, valores extremos, supuestos de normalidad y luego análisis de datos
estadísticos descriptivos que ayuden a entender la información más en detalle.
Se analiza en detalle el desempeño, a lo largo del proceso, y se obtienen las relaciones
causa-efecto entre todas las variables claves involucradas

En el siguiente gráfico se muestran los 4 pasos correspondientes a esta etapa.

Gráfico 3-1 Medición de la performance

Resumiendo, esta etapa permite a las empresas evaluar donde se encuentra un


proceso y determinar las metas apropiadas. En ella:

- Se define las variables de salida críticas.


- Se confirma la integridad de medición.
- Se desarrolla un plan de medición.
- Se establece el desempeño de referencia.

Manuel Teigeiro Tesis Página - 84 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.1. Indicadores principales

El camino determinado a partir de la primera etapa, de definición, es identificar la voz


del cliente (Voice Of Customer, VOC) y la voz del negocio (Voice Of the Business,
VOB), entre las cuales a veces puede haber o no coincidencias en algunos puntos. La
información que estos proveen se transforma o traslada a indicadores. Así, a partir de
VOC se obtienen los requerimientos críticos del cliente (Customer Critical
Requirements, CCR), con los cuales se identifican los indicadores críticos para la
calidad (Critical To Quality, CTQ). Lo mismo ocurre con VOB, que deriva en los
requerimientos críticos del negocio (Critical Business Requirements, CBR), los que
finalmente darán los críticos para el proceso (Critical To Process, CTP).

VOC CCR CTQ

VOB CBR CTP

Los indicadores de salida de los procesos (outputs) relacionados con CTQ, también son
comunes para CTP, y tienen por objeto:

 Reducir el ciclo del proceso (cicle time), es decir tiempo que conlleva
realizar el mismo, mejorando la productividad y eficiencia (CTQ & CTP).
 Mejorar la satisfacción del cliente (CTQ & CTP).
 Reducir costos, o bien no incrementarlos, agregándoles tareas que no
tengan valor (CTP).

Es importante también analizar los factores de éxito rápido (Quick Wins), respecto a
lo planteado para el negocio, a la confiabilidad de datos, a la fuente de información,
unificación y representación a través de métricas comunes estándares.

De acuerdo a lo determinado en los pasos anteriores, se requiere un cálculo estadístico


de las métricas de procesos que reportan otras sucursales, para revelar la existencia de
diferencias significativas entre ellas. Al no tener un sistema único de recolección de
datos, es muy difícil aplicar estadísticas sobre los mismos en otras delegaciones. Se
adjuntan en los apéndices los dashboards de la IT de diferentes lugares; a simple vista
se perciben diferencias en las métricas definidas en ellos, que pone en evidencia la falta
de estandarización de las métricas en sí mismas.

Extrayendo diversos datos de Argentina, Australia, Canadá, China, Malasia e India es


posible extrapolar algunas deducciones:

 No existen valores definidos o calculados de procesos.


 En algunos lugares hay métricas no definidas o establecidas.
 En otros, se fijaron los valores pero los resultados son diferentes en que refiere a:
 La fuente de datos dónde se obtienen.
 La forma de calcularlos.
 El significado de las métricas en sí mismas.
 La base o método de cálculo y formulaciones matemáticas.

Manuel Teigeiro Tesis Página - 85 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Estas desigualdades deben evitarse. El mejor criterio de gerenciamiento contempla a la


vez que en el proceso esté controlada la variabilidad, estabilidad y capacidad del
mismo. Más adelante se pondrá en práctica mediante un análisis estadístico.

El siguiente es un ejemplo de análisis de ciertas métricas:

1. Efectividad del servicio de mesa de ayuda – Antigüedad de pedidos sin


asignación.
Service Desk Effectiveness - Service Backlog (days) ≤ 30 ≤ 14 ≤7
2. Efectividad del servicio de mesa de ayuda – Antigüedad de los tickets
relacionados con problemas sin asignación.
Service Desk Effectiveness - Problem Backlog (days) ≤ 30 ≤14 ≤7
3. Eficiencia del servicio de mesa de ayuda – Tiempo de resolución de
problemas.
Service Desk Efficiency - Problem Resolution Age (days) ≤ 14 ≤7 ≤1
4. Eficiencia del servicio de mesa de ayuda – Tiempo de resolución de
pedidos.
Service Desk Efficiency - Service Resolution Age (days) ≤ 30 ≤ 14 ≤ 14

En los puntos 1, 2, 3 y 4 se muestran, a modo de ejemplo, los valores límites


impuestos por el cliente; los máximos, esperados y valor actual del mismo en el
corriente mes.
En las sedes de Argentina se trabaja con límites de control predeterminados, que
indican las estimaciones mínimas y esperadas, como así también sus valores
actuales. Es primordial trabajar sobre los pedidos que más tiempo han estado sin
asignar y reducir la cola de espera de los mismos, es decir, se procura para ellos
la designación rápida de agentes de mesa de ayuda. Para esto, no sólo es
preciso analizar la desviación estándar y ver si pertenecen al rango de los 3 σ ó 6
σ respecto de los límites de control definidos, sino también analizar los outliers
(puntos fuera de los límites o valores extremos) que implican los pedidos o tickets
aún no asignados, y reflejan si alguno de ellos tiene una antigüedad mayor a la
tolerada.

5. Performance del servicio de mesa de ayuda - % de Llamadas o tickets


resueltos satisfactoriamente (Service Desk Performance - % Calls resolved
satisfactorily).
Para esta métrica se toman las respuestas de encuestas pertinentes a tickets de
clientes, evaluando su porcentaje del total que fueron contestadas. Aquí es vital
considerar aquellas encuestas no satisfactorias y buscar la causa raíz de la
disconformidad, dado que podría dar respuestas o entradas de ciertas
posibilidades de mejora del proceso.

6. Satisfacción del cliente – Satisfacción total del cliente con los servicios de
la IT (Customer Satisfaction – Overall Satisfaction with IT Services).
Para la determinación de esta métrica también existen valores mínimos y
esperados previamente definidos. Lo importante aquí, además de la escala y
objetivos uniformes en cada dependencia, es la confección de encuestas

Manuel Teigeiro Tesis Página - 86 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

comunes en todos los lugares. Estas deberían ser realizadas por terceros, tal que
asegure el anonimato, independencia y no desviación o tendencia de datos,
generadas por subjetividades entre las partes. Esto último es conducido y
analizado por el área de Procesos y Calidad, para asegurar que las encuestas
sean anónimas e independientes. Entre los apéndices 11 y 15 se pueden
observar los análisis realizados por este área.

3.2. Entradas y salidas del proceso

Es importante entender las relaciones entre los indicadores de entrada, de procesos o


inputs (Xs) –variables de control- y los de salida u outputs (Ys) –variables de
respuesta-; que reflejarán los puntos significativos y sus efectos en la determinación de
los Ys.
Los Xs en este caso se dirigirán a la mejora de la satisfacción del cliente y la reducción
del tiempo de resolución o cycle time.

3.3. Matriz de causa-efecto

Una correcta selección de los inputs asegura que las mejoras a introducir serán
superiores, y se denotan en los outputs. Para ello se emplea una matriz de causa-
efecto, en la cual se asignan prioridades a los inputs.

Gráfico 3.3-1 Matriz causa-efecto de entradas - salidas

Manuel Teigeiro Tesis Página - 87 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.4. Plan de medición

La recolección de información es un activo trascendental para cualquier grupo de


mejora de procesos. Para esta fase del proyecto se deben considerar los diez
elementos claves para el plan de medición:

1. La performance de la medida.
2. La definición de operadores.
3. Fuente y ubicación de los datos.
4. Tamaño de la muestra.
5. Quién recolectará los datos.
6. Cuándo se recolectarán.
7. Cómo se recolectarán. .
8. Otros datos que deberían ser recolectados al mismo tiempo.
9. Para qué van a ser usados.
10. Cómo van a ser mostrados.

En el presente, se focaliza al plan de medición en una sede argentina, de acuerdo a una


investigación de tres años de duración, durante los cuales se acopió información. Para
la generación de las métricas seleccionadas para el proyecto, se realizaron cálculos
estadísticos de los datos y definiciones de estándares, en los cuales se podrían basar
futuras métricas. Todos los inputs o indicadores de procesos descriptos en la matriz
causa-efecto y otros adicionales se encuentran en el sistema de soporte de mesa de
ayuda, del cual se extrajo la información pertinente.

Muchos de estos indicadores ya existen, especialmente en verdaderos sistemas de


producción, otros se deben generar a partir de los datos obtenidos con operadores
matemáticos o transformaciones.

Manuel Teigeiro Tesis Página - 88 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.4-1 Plan de medición

3.5. Análisis del sistema de medición

El análisis del sistema de medición o Measurement System Analysis (MSA), es un


procedimiento de recolección de datos, automatizado y sistematizado. Los valores no
son influidos por errores inherentes a los instrumentos de medición, o a la apreciación
de los inspectores que toman tales mediciones, ni tampoco por la variación del medio
ambiente.
Cabe aclarar que, independientemente de que los atributos de los datos sean continuos
o discretos, el error introducido es muy difícil de calcular, pero se considera mucho
menor al 10%, valor más que aceptable para procesos críticos. Es decir, el análisis del
porcentaje de repetitividad y reproducibilidad (%R&R) y el de precisión con respecto a la
tolerancia (%P/T) son admisibles en esos rangos.

Manuel Teigeiro Tesis Página - 89 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Con el fin de graficar y mostrar los datos recolectados se utilizará el programa


estadístico MINITAB66, el cual se encuentra en idioma inglés por eso los
resultados o salidas se muestran en ese idioma.

Para el análisis de performance se fija como marco que:

 Los datos registrados entre enero del 2005 y octubre del 2007 serán
incluidos en el análisis, pero aquellos con causa asignable y los
excepcionales o especiales serán excluidos y analizados individualmente.
 Aquellos outliers que correspondan al 5% o menos del tamaño de la muestra,
que son mayores al percentil 97.5; también serán excluidos del estudio,
siempre y cuando la exclusión provoque mejoras significantes en algunos de
los análisis realizados. Los outliers con análisis de causa ya realizada e
identificada y planes de acción definidos no serán contados tampoco.

3.6. Servicios, tiempo de resolución (horas) y variables

Como se mencionó antes, se cuenta con datos correspondientes a tres años


consecutivos, entre el 2005 y 2007. Representando los gráficos y tablas estadísticas
más comunes, se logró valuar el comportamiento de los mismos. En una primera
instancia, se elaboraron gráficos por tipo de tickets, ya sea de servicios o problemas,
por año. Pero luego de ciertas comparaciones se evidenció que era de mayor utilidad
agruparlos en distintos tipos de gráficos, y observar las variaciones entre cada año, pero
manteniendo la separación por tipo de tickets. De allí surge la categorización que se
expone a continuación.

3.6.1. Gráficos de valores individuales – Estadísticas

En estos gráficos, también conocidos como Individual Value Plot, se plasma la


distribución de los tickets de servicios mensuales. Allí se identifica que los valores
máximos entre las 200 y 250 horas (equivalente a 10 días), considerando el tiempo
fuera del horario de soporte, como así también feriados y fines de semana. Cabe
destacar que el tiempo de resolución (Resolution Time, RT) es calculado como el
tiempo total desde que se abrió el ticket, menos el tiempo que está en espera de una
respuesta del usuario sobre más información o disponibilidad; en caso de requerir
soporte solicitado a terceras empresas, como contratación de equipos, este también es
restado del total.
En las gráficas se visualizan también las variaciones en las cantidades por mes, que
generalmente suelen ocurrir cuando comienzan nuevos proyectos y la cantidad de
pedidos aumenta considerablemente.

66
MINITAB® 15.1.1.0. [en línea]. Disponible en Internet: http://www.minitab.com/products/
[Consulta: 25 de Febrero del 2008]

Manuel Teigeiro Tesis Página - 90 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.1-1 Valores individuales (RT) por mes – Servicios 2007

Individual Value Plot of Resolution Time (hs) vs Month - Services 2007


250

200
Resolution Time (hs)

150

100

50

01 02 03 04 05 06 07 08 09 10
Month

Gráfico 3.6.1-2 Valores individuales (RT) por mes – Servicios 2006

Individual Value Plot of Resolution Time (hs) Services 2006

200

150
Resolution Time (hs)

100

50

01 02 03 04 05 06 07 08 09 10 11 12
Month

Manuel Teigeiro Tesis Página - 91 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.1-3 Valores individuales (RT) por mes – Servicios 2005

Individual Value Plot of Resolution Time (hs) - Services 2005

250

200
Resolution Time (hs)

150

100

50

01 02 03 04 05 06 07 08 09 10 11 12
Month

Manuel Teigeiro Tesis Página - 92 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.6.2. Gráficos de cajas y bigotes – Estadísticas

En los gráficos de cajas y bigotes (BoxPlot) se observan: la media, los cuartiles Q1 y


Q3, el valor total, valores extremos y outliers, junto con cantidad mensual de los
mismos.
Examinando la gráfica se aprecia que la mayoría de los pedidos son resueltos en menos
de 50 horas, y los pedidos de mayor complejidad son principalmente los outliers
observados.
A medida que se van analizando los gráficos ulteriores, la información obtenida de su
análisis, permitirá formar una idea más global de los datos y su significado.

BoxPlot es una representación gráfica de las dispersiones y las puntuaciones extremas.


Representados en este gráfico son mínimo, máximo, y el cuartil resultados en forma de
una caja con "bigotes". La caja incluye el rango de puntuaciones de caer en la media del
50% de la distribución (entre cuartil rango = percentil 75 - percentil 25) y los bigotes son
líneas de extenderse a los mínimos y máximos resultados en la distribución o al definido
matemáticamente (+ / - 1,5 * IQ) superior e inferior de las vallas.

Outliers o valores atípicos son usualmente observaciones mayores o menores, estos


pueden tener una influencia desproporcional en los resultados estadísticos los cuales
pueden resultar en interpretaciones erróneas. Se debe de investigar los outliers porque
ellos pueden proveer información útil acerca de los datos o proceso.

Algunas explicaciones de que los outliers existan son:

Errores de ingreso de datos: corregir el error y reanalizar los datos.


Errores del proceso: investigar el proceso para determinar la causa de los outliers.
Falta de algún factor: determinar si fallamos en no tener en cuenta algún factor o
variable que pueda influenciar al proceso.
Valores aleatorios: Investigar el proceso y el outlier para determinar si este ocurre por
casualidad, realizar el análisis con y sin el outlier para ver el impacto en los resultados.

Frecuentemente es muy fácil identificar outliers gráficamente, Minitab identifica a los


outliers en los gráficos de cajas etiquetando con el asterisco (*) las observaciones que
están al menos a 1,5 veces del rango intercuartil (Q3-Q1) desde el borde de la caja.

Para otros modelos como ANOVA67 se usan gráficos de residuales versus valores
ajustados. También existen diagnósticos de medidas tales como Cook’s68 o DFITS69
para determinar si el outlier es una observación influyente.

67
ANOVA [en línea]. Disponible en Internet: http://www.uaem.mx/ebe/stat/secc7.html
[Consulta: 20 de Mayo del 2009]
68
COOK’S DISTANCE [en línea]. Disponible en Internet: http://en.wikipedia.org/wiki/Cook%27s_distance
[Consulta: 20 de Mayo del 2009]
69
DFFITS [en línea]. Disponible en Internet: http://en.wikipedia.org/wiki/DFFITS
[Consulta: 20 de Mayo del 2009]

Manuel Teigeiro Tesis Página - 93 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Por ejemplo en los gráficos siguientes observamos:


La mediana es la barra que divide la caja.
La dispersión es la longitud de la caja en cuartiles.
La asimetría la posición relativa de la mediana al cuarto superior o inferior.
La longitud de las colas o bigotes mediante las líneas que se extienden desde la caja.
Los valores atípicos u outliers son los representados por asteriscos.

Gráfico 3.6.2-1 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2007

Boxplot of Resolution Time (hs) - Services 2007


250

200
Resolution Time (hs)

150

100

50

01 02 03 04 05 06 07 08 09 10
Month

Manuel Teigeiro Tesis Página - 94 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.2-2 Gráfico de cajas de Tickets (RT) por mes – Servicios 2006

Boxplot of Resolution Time (hs) - Services 2006

200

150
Resolution Time (hs)

100

50

01 02 03 04 05 06 07 08 09 10 11 12
Month

Gráfico 3.6.2-3 Gráfico de cajas Tickets (RT) por mes – Servicios 2005

Boxplot of Resolution Time (hs) - Services 2005

250

200
Resolution Time (hs)

150

100

50

01 02 03 04 05 06 07 08 09 10 11 12
Month

Manuel Teigeiro Tesis Página - 95 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.6.3. Resumen – Estadísticas

En los gráficos de estadísticas de resumen (Statistics Summary), a lo largo de tres


años, correspondientes al sumario de tickets de valores estadísticos de los servicios,
sugieren una distribución no normal de datos con asimetría derecha. Precisamente, la
media de resolución de pedidos o tickets de servicios es entre las 11 y 14 horas y cuyas
medianas tienden a 2 horas. Junto con lo anterior se observan valores mínimos y
máximos de resolución de los mismos. La cantidad total de datos (N) que intervinieron
en el análisis fue alrededor de 5000 por año.

Gráfico 3.6.3-1 Resumen de estadística Tickets (RT) – Servicios 2007

Summary for Resolution Time (hs) - Services 2007


A nderson-Darling N ormality Test
A -S quared 786.33
P -V alue < 0.005

M ean 13.755
S tDev 26.205
V ariance 686.687
S kew ness 3.0996
Kurtosis 11.3452
N 5283

M inimum 0.006
1st Q uartile 0.337
M edian 2.116
3rd Q uartile 18.981
0 35 70 105 140 175 210 M aximum 227.167
95% C onfidence Interv al for M ean
13.048 14.462
95% C onfidence Interv al for M edian
1.958 2.284
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
25.714 26.714
Mean

Median

2 4 6 8 10 12 14

Manuel Teigeiro Tesis Página - 96 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.3-2 Resumen de estadística Tickets (RT) – Servicios 2006

Summary for Resolution Time (hs) - Services 2006


A nderson-Darling N ormality Test
A -S quared 999.38
P -V alue < 0.005

M ean 11.785
S tDev 23.328
V ariance 544.185
S kew ness 3.5115
Kurtosis 14.8936
N 6429

M inimum 0.005
1st Q uartile 0.516
M edian 2.308
3rd Q uartile 16.415
0 30 60 90 120 150 180 M aximum 197.988
95% C onfidence Interv al for M ean
11.214 12.355
95% C onfidence Interv al for M edian
2.154 2.447
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
22.931 23.738
Mean

Median

2 4 6 8 10 12

Gráfico 3.6.3-3 Resumen de estadística Tickets (RT) – Servicios 2005

Summary for Resolution Time (hs) - Services 2005


A nderson-Darling N ormality Test
A -S quared 750.50
P -V alue < 0.005

M ean 13.849
S tDev 27.431
V ariance 752.466
S kew ness 3.4758
Kurtosis 15.4668
N 4701

M inimum 0.009
1st Q uartile 0.654
M edian 2.224
3rd Q uartile 17.968
0 40 80 120 160 200 240
M aximum 259.533
95% C onfidence Interv al for M ean
13.065 14.633
95% C onfidence Interv al for M edian
2.080 2.410
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
26.888 27.997
Mean

Median

2 4 6 8 10 12 14

Manuel Teigeiro Tesis Página - 97 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.6.4. Gráficos de comportamiento – Estadísticas

Los gráficos de comportamiento (Run Charts) exhiben los datos en el orden en que
ellos fueron observados, se puede advertir si existen patrones obvios. Este test está
basado en el número total de corridas que ocurren por encima y por debajo de la de
mediana (Number of run about median), muestra si los datos están cerca de la
mediana (Mixtures) y si se aglomeran (Clustering).

Infiriendo sobre el comportamiento en los distintos años se tiene que: en el año 2005
existían valores de p>0.05, se tenían mezclas y no existían clusters (grupos o
conjuntos) de los datos; para los años 2006 y 2007 ya no había mezcla ni cluster de
acuerdo a los valores de p. Respecto al análisis de tendencia y oscilación (Number of
run up or down), hubo oscilaciones todos los años, pero no tendencias sistemáticas.

En el test de la hipótesis estadística, el valor p (p-value) es la probabilidad de obtener


un resultado al menos tan extremo como uno que se observo, asumiendo que la
hipótesis nula es verdadera. El hecho de que los valores de p están basados en el test y
es fundamental para su correcta interpretación.
Cuanto menor sea el valor de p, el test rechaza más fuerte la hipótesis nula, es decir,
aceptando la hipótesis propuesta.
Un valor de p de .05 o menor rechaza la hipótesis nula "al nivel del 5%", es decir, en los
supuestos estadísticos utilizados implica que sólo el 5% de veces podría suponer el test
valores extremos si la hipótesis nula es verdadera.

Gráfico 3.6.4-1 De comportamiento de Tickets (RT) por mes – Servicios 2007

Run Chart of Resolution Time (hs) - Services 2007


250

200
Resolution Time (hs)

150

100

50

0
1 20 40 60 80 100 120 140 160 180 200
Sample
Number of runs about median: 110 Number of runs up or down: 139
Expected number of runs: 103.5 Expected number of runs: 136.3
Longest run about median: 11 Longest run up or down: 4
Approx P-Value for Clustering: 0.819 Approx P-Value for Trends: 0.671
Approx P-Value for Mixtures: 0.181 Approx P-Value for Oscillation: 0.329

Manuel Teigeiro Tesis Página - 98 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.4-2 De comportamiento de Tickets (RT) por mes – Servicios 2006

Run Chart of Resolution Time (hs) by Month - Services 2006

200
Resolution Time (hs)

150

100

50

0
1 20 40 60 80 100 120 140 160 180 200 220 240 260 280
Sample
Number of runs about median: 149 Number of runs up or down: 213
Expected number of runs: 145.0 Expected number of runs: 191.7
Longest run about median: 7 Longest run up or down: 4
Approx P-Value for Clustering: 0.682 Approx P-Value for Trends: 0.999
Approx P-Value for Mixtures: 0.318 Approx P-Value for Oscillation: 0.001

Gráfico 3.6.4-3 De comportamiento de Tickets (RT) por mes – Servicios 2005

Run Chart of Resolution Time (hs) by Month - Services 2005

250
Resolution Time (hs)

200

150

100

50

0
1 20 40 60 80 100 120 140 160
Sample
Number of runs about median: 128 Number of runs up or down: 145
Expected number of runs: 85.0 Expected number of runs: 111.7
Longest run about median: 4 Longest run up or down: 3
Approx P-Value for Clustering: 1.000 Approx P-Value for Trends: 1.000
Approx P-Value for Mixtures: 0.000 Approx P-Value for Oscillation: 0.000

Manuel Teigeiro Tesis Página - 99 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.6.5. Gráficos de Pareto – Estadísticas

Antes de comenzar a examinar los gráficos de Pareto, cabe aclarar los conceptos de
definiciones de severidad e impacto que maneja la empresa estudiada.
MONET es el sistema de mesa de ayuda con el que cuenta la empresa.

Estándar de mesa de ayuda. Definiciones de Severidad e impacto

Severidad BAJA – La petición del cliente será automáticamente colocada en la


severidad baja, para crear un nuevo ticket de cliente dentro de sistema de mesa de
ayuda. El ticket de mesa de ayuda debería permanecer en el estado de severidad baja a
menos que el cliente declare que la cuestión es más sensible al tiempo que una normal,
o si el analista de mesa de ayuda determina que esta garantiza una prioridad más alta
basada en una cuestión específica e impacto de usuario.
Severidad MEDIA – Este nivel debería ser utilizado para cuestiones que requieren una
atención más expeditiva, pero no una resolución inmediata.
Severidad ALTA – Este nivel debería ser utilizado para cuestiones que requieren
atención inmediata. Si un cliente solicita que un ticket sea colocado en la prioridad alta,
todas las partes implicados (grupos de intensificación, etc.) deberían ser notificadas.
Severidad CRÍTICA – Esta debería ser reservada para cuestiones que tienen un
impacto inmediato, perjudicial en las operaciones comerciales del negocio. Incluiría
todas las interrupciones de servidor y sitio web o cuestiones de la corporación en su
totalidad.
Impacto INDIVIDUAL - La petición del cliente será automáticamente colocada aquí para
crear y ahorrar un nuevo ticket de cliente dentro del sistema de mesa de ayuda. El ticket
debería permanecer en este estado a menos que el cliente declare que la cuestión
afecta a más de un usuario, o si el analista de mesa de ayuda lo determina así y
garantiza un nivel de impacto más alto, basado en una cuestión específica y severidad.
Impacto de DEPARTAMENTO – Usuarios múltiples afectados, pero es una cuestión
aislada a un departamento solo o una pequeña área.
Impacto COMERCIAL – La cuestión afecta departamentos múltiples y/o posiciones. El
impacto generalmente tiene que ver con tickets de severidad crítica.
Impacto de CLIENTE EXTERNO – Esta categoría es la más alta y crítica de los niveles
de impacto. Las cuestiones de este causarían la mayor pérdida potencial al negocio.
Este generalmente tiene que ver con tickets de severidad crítica.

Con lo anterior, puede observarse en los gráficos de Pareto, que reflejan los servicios
por severidad, que no más de un 5% del total corresponden a severidad alta o media.
Esto da una idea clara de la distribución de la población en cuanto a la severidad, lo
cual hace que un ticket de más alta severidad deba aguardar menos en su resolución
debido a su importancia, es decir, priorizado sobre los otros.
Las categorías están definidas previamente y la IT tiene la facultad de re-categorizar los
datos de acuerdo a ellas.

Manuel Teigeiro Tesis Página - 100 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-1 Pareto de Tickets por severidad – Servicios 2007

Pareto Chart of System of Record by Severity - Services 2007

MONET
Severity = Critical Severity = High Sy stem
4800 of Record
MONET
3600

2400

1200
Count

3 8
0
Severity = Low Severity = Medium
4928
4800

3600

2400

1200
344
0
MONET
System of Record

Gráfico 3.6.5-2 Pareto de Tickets por severidad – Servicios 2006

Pareto Chart of Tickets by Severity - Services 2006


MONET 6071
Severity = High Severity = Low Tick ets
6000 MONET

4500

3000

13 1500
Count

0
Severity = Medium
6000

4500

3000
345
1500

0
MONET
Tickets

Manuel Teigeiro Tesis Página - 101 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-3 Pareto de Tickets por severidad – Servicios 2005

Pareto Chart of Tickets by Severity - Services 2005


MONET
Severity = High Severity = Low Tick ets
4447
MONET
4000

3000

2000

1000
Count

7
0
Severity = Medium

4000

3000

2000

1000
247
0
MONET
Tickets

En el caso de los gráficos de Pareto de los servicios por impacto, se observa que
aproximadamente un 2% del total corresponden a aquellos individuales.

Gráfico 3.6.5-4 Pareto de Tickets por impacto – Servicios 2007

Pareto Chart of Ticket by Impact - Servicies 2007


MONET
Impact = Company Impact = Department Tick ets
6000
MONET

4500

3000

1500
Count

6 81
0
Impact = External Customer Impact = Individual
6000 5437

4500

3000

1500
3
0
MONET
Ticket

Manuel Teigeiro Tesis Página - 102 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-5 Pareto de Tickets por impacto – Servicios 2006

Pareto Chart of Tickets by Impact - Services 2006


MONET
Impact = Company Impact = Department Tick ets
6000 MONET

4500

3000

1500
9 96
Count

0
Impact = External Customer Impact = Individual 6308
6000

4500

3000

1500
13
0
MONET
Tickets

Gráfico 3.6.5-6 Pareto de Tickets por impacto – Servicios 2005

Pareto Chart of Tickets by Impact - Services 2005


MONET
Impact = Company Impact = Department Tick ets
MONET
4000

3000

2000

1000
3 70
Count

0
Impact = External Customer Impact = Individual 4627

4000

3000

2000

1000
1
0
MONET
Tickets

Los integrantes del grupo de la IT tienen asignadas diferentes actividades. Hay quienes
están enfocados principalmente al soporte de primer nivel, y son aquellos que más
tickets resueltos tienen; otros miembros con más experiencia manejan otras tareas del
área y sólo parcialmente dedicados a la resolución de tickets, que dependerá de su
complejidad.

Manuel Teigeiro Tesis Página - 103 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Se advierte que quizás se debería analizar más en profundidad la utilización del tiempo
destinado a la resolución de tickets, correspondiente a cada uno de los recursos, en
función a sistema de reportes de actividades.

Gráfico 3.6.5-7 Pareto de Tickets por miembros de TI – Servicios 2007

Pareto Chart of Tickets by IT Members - Services 2007


MO NET
O w ner C ore ID = A JO 023 O w ner C ore ID = A LM 045 O w ner C ore ID = A RG 031
2000 1875

Tick ets -
Serv ice
1000 763 2007
305 MONET

0
O w ner C ore ID = F M XP 43 O w ner C ore ID = F Q G 846 O w ner C ore ID = Q BWD64
2000
Count

962
754
1000
557

0
O w ner C ore ID = TC Q N 73
2000 MO NET

1000

64
0
MO NET
System of Record

Gráfico 3.6.5-8 Pareto de Tickets por miembros de TI – Servicios 2006

Pareto Chart of Tickets by IT Members - Services 2006


MO NET
O w ner C ore ID = A JO 023 O w ner C ore ID = A JR037 O w ner C ore ID = A LM 045 Tick ets
2475
2029 MONET
2000

1000
256
0
O w ner C ore ID = A RG 031 O w ner C ore ID = F M XP 43 O w ner C ore ID = F Q G 846

2000
Count

831 1000
270
120
0
O w ner C ore ID = Q BWD64
MO NET

2000

1000
445

0
MO NET
Tickets

Manuel Teigeiro Tesis Página - 104 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-9 Pareto de Tickets por miembros de TI – Servicios 2005

Pareto Chart of Tickets by IT Members - Services 2005


MONET
IT Members = AJO023 IT Members = AJR037 IT Members = ALM045 Tick ets
2127
2000 MONET

1500
1268

1000

500
240
Count

0
IT Members = AMT038 IT Members = ARC038 IT Members = ARG031

2000

1500

1000
521 543
500

2
0
MONET MONET
Tickets

En los gráficos de Pareto que se presentan a continuación se intenta reflejar el tiempo


de resolución de los tickets de servicios, agrupándolos en días. Allí se advierte que un
gran porcentaje (aproximadamente el 85%) son resueltos dentro del mismo día,
quedando una distribución que disminuye en el transcurso de los días subsiguientes.

Gráfico 3.6.5-10 Pareto de Tickets por días (agrupados) – Servicios 2007

Pareto Chart of Ticket by Bucket Day - Services 2007


MO NET
Bucket = 1 DA Y Bucket = 1 WE E K+ Bucket = 2 DA YS Tick ets -
4359
Serv icies
4000
2007
MONET
3000

2000

1000
474
Count

30
0
Bucket = 3 DA YS Bucket = 4 DA YS Bucket = 6 DA YS

4000

3000

2000

1000
183 124 110
0
MO NET MO NET
System of Record

Manuel Teigeiro Tesis Página - 105 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-11 Pareto de Tickets por días (agrupados) – Servicios 2006

Pareto Chart of Tickets (RT) by Bucket day - Services 2006


MONET
Buck et = 1 DAY Buck et = 1 WEEK+ Buck et = 2 DAYS Tick ets
5561 6000
MONET

4500

3000

1500
448
Count

30
0
Buck et = 3 DAYS Buck et = 4 DAYS Buck et = 6 DAYS
6000

4500

3000

1500
173 119 95
0
MONET MONET
Tickets

Gráfico 3.6.5-12 Pareto de Tickets por días (agrupados) – Servicios 2005

Pareto Chart of Tickets by Bucket Day - Services 2005


MONET
Buck et = 1 DAY Buck et = 1 WEEK+ Buck et = 2 DAYS Tick ets
4024
4000 MONET

3000

2000

1000
267
Count

36
0
Buck et = 3 DAYS Buck et = 4 DAYS Buck et = 6 DAYS
4000

3000

2000

1000
163 133 78
0
MONET MONET
Tickets

De los gráficos que prosiguen, los pertenecientes al año 2005 indican que el tiempo en
cola (Backlog Bucket) o espera de un ticket que no tiene asignada una persona del
área de IT o agente era como máximo de 6 días. Por otro lado, el 82% de los outliers
no pasaban de un día en espera. En el 2006 se pasó a un máximo de entre 7 y 14 días,

Manuel Teigeiro Tesis Página - 106 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

pero con un 93% de espera de no más de un día. Y finalmente, en el 2007 también si


tiene un máximo de entre 7 y 14 días, pero el porcentaje de los tickets no asignados
varía del 2006 al 2007, desde el 0,2% al 0,1% del total respectivamente.

Gráfico 3.6.5-13 Pareto de Tickets por días de espera (agrupados) – Servicios 2007

Pareto Chart of Tickets by Backlog Bucket - Services 2007


MO NET
Backlog Bucket = 1 DA Y Backlog Bucket = 1 WE E K+ Backlog Bucket = 2 DA YS Tick ets -
5012
4800 Serv ices
2007
3600 MONET

2400

1200
Count

5 109
0
Backlog Bucket = 3 DA YS Backlog Bucket = 4 DA YS Backlog Bucket = 6 DA YS
4800

3600

2400

1200

94 37 23
0
MO NET MO NET
System of Record

Gráfico 3.6.5-14 Pareto de Tickets por días de espera (agrupados) – Servicios 2006

Pareto Chart of Tickets by Backlog Bucket Days - Services 2006


MONET
Back log Buck et = 1 DAY Back log Buck et = 1 WEEK+ Back log Buck et = 2 DAYS Tick ets
6013
6000 MONET

4500

3000

1500
Count

13 176
0
Backlog Buck et = 3 DAYS Back log Buck et = 4 DAYS Back log Buck et = 6 DAYS
6000

4500

3000

1500
118 64 42
0
MONET MONET
Tickets

Manuel Teigeiro Tesis Página - 107 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-15 Pareto de Tickets por días de espera (agrupados) – Servicios 2005

Pareto Chart of Tickets by Backlog Bucket Time - Problems 2005


MONET
Back log Buck et = 1 DAY Back log Buck et = 2 DAYS Back log Buck et = 3 DAYS Tick ets
73 80
MONET

60

40

20
3
Count

1
0
Back log Buck et = 4 DAYS Back log Buck et = 6 DAYS MONET
80

60

40

20
4 4
0
MONET
Tickets

En el año 2007 el 99,84% de las encuestas de satisfacción del cliente (CSS) fueron
positivas. Para el 2006 este valor fue del 99,86%, y en el 2005 del 99,91%. Lo que
denota una disminución en la satisfacción, aunque no significativa.
Por otro lado el porcentaje de las encuestas individuales por ticket de satisfacción, que
no fueron contestadas, en el 2007 alcanzaron el 37%, siendo que en el 2005 fue del
22%, con lo cual se concluye que ha aumentado la falta de retroalimentación disponible
por el usuario sobre el servicio recibido.
En lo que respecta a estas cuestiones, se podría considerar como costo de la calidad
(Cost Of Quality, COQ) a la cantidad de tickets cuyas CSS fueron reportadas como
satisfechas, de allí se obtuvo:

 2005, el 0,09 % fue considerado como COQ para ticket de servicios.


 2006, el 0,14 % fue considerado como COQ para ticket de servicios.
 2007, el 0,16 % fue considerado como COQ para ticket de servicios.

Esto indica que el COQ estaría dentro del 0,2 % en relación con los servicios.

Manuel Teigeiro Tesis Página - 108 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-16 Pareto de satisfacción del cliente por ticket – Servicios 2007

Pareto Chart of Ticket by Monet CSS Results - Services 2007


MONET 3321
M onet C S S Results = N ot S atisfied M onet C S S Results = S atisfied Tick ets -
Serv ices
3000
2007
MONET
2000

1000
5
Count

0
M onet C S S Results = S urv ey not C ompleted

3000
1954

2000

1000

0
MONET
Tickets

Gráfico 3.6.5-17 Pareto de satisfacción del cliente por ticket – Servicios 2006

Pareto Chart Customer Satisfaction Survey by Tickets - Services 2006


MONET
M onet C S S Results = N ot S atisfied M onet C S S Results = S atisfied Tick ets
4295
4000 MONET

3000

2000

1000
Count

6
0
M onet C S S Results = S urv ey not C ompleted

4000

3000
2125
2000

1000

0
MONET
Tickets

Manuel Teigeiro Tesis Página - 109 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-18 Pareto de satisfacción del cliente por ticket – Servicios 2005

Pareto Chart of Tickets by Monet CSS Results - Services 2005


MONET
M onet C S S Results = N ot S atisfied M onet C S S Results = S atisfied Tick ets
3636 4000
MONET

3000

2000

1000
Count

3
0
M onet C S S Results = S urv ey not C ompleted
4000

3000

2000
1062
1000

0
MONET
Tickets

En base al mismo criterio anterior, fue analizado el costo de la no calidad o COPQ (Cost
Of Poor Quality) de acuerdo a tickets que fueron reabiertos (re-opened). Los COPQ
implican un re-trabajo, ya que no fueron resueltos desde el punto de vista del usuario
final. Aunque, el área de la IT los había considerado como solucionados. Los datos
reflejaron los siguientes porcentajes por año:

 2005, el 0,5 % fue considerado como COPQ para ticket de servicios.


 2006, el 0,48 % fue considerado como COPQ para ticket de servicios.
 2007, el 0,49 % fue considerado como COPQ para ticket de servicios.

Esto indica que el COPQ se mantuvo aproximadamente constante, dentro del 0,5%
en relación con los servicios.

Con esto tenemos que el CTQ está alrededor del 0,7% del total de servicios, dado
que: CTQ = COQ + COPQ.

Manuel Teigeiro Tesis Página - 110 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-19 Pareto de tickets reabiertos – Servicios 2007

Pareto Chart of Ticket by Reopened Count - Services 2007


MONET
Reopened Count = 0 Reopened Count = 1 Tick ets -
6000 Serv ices
5254 2007
MONET
5000

4000
Count

3000

2000

1000

26
0
MONET
Tickets

Gráfico 3.6.5-20 Pareto de tickets reabiertos – Servicios 2006

Pareto Chart of Tickets by Reopened Count Times - Services 2006


MONET
Reopened Count = 0 Reopened Count = 1 Tick ets
7000 MONET
6395
6000

5000
Count

4000

3000

2000

1000
31
0
MONET
Tickets

Manuel Teigeiro Tesis Página - 111 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.6.5-21 Pareto de tickets reabiertos – Servicios 2005

Pareto Chart of Tickets by Reopened Count Times - Services 2005


MONET
Reopened Count = 0 Reopened Count = 1 Tick ets
5000 4674 MONET

4000

3000
Count

2000

1000

27
0
MONET
Tickets

Manuel Teigeiro Tesis Página - 112 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.7. Problemas, tiempo de resolución (horas) y variables

Cabe señalar que en esta sección 3.7 (tickets relacionados con problemas) se
realizara el mismo análisis estadístico que el realizado en la sección 3.6 (tickets
relacionados con servicios) por ende aquellos que no estén interesados en ver los
resultados estadísticos podrán obviar la lectura de esta sección.
Se lleva a cabo el análisis de aquellos tickets clasificados como problemas. Al igual que
en el ítem anterior, se abarcan los años 2005, 2006 y 2007. En esta sección se
representan los gráficos y tablas estadísticas más comunes, que permiten estimar el
comportamiento de los mismos.

3.7.1. Gráficos de valores individuales - Estadísticas

En estos gráficos se reflejan las distribuciones de los tickets de problemas por mes. En
los años registrados se obtuvo que los valores máximos entre las 100 y 120 horas
(equivalente a 5 días), considerando el tiempo fuera del horario de soporte, como así
también feriados y fines de semana. También aquí, es importante destacar que el
tiempo de resolución (Resolution Time, RT) es calculado como el tiempo total desde
que se abrió el ticket, menos el tiempo que está en espera de una respuesta del usuario
sobre más información o disponibilidad; en caso de requerir soporte solicitado a terceras
empresas, como contratación de equipos, este también es restado del total.

Como resultado se manifiestan las variaciones en las cantidades, dependiendo del mes,
y se concluye que en el 2006 los tiempos individuales máximos tuvieron un mejor
tiempo de respuesta que en los otros dos años.

Gráfico 3.7.1-1 Valores individuales (RT) por mes – Problemas 2007

Individual Value Plot of Resolution Time (hs) by Month - Problems 2007

100

80
Resolution Time (hs)

60

40

20

01 02 03 04 05 07 08 09 10
Month

Manuel Teigeiro Tesis Página - 113 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.1-2 Valores individuales (RT) por mes – Problemas 2006

Individual Value Plot of Resolution Time (hs) - Problems 2006


80

70

60
Resolution Time (hs)

50

40

30

20

10

01 02 03 04 05 06 07 08 09 10 11 12
Month

Gráfico 3.7.1-3 Valores individuales (RT) por mes – Problemas 2005

Individual Value Plot of Resolution Time (hs) - Problems 2005


140

120

100
Resolution Time (hs)

80

60

40

20

01 02 04 05 06 07 08 09 10 11 12
Month

Manuel Teigeiro Tesis Página - 114 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.7.2. Gráficos de cajas - Estadísticas

En el caso de análisis de problemas se tiene poca cantidad de tickets por mes, y existe
variación del RT entre ellos, por lo que los boxplots son más extensos que aquellos
obtenidos para servicios, demostrando mayor diferencia entre cuartiles.
La cantidad de datos es de 85 tickets para el 2005, 71 tickets para el 2006 y 27 tickets
para el 2007.

Las gráficas evidencian que en el año 2006 existe una mayor perfomance en cuanto al
RT de los problemas, algunos de mayor complejidad suelen corresponder a los outliers.
Se revelan más detalles al ir analizando el resto de los gráficos, que brindan información
diversa para poder tener una idea más global de los datos y su significado.

Gráfico 3.7.2-1 Gráfico de Cajas de Tickets (RT) por mes – Problemas 2007

Boxplot of Resolution Time (hs) by Month - Problems 2007

100

80
Resolution Time (hs)

60

40

20

01 02 03 04 05 07 08 09 10
Month

Manuel Teigeiro Tesis Página - 115 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.2-2 Gráfico de Cajas de Tickets (RT) por mes – Problemas 2006

Boxplot of Resolution Time (hs) - Problems 2006


80

70

60
Resolution Time (hs)

50

40

30

20

10

01 02 03 04 05 06 07 08 09 10 11 12
Month

Gráfico 3.7.2-3 Gráfico de Cajas de Tickets (RT) por mes – Problemas 2005

Boxplot of Resolution Time (hs) - Problems 2005


140

120

100
Resolution Time (hs)

80

60

40

20

01 02 04 05 06 07 08 09 10 11 12
Month

Manuel Teigeiro Tesis Página - 116 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.7.3. Resumen - Estadísticas

En los gráficos de resumen (Statistics Summary) de problemas se obtiene, al igual que


en servicios, una distribución no normal de datos. La media de resolución de problemas
entre las 18 y 22 horas y las medianas entre las 1,75 y 4,31 horas, sugieren una
distribución no normal de datos con asimetría derecha.
También se pueden observar valores mínimos y máximos de resolución de los mismos.
La cantidad total de datos que intervinieron en el análisis fue alrededor de 75 a 80 por
año excepto para el 2007 con 27 tickets.

Gráfico 3.7.3-1 Resumen de estadística Tickets (RT) – Problemas 2007

Summary for Resolution Time (hs) - Problems 2007


A nderson-Darling N ormality Test
A -S quared 3.13
P -V alue < 0.005

M ean 20.056
S tDev 29.688
V ariance 881.387
S kew ness 1.61790
Kurtosis 1.75041
N 27

M inimum 0.059
1st Q uartile 0.614
M edian 1.728
3rd Q uartile 24.535
0 20 40 60 80 100 M aximum 99.040
95% C onfidence Interv al for M ean
8.312 31.800
95% C onfidence Interv al for M edian
0.923 24.213
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
23.380 40.686
Mean

Median

0 5 10 15 20 25 30

Manuel Teigeiro Tesis Página - 117 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.3-2 Resumen de estadística Tickets (RT) – Problemas 2006

Summary for Resolution Time (hs) - Problems 2006


A nderson-Darling N ormality Test
A -S quared 6.63
P -V alue < 0.005

M ean 18.584
S tDev 22.860
V ariance 522.587
S kew ness 1.08048
Kurtosis -0.22835
N 71

M inimum 0.026
1st Q uartile 1.538
M edian 5.414
3rd Q uartile 28.696
0 16 32 48 64 M aximum 71.791
95% C onfidence Interv al for M ean
13.173 23.994
95% C onfidence Interv al for M edian
2.872 20.615
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
19.621 27.391
Mean

Median

0 5 10 15 20 25

Gráfico 3.7.3-3 Resumen de estadística Tickets (RT) – Problemas 2005

Summary for Resolution Time (hs) - Problems 2005


A nderson-Darling N ormality Test
A -S quared 11.22
P -V alue < 0.005

M ean 22.706
S tDev 34.735
V ariance 1206.552
S kew ness 1.72738
Kurtosis 1.70031
N 85

M inimum 0.029
1st Q uartile 0.646
M edian 4.315
3rd Q uartile 24.435
0 20 40 60 80 100 120 M aximum 123.203
95% C onfidence Interv al for M ean
15.213 30.198
95% C onfidence Interv al for M edian
2.244 14.373
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
30.184 40.916
Mean

Median

0 5 10 15 20 25 30

Manuel Teigeiro Tesis Página - 118 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.7.4. Gráficos de comportamiento - Estadísticas

Los gráficos de comportamiento (Run Charts) exhiben los datos en el orden en que
ellos fueron observados, se puede advertir si existen patrones sistemáticos o no
aleatorios.
Este test está basado en el número total de corridas que ocurren por encima y por
debajo de la de mediana (Number of run about median), muestra si los datos están
cerca de la mediana (Mixtures) y aglomeramiento (Clustering).

El comportamiento advertido en los años 2005, 2006 y 2007 muestra que no existían
valores de p<0.05, no hubo mezcla, ni aglomeramiento de datos. A su vez, no se
hallaron tendencias ni oscilaciones entre ellos.

Gráfico 3.7.4-1 De comportamiento de Tickets (RT) por mes – Problemas 2007

Run Chart of Resolution Time (hs) by Month - Problems 2007


100

80
Resolution Time (hs)

60

40

20

0
1 2 3 4 5 6 7 8 9 10
Sample
Number of runs about median: 4 Number of runs up or down: 7
Expected number of runs: 6.0 Expected number of runs: 6.3
Longest run about median: 4 Longest run up or down: 2
Approx P-Value for Clustering: 0.090 Approx P-Value for Trends: 0.710
Approx P-Value for Mixtures: 0.910 Approx P-Value for Oscillation: 0.290

Manuel Teigeiro Tesis Página - 119 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.4-2 De comportamiento de Tickets (RT) por mes – Problemas 2006

Run Chart of Resolution Time (hs) by Month - Problems 2006


80
70
Resolution Time (hs)

60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Sample
Number of runs about median: 7 Number of runs up or down: 8
Expected number of runs: 8.0 Expected number of runs: 9.0
Longest run about median: 4 Longest run up or down: 4
Approx P-Value for Clustering: 0.289 Approx P-Value for Trends: 0.248
Approx P-Value for Mixtures: 0.711 Approx P-Value for Oscillation: 0.752

Gráfico 3.7.4-3 De comportamiento de Tickets (RT) por mes – Problemas 2005

Run Chart of Resolution Time (hs) - Problems 2005


140

120
Resolution Time (hs)

100

80

60

40

20

0
1 2 3 4 5 6 7 8 9 10 11 12
Sample
Number of runs about median: 9 Number of runs up or down: 9
Expected number of runs: 7.0 Expected number of runs: 7.7
Longest run about median: 3 Longest run up or down: 2
Approx P-Value for Clustering: 0.887 Approx P-Value for Trends: 0.839
Approx P-Value for Mixtures: 0.113 Approx P-Value for Oscillation: 0.161

Manuel Teigeiro Tesis Página - 120 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

3.7.5. Gráficos de Pareto - Estadísticas

En los gráficos de Pareto respectivos a problemas, estos se reflejan según el tipo de


severidad. Esto da una idea clara de la distribución de la población en cuanto a la
severidad, lo cual hace que un ticket de más alta severidad deba aguardar menos en su
resolución debido a su importancia, es decir, priorizado sobre los otros.

El análisis expuso que en el 2005 menos del 20% del total corresponden a severidad
alta o media. Para el 2006 el valor alcanzó el 21% y el mismo para el 2007 fue de 18%.

Gráfico 3.7.5-1 Pareto de Tickets por severidad – Problemas 2007

Pareto Chart of Tickets by Severity - Problems 2007


MONET
Severity = High Severity = Low Tick ets
22
MONET
20

15

10

3 5
Count

0
Severity = Medium

20

15

10

5
2
0
MONET
Tickets

Manuel Teigeiro Tesis Página - 121 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-2 Pareto de Tickets por severidad – Problemas 2006

Pareto Chart of Tickets by Severity - Problems 2006


MONET
Severity = High Severity = Low Tick ets
56 60
MONET

45

30

15
Count

1
0
Severity = Medium
60

45

30

15 14

0
MONET
Tickets

Gráfico 3.7.5-3 Pareto de Tickets por severidad – Problemas 2005

Pareto Chart of Tickets by Severity - Problems 2005


MONET
Severity = High Severity = Low 69 Tick ets
MONET
60

45

30

15
Count

1
0
Severity = Medium

60

45

30
15
15

0
MONET
Tickets

Manuel Teigeiro Tesis Página - 122 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En el caso de los gráficos de Pareto de los servicios por impacto, se observa entre el
7,5 y 8,5% del total corresponden a aquellos individuales.

Gráfico 3.7.5-4 Pareto de Tickets por impacto – Problemas 2007

Pareto Chart of Tickets by Impact - Problems 2007


MONET
Impact = Department Impact = Individual Tick ets
25 MONET
25

20
Count

15

10

5
2

0
MONET
Tickets

Manuel Teigeiro Tesis Página - 123 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-5 Pareto de Tickets por impacto – Problemas 2006

Pareto Chart of Tickets by Impact - Problems 2006


MONET
Impact = Department Impact = Individual Tick ets
65
MONET
60

45

30

15
4
Count

0
Impact = Motorola
60

45

30

15
2
0
MONET
Tickets

Gráfico 3.7.5-6 Pareto de Tickets por impacto – Problemas 2005

Pareto Chart of Tickets by Impact - Problems 2005


MONET
Impact = Department Impact = Individual Tick ets
80 78 MONET

70

60

50
Count

40

30

20

10 7

0
MONET
Tickets

Manuel Teigeiro Tesis Página - 124 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-7 Pareto de Tickets por miembros de TI – Problemas 2007

Pareto Chart of Tickets by IT Members - Problems 2007


MO NET
IT M embers = A JO 023 IT M embers = A LM 045 IT M embers = C DT012 Tick ets
10
MONET

0
IT M embers = C KR024 IT M embers = F M XP 43 IT M embers = Q BWD64
10
Count

0
IT M embers = TC Q N 73
10 MO NET

0
MO NET
Tickets

Gráfico 3.7.5-8 Pareto de Tickets por miembros de TI – Problemas 2006

Pareto Chart of Tickets by IT Members - Problems 2006


MO NET
IT M ember = A JO 023 IT M ember = A JR037 IT M ember = A LM 045 Tick ets
26
MONET
20
14
10
3
0
IT M ember = A RG 031 IT M ember = F M XP 43 IT M ember = F Q G 846
Count

20
15
11
10

1
0
IT M ember = Q BWD64
MO NET

20

10

1
0
MO NET
Tickets

Manuel Teigeiro Tesis Página - 125 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-9 Pareto de Tickets por miembros de TI – Problemas 2005

Pareto Chart of Tickets by IT Members - Problems 2005


MONET
IT Members = AJO023 IT Members = AJR037 IT Members = ALM045 Tick ets
60
60 MONET

45

30

10 15
8
Count

0
IT Members = ARC038 IT Members = ARG031 MONET
60

45

30

15
6
1
0
MONET
Tickets

En los gráficos que prosiguen, se indica el tiempo de resolución de los tickets (Bucket
Time) de problemas, agrupándolos en días. Se tiene que un gran porcentaje
(aproximadamente el 66%) de los mismos son resueltos dentro del mismo día, y la
distribución muestra una disminución en el transcurso de los días subsiguientes.

Gráfico 3.7.5-10 Pareto de Tickets por días (agrupados) – Problemas 2007

Pareto Chart of Tickets by Bucket Time - Problems 2007


MONET
Buck et = 1 DAY Buck et = 2 DAYS Buck et = 3 DAYS Tick ets
18 20
MONET

15

10

4 5
3
Count

0
Buck et = 4 DAYS Buck et = 6 DAYS MONET
20

15

10

5
1 1
0
MONET
Tickets

Manuel Teigeiro Tesis Página - 126 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-11 Pareto de Tickets por días (agrupados) – Problemas 2006

Pareto Chart of Tickets by Bucket Time - Problems 2006


MONET
Bucket47
= 1 DAY Bucket = 2 DAYS Tick ets
MONET
40

30

20
12
10
Count

0
Bucket = 3 DAYS

40

30

20
12
10

0
MONET
Tickets

Gráfico 3.7.5-12 Pareto de Tickets por días (agrupados) – Problemas 2005

Pareto Chart of Tickets by Bucket Time - Problems 2005


MONET
Buck et = 1 DAY63 Buck et = 1 WEEK+ Buck et = 2 DAYS Tick ets
60 MONET

45

30

15
6
Count

1
0
Buck et = 3 DAYS Buck et = 4 DAYS Buck et = 6 DAYS
60

45

30

15
7
4 4
0
MONET MONET
Tickets

Manuel Teigeiro Tesis Página - 127 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

El primer gráfico indica que en el 2005 el tiempo en cola o espera de un ticket, que no
tenía asignado un agente de IT, era como máximo de 6 días. Aunque los outliers, y con
alto porcentaje (82%), no pasaban de un día en espera. En el 2006 se pasa a un
máximo de 2 días, pero un 83% no demoraba más de un día. Finalmente en el 2007, el
máximo fue de 3 días, aunque el 92% contaba con tiempos menores al día.

Gráfico 3.7.5-13 Pareto de Tickets por días de espera (agrupados) – Problemas 2007

Pareto Chart of Tickets by Backlog Bucket - Problems 2007


MONET
Backlog Bucket = 1 DAY Backlog Bucket = 2 DAYS Tick ets
25
24 MONET

18

12

6
Count

1
0
Backlog Bucket = 3 DAYS
24

18

12

6
1
0
MONET
Tickets

Gráfico 3.7.5-14 Pareto de Tickets por días de espera (agrupados) – Problemas 2006

Pareto Chart of Tickets by Backlog Bucket - Problems 2006


MONET
Backlog Bucket = 1 DAY Backlog Bucket = 2 DAYS Tick ets
MONET
60
59
50

40
Count

30

20

10 12

0
MONET
Tickets

Manuel Teigeiro Tesis Página - 128 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-15 Pareto de Tickets por días de espera (agrupados) – Problemas 2005

Pareto Chart of Tickets by Backlog Bucket Time - Problems 2005


MONET
Back log Buck et = 1 DAY Back log Buck et = 2 DAYS Back log Buck et = 3 DAYS Tick ets
73 80
MONET

60

40

20
3
Count

1
0
Back log Buck et = 4 DAYS Back log Buck et = 6 DAYS MONET
80

60

40

20
4 4
0
MONET
Tickets

En la totalidad de las encuestas realizadas en los distintos, el cliente estaba satisfecho


con el trabajo realizado.
Por otro lado el porcentaje de las encuestas individuales por ticket de satisfacción, que
no fueron contestadas, en el 2007 alcanzaron el 30%, al igual que en el 2005, y durante
el 2006 fue del 28%, con lo cual se concluye que no existen variaciones significativas
entre los diferentes años. Sin embargo, el porcentaje de falta de retroalimentación con el
usuario del servicio es alto.

En lo que respecta a estas cuestiones, se podría considerar como costo de la calidad


(Cost Of Quality, COQ) a la cantidad de tickets cuyas CSS fueron reportadas como no
satisfechas, de allí se obtuvo:

 2005, el 0,09 % fue considerado como COQ para ticket de problemas.


 2006, el 0,14 % fue considerado como COQ para ticket de problemas.
 2007, el 0,16 % fue considerado como COQ para ticket de problemas.

Esto indica que el COQ estaría dentro del 0,2 % en relación con los servicios.

Manuel Teigeiro Tesis Página - 129 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-16 Pareto de satisfacción del cliente por ticket – Problemas 2007

Pareto Chart of Tickets by Monet CSS Results - Problems 2007


MONET
Monet CSS Results = Satisfied Monet CSS Results = Surv ey not Completed Tick ets
20 19 MONET

15
Count

10
8

0
MONET
Tickets

Gráfico 3.7.5-17 Pareto de satisfacción del cliente por ticket – Problemas 2006

Pareto Chart of Tickets by Monet CSS Results - Problems 2006


MONET
Monet CSS Results = Satisfied Monet CSS Results = Surv ey not Completed Tick ets
43 MONET

40

30 28
Count

20

10

0
MONET
Tickets

Manuel Teigeiro Tesis Página - 130 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-18 Pareto de satisfacción del cliente por ticket – Problemas 2005

Pareto Chart of Tickets by Monet CSS Results - Problems 2005


MONET
Monet CSS Results = Satisfied Monet CSS Results = Surv ey not Completed Tick ets
59
60 MONET

50

40
Count

30 26

20

10

0
MONET
Tickets

Fue analizado el costo de la no calidad o COPQ (Cost Of Poor Quality) de acuerdo a


tickets que fueron reabiertos (re-opened). Los COPQ implican un re-trabajo, ya que no
fueron resueltos desde el punto de vista del usuario final. Aunque, el área de la IT los
había considerado como solucionados. Los datos reflejaron los siguientes porcentajes
por año:

 2005, el 1.17 % fue considerado como COPQ para ticket de problemas.


 2006, el 0 % fue considerado como COPQ para ticket de problemas.
 2007, el 0 % fue considerado como COPQ para ticket de problemas.

Esto indica que el COPQ se mantuvo aproximadamente constante, y fue


mejorando hasta obtener 0 % los últimos años.

Con esto tenemos que el CTQ está alrededor del 0,3% del total de servicios, dado
que: CTQ = COQ + COPQ.

Manuel Teigeiro Tesis Página - 131 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-19 Pareto de tickets reabiertos (cero) – Problemas 2007

Pareto Chart of Tickets Reopened Times - Problems 2007


30
27
100
25

80
20

Percent
Count

60
15

40
10

5 20

0 0
Tickets MONET
Count 27
Percent 100.0
Cum % 100.0

Gráfico 3.7.5-20 Pareto de tickets reabiertos (cero) – Problemas 2006

Pareto Chart of Tickets Reopened Times - Problems 2006


80
71
70 100

60
80
50
Percent
Count

60
40

30 40

20
20
10

0 0
Tickets MONET
Count 71
Percent 100.0
Cum % 100.0

Manuel Teigeiro Tesis Página - 132 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 3.7.5-21 Pareto de tickets reabiertos – Problemas 2005

Pareto Chart of Tickets by Reopened Count Time - Problems 2005


MONET
Reopened Count = 0 Reopened Count = 2 Tick ets
90 84 MONET

80

70

60
Count

50

40

30

20

10
1
0
MONET
Tickets

Manuel Teigeiro Tesis Página - 133 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4. ANÁLISIS DE OPORTUNIDADES

Esta es la etapa que ayuda a las empresas a establecer la relación entre las variables
de respuesta (Ys) y las de control (Xs) de proceso. Durante esta etapa de
implementación de Six Sigma:

- Se crean los mapas de proceso de bajo nivel.


- Se establece la capacidad de procesos para las variables de salida críticas.
- Se establece la relación entre las variables críticas de salida y las de control de
proceso.
- Se identifican las causas aparentes de variación.

Este análisis permite identificar las maneras de eliminar la diferencia entre la actual
performance del sistema y el objetivo deseado; guiado a través de herramientas
estadísticas.

A continuación se muestran las características generales de esta etapa. Más adelante


se presenta un detallado marco de datos, gráficas y conclusiones que le pertenecen.

Gráfico 4-1 Análisis de oportunidades

Manuel Teigeiro Tesis Página - 134 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1. Bases y definiciones para tickets de servicios y problemas

Como es práctica común, en empresas que hacen manejo de cálculos estadísticos para
estudios de capacidad y estabilidad de los procesos, se analizarán aquellos puntos que
son outliers. Estos implican casos especiales, y para ellos se definen planes de acción,
teniendo en cuenta la regla de no remover más del 5% del total de la muestra.

En esta fase se comienza analizando en profundidad los datos disponibles de las


métricas, de acuerdo al tiempo de resolución (RT) como variable (siempre medido en
horas). Este será calculado como el tiempo total (Total Time, TT) menos el que
permanece en espera en el cliente (Customer Hold, CH) y/o en el proveedor (Vendor
Hold, VH).

Es válida la siguiente aclaración:


El sistema acumula las 24 horas del día, aunque las correspondientes al soporte son
9. También se adicionan los fines de semana y feriados, que reflejan aquellos tickets
abiertos después del horario de servicio de los viernes, y que recién al lunes siguiente
serán analizados (introduciendo un backlog del ticket de 63 horas como mínimo sin
asignación). Solamente los tickets críticos son tratados fuera del horario de soporte.

Los perfiles habilitados para los tickets son los servicios, problemas y pedidos de
cambio. Cabe mencionar que estos últimos han sido implementados recientemente y no
existe historia suficiente para su análisis en profundidad.

4.1.1. Análisis del tiempo de resolución de servicios - 2007

Se examinará el tiempo de resolución (hs) para servicios desde el 2005 hasta el


2007. Con los datos correspondientes a estos años, y mediante el programa estadístico
Minitab, se obtuvieron los gráficos subsecuentes:

Manuel Teigeiro Tesis Página - 135 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.1-1 Valores individuales (RT) por mes – Servicios 2007

Individual Value Plot of Resolution Time (hs) vs Month - Service 2007


700

600

500
Resolution Time (hs)

400

300

200

100

01 02 03 04 05 06 07 08 09 10
Month

Gráfico 4.1.1-2 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2007

Boxplot of Resolution Time (hs) - Services 2007


700

600

500
Resolution Time (hs)

400

300

200

100

01 02 03 04 05 06 07 08 09 10
Month

Manuel Teigeiro Tesis Página - 136 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.1-3 Resumen de estadística Tickets (RT) por mes – Servicios 2007

Summary for Resolution Time (hs) - Services 2007


A nderson-Darling Normality Test
A -Squared 806.19
P -V alue < 0.005

M ean 14.189
StDev 29.035
V ariance 843.015
Skew ness 5.2145
Kurtosis 62.9354
N 5291

M inimum 0.006
1st Q uartile 0.338
M edian 2.119
3rd Q uartile 19.024
0 100 200 300 400 500 600 M aximum 668.903
95% C onfidence Interv al for M ean
13.406 14.971
95% C onfidence Interv al for M edian
1.968 2.287
95% C onfidence Interv al for StDev
9 5 % Confidence Inter vals
28.492 29.599
Mean

Median

2 4 6 8 10 12 14

La resolución muestra que la distribución no es normal, y por ende deber ser


transformada y corregida para normalizarla. Con este fin primero se removió el 0.1%
de los outliers, dadas la siguiente posibilidad: aquellos pueden ser errores del
representante del servicio de soporte de ayuda de la IT, que ha olvidado colocar el ticket
en el estado pertinente. Esto es, en vez de asentarlo en estado de espera del cliente o
del usuario final, ha quedado en el área de IT; por ello el tiempo sigue sumando, cuando
en realidad es incorrecto.
El plan de acción se realizó resaltando que el estado de los tickets de cualquier tipo
tiene que estar siempre actualizado, debiendo de registrarse toda la información para
control del usuario final o de la IT.

Con tales correcciones (remoción del 0.1% outliers) se reelaboraron los gráficos,
presentados a continuación.

Manuel Teigeiro Tesis Página - 137 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.1-4 Valores individuales (RT) por mes – Servicios 2007 - corregida

Individual Value Plot of Resolution Time (hs) vs Month - Service 2007


250

200
Resolution Time (hs)

150

100

50

01 02 03 04 05 06 07 08 09 10
Month

Gráfico 4.1.1-5 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2007 - corregida

Boxplot of Resolution Time (hs) - Service 2007


250

200
Resolution Time (hs)

150

100

50

01 02 03 04 05 06 07 08 09 10
Month

Manuel Teigeiro Tesis Página - 138 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.1-6 Resumen de estadística Tickets (RT) por mes – Servicios 2007 -
corregida

Summary for Resolution Time (hs) - Service 2007


A nderson-Darling N ormality Test
A -S quared 786.33
P -V alue < 0.005

M ean 13.755
S tDev 26.205
V ariance 686.687
S kew ness 3.0996
Kurtosis 11.3452
N 5283

M inimum 0.006
1st Q uartile 0.337
M edian 2.116
3rd Q uartile 18.981
0 35 70 105 140 175 210 M aximum 227.167
95% C onfidence Interv al for M ean
13.048 14.462
95% C onfidence Interv al for M edian
1.958 2.284
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
25.714 26.714
Mean

Median

2 4 6 8 10 12 14

Cuando se corroboró, con el programa estadístico Minitab, para la normalización de


datos de servicios 2007 (tomados mensualmente), donde realiza distintos test de
bondad de ajuste a los datos para normalizarlos tomando distintas bondad de ajustes,
no se hallaron encontraron las mismas con de valores P > 0,05; de allí se desprende
que es imposible utilizar las sugeridas por el programa.

Minitab aplica el LRT70 (likelihood ratio test) que es un test estadístico de bondad de
ajuste entre diferentes modelos, en este caso Minitab utiliza 10 modelos para el ejecutar
el mismo.
El test de bondad de ajuste o LRT determina cuando un modelo estadístico se ajusta a
los datos analizando la diferencia de los valores observados y los valores esperados en
el modelo. Para datos continuos, se puede valorar la bondad de ajuste visualmente con
un grafico de probabilidad, o cuantitativamente con test de hipótesis tal como el de
Anderson-Darling test.

El test de bondad de ajuste usa las siguientes hipótesis:

 H0: El modelo si se adecuadamente describe los datos provistos.


 H1: El modelo no se adecuadamente describe los datos provistos.
70
LIKELIHOOD RATIO TEST (LRT) [en línea]. Disponible en Internet:
http://www.molecularevolution.org/si/resources/lrt.php [Consulta: 20 de Mayo del 2009]

Manuel Teigeiro Tesis Página - 139 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

El valor de p para la distribución analizada para cada propuesta, si es menor a 0,05


podemos rechazar la hipótesis nula (H0) de un buen ajuste "al nivel del 5%", es decir, en
los supuestos estadísticos utilizados implica que sólo el 5% de veces podría suponer el
test valores extremos si la hipótesis nula es verdadera.

Cuanto menor sea el valor de p, el test rechaza más fuerte la hipótesis nula, es decir,
aceptando la hipótesis propuesta (H1).

Ahora bien, siempre podemos equivocarnos. Si rechazamos la hipótesis nula, existe la


posibilidad de que sea cierta, es decir, que no haya diferencias entre los grupos. El error
que se comete en este caso se denomina error tipo I o tipo alfa.

Precisamente, los diferentes test estadísticos permiten conocer la magnitud de este tipo
de error alfa. También, si no rechazamos la hipótesis nula, existe la posibilidad de que
en realidad no sea cierta, es decir, que haya diferencias entre los grupos. El error que
se comete en este segundo caso se denomina error tipo II o tipo beta.

La potencia de un test estadístico, es decir su capacidad para detectar diferencias


cuando realmente existen, es igual al valor 1- beta. Si el error tipo beta es pequeño y
hay pocas posibilidades de no rechazar la hipótesis nula cuando no es cierta, decimos
que el test es muy potente.

Así mismo, se entiende que si somos muy exigen aumentamos las posibilidades de no
rechazarla cuando en realidad no es cierta (tendremos mayor posibilidad de cometer un
error beta).

Por el contrario si somos menos exigentes con el error alfa, disminuimos el error beta y
aumentamos la potencia del test estadístico para detectar diferencias.

Tabla 4.1.1-1 Test de bondad de ajuste

Goodness of Fit Test

Distribution AD P LRT P
Normal 786.331 <0.005
Box-Cox Transformation 36.039 <0.005
Lognormal 54.980 <0.005
3-Parameter Lognormal 58.053 * 0.000
Exponential 2369.525 <0.003
2-Parameter Exponential 2371.853 <0.010 0.132
Weibull 36.042 <0.010
3-Parameter Weibull 28.179 <0.005 0.000
Smallest Extreme Value 1009.694 <0.010
Largest Extreme Value 645.698 <0.010
Gamma 77.189 <0.005

Manuel Teigeiro Tesis Página - 140 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Normalización, datos de servicios - 2007

Observando con mayor detenimiento los datos y haciendo referencia al teorema central
del límite y plantea que para un tamaño de muestra grande, la distribución de la
media muestral será aproximadamente normal; se decidió realizar el análisis basado
en las medias semanales -en vez de mensuales- para aumentar el tamaño de muestra.

Una vez calculadas las medias semanales de los tickets por servicio del año 2007, se
aplicó un programa conveniente para su evaluación. Se obtuvo la siguiente tabla:

Tabla 0-1 Análisis estadístico descriptivo (RT). Servicios 2007

Descriptive Statistics: Resolution Time (hs)

Variable Week (A) N N* Mean SE Mean StDev Minimum Q1


Resolution Time (hs) 01/07/07 132 0 9.87 1.80 20.66 0.01 0.20
01/14/07 146 0 10.24 1.71 20.60 0.01 0.19
01/21/07 112 0 6.20 1.44 15.23 0.01 0.05
01/28/07 140 0 11.02 1.75 20.74 0.01 0.02
02/04/07 111 0 11.13 1.97 20.74 0.01 0.62
02/11/07 126 0 12.84 2.18 24.46 0.01 1.06
02/18/07 112 0 9.57 2.11 22.31 0.01 0.22
02/25/07 120 0 15.02 2.25 24.64 0.01 0.49
03/04/07 153 0 12.20 1.65 20.36 0.01 0.54
03/11/07 117 0 22.82 3.26 35.22 0.01 0.37
03/18/07 153 0 9.41 1.87 23.12 0.01 0.40
03/25/07 131 0 12.09 2.13 24.41 0.01 0.63
04/01/07 30 0 5.80 1.73 9.47 0.02 0.07
04/08/07 136 0 5.284 0.913 10.647 0.009 0.162
04/15/07 145 0 2.139 0.449 5.403 0.006 0.046
04/22/07 135 0 9.86 1.49 17.34 0.01 0.13
04/29/07 104 0 12.82 2.22 22.61 0.01 0.48
05/06/07 150 0 15.51 1.99 24.40 0.01 0.06
05/13/07 160 0 11.77 1.64 20.73 0.01 0.32
05/20/07 79 0 15.00 3.22 28.63 0.01 0.19
05/27/07 130 0 14.41 2.56 29.19 0.01 0.18
06/03/07 144 0 15.30 2.32 27.84 0.01 0.62
06/10/07 138 0 8.36 1.53 17.96 0.01 0.56
06/17/07 97 0 15.34 2.60 25.64 0.01 0.64
06/24/07 101 0 11.78 1.82 18.33 0.01 1.16
07/01/07 89 0 17.12 3.62 34.12 0.01 0.14
07/08/07 78 0 14.59 3.48 30.72 0.01 0.10
07/15/07 118 0 14.30 2.22 24.11 0.01 0.14
07/22/07 155 0 17.01 2.05 25.46 0.01 0.24
07/29/07 172 0 11.87 1.69 22.12 0.01 0.09
08/05/07 131 0 14.73 2.31 26.42 0.01 0.43
08/12/07 168 0 19.51 2.26 29.29 0.01 0.64
08/19/07 128 0 24.95 3.41 38.62 0.01 0.72
08/26/07 127 0 10.30 1.74 19.65 0.01 0.73
09/02/07 133 0 20.26 2.73 31.53 0.01 1.22
09/09/07 165 0 20.32 2.20 28.22 0.01 0.68
09/16/07 112 0 18.11 3.61 38.21 0.01 0.40
09/23/07 107 0 20.69 3.80 39.36 0.01 0.40
09/30/07 172 0 14.46 2.01 26.42 0.01 0.29
10/07/07 99 0 13.83 3.21 31.96 0.02 0.27
10/14/07 93 0 17.17 3.56 34.31 0.01 0.77
10/21/07 89 0 17.46 3.52 33.20 0.01 1.08
10/28/07 45 0 25.42 6.25 41.92 0.01 1.03

Manuel Teigeiro Tesis Página - 141 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 0-1 Análisis de normalidad – Media semanal. Servicios 2007

Summary for Mean by week - Services 2007


A nderson-Darling N ormality Test
A -S quared 0.27
P -V alue 0.669

M ean 13.904
S tDev 5.046
V ariance 25.459
S kew ness 0.176600
Kurtosis 0.220309
N 43

M inimum 2.139
1st Q uartile 10.300
M edian 14.300
3rd Q uartile 17.120
6 12 18 24
M aximum 25.420
95% C onfidence Interv al for M ean
12.351 15.457
95% C onfidence Interv al for M edian
11.841 15.109
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
4.160 6.413
Mean

Median

12 13 14 15

El error estándar de la media (SE media) es una indicación de cuan cerca la media
muestral esta de la media de población cuya ecuación es σ / √ n.
También podemos decir que SE media es la desviación estándar de aquellas medias
muestrales tomadas desde la población.

Con la distribución anterior se consigue un valor de P=0.669, que cumple con el test de
normalidad, posibilitando el apropiado análisis de los datos. Empleando la herramienta
six pack analisis de Minitab, se logra un gráfico integrado, con los datos estadísticos
necesarios para realizar aquellos correspondientes al control de calidad.

Se evidencia, con la nueva distribución, que los datos son normales, y otorgan los
valores de límites -superior e inferior- de procesos y de la capacidad de este. Es
preciso señalar que en este caso existe un límite físico inferior, dado que un servicio no
puede resolverse en menos de cero horas.
Se hace un estudio posterior de la capacidad del proceso, fijando el límite inferior como
boundary; luego se realizan los cálculos del Cp (Process Capability) y del Cpk
(Process Capability Index), que se relacionan con el límite superior de especificaciones
(upper limit). Con esta restricción, se logra centrar el proceso y hacer que coincida el
índice Cpu (Process Capability relative to upper specification limit) con el Cpk.
Todos los índices mencionados permiten medir la capacidad del proceso, mientras
mayores a 1 sean sus valores indican que aquel es más capaz de cumplir con las
especificaciones que se le demandan.
Se obtuvieron índices de Cpu y Cpk mayores a 2, lo que asegura una apropiada
capacidad del proceso; además se muestra centrado con más de seis sigmas.

Manuel Teigeiro Tesis Página - 142 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 0-2 Análisis SixPack – Media semanal. Services 2007

Process Capability Sixpack of Mean Resolution Time by week - Service 2007


I Chart Capability Histogram
LSL USL
UCL=25.02
S pecifications
Individual Value

20
_ LS L 0
X=13.90 U S L 720
10

LCL=2.79
0
1 5 9 13 17 21 25 29 33 37 41 0 96 192 288 384 480 576 672

Moving Range Chart Normal Prob Plot


16 A D: 0.268, P : 0.669
UCL=13.66
Moving Range

8
__
MR=4.18

0 LCL=0
1 5 9 13 17 21 25 29 33 37 41 0 10 20 30

Last 25 Observations Capability Plot


24 Within Within O v erall
S tDev 3.7055 S tDev 5.04573
Values

Cp 32.38 Pp 23.78
16 O v erall
C pk 1.25 P pk 0.92
C pm *
8 S pecs
20 25 30 35 40
Observation

Gráfico 0-3 Capacidad del proceso – Media semanal. Servicios 2007

Process Capability of Mean by week - Resolution Time - Service 2007

LB Target USL
P rocess Data Within
LB 0 Ov erall
Target 360
USL 720 P otential (Within) C apability
S ample M ean 13.9043 Cp *
S ample N 43 C PL *
S tDev (Within) 3.7055 C P U 63.52
S tDev (O v erall) 5.04573 C pk 63.52
O v erall C apability
Pp *
PPL *
PPU 46.65
P pk 46.65
C pm 0.34

0 96 192 288 384 480 576 672


O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LB 0.00 P P M < LB * P P M < LB *
P P M > U S L 0.00 P P M > U S L 0.00 P P M > U S L 0.00
P P M Total 0.00 P P M Total 0.00 P P M Total 0.00

Manuel Teigeiro Tesis Página - 143 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.2. Análisis del tiempo de resolución de servicios - 2006

En cuanto al año 2006, los datos fueron tratados del mismo modo que aquellos
correspondientes al 2007.
Haciendo referencia al teorema central del límite y plantea que para un tamaño de
muestra grande, la distribución de la media muestral será aproximadamente
normal; se decidió realizar el análisis basado en las medias semanales -en vez de
mensuales- para aumentar el tamaño de muestra.

Gráfico 4.1.2-1 Valores individuales (RT) por mes – Servicios 2006

Individual Value Plot of Resolution Time (hs) by Month - Service 2006

200

150
Resolution Time (hs)

100

50

01 02 03 04 05 06 07 08 09 10 11 12
Month

Gráfico 4.1.2-2 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2006

Boxplot of Resolution Time (hs) by Month - Service 2006

200

150
Resolution Time (hs)

100

50

01 02 03 04 05 06 07 08 09 10 11 12
Month

Manuel Teigeiro Tesis Página - 144 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.2-3 Resumen de estadística Tickets (RT) – Servicios 2006

Summary for Resolution Time (hs) by week - Service 2006


A nderson-Darling N ormality Test
A -S quared 999.38
P -V alue < 0.005

M ean 11.785
S tDev 23.328
V ariance 544.185
S kew ness 3.5115
Kurtosis 14.8936
N 6429

M inimum 0.005
1st Q uartile 0.516
M edian 2.308
3rd Q uartile 16.415
0 30 60 90 120 150 180 M aximum 197.988
95% C onfidence Interv al for M ean
11.214 12.355
95% C onfidence Interv al for M edian
2.154 2.447
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
22.931 23.738
Mean

Median

2 4 6 8 10 12

La resolución muestra que la distribución no es normal, y por ende deber ser


transformada y corregida para normalizarla, para ello se decidió realizar el análisis
basado en las medias semanales -en vez de mensuales- para aumentar el tamaño de
muestra.

4.1.2.1. Normalización, datos de servicios - 2006

Se puede advertir un comportamiento similar al año 2007, es decir, al principio no se


obtiene una distribución normal con medias mensuales y se decide trabajar con las
medias semanales de servicios del 2006.

Una vez calculadas las medias semanales de los tickets por servicio del año 2006, se
aplicó un programa conveniente para su evaluación. Se obtuvo la siguiente tabla.

Manuel Teigeiro Tesis Página - 145 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Tabla 4.1.2.1-1 Análisis estadístico descriptivo (RT). Servicios 2006

Descriptive Statistics: Resolution Time (hs)

Variable Week (A) N N* Mean SE Mean StDev Minimum Q1


Resolution Time (hs) 01/01/06 76 0 14.45 3.18 27.72 0.07 0.71
01/08/06 75 0 15.47 3.83 33.17 0.09 1.02
01/15/06 88 0 10.86 2.75 25.82 0.21 0.72
01/22/06 86 0 15.23 2.99 27.71 0.06 1.25
01/29/06 65 0 15.20 3.04 24.52 0.01 0.47
02/05/06 72 0 13.95 2.70 22.93 0.06 0.63
02/12/06 81 0 5.99 1.22 10.99 0.01 0.53
02/19/06 78 0 6.43 1.60 14.10 0.01 0.34
02/26/06 93 0 7.01 1.15 11.12 0.01 0.38
03/05/06 107 0 8.29 1.53 15.79 0.01 0.38
03/12/06 103 0 6.91 1.43 14.49 0.01 0.55
03/19/06 81 0 11.67 2.58 23.24 0.02 0.62
03/26/06 99 0 11.90 2.83 28.16 0.02 0.63
04/02/06 149 0 11.40 1.70 20.70 0.01 1.02
04/09/06 44 0 12.35 3.55 23.51 0.01 0.74
04/16/06 76 0 7.02 2.32 20.26 0.01 0.27
04/23/06 81 0 7.40 1.76 15.86 0.01 0.21
04/30/06 60 0 7.61 2.36 18.29 0.02 0.45
05/07/06 124 0 7.76 1.82 20.26 0.01 0.40
05/14/06 125 0 6.95 1.11 12.37 0.02 0.54
05/21/06 124 0 11.81 2.31 25.68 0.01 0.26
05/28/06 145 0 13.42 2.05 24.70 0.01 0.36
06/04/06 144 0 13.67 2.46 29.46 0.01 0.46
06/11/06 110 0 12.27 2.05 21.53 0.01 0.39
06/18/06 80 0 13.89 2.64 23.64 0.01 0.83
06/25/06 102 0 6.06 1.34 13.50 0.02 0.64
07/02/06 176 0 10.68 1.59 21.08 0.01 0.61
07/09/06 167 0 6.316 0.798 10.307 0.019 0.445
07/16/06 113 0 11.01 1.77 18.78 0.01 0.95
07/23/06 155 0 14.29 2.45 30.54 0.01 0.68
07/30/06 249 0 13.86 1.32 20.88 0.01 1.00
08/06/06 165 0 10.84 1.58 20.36 0.01 0.21
08/13/06 148 0 11.05 1.89 23.00 0.01 0.33
08/20/06 158 0 13.71 2.13 26.74 0.01 0.12
08/27/06 148 0 12.62 1.71 20.86 0.01 0.92
09/03/06 189 0 13.32 1.74 23.90 0.01 0.28
09/10/06 204 0 13.29 1.93 27.61 0.01 0.33
09/17/06 152 0 16.35 2.60 32.03 0.01 0.73
09/24/06 144 0 16.09 2.41 28.92 0.01 0.64
10/01/06 136 0 16.33 2.17 25.34 0.01 1.04
10/08/06 147 0 16.23 1.92 23.26 0.01 1.21
10/15/06 106 0 22.59 3.97 40.92 0.01 1.07
10/22/06 185 0 12.20 1.68 22.85 0.01 0.31
10/29/06 75 0 12.57 2.25 19.51 0.02 0.76
11/05/06 148 0 8.91 1.40 17.02 0.01 0.69
11/12/06 130 0 9.56 1.44 16.39 0.01 0.75
11/19/06 104 0 12.10 1.51 15.40 0.01 1.05
11/26/06 109 0 6.93 1.17 12.21 0.01 0.12
12/03/06 124 0 13.07 2.44 27.18 0.01 0.11
12/10/06 139 0 16.04 2.92 34.45 0.01 0.10
12/17/06 141 0 11.06 1.56 18.55 0.01 0.12
12/24/06 136 0 8.32 1.53 17.83 0.01 0.31
12/31/06 113 0 9.87 2.45 26.03 0.01 0.87

Manuel Teigeiro Tesis Página - 146 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.2.1-1 Análisis de normalidad – Media semanal. Servicios 2006

Summary for Mean by week - Service 2006


A nderson-Darling N ormality Test
A -S quared 0.64
P -V alue 0.091

M ean 11.588
S tDev 3.494
V ariance 12.207
S kew ness 0.318824
Kurtosis 0.376165
N 53

M inimum 5.990
1st Q uartile 8.305
M edian 11.900
3rd Q uartile 13.875
8 12 16 20
M aximum 22.590
95% C onfidence Interv al for M ean
10.625 12.551
95% C onfidence Interv al for M edian
10.858 13.092
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
2.933 4.323
Mean

Median

10.5 11.0 11.5 12.0 12.5 13.0

Con la distribución anterior se consigue un valor de P=0.091, que cumple con el test de
normalidad, posibilitando el apropiado análisis de los datos. Empleando la herramienta
six pack análisis de Minitab, se logra un gráfico integrado, con los datos estadísticos
necesarios para realizar aquellos correspondientes al control de calidad.

Se evidencia, con la nueva distribución, que los datos son normales, y otorgan los
valores de límites -superior e inferior- de procesos y de la capacidad de este. Es
preciso señalar que en este caso existe un límite físico inferior, dado que un servicio no
puede resolverse en menos de cero horas.

Se hace un estudio posterior de la capacidad del proceso, fijando el límite inferior como
boundary; luego se realizan los cálculos del Cp (Process Capability) y del Cpk
(Process Capability Index), que se relacionan con el límite superior de especificaciones
(upper limit). Con esta restricción, se logra centrar el proceso y hacer que coincida el
índice Cpu (Process Capability relative to upper specification limit) con el Cpk.

Manuel Teigeiro Tesis Página - 147 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.2.1-2 Análisis SixPack – Media semanal. Servicios 2006

Process Capability Sixpack of Mean by week - Service 2006


I Chart Capability Histogram
24 LSL USL

S pecifications
Individual Value

UCL=18.24 LS L 0
16
_ U S L 720
X=11.59
8
LCL=4.93
1 6 11 16 21 26 31 36 41 46 51 0 94 188 282 376 470 564 658

Moving Range Chart Normal Prob Plot


10
A D: 0.639, P : 0.091
Moving Range

UCL=8.17

5
__
MR=2.50

0 LCL=0
1 6 11 16 21 26 31 36 41 46 51 5 10 15 20

Last 25 Observations Capability Plot


Within Within O v erall
20
S tDev 2.21781 S tDev 3.4939
Values

15 Cp 54.11 Pp 34.35
O v erall
C pk 1.74 P pk 1.11
10 C pm *
S pecs
30 35 40 45 50
Observation

Gráfico 4.1.2.1-3 Capacidad del proceso – Media semanal. Servicios 2006

Process Capability of Mean by week - Service 2006

LB USL
P rocess Data Within
LB 0 Ov erall
Target *
USL 720 P otential (Within) C apability
S ample M ean 11.5882 Cp *
S ample N 53 C PL *
S tDev (Within) 2.21781 C P U 106.47
S tDev (O v erall) 3.4939 C pk 106.47
O v erall C apability
Pp *
PPL *
PPU 67.59
P pk 67.59
C pm *

0 94 188 282 376 470 564 658


O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LB 0.00 P P M < LB * P P M < LB *
P P M > U S L 0.00 P P M > U S L 0.00 P P M > U S L 0.00
P P M Total 0.00 P P M Total 0.00 P P M Total 0.00

Manuel Teigeiro Tesis Página - 148 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Al igual que en el año 2007, para el año 2006 los datos del proceso quedan centrados, y
coinciden los índices Cpu y Cpk. Asimismo son mayores a 2, asegurando un proceso
con adecuada capacidad y centrado con más de seis sigmas.

4.1.3. Análisis del tiempo de resolución de servicios - 2005

Nuevamente se aplican los criterios hasta aquí usados para los años anteriores (2007 y
2006). Obteniendo para el 2005 los resultados que se exponen en lo que siguientes
gráficos en forma mensual de los servicios.

Gráfico 4.1.3-1 Valores individuales (RT) por mes – Servicios 2005

Individual Value Plot of Resolution Time (hs) by Month - Service 2005

250

200
Resolution Time (hs)

150

100

50

01 02 03 04 05 06 07 08 09 10 11 12
Month

Manuel Teigeiro Tesis Página - 149 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.3-2 Gráfico de Cajas de Tickets (RT) por mes – Servicios 2005

Boxplot of Resolution Time (hs) by Month - Service 2005

250

200
Resolution Time (hs)

150

100

50

01 02 03 04 05 06 07 08 09 10 11 12
Month

Gráfico 4.1.3-3 Resumen de estadística Tickets (RT) por mes – Servicios 2005

Summary for Resolution Time by month -Service 2005


A nderson-Darling N ormality Test
A -S quared 750.50
P -V alue < 0.005

M ean 13.849
S tDev 27.431
V ariance 752.466
S kew ness 3.4758
Kurtosis 15.4668
N 4701

M inimum 0.009
1st Q uartile 0.654
M edian 2.224
3rd Q uartile 17.968
0 40 80 120 160 200 240 M aximum 259.533
95% C onfidence Interv al for M ean
13.065 14.633
95% C onfidence Interv al for M edian
2.080 2.410
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals 26.888 27.997
Mean

Median

2 4 6 8 10 12 14

Manuel Teigeiro Tesis Página - 150 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.3.1. Normalización, datos de servicios - 2005

Tampoco en este año se encuentra una distribución normal al trabajar con medias
mensuales de servicios, y se procede con la evaluación de las semanales.

Tabla 4.1.3.1-1 Análisis estadístico descriptivo (RT). Servicios 2005

Descriptive Statistics: Resolution Time (hs)

Variable Week (A) N N* Mean SE Mean StDev Minimum Q1


Resolution Time (hs) 01/02/05 94 0 13.19 2.28 22.08 0.01 1.28
01/09/05 90 0 10.91 2.14 20.31 0.01 0.62
01/16/05 68 0 8.51 1.57 12.98 0.03 0.87
01/23/05 86 0 19.03 2.69 24.99 0.17 1.55
01/30/05 82 0 20.25 3.49 31.61 0.01 1.92
02/06/05 133 0 17.02 2.59 29.86 0.04 2.00
02/13/05 85 0 23.00 4.16 38.31 0.03 2.08
02/20/05 90 0 26.36 4.08 38.73 0.01 0.95
02/27/05 92 0 15.53 3.37 32.35 0.09 1.47
03/06/05 94 0 13.93 3.74 36.21 0.02 1.03
03/13/05 96 0 6.63 1.32 12.94 0.08 0.83
03/20/05 44 0 9.45 2.55 16.93 0.03 0.38
03/27/05 91 0 10.82 3.04 28.97 0.03 0.53
04/03/05 118 0 13.35 1.98 21.46 0.01 0.51
04/10/05 89 0 15.08 2.98 28.09 0.01 0.50
04/17/05 110 0 12.02 2.46 25.78 0.01 0.10
04/24/05 98 0 10.71 1.84 18.21 0.01 0.74
05/01/05 107 0 21.47 2.85 29.47 0.06 1.19
05/08/05 125 0 14.83 2.31 25.81 0.02 0.88
05/15/05 79 0 8.24 2.54 22.55 0.01 0.51
05/22/05 63 0 11.15 2.56 20.29 0.01 1.13
05/29/05 105 0 8.65 1.95 19.95 0.01 0.38
06/05/05 125 0 11.67 2.04 22.76 0.01 0.24
06/12/05 115 0 14.97 2.53 27.16 0.01 0.79
06/19/05 86 0 19.29 4.22 39.16 0.01 0.44
06/26/05 75 0 21.23 4.26 36.91 0.02 0.69
07/03/05 110 0 19.75 3.36 35.21 0.02 0.64
07/10/05 100 0 8.87 1.77 17.72 0.02 0.51
07/17/05 103 0 6.27 1.45 14.73 0.02 0.34
07/24/05 78 0 5.85 1.48 13.08 0.01 0.30
07/31/05 86 0 13.79 3.76 34.87 0.01 0.52
08/07/05 79 0 9.90 1.78 15.81 0.03 0.50
08/14/05 88 0 9.34 2.97 27.82 0.02 0.49
08/21/05 128 0 15.39 3.40 38.43 0.03 1.16
08/28/05 89 0 20.18 4.17 39.32 0.01 0.15
09/04/05 57 0 11.84 3.02 22.80 0.01 0.61
09/11/05 70 0 15.88 3.55 29.67 0.01 0.51
09/18/05 83 0 10.29 2.12 19.35 0.02 0.63
09/25/05 66 0 11.29 2.33 18.95 0.01 0.57
10/02/05 61 0 10.54 2.82 22.05 0.01 0.35
10/09/05 64 0 15.22 3.53 28.25 0.02 0.29
10/16/05 110 0 12.95 2.21 23.13 0.01 0.67
10/23/05 80 0 13.59 2.56 22.87 0.01 0.78
10/30/05 77 0 7.47 2.23 19.59 0.02 0.43
11/06/05 88 0 10.75 1.88 17.65 0.02 1.13
11/13/05 106 0 16.11 2.87 29.53 0.02 0.83
11/20/05 114 0 10.25 2.20 23.48 0.01 0.28
11/27/05 102 0 19.31 3.63 36.68 0.01 0.67
12/04/05 91 0 20.81 3.26 31.14 0.01 0.93
12/11/05 77 0 16.92 4.05 35.54 0.05 0.84
12/18/05 68 0 14.35 2.21 18.21 0.01 0.63
12/25/05 86 0 8.57 2.11 19.59 0.02 0.68

Manuel Teigeiro Tesis Página - 151 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.3.1-1 Análisis de normalidad – Media semanal. Servicios 2005

Summary for Mean by week - Service 2005


A nderson-Darling N ormality Test
A -S quared 0.61
P -V alue 0.109

M ean 13.707
S tDev 4.754
V ariance 22.602
S kew ness 0.533858
Kurtosis -0.310965
N 52

M inimum 5.850
1st Q uartile 10.260
M edian 13.270
3rd Q uartile 16.718
5 10 15 20 25
M aximum 26.360
95% C onfidence Interv al for M ean
12.384 15.031
95% C onfidence Interv al for M edian
11.031 15.025
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
3.984 5.896
Mean

Median

11 12 13 14 15

Con la distribución anterior se consigue un valor de P=0.109, que cumple con el test de
normalidad, posibilitando el apropiado análisis de los datos. Empleando la herramienta
six pack análisis de Minitab, se logra un gráfico integrado, con los datos estadísticos
necesarios para realizar aquellos correspondientes al control de calidad.

Se evidencia, con la nueva distribución, que los datos son normales, y otorgan los
valores de límites -superior e inferior- de procesos y de la capacidad de este. Es
preciso señalar que en este caso existe un límite físico inferior, dado que un servicio no
puede resolverse en menos de cero horas.

Se hace un estudio posterior de la capacidad del proceso, fijando el límite inferior como
boundary; luego se realizan los cálculos del Cp (Process Capability) y del Cpk
(Process Capability Index), que se relacionan con el límite superior de especificaciones
(upper limit). Con esta restricción, se logra centrar el proceso y hacer que coincida el
índice Cpu (Process Capability relative to upper specification limit) con el Cpk.

Manuel Teigeiro Tesis Página - 152 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.3.1-2 Análisis SixPack – Media semanal. Servicios 2005

Process Capability Sixpack of Mean by week - Service 2005


I Chart Capability Histogram
LSL USL
UCL=24.81
Individual Value

S pecifications
20
_
LS L 0
X=13.71 U S L 720
10

LCL=2.61
0
1 6 11 16 21 26 31 36 41 46 51 0 95 190 285 380 475 570 665

Moving Range Chart Normal Prob Plot


UCL=13.64
A D: 0.607, P : 0.109
Moving Range

10

5 __
MR=4.17

0 LCL=0
1 6 11 16 21 26 31 36 41 46 51 0 10 20 30

Last 25 Observations Capability Plot


Within Within O v erall
18
S tDev 3.70011 S tDev 4.75415
Values

Cp 32.43 Pp 25.24
12 O v erall
C pk 1.23 P pk 0.96
C pm *
6 S pecs
30 35 40 45 50
Observation

Gráfico 4.1.3.1-3 Capacidad del proceso – Media semanal. Servicios 2005

Process Capability of Mean by week - Service 2005

LB USL
P rocess Data Within
LB 0 Ov erall
Target *
USL 720 P otential (Within) C apability
S ample M ean 13.7071 Cp *
S ample N 52 C PL *
S tDev (Within) 3.70011 C P U 63.63
S tDev (O v erall) 4.75415 C pk 63.63
O v erall C apability
Pp *
PPL *
PPU 49.52
P pk 49.52
C pm *

0 95 190 285 380 475 570 665


O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LB 0.00 P P M < LB * P P M < LB *
P P M > U S L 0.00 P P M > U S L 0.00 P P M > U S L 0.00
P P M Total 0.00 P P M Total 0.00 P P M Total 0.00

Manuel Teigeiro Tesis Página - 153 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Luego de examinar gráficas y resultados, se pueden inferir para el año 2005 las mismas
conclusiones que aquellas correspondientes a los años anteriores. Es decir, un proceso
centrado, con índices Cpu y Cpk coincidentes y mayores a 2.

Todo lo abarcado hasta aquí demuestra la estabilidad del proceso de resolución


de tickets, a lo largo del período analizado. Posee la capacidad que amerita Six
Sigma, y cumple con las especificaciones dadas.

Gráfico 4.1.3.1-4 Niveles de Sigma vs. DPMO con 1.5 σ cambio

El término Six Sigma tiene dos significados:

a) En términos operacionales, este significa 3.4 defectos por millón de oportunidades


(DPMO) o un proceso con índice de capacidad (Cp) igual a 2.

Donde Cp es definido como:

Cp = (USL – LSL)/6σ

Entonces para un proceso de Six Sigma tenemos que Cp = 2

b) En términos gerenciales, este significa tener un programa de mejora continua que


involucre todos los aspectos del negocio, involucrando cada producto importante y
proceso de defectos. También estar enfocados a programas de procesos con análisis
de causa raíz.

En la figura siguiente muestra a un proceso con distribución normal, operando dentro de


1.5 Sigma (σ) de su media (μ). Six Sigma implica que la ocurrencia de que cualquier
valor o atributo caiga dentro del límite menor de especificación (LSL) y limite superior de
especificación (USL) y que no tenga más de 3.4 partes por millón de oportunidades.

Manuel Teigeiro Tesis Página - 154 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.3.1-5 Niveles de Sigma vs. LSL / USL (DPMO)

Para un proceso no centrado tenemos:

Lower Cp = Cpl = (μ – LSL)/3σ


Upper Cp = Cpu = (USL – μ)/3σ
Average Cp = Cpk = Min [Cpl⋅Cpk]

Six Sigma supone en su metodología que los procesos siempre operan dentro de ±1.5σ
de su media. Asumiendo esta desviación como el peor caso tenemos:

Cpk = (6σ – 1.5σ)/3σ = 1.5

El coeficiente Cpk es preferido sobre Cp dado que en los procesos generalmente no


operan a su valor de media, entonces Cpk = 1.5 es generalmente aceptado como
requerimiento de Six Sigma.

Manuel Teigeiro Tesis Página - 155 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.4. Análisis de variabilidad de servicios – 2005 a 2007

Para tener una visión global del período abordado y ver si existen diferencias
significativas entre sus medias respectivas, en relación a la resolución de tickets
por servicios, se llevará a cabo un test ANOVA (análisis de varianza).
En la tabla siguiente se presenta el análisis ANOVA mencionado, pudiendo concluir a
través de este, que en los años 2005 y 2007 no existen tales diferencias, pero sí ocurre
en el 2006, aunque no es demasiado relevante.
Se han representado las diferentes pruebas de acuerdo a valores discretos o continuos
y al tipo de comparación.

Gráfico 4.1.4-1 Test de análisis – Modelos continuos y discretos

Manuel Teigeiro Tesis Página - 156 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.4.1. Variabilidad - ANAVA – 2005 a 2007

Se ha optado por la aplicación del test ANAVA (análisis de varianza paramétricos de


datos - One Way ANOVA) por ser el recomendado para medias y variables continuas, y
cuando se tienen más de dos muestras.

Estos son los componentes de una tabla ANOVA:

Fuente (Source): indica la fuente de variación, ya sea por el factor, la interacción, o el


error. El total es la suma de todas las fuentes:

Modelo (Model): Esta es la fuente que se denomina tratamientos (treatments),


representa la variación entre las medias muestrales. En Minitab se la llama factor.
Error (Error): Esta fuente mide la variación dentro de las muestras.
Total Corregido (Corrected Total): Esta fuente mide la variación de todos los
valores x respecto a la media general del todos los n.

DF (Degree of freedom): Son los grados de libertad de cada fuente. Si un factor tiene
tres niveles, los grados de libertad son de 2 (n-1). Si usted tiene un total de 30
observaciones, los grados de libertad total son 29 (n - 1).

SS (Sum of squares): Es la suma de los cuadrados de las desviaciones,


correspondientes a las tres fuentes de variación (factor, error y total corregido).

MS (Mean square): Es el cuadrado medio, da las estimaciones para σ2, basadas en la


variación entre las medias muestrales y en la variación dentro de las muestras cuando
es verdadera la H0. Se calculan estas estimaciones dividiendo la suma de cuadrados
entre los grados de libertad correspondientes.
MST es cuadrado medio de tratamientos y MSE que es cuadrado medio del error.

Distribución F: Se calcula dividiendo el cuadrado medio de tratamiento (MST) por el


cuadrado medio del error (MSE), se puede comparar este ratio contra la F crítica en
tabla o se puede usar el p-value (α) para determinar si un factor es significativo.
La distribución F está en función de α, grados de libertad del modelo (ν1) y grados de
libertad del error (v2), entrando por tablas nos dará el valor de calculado de F. Si es
mayor al valor F(α) crítico, F=(MST/MSE) para el cual se rechazara la H0.

P: Se usa para determinar si un factor es significativo; típicamente se compara contra un


valor alfa de 0,05. Si el p-valor es inferior a 0,05, entonces el factor es significativo. Se
usa para decidir de rechazar o aceptar la H0. Si el valor calculado de p-value de un test
estadístico es menor a 0,05, entonces rechazamos la H0.

R-sq (Coefficient of determination): Indica cuanto la variación en la respuesta es


explicada por el modelo. A mayor R2 (R-sq) mejor se ajusta el modelo a los datos.

Manuel Teigeiro Tesis Página - 157 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

R-sq (adj): Cuenta el número de predicciones en el modelo y es útil para comparar


modelos con diferentes números de predicciones.

Como hipótesis nula, Ho, se postula que “no existen diferencias significativas en las
medias entre años 2005 y 2007”. La hipótesis alternativa, Ha, será por lo tanto, que
“existen diferencias significativas en las medias por año”.

La regla del pulgar indica rechazar la Ho si el valor de p es menor a 0.05. Esto implica
que se asume un error del 5% al rechazarla, siendo la Ha verdadera (conocido como
Error Type I o Alfa Risk).

Los datos fuente son:

Services 2005, Mean by week


P = 0.109
Cpu = 49.52
Cpk = 49.52

Services 2006, Mean by week


P = 0.091
Cpu = 67.59
Cpk = 67.59

Services 2007, Mean by week


P = 0.669
Cpu = 44.69
Cpk = 44.69

Se resalta que los índices Cpu y Cpk en el 2006 fueron mejores que en los otros dos
años; aunque estos valores no indican la significatividad de tal diferencia, para ello se
utiliza el test ANOVA, que permite averiguarlo.

Tabla 4.1.4.1-1 ANOVA – Media de Servicios vs. Año 2005 al 2007

One-way ANOVA: Mean versus Year 2005 to 2007

Source DF SS MS F P
Year 2 166.8 83.4 4.23 0.016
Error 145 2856.8 19.7
Total 147 3023.6

S = 4.439 R-Sq = 5.52% R-Sq(adj) = 4.21%

El valor P = 0.016 (menor a 0.05) demuestra la existencia de diferencias


significativas.

Manuel Teigeiro Tesis Página - 158 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Individual 95% CIs For Mean Based on Pooled StDev


Level N Mean StDev -+---------+---------+---------+--------
2005 52 13.707 4.754 (-------*-------)
2006 53 11.588 3.494 (-------*-------)
2007 43 13.904 5.046 (--------*--------)
-+---------+---------+---------+--------
10.5 12.0 13.5 15.0

Pooled StDev = 4.439

Tukey 95% Simultaneous Confidence Intervals


All Pairwise Comparisons among Levels of Year

Individual confidence level = 98.08%

Year = 2005 subtracted from:

Year Lower Center Upper --------+---------+---------+---------+-


2006 -4.171 -2.119 -0.067 (--------*-------)
2007 -1.970 0.197 2.364 (--------*-------)
--------+---------+---------+---------+-
-2.5 0.0 2.5 5.0
Year = 2006 subtracted from:

Year Lower Center Upper --------+---------+---------+---------+-


2007 0.158 2.316 4.474 (-------*--------)
--------+---------+---------+---------+-
-2.5 0.0 2.5 5.

Manuel Teigeiro Tesis Página - 159 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.4.1-1 Grafico de cajas de medias de Servicios 2005 al 2007 - ANOVA

Boxplot of Mean - Services 2005 to 2007

25

20

15 13.9043
Mean

13.7071

11.5882
10

0
2005 2006 2007
Year

A continuación veremos un ejemplo de Análisis de residuos ANOVA, gráficas ofrecidas


por Minitab y su interpretación.
Utilice para examinar las bondades del ajuste del modelo en regresión y en ANOVA.
Examinar las gráficas de residuos le ayuda a determinar si los supuestos de los
cuadrados mínimos ordinarios coinciden. Si estos supuestos cumplen con lo requerido,
entonces la regresión de cuadrados mínimos ordinarios producirá estimaciones de
coeficientes sin sesgo con la varianza mínima.

Histograma de residuos: Una herramienta exploratoria para mostrar las características


generales de los residuos incluyendo valores típicos, dispersión y forma. Una larga cola
lateral puede indicar una distribución sesgada. Si una o dos barras están lejos de las
demás, esos puntos pueden ser valores atípicos.

Gráfica de probabilidad normal de residuos: Los puntos de esta gráfica deben


generalmente formar una línea recta si los residuos están normalmente distribuidos. Si
los puntos en la gráfica salen de una línea recta, el supuesto de normalidad puede ser
inválido.

Residuos versus valores ajustados: Esta gráfica deberá mostrar un patrón aleatorio de
residuos a ambos lados de 0. Si un punto se encuentra lejos de la mayoría de los
puntos, puede ser un valor atípico. No deberá haber algún patrón reconocible en la
gráfica de residuos. Por ejemplo, si la dispersión de valores de residuos tiende a

Manuel Teigeiro Tesis Página - 160 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

incrementarse a medida que se incrementan los valores ajustados, entonces esto puede
violar el supuesto de varianza constante.

Residuos versus orden de datos: Esta es una gráfica de todos los residuos en el orden
en el que se colectaron los datos y puede utilizarse para hallar errores no aleatorios,
especialmente de efectos relacionados con el tiempo. Esta gráfica le ayuda a revisar el
supuesto que establece que los residuos no se correlacionan unos a otros.

Residuos versus predictores: Esta es una gráfica de los residuos versus un predictor.
Esta gráfica deberá mostrar un patrón aleatorio de residuos a ambos lados de 0. Los
patrones no aleatorios, tales como el ejemplo de la derecha, pueden violar el supuesto
que establece que las variables predictoras no se relacionan con los residuos. Pudo
haber utilizado una forma funcional incorrecta para modelar la curvatura.

Gráfico 4.1.4.1-2 Gráficos de Residuos de medias de Servicios 2005 al 2007 - ANOVA

Residual Plots for Mean - Services 2005 to 2007


Normal Probability Plot Versus Fits
99.9
99
10
90
5
Residual
Percent

50 0

10 -5
1 -10
0.1
-10 0 10 12 13 14
Residual Fitted Value

Histogram Versus Order


30
10
Frequency

20 5
Residual

0
10 -5
-10
0
-12 -8 -4 0 4 8 12 1 10 20 30 40 50 60 70 80 90 00 10 20 30 40
1 1 1 1 1
Residual
Observation Order

El intervalo de confianza para las diferencias entre medias de los años 2005 y 2007, con
respecto al 2006, es significante. Esto se deduce por dos hechos: el intervalo en el
análisis individual no incluye el cero y el valor de p = 0.016 en el análisis general. En
base a todo lo anterior corresponde rechazar la hipótesis nula Ho.

Por otro lado vemos en el análisis de los gráficos de los residuos que la normalidad de
los mismos, el histograma muestra que tienen una distribución normal, que los residuos
versus los valores ajustados están proporcionalmente distribuidos del cero y que las
observaciones son aleatorias en el tiempo.

Manuel Teigeiro Tesis Página - 161 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.4.2. Variabilidad - ANAVA – 2005 y 2007

En esta sección se realiza un análisis de los años 2005 y 2007 solamente, donde se
plantea:

Ho: no existen diferencias significativas entre los años 2005 y 2007.


Ha: existen diferencias significativas entre los años 2005 y 2007.

Tabla 4.1.4.2-1 ANOVA – Media de Servicios vs. Año 2005 y 2007

One-way ANOVA: Mean versus Year 2005 & 2007

Source DF SS MS F P
Year 1 0.9 0.9 0.04 0.845
Error 93 2222.0 23.9
Total 94 2222.9

S = 4.888 R-Sq = 0.04% R-Sq(adj) = 0.00%

El valor P = 0.845 demuestra la Ho, no existen diferencias significativas


entre el 2005 y 2007.

Individual 95% CIs For Mean Based on


Pooled StDev
Level N Mean StDev -----+---------+---------+---------+----
2005 52 13.707 4.754 (---------------*----------------)
2007 43 13.904 5.046 (------------------*-----------------)
-----+---------+---------+---------+----
12.80 13.60 14.40 15.20

Pooled StDev = 4.888

Tukey 95% Simultaneous Confidence Intervals


All Pairwise Comparisons among Levels of Year

Individual confidence level = 95.00%

Year = 2005 subtracted from:


Year Lower Center Upper -------+---------+---------+---------+--
2007 -1.804 0.197 2.198 (----------------*---------------)
-------+---------+---------+---------+--
-1.2 0.0 1.2 2.4

Manuel Teigeiro Tesis Página - 162 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.4.2-1 Grafico de cajas de medias de Servicios 2005 y 2007 - ANOVA

Boxplot of Mean 2005 & 2007

25

20

15 13.7071 13.9043
Mean

10

0
2005 2007
Year

El intervalo de confianza para las diferencias entre medias de los años 2005 y 2007 no
es significativo, debido a que el intervalo en el análisis individual incluye el cero y el
valor de p es 0.845 (mayor a 0.05). Con esto se acepta la hipótesis nula, es decir, no
existen diferencias significativas entre las medias del 2005 y 2007.

Adicionalmente se realizó el diagrama del comportamiento de los residuos, en el que se


puede ver una distribución normal y que las secuencias de observación son aceptables.

Gráfico 4.1.4.2-2 Gráficos de Residuos de medias de Servicios 2005 y 2007 - ANOVA

Residual Plots for Mean 2005 & 2007


Normal Probability Plot Versus Fits
99.9
99
10
90
5
Residual
Percent

50 0

10 -5
1 -10
0.1
-10 0 10 13.70 13.75 13.80 13.85 13.90
Residual Fitted Value

Histogram Versus Order


20
10

15 5
Frequency

Residual

10 0

-5
5
-10
0
-10 -5 0 5 10 1 10 20 30 40 50 60 70 80 90
Residual Observation Order

4.1.5. Análisis del tiempo de resolución de problemas - 2007

Manuel Teigeiro Tesis Página - 163 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En esta sección, a diferencia de la anterior, se tratarán los tickets de problemas, en vez


de los de servicio. También aquí, la variable para su estudio será el tiempo de
resolución de los tickets correspondientes. El período abarcado es, nuevamente, desde
el año 2005 al 2007.
Se reitera la utilización del programa estadístico Minitab para análisis de los datos y
obtención de gráficos.

Gráfico 4.1.5-1 Valores individuales (RT) – Problemas 2007

Individual Value Plot of Resolution Time (hs) - problems 2007

0 20 40 60 80 100
Resolution Time (hs)

Gráfico 4.1.5-2 Gráfico de Cajas de Tickets (RT) – Problemas 2007

Boxplot of Resolution Time (hs) - problems 2007

100

80
Resolution Time (hs)

60

40

20

Manuel Teigeiro Tesis Página - 164 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5-3 Resumen de estadística Tickets (RT) – Problemas 2007

Summary for Resolution Time (hs) - Problems 2007


A nderson-Darling N ormality Test
A -S quared 3.13
P -V alue < 0.005

M ean 20.056
S tDev 29.688
V ariance 881.387
S kew ness 1.61790
Kurtosis 1.75041
N 27

M inimum 0.059
1st Q uartile 0.614
M edian 1.728
3rd Q uartile 24.535
0 20 40 60 80 100 M aximum 99.040
95% C onfidence Interv al for M ean
8.312 31.800
95% C onfidence Interv al for M edian
0.923 24.213
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
23.380 40.686
Mean

Median

0 5 10 15 20 25 30

La resolución muestra que la distribución no es normal y debido a la baja cantidad de


datos o tickets de problemas durante el año se propone tratarla como distribuciones no
normales analizado las diferentes alternativas a saber.

4.1.5.1. Tratamiento de distribuciones no normales

En referencia al tratamiento de curvas cuyos datos empíricos presentan distribuciones


no normales, Ramos Wunderler71 propone una posibilidad para su resolución. Plantea
que, luego de ajustar la curva, se puede calcular un porcentaje de ítems encima del
máximo o debajo del mínimo de especificaciones y transformar los mismos en
equivalentes.
Un método para realizar este ajuste es el sistema de Johnson (1949). Este presenta
algunas ventajas, conforme FARNUM (1997) en relación a otras formas desarrolladas
(como la de Pearson):

 El sistema de curvas de transformadas de Johnson cubren una vasta gama de


diferentes formas de distribuciones, mayor que las disponibles en otros sistemas,
siendo por lo tanto más flexible.

Ramos Wunderler, Alberto. “Estudos de capacidade para dados ñao-normais”. [en línea]. Disponible
71

en Internet http://www.pro.poli.usp.br/internacional/faculty/alberto-wunderler-ramos [Consulta: 2 de


Febrero del 2008]

Manuel Teigeiro Tesis Página - 165 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

 El mecanismo para la selección de la familia de curvas más adecuada a los datos


es más simple que con el resto de los casos, especialmente considerando que
utiliza porcentajes.
 Este sistema permite, como probabilidades, calcular distintos ítems (sobre las
curvas ajustadas) a partir del uso de tablas sencillas de distribución normal,
mediante transformaciones adecuadas a las funciones.
 El sistema de Johnson se encuentra disponible en diversos softwares
estadísticos de mercado.

4.1.5.2. Transformadas de Johnson

El sistema de curvas de Johnson está básicamente constituido para tres diferentes


familias de distribuciones, generadas a partir de transformaciones de la siguiente forma
genérica:

Donde z la variable normal o reducida depende de yqueson parámetros


específicos para cada familia.

Siendo z es el valor de la transformada, X es la variable a ser transformada, es el


parámetro de la forma 1, es el parámetro de la forma 2,  es parámetro de locación y
 es un parámetro escalar.

En función del tipo de familia seleccionada para el ajuste, Johnson propone diferentes
tipos de funciones:

 Familia SU, o no limitada (unbounded); cuando la variable no posee un valor


mínimo o máximo, pudiendo variar libremente entre menos infinito y más infinito. 
En esta situación la función propuesta es del tipo:

 Familia SB, o limitada (bounded); para aquellas distribuciones en que la variable


asume valores entre (

Manuel Teigeiro Tesis Página - 166 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

 Familia SL, con logaritmo normal o neperiano.


En esta situación la función propuesta es del tipo:

En resumen:

Nicolas R. Farnum (1996-97) ha dado una detallada descripción en el uso de las curvas
de Johnson. El sistema de Johnson usa tres transformadas para normalizar datos
descriptas en arriba.

4.1.5.3. Transformadas seleccionadas para el análisis

En este caso la transformada de Johnson sugerida por Minitab es la del tipo SB,
limitada, válida en el intervalo (Los valores límites del proceso y de
especificaciones serán iguales, los que dará como resultado un Cpu y Cpk mucho
menores a los reales. Por otro lado, no se pudo encontrar una forma de introducir los
límites de especificaciones, dado que no existe una transformada válida para el rango,
siendo este mayor a los límites del proceso.

También se han realizado los cálculos con la transformada de Box-Cox con 
sugerida por un Black Belt de la compañía en una primera instancia. Por lo tanto se
graficaron y estimaron con ambos métodos los ticket clasificados como problemas
desde el 2005 al 2007.

De acuerdo al punto de vista propio, es más acertada la elección del método de


Johnson, o en su defecto el de Weibull, por ser estos más representativos.

Manuel Teigeiro Tesis Página - 167 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.5.4. Normalización, datos de problemas - 2007

Por el mismo argumento de la sección anterior, aquí también se toma como límite
inferior fijo el cero, por ser imposible resolver un problema en un tiempo menor. Siendo
esto coincidente, la comparación del tiempo de resolución de servicios y problemas se
enfoca en el límite superior (upper limit).

De acuerdo a lo mencionado anteriormente, tratando de elegir a través del test de


bondad de ajuste que mejor se adecue vemos que las transformadas para este análisis
estadístico que surgen con las cuales se realizaron tres corridas diferentes: Box-Cox,
Johnson y Weibull. En lo que continúa se exhiben los resultados a los que se arribó,
en forma gráfica.

Gráfico 4.1.5.4-1 Box-Cox aplicada al tiempo de resolución de problemas 2007

Box-Cox Plot of Resolution Time (hs) - problems 2007


Lower CL Upper CL
45 Lambda
(using 95.0% confidence)
40 Estimate -0.02

Lower CL -0.23
35
Upper CL 0.18

30 Rounded Value 0.00


StDev

25

20

15

10
Limit

-1.0 -0.5 0.0 0.5 1.0 1.5


Lambda

Manuel Teigeiro Tesis Página - 168 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.4-2 Análisis SixPack Box-Cox – Media de Problemas 2007

Process Capability Sixpack of Resolution Time (hs) - service 2007


Using Box-Cox Transformation With Lambda = 0
I C har t C apability H istogr am
LSL* USL*
UCL=7.26
Individual Value

Specifications
5
LSL* -6.90776
_
X=1.32 USL* 6.22258
0

-5 LCL=-4.62
1 4 7 10 13 16 19 22 25 -6 -4 -2 0 2 4 6

M oving Range C har t Nor mal P r ob P lot


8 AD: 0.944, P: 0.014
UCL=7.298
Moving Range

4
__
MR=2.234

0 LCL=0
1 4 7 10 13 16 19 22 25 -5 0 5

Last 2 5 O bser vations T r ansfor med C apa P lot


Within Within Overall
3 StDev 1.98022 StDev 2.18077
Values

Cp 1.11 Pp 1
0 O v erall
Cpk 0.83 Ppk 0.75
Cpm *
-3 S pecs
5 10 15 20 25
Observation

Gráfico 4.1.5.4-3 Capacidad del proceso Box-Cox – Problemas 2007

Process Capability of Resolution Time (hs) - problems 2007


Using Box-Cox Transformation With Lambda = 0

LB* U S L*
P rocess Data transformed data Within
LB 0.001 O v erall
Target *
USL 540 P otential (Within) C apability
S ample M ean 20.0561 Cp *
S ample N 27 C PL *
S tDev (Within) 23.9364 C P U 0.84
S tDev (O v erall) 29.6882 C pk 0.84

A fter Transformation O v erall C apability

LB* -6.90776 Pp *
Target* * PPL *
U S L* 6.29157 P P U 0.76
S ample M ean* 1.31761 P pk 0.76
S tDev (Within)* 1.98022 C pm *
S tDev (O v erall)* 2.18077

-6 -4 -2 0 2 4 6
O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LB 0.00 P P M < LB* * P P M < LB* *
P P M > U S L 0.00 P P M > U S L* 6005.46 P P M > U S L* 11279.31
P P M Total 0.00 P P M Total 6005.46 P P M Total 11279.31

Manuel Teigeiro Tesis Página - 169 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Se advierte que aplicando Box-Cox, para el análisis de problemas del año 2007, se llega a un
P=0.014, valor que indica que la transformada no es normal.
Independientemente se hizo un análisis de capacidad y estabilidad en el tiempo, los resultados
muestran un valor de CpK=0.84 y PpK=0.76, denotando que el proceso no está cumpliendo con
las especificaciones dadas.
Cabe destacar que al no estar normalizados los datos, estos dos últimos análisis no están
soportados por la teoría estadística.

Gráfico 4.1.5.4-4 Johnson aplicada al tiempo de resolución de problemas 2007

Johnson Transformation for Resolution Time (hs) - Problems 2007


P r obability P lot for O r iginal Data Select a T r ansfor mation
99 0.68
N 27
P-Value for A D test
AD 3.132 0.100 Ref P
90 P-Value <0.005
0.075
Percent

0.050
50
0.025

10 0.000
0.2 0.4 0.6 0.8 1.0 1.2
1 Z Value
-50 0 50 100 (P-Value = 0.005 means <= 0.005)

P r obability P lot for T r ansfor med Data


99
N 27
AD 0.607
P-Value 0.103 P -V alue for Best F it: 0.103221
90
Z for Best F it: 0.68
Best Transformation Ty pe: S B
Percent

Transformation function equals


50
1.09172 + 0.344979 * Ln( ( X - 0.0564232 ) / ( 105.153 - X ) )

10

1
-2 0 2 4

Gráfico 4.1.5.4-5 Probabilidad de Johnson (RT) de Problemas 2007

Probability Plot of Johnson - Problems 2007


Normal
99
Mean 0.005749
StDev 1.035
95 N 27
AD 0.607
90
P-Value 0.103
80
70
Percent

60
50
40
30
20

10

1
-3 -2 -1 0 1 2 3
Johnson

Manuel Teigeiro Tesis Página - 170 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.4-6 Análisis SixPack Johnson – Media de Problemas 2007

Process Capability Sixpack of Johnson - Problems 2007


I Chart Capability Histogram
LSL USL
UCL=2.843
S pecifications
Individual Value

2
LS L -2.45
_
0 X=0.006 U S L 3.34

-2
2 LCL=-2.832
1 4 7 10 13 16 19 22 25 -2 -1 0 1 2 3

Moving Range Chart Normal Prob Plot


4 A D: 0.607, P : 0.103
UCL=3.486
Moving Range

2
__
MR=1.067

0 LCL=0
1 4 7 10 13 16 19 22 25 -2 0 2 4

Last 25 Observations Capability Plot


2 Within
Within O v erall
S tDev 0.945916 S tDev 1.03547
Values

0 Cp 1.02 Pp 0.93
O v erall
C pk 0.87 P pk 0.79
-2 C pm *
S pecs
5 10 15 20 25
Observation

Gráfico 4.1.5.4-7 Capacidad del proceso Johnson – Problemas 2007

Process Capability of Resolution Time (hs) - Problems 2007


Johnson Transformation with SB Distribution Type
1.092 + 0.345 * Ln( ( X - 0.056 ) / ( 105.153 - X ) )
U S L*
P rocess Data transformed data O v erall C apability
LB 0 Pp *
Target * PPL *
USL 105.15 PPU 1.51
S ample M ean 20.0561 P pk 1.51
S ample N 27
E xp. O v erall P erformance
S tDev 29.6882
P P M < LB *
S hape1 1.09172
P P M > U S L 2.91
S hape2 0.344979
P P M Total 2.91
Location 0.0564232
S cale 105.097
A fter Transformation
LB* *
Target* *
U S L* 4.69944
S ample M ean* 0.00574901
S tDev * 1.03547

O bserv ed P erformance
P P M < LB 0.00
P P M > U S L 0.00
P P M Total 0.00

-2 -1 0 1 2 3 4

Manuel Teigeiro Tesis Página - 171 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Para el año 2007 se utiliza la transformada de Johnson sugerida por Minitab es la del tipo
SB, limitada, válida en el intervalo (
El método de Johnson para este análisis arroja un P=0.103, que señala que la transformada es
normal. Por su parte, un análisis de capacidad y estabilidad en el tiempo, lleva a un valor de
PpK=1.51, lo cual sugiere que el proceso cumple con las especificaciones dadas.

La inferencia anterior también es soportada al aplicar Weibull, ya que se obtiene un valor de


PpK= 1.20.

Gráfico 4.1.5.4-8 Capacidad del proceso Weibull – Problemas 2007

Process Capability of Resolution Time (hs) - Problems 2007


Calculations Based on Weibull Distribution Model

LB USL
P rocess Data O v erall C apability
LB 0 Pp *
Target * PPL *
USL 504 PPU 1.20
S ample M ean 20.0561 P pk 1.20
S ample N 27
E xp. O v erall P erformance
S hape 0.51674
P P M < LB *
S cale 10.9171
P P M > U S L 713.93
O bserv ed P erformance P P M Total 713.93
P P M < LB 0.00
P P M > U S L 0.00
P P M Total 0.00

0 70 140 210 280 350 420 490

4.1.5.5. Normalización, datos de problemas - 2006

Para el tratamiento de datos del año 2006 también se realizo el test de bondad de ajuste
y surgieron tres posibles ajustes diferentes (Box-Cox, Johnson y Weibull), las cuales
fueron consideradas como más apropiadas para el tipo de información que se maneja.
Arrojando los resultados que se reúnen a continuación.

Manuel Teigeiro Tesis Página - 172 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.5-1 Valores individuales (RT) – Problemas 2006

Individual Value Plot of Resolution Time (hs) - problems 2006

0 10 20 30 40 50 60 70 80
Resolution Time (hs)

Gráfico 4.1.5.5-2 Gráfico de Cajas de Tickets (RT) – Problemas 2006

Boxplot of Resolution Time (hs) - problems 2006


80

70

60
Resolution Time (hs)

50

40

30

20

10

Manuel Teigeiro Tesis Página - 173 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.5-3 Resumen de estadística Tickets (RT) – Problemas 2006

Summary for Resolution Time (hs) - problems 2006


A nderson-Darling N ormality Test
A -S quared 6.63
P -V alue < 0.005

M ean 18.584
S tDev 22.860
V ariance 522.587
S kew ness 1.08048
Kurtosis -0.22835
N 71

M inimum 0.026
1st Q uartile 1.538
M edian 5.414
3rd Q uartile 28.696
0 16 32 48 64 M aximum 71.791
95% C onfidence Interv al for M ean
13.173 23.994
95% C onfidence Interv al for M edian
2.872 20.615
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
19.621 27.391
Mean

Median

0 5 10 15 20 25

Gráfico 4.1.5.5-4 Box-Cox aplicada al tiempo de resolución de problemas 2006

Box-Cox Plot of Resolution Time (hs) - Problems 2006


Lower CL Upper CL
140 Lambda
(using 95.0% confidence)
120 Estimate 0.07

Lower CL -0.07
100 Upper CL 0.21

Rounded Value 0.00


80
StDev

60

40

20
Limit
0
-1.0 -0.5 0.0 0.5 1.0 1.5
Lambda

Manuel Teigeiro Tesis Página - 174 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.5-5 Análisis SixPack Box-Cox – Media de Problemas 2006

Process Capability Sixpack of Resolution Time (hs) - problems 2006


Using Box-Cox Transformation With Lambda = 0
I C har t C apability H istogr am
LSL* USL*
UCL=7.41
Individual Value

Specifications
5
_ LSL* -6.90776
X=1.66 USL* 6.22258
0

LCL=-4.09
-5
1 8 15 22 29 36 43 50 57 64 71 -4.8 -2.4 0.0 2.4 4.8

M oving Range C har t Nor mal P r ob P lot


8 11 AD: 1.246, P: < 0.005
UCL=7.065
Moving Range

4
__
MR=2.162
2

0 LCL=0
1 8 15 22 29 36 43 50 57 64 71 -5 0 5 10

Last 2 5 O bser vations T r ansfor med C apa P lot


4 Within Within Overall
StDev 1.91685 StDev 1.9722
Values

Cp 1.14 Pp 1.11
0 O v erall
Cpk 0.79 Ppk 0.77
Cpm *
-4 S pecs
50 55 60 65 70
Observation

Gráfico 4.1.5.5-6 Capacidad del proceso Box-Cox – Problemas 2006

Process Capability of Resolution Time (hs) problems 2006


Using Box-Cox Transformation With Lambda = 0

LB* U S L*
P rocess Data transformed data Within
LB 0.001 O v erall
Target *
USL 504 P otential (Within) C apability
S ample M ean 18.5835 Cp *
S ample N 71 C PL *
S tDev (Within) 21.3517 C P U 0.79
S tDev (O v erall) 22.8602 C pk 0.79

A fter Transformation O v erall C apability

LB* -6.90776 Pp *
Target* * PPL *
U S L* 6.22258 P P U 0.77
S ample M ean* 1.65637 P pk 0.77
S tDev (Within)* 1.91685 C pm *
S tDev (O v erall)* 1.9722

-4.8 -2.4 0.0 2.4 4.8


O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LB 0.00 P P M < LB* * P P M < LB* *
P P M > U S L 0.00 P P M > U S L* 8606.24 P P M > U S L* 10298.60
P P M Total 0.00 P P M Total 8606.24 P P M Total 10298.60

Manuel Teigeiro Tesis Página - 175 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Aplicando Box-Cox, para el análisis de problemas del año 2006, se obtiene un P<0.005, valor
que indica que la transformada no es normal. Independientemente se hizo un análisis de
capacidad y estabilidad en el tiempo, los resultados muestran un valor de CpK=0.79 y
PpK=0.77, que revelan que el proceso no está cumpliendo con las especificaciones dadas. Se
reitera que al no estar normalizados los datos, estos dos últimos análisis no están soportados
por la teoría estadística.

Gráfico 4.1.5.5-7 Johnson aplicada al tiempo de resolución de problemas 2006

Johnson Transformation for Resolution Time (hs) - problems 2006


P r obability P lot for O r iginal Data Select a T r ansfor mation
99.9 0.65
N 71

P-Value for A D test


99 AD 6.629
P-Value <0.005
0.100 Ref P
90 0.075
Percent

50 0.050
0.025
10
0.000
1 0.2 0.4 0.6 0.8 1.0 1.2
0.1 Z Value
-50 0 50 100 (P-Value = 0.005 means <= 0.005)

P r obability P lot for T r ansfor med Data


99.9
N 71
99 AD 0.602
P-Value 0.114 P -V alue for Best F it: 0.113904
90 Z for Best F it: 0.65
Best Transformation Ty pe: S B
Percent

Transformation function equals


50
0.839892 + 0.385744 * Ln( ( X - 0.0245399 ) / ( 74.7388 - X ) )

10

1
0.1
-4 0 4

Gráfico 4.1.5.5-8 Probabilidad de Johnson (RT) de Problemas 2006

Probability Plot of Johnson - Problems 2006


Normal
99.9
Mean -0.03692
StDev 1.057
99
N 71
AD 0.602
95 P-Value 0.114
90
80
70
Percent

60
50
40
30
20
10
5

0.1
-4 -3 -2 -1 0 1 2 3 4
Johnson

Manuel Teigeiro Tesis Página - 176 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.5-9 Análisis SixPack Johnson – Media de Problemas 2006

Process Capability Sixpack of Resolution Time (hs) - problems 2006


Johnson Transformation with SB Distribution Type
0.840 + 0.386 * Ln( ( X - 0.025 ) / ( 74.739 - X ) )
I C har t C apability H istogr am
UCL=3.028 Specifications
Individual Value

2
_
0 X=-0.037

-2
LCL=-3.102

1 8 15 22 29 36 43 50 57 64 71 -3 -2 -1 0 1 2

M oving Range C har t Nor mal P r ob P lot


4 AD: 0.602, P: 0.114
UCL=3.765
Moving Range

2
__
MR=1.152

0 LCL=0
1 8 15 22 29 36 43 50 57 64 71 -4 0 4

Last 2 5 O bser vations T r ansfor med C apa P lot


2 Overall Overall
Location -0.0369202
Values

0 Scale 1.05746
Pp *
-2 Ppk * Specs
50 55 60 65 70
Observation

Gráfico 4.1.5.5-10 Capacidad del proceso Johnson – Problemas 2006

Process Capability of Resolution Time (hs) - Problems 2006


Johnson Transformation with SB Distribution Type
0.840 + 0.386 * Ln( ( X - 0.025 ) / ( 74.739 - X ) )
U S L*
P rocess Data transformed data O v erall C apability
LB 0 Pp *
Target * PPL *
USL 74.738 PPU 1.67
S ample M ean 18.5835 P pk 1.67
S ample N 71
E xp. O v erall P erformance
S tDev 22.8602
P P M < LB *
S hape1 0.839892
P P M > U S L 0.26
S hape2 0.385744
P P M Total 0.26
Location 0.0245399
S cale 74.7142
A fter Transformation
LB* *
Target* *
U S L* 5.27113
S ample M ean* -0.0369202
S tDev * 1.05746

O bserv ed P erformance
P P M < LB 0.00
P P M > U S L 0.00
P P M Total 0.00

-3.0 -1.5 0.0 1.5 3.0 4.5

Manuel Teigeiro Tesis Página - 177 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En el añ0 2006 la transformada de Johnson sugerida por Minitab es la del tipo SB, limitada,
válida en el intervalo (
Al emplear el método de Johnson para este análisis, se obtiene un P=0.114, que señala una
transformada normal. Por otra parte, un análisis de capacidad y estabilidad en el tiempo, entrega
un valor de PpK=1.67, lo cual sugiere que el proceso cumple con las especificaciones dadas.

La inferencia anterior también es soportada al aplicar Weibull, ya que se obtiene un valor de


PpK= 1.85.

Gráfico 4.1.5.5-11 Capacidad del proceso Weibull – Problemas 2006

Process Capability of Resolution Time (hs) - Problems 2006


Calculations Based on Weibull Distribution Model

LB USL
P rocess Data O v erall C apability
LB 0 Pp *
Target * PPL *
USL 504 PPU 1.85
S ample M ean 18.5835 P pk 1.85
S ample N 71
E xp. O v erall P erformance
S hape 0.6228
P P M < LB *
S cale 13.3101
P P M > U S L 66.74
O bserv ed P erformance P P M Total 66.74
P P M < LB 0.00
P P M > U S L 0.00
P P M Total 0.00

0 72 144 216 288 360 432 504

4.1.5.6. Normalización, datos de problemas - 2005

Al igual que para el resto de los años, en el 2005 también se emplean los métodos
estadísticos: Box-Cox, Johnson y Weibull. En las gráficas se resumen los resultados
de ellos.

Manuel Teigeiro Tesis Página - 178 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.6-1 Valores individuales (RT) – Problemas 2005

Individual Value Plot of Resolution Time (hs) - Problems 2005


140

120

100
Resolution Time (hs)

80

60

40

20

Gráfico 4.1.5.6-2 Gráfico de Cajas de Tickets (RT) – Problemas 2005

Boxplot of Resolution Time (hs) - Problems 2005


140

120

100
Resolution Time (hs)

80

60

40

20

Manuel Teigeiro Tesis Página - 179 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.6-3 Resumen de estadística Tickets (RT) – Problemas 2005

Summary for Resolution Time (hs) - Problems 2005


A nderson-Darling N ormality Test
A -S quared 11.22
P -V alue < 0.005

M ean 22.706
S tDev 34.735
V ariance 1206.552
S kew ness 1.72738
Kurtosis 1.70031
N 85

M inimum 0.029
1st Q uartile 0.646
M edian 4.315
3rd Q uartile 24.435
0 20 40 60 80 100 120 M aximum 123.203
95% C onfidence Interv al for M ean
15.213 30.198
95% C onfidence Interv al for M edian
2.244 14.373
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
30.184 40.916
Mean

Median

0 5 10 15 20 25 30

Gráfico 4.1.5.6-4 Box-Cox aplicada al tiempo de resolución de problemas 2005

Box-Cox Plot of Resolution Time (hs) - Problems 2005


Lower CL Upper CL
90 Lambda
(using 95.0% confidence)
80
Estimate 0.02
70 Lower CL -0.08
Upper CL 0.15
60
Rounded Value 0.00

50
StDev

40

30

20

10 Limit

0
-1.0 -0.5 0.0 0.5 1.0 1.5
Lambda

Manuel Teigeiro Tesis Página - 180 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.6-5 Análisis SixPack Box-Cox – Media de Problemas 2005

Process Capability Sixpack of Resolution Time (hs) - Problems 2005


Using Box-Cox Transformation With Lambda = 0
I C har t C apability H istogr am
LSL* USL*
UCL=7.70
Individual Value

Specifications
5
LSL* -6.90776
_
X=1.42 USL* 6.22258
0
2
22 22
-5 LCL=-4.86
1 9 17 25 33 41 49 57 65 73 81 -6 -4 -2 0 2 4 6

M oving Range C har t Nor mal P r ob P lot


8 UCL=7.717 AD: 1.009, P: 0.011
Moving Range

4
__
MR=2.362
22
0 22
LCL=0
2 2
1 9 17 25 33 41 49 57 65 73 81 -5 0 5 10

Last 2 5 O bser vations T r ansfor med C apa P lot


4 Within Within Overall
StDev 2.09387 StDev 2.28326
Values

Cp 1.05 Pp 0.96
0 O v erall
Cpk 0.76 Ppk 0.7
Cpm *
-4 S pecs
65 70 75 80 85
Observation

Gráfico 4.1.5.6-6 Capacidad del proceso Box-Cox – Problemas 2005

Process Capability of Resolution Time (hs) - Problems 2005


Using Box-Cox Transformation With Lambda = 0

LS L* U S L*
P rocess Data transformed data Within
LS L 0.001 O v erall
Target *
USL 504 P otential (Within) C apability
S ample M ean 22.7058 Cp 1.05
S ample N 85 C P L 1.33
S tDev (Within) 26.8033 C P U 0.76
S tDev (O v erall) 34.7355 C pk 0.76

A fter Transformation O v erall C apability

LS L* -6.90776 Pp 0.96
Target* * PPL 1.22
U S L* 6.22258 PPU 0.70
S ample M ean* 1.42335 P pk 0.70
S tDev (Within)* 2.09387 C pm *
S tDev (O v erall)* 2.28326

-6 -4 -2 0 2 4 6
O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0.00 P P M < LS L* 34.63 P P M < LS L* 131.74
P P M > U S L 0.00 P P M > U S L* 10951.92 P P M > U S L* 17780.24
P P M Total 0.00 P P M Total 10986.56 P P M Total 17911.98

Manuel Teigeiro Tesis Página - 181 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Con Box-Cox se obtuvo P=0.011, es decir, una transformada no normal. Los análisis de
capacidad y estabilidad en el tiempo, arrojaron CpK=0.76 y PpK=0.70, por lo tanto el proceso
no estaría cumpliendo con las especificaciones dadas. Nuevamente, al no estar normalizados
los datos, estos dos últimos análisis no tienen soporte estadístico.

Gráfico 44.1.5.6-7 Johnson aplicada al tiempo de resolución de problemas 2005

Johnson Transformation for Resolution Time (hs) - Problems 2005


P r obability P lot for O r iginal Data Select a T r ansfor mation
99.9 0.76
N 85

P-Value for A D test


99 0.60
AD 11.223
P-Value <0.005
0.45
90
Percent

0.30
50
0.15
10 Ref P
0.00
1 0.2 0.4 0.6 0.8 1.0 1.2
0.1 Z Value
-100 0 100 (P-Value = 0.005 means <= 0.005)

P r obability P lot for T r ansfor med Data


99.9
N 85
99 AD 0.292
P-Value 0.599 P -V alue for Best F it: 0.599304
90 Z for Best F it: 0.76
Best Transformation Ty pe: S B
Percent

Transformation function equals


50
1.26541 + 0.366073 * Ln( ( X - 0.0272102 ) / ( 127.493 - X ) )

10

1
0.1
-4 0 4

Gráfico 4.1.5.6-8 Probabilidad de Johnson (RT) de Problemas 2005

Probability Plot of Johnson


Normal
99.9
Mean 0.09454
StDev 1.069
99
N 85
AD 0.292
95 P-Value 0.599
90
80
70
Percent

60
50
40
30
20
10
5

0.1
-4 -3 -2 -1 0 1 2 3 4
Johnson

Manuel Teigeiro Tesis Página - 182 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.5.6-9 Análisis SixPack Johnson – Media de Problemas 2005

Process Capability Sixpack of Resolution Time (hs) - Problems 2005


Johnson Transformation with SB Distribution Type
1.265 + 0.366 * Ln( ( X - 0.027 ) / ( 127.493 - X ) )
I C har t C apability H istogr am
LSL* USL*
UCL=3.002
Specifications
Individual Value

2
_
LSL* -3.12436
0 X=0.095 USL* 3.29736

-2
LCL=-2.813
1 9 17 25 33 41 49 57 65 73 81 -3 -2 -1 0 1 2 3

M oving Range C har t Nor mal P r ob P lot


4 AD: 0.292, P: 0.599
UCL=3.571
Moving Range

2
__
MR=1.093

0 LCL=0
1 9 17 25 33 41 49 57 65 73 81 -4 0 4

Last 2 5 O bser vations T r ansfor med C apa P lot


2 Overall Overall
Location 0.0945409
Values

0 Scale 1.06949
Pp 1.00
Ppk 1.00 Specs
-2
65 70 75 80 85
Observation

Gráfico 4.1.5.6-10 Capacidad del proceso Johnson – Problemas 2005

Process Capability of Resolution Time (hs) - Problems 2005


Johnson Transformation with SB Distribution Type
1.265 + 0.366 * Ln( ( X - 0.027 ) / ( 127.493 - X ) )
U S L*
P rocess Data transformed data O v erall C apability
LB 0 Pp *
Target * PPL *
USL 127.49 PPU 1.57
S ample M ean 22.7058 P pk 1.57
S ample N 85
E xp. O v erall P erformance
S tDev 34.7355
P P M < LB *
S hape1 1.26541
P P M > U S L 1.21
S hape2 0.366073
P P M Total 1.21
Location 0.0272102
S cale 127.466
A fter Transformation
LB* *
Target* *
U S L* 5.13606
S ample M ean* 0.0945409
S tDev * 1.06949

O bserv ed P erformance
P P M < LB 0.00
P P M > U S L 0.00
P P M Total 0.00

-3.0 -1.5 0.0 1.5 3.0 4.5

Manuel Teigeiro Tesis Página - 183 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En el año 2005 la transformada de Johnson sugerida por Minitab es la del tipo SB, limitada,
válida en el intervalo (
El método de Johnson muestra un P=0.599, que indica que la transformada es normal. Por otra
parte, un análisis de capacidad y estabilidad en el tiempo, entrega un valor de PpK=1.57, lo cual
sugiere que el proceso cumple con las especificaciones dadas.

La inferencia anterior también es soportada al aplicar Weibull, ya que se obtiene un valor de


PpK= 1.04.

Gráfico 4.1.5.6-11 Capacidad del proceso Weibull – Problemas 2005

Process Capability of Resolution Time (hs) - Problems 2005


Calculations Based on Weibull Distribution Model

LB USL
P rocess Data O v erall C apability
LB 0 Pp *
Target * PPL *
USL 504 PPU 1.04
S ample M ean 22.7058 P pk 1.04
S ample N 85
E xp. O v erall P erformance
S hape 0.51628
P P M < LB *
S cale 12.472
P P M > U S L 1169.10
O bserv ed P erformance P P M Total 1169.10
P P M < LB 0.00
P P M > U S L 0.00
P P M Total 0.00

0 70 140 210 280 350 420 490

Manuel Teigeiro Tesis Página - 184 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.6. Análisis de variabilidad de problemas – 2005 a 2007

Para analizar la variabilidad entre los años 2005 y 2007 de la media anual, y averiguar si
existen o no diferencias significativas, se realizó un test de One Way ANOVA. Como se
ha dicho antes, es el recomendado para medias y variables continuas, y cuando se
tienen más de dos muestras.
Al igual que para servicios, como hipótesis nula, Ho, se plantea que “no existen
diferencias significativas en las medias entre años 2005 y 2007”. La hipótesis
alternativa, Ha, será por lo tanto, que “existen diferencias significativas en las
medias por año”.
Se recuerda que se debe rechazar la Ho si el valor de p es menor a 0.05. Esto implica
que se asume un error del 5% al rechazarla, tomando la Ha como verdadera.

Los datos usados como fuente del análisis de capacidad, aplicando la transformada
de Johnson, dieron como resultado:

Problems 2005, Mean by year


Cpu=1
Cpk=1

Problems 2006, Mean by year


Cpu=1.07
Cpk=1.07

Problems 2007, Mean by year


Cpu=1.64
Cpk=1.64

Se puede ver que los índices Cpu y Cpk en el 2007 fueron mejores que en los otros dos
años; aunque estos valores no indican significativamente tal diferencia, para ello se
utiliza el test ANOVA, que permite averiguarlo.

Tabla 4.1.6-1 ANOVA – Media de problemas vs. Año 2005 al 2007

Source DF SS MS F P
Year 2 98.96 49.48 18.05 0.000
Error 180 493.45 2.74
Total 182 592.40

S = 1.656 R-Sq = 16.70% R-Sq(adj) = 15.78%

Con un P=0.000 se infiere que existen diferencias significativas entre los


años.

Manuel Teigeiro Tesis Página - 185 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Individual 95% CIs For Mean Based on


Pooled StDev
Level N Mean StDev -----+---------+---------+---------+----
2005 83 0.082 1.056 (-----*-----)
2006 73 1.628 1.966 (-----*------)
2007 27 1.318 2.181 (----------*---------)
-----+---------+---------+---------+----
0.00 0.60 1.20 1.80

Pooled StDev = 1.656

Tukey 95% Simultaneous Confidence Intervals


All Pairwise Comparisons among Levels of Year
Individual confidence level = 98.07%

Year = 2005 subtracted from:

Year Lower Center Upper --+---------+---------+---------+-------


2006 0.919 1.547 2.174 (-----*------)
2007 0.370 1.236 2.102 (-------*--------)
--+---------+---------+---------+-------
-1.0 0.0 1.0 2.0

Year = 2006 subtracted from:

Year Lower Center Upper --+---------+---------+---------+-------


2007 -1.191 -0.311 0.570 (--------*--------)
--+---------+---------+---------+-------
-1.0 0.0 1.0 2.0

Gráfico 4.1.6-1 Grafico de cajas de medias de Problemas Año 2005 al 2007 - ANOVA

Boxplot of Johnson - Problems 2005 to 2007


5

2 1.62832 1.31761
Johnson

0 0.0815816

-1

-2

-3

-4
2005 2006 2007
Year

Manuel Teigeiro Tesis Página - 186 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.6-2 Gráficos de Residuos de medias de Problemas 2005 al 2007 - ANOVA

Residual Plots for Johnson - Problems 2005 to 2007


Normal Probability Plot Versus Fits
99.9
99
2
90

Residual
Percent

0
50
-2
10
-4
1
0.1 -6
-5.0 -2.5 0.0 2.5 5.0 0.0 0.4 0.8 1.2 1.6
Residual Fitted Value

Histogram Versus Order


24
2
18
Frequency

Residual

0
12
-2

6 -4

0 -6
-4.5 -3.0 -1.5 0.0 1.5 3.0 1 20 40 60 80 100 120 140 160 180
Residual Observation Order

El intervalo de confianza para las diferencias entre medias de los años 2006 y 2007, con
respecto al 2005, es significante. Esto se deduce por dos hechos: el intervalo en el
análisis individual no incluye el cero y el valor de p = 0.000 en el análisis general. En
base a lo anterior corresponde rechazar la hipótesis nula Ho. Corresponde decir
que existen diferencias significativas entre las medias de los años analizados

Manuel Teigeiro Tesis Página - 187 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.7. Análisis de variabilidad de problemas – 2006 y 2007

Aquí se realiza un análisis de los años 2006 y 2007 solamente, donde se plantea:

Ho: no existen diferencias significativas entre los años 2006 y 2007.


Ha: existen diferencias significativas entre los años 2006 y 2007.

Tabla 4.1.7-1 ANOVA – Media de problemas vs. Año 2006 y 2007

Source DF SS MS F P
Year 1 0.22 0.22 0.22 0.639
Error 96 96.70 1.01
Total 97 96.92

S = 1.004 R-Sq = 0.23% R-Sq(adj) = 0.00%

Con un P=0.639 se puede decir que no existe diferencia significativa entre los
dos años.

Individual 95% CIs For Mean Based on


Pooled StDev
Level N Mean StDev ------+---------+---------+---------+---
2006 71 -0.037 1.057 (-----------*-----------)
2007 27 -0.144 0.842 (------------------*------------------)
------+---------+---------+---------+---
-0.40 -0.20 -0.00 0.20

Pooled StDev = 1.004

Tukey 95% Simultaneous Confidence Intervals


All Pairwise Comparisons among Levels of Year

Individual confidence level = 95.00%

Year = 2006 subtracted from:

Year Lower Center Upper ---------+---------+---------+---------+


2007 -0.557 -0.107 0.344 (--------------*--------------)
---------+---------+---------+---------+
-0.30 0.00 0.30 0.60


Manuel Teigeiro Tesis Página - 188 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.7-1 Grafico de cajas de medias de Problemas Año 2006 y 2007 - ANOVA

Boxplot of Johnson - Problems 2006 to 2007

-0.0369202
-0.143678
0
Johnson

-1

-2

-3

-4
2006 2007
Year

Gráfico 4.1.7-2 Gráficos de Residuos de medias de Problemas 2006 y 2007 – ANOVA

Residual Plots for Johnson - Problems 2006 to 2007


Normal Probability Plot Versus Fits
99.9
2
99

90
Residual

0
Percent

50

10 -2

1
0.1 -4
-4 -2 0 2 4 -0.150 -0.125 -0.100 -0.075 -0.050
Residual Fitted Value

Histogram Versus Order


24 2

18
Frequency

Residual

0
12
-2
6

0 -4
-3 -2 -1 0 1 2 1 10 20 30 40 50 60 70 80 90
Residual Observation Order

Manuel Teigeiro Tesis Página - 189 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

El intervalo de confianza para las diferencias entre medias de los años 2006 y 2007 no
es significativo, debido a que el intervalo en el análisis individual incluye el cero y el
valor de p es 0.639. Con esto se acepta la Ho, es decir, no existen diferencias
significativas entre las medias del 2006 y 2007.

4.1.8. Factores y efectos principales en la media (Servicios)

En este escenario se encuentran diferencias significativas en la capacidad, pero los


procesos siguen estando bajo control. En este momento es vital analizar las variables
relacionadas con la principal, Resolution Time (RT), para ver qué factores influyen o
pueden mejorar los procesos.

Los gráficos de efecto principal son mayormente útiles cuando se tienen varios factores,
allí se pueden comparar los cambios en los niveles de la media para ver cuáles de ellos
son más influyentes en la respuesta. Para esto se comenzará con los servicios, de allí
surge que:

 Un efecto principal está presente cuando distintos niveles de un factor afectan la


respuesta de manera diferente. Para cada factor con dos niveles, podríamos
encontrar que un factor incrementa la media comparada con la del otro nivel, esta
diferencia es el efecto principal.
 Cuando la línea es horizontal, o paralela al eje de las Xs, entonces no hay efecto
principal presente. Cada nivel de factor afecta la respuesta en la misma forma, y
la respuesta de la media es la misma a lo largo de todos los niveles del factor.
 Cuando la línea no es horizontal, entonces existe un efecto principal. Distintos
niveles de un factor afectan la respuesta diferentemente. Se busca la máxima
diferencia en la posición vertical de los puntos graficados, mientras mayor sea la
pendiente de la línea, mayor será la magnitud del efecto principal.

Tanto en el año 2006 como 2007, el RT en función de la severidad, muestra que en los
tickets de severidad baja tiende a ser igual a la media; mientras que los de alta prioridad
se resuelven en menos tiempo y los de media tardan más.

En lo referente a aquellos con impacto en la compañía, departamentos o clientes


externos, tienen un tiempo de resolución mayor a la media en ambos años, debido a la
complejidad de los servicios requeridos por ellos. Sin embargo en el gráfico de
interacción del tiempo hasta la asignación del ticket de acuerdo a la prioridad e impacto,
se evidencia que la mayoría están asignados priorizando los de mayor impacto y mayor
severidad.

Manuel Teigeiro Tesis Página - 190 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.8-1 Interacción: media de servicios vs. impacto y severidad - 2006/2007

Interaction Plot for First Asisgnation Time (hs) Service 06/07


Data Means
25 Impact
Company
Department
External Customer
20
Indiv idual

15
Mean

10

0
Critical High Low Medium
Severity

Gráfico 4.1.8-2 Efectos de severidad e impacto sobre la media (RT) - Servicios 2006

Main Effects Plot for Days -Severy & Impact Services 06


Data Means

Severity Impact
1.1

1.0

0.9
Mean

0.8

0.7

0.6

0.5

0.4
t er al
gh w m ny en
Hi Lo iu pa m du
ed m rtm to
di
vi
M Co pa C us In
De na
l
r
te
Ex

Manuel Teigeiro Tesis Página - 191 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.8-3 Efectos de severidad e impacto sobre la media (RT) - Servicios 2007

Main Effects Plot for Days - Severity & Impact Services 07


Data Means

Severity Impact

1.0

0.8
Mean

0.6

0.4

0.2

0.0
l t er l
ca gh w m ny en ua
ir ti Hi Lo diu pa tm o m
vi
d
e m st di
C M Co ar
p Cu In
De na
l
r
te
Ex

Gráfico 4.1.8-4 Efectos: Miembros de TI, tipo de ticket, media semanal de servicios 2006

Main Effects Plot for Days - IT Team & Ticket Profile Service 06
Data Means

ITIS Team Profile Level 2


2.0

1.5
Mean

1.0

0.5

0.0
Help Desk

Network

Security

Telephony
Account

Business Apps

Desktop Apps

EBusiness
Engineering Apps
Facilities
File Services

Privileges
Remote Access

Support Services
System Operations
Internal IT

Non-IT
Desktop/Workstation

Operating System
Messaging

Printing
AJO023

ALM045

ARG031

FMXP43

FQG846

QBWD64

TCQN73

Backup/Restore

Collaborative
Database

Hardware

Out Of Scope

Software
LAN

Server

Manuel Teigeiro Tesis Página - 192 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.8-5 Efectos: Miembros de TI, clase de ticket, media semanal servicios 2007

Main Effects Plot for Days - ITIS Team & Ticket Profile Services 07
Data Means

ITIS Team Profile Level 2


1.4

1.2

1.0
Mean

0.8

0.6

0.4

0.2

0.0

Help Desk

Network

Security

Telephony
Account

Business Apps

Desktop Apps

Engineering Apps
Facilities
File Services

In-scope Applications

Privileges
Remote Access

Support Services
System Operations
Internal IT

Non-IT
Desktop/Workstation

Messaging

Operating System

Printing

Userid
AJO023

ALM045

ARG031

FMXP43

FQG846

QBWD64

TCQN73

Backup/Restore

Collaborative
Database

Hardware

Out Of Scope

Software
LAN

Server

En los gráficos anteriores se reflejan los efectos principales en el RT (en días) en


función de los miembros de la IT y del perfil del ticket. Se concluye que la media del RT
de los tickets de servicios tiene variaciones importantes; tanto el RT por IT Members
como el de Ticket Profile, donde las medias cambian.

En cuanto a IT Members, la mayoría ha aumentado y en los perfiles de ticket se


registran variaciones muy grandes entre cada año. Estos dos factores son importantes y
se supone que son los que provocan las diferencias de capacidad en servicio entre los
años 2006 y 2007.

Manuel Teigeiro Tesis Página - 193 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.9. Interacciones de variables o efectos, sus relaciones (Servicios)

Los factores tratados en esta sección son generalmente usados en conjunto con el
análisis de varianza. Cada gráfico presentado muestra la interacción entre dos factores.
Una interacción ocurre cuando el cambio en la respuesta, desde un nivel de un factor a
otro, difiere del cambio en la respuesta en el mismo nivel del segundo factor. Esto es,
cuando el efecto de un factor depende del otro.
Los gráficos de interacción (o de perfil) sirven para comparar las medias marginales en
un modelo, y se crean para cada variable dependiente. Son gráficos de líneas en el que
cada punto indica la media marginal estimada de una variable dependiente, en un nivel
de un factor. Los niveles de un segundo factor se pueden utilizar para generar líneas
diferentes. Cada nivel en un tercer factor se puede utilizar para crear un gráfico.

Los gráficos de interacciones se utilizan:

 Antes de hacer un análisis de varianza, para determinar cuáles de las


interacciones en dos sentidos se debe incluir en el modelo. El gráfico es la parte
analógica de F-Test de una interacción en un análisis de varianza.
 Para comparar la fortaleza relativa de los efectos con los factores.

Permiten visualizar la posible interacción entre factores de un diseño. Si las líneas en el


gráfico se cruzan, existe interacción. Por el contrario, si estas son paralelas no la hay.
También con ellos, se puede observar la tendencia de los valores promedios de la
variable dependiente para los distintos niveles de cada factor, ya que muestran si las
medias marginales estimadas aumentan o disminuyen a través ellos.

Luego, para determinar si el conjunto es estadísticamente significante, se debe hacer el


test apropiado.

Manuel Teigeiro Tesis Página - 194 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.9-1 Interacción media de servicios y los efectos impacto y severidad – 2006

Interaction Plot for Days - Services 06


Data Means

Sev erity
1.4 High
Low
Medium
1.2

1.0
Mean

0.8

0.6

0.4

0.2
Company Department External Customer Individual
Impact

Gráfico 4.1.9-2 Interacción media de servicios y los efectos impacto y severidad – 2007

Interaction Plot for Days - Services 07


Data Means
1.2 Sev erity
Critical
High
1.0 Low
Medium

0.8
Mean

0.6

0.4

0.2

0.0
Company Department External Customer Individual
Impact

Manuel Teigeiro Tesis Página - 195 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En el año 2006 se observa que existen diferencias, cuando se tiende al impacto


individual la media tiende al mismo valor independientemente de la severidad. También
se puede ver que para el caso de impacto departamental, la severidad y RS están en
orden correcto.

En el gráfico correspondiente al año 2007 se observa que la media de RT para impacto


individual y todo tipo de severidad, a excepción de la media, son los tickets que han sido
resueltos más rápido. En cuanto a tickets de severidad alta y de impacto individual,
fueron resueltos más rápido que los críticos. También para el caso de impacto
departamental, la severidad y RS están en orden correcto.

Probablemente la falta de una adecuada categorización o individualización de la


severidad e impacto del servicio, por parte del usuario final, como así también la
complejidad de la solicitud, produce las variaciones exhibidas. Indudablemente los
pedidos categorizados con alto impacto y alta severidad provocan en el sistema que se
eleve la prioridad, dedicándole más recursos a su resolución, por ser generalmente más
complejos.

En los dos gráficos siguientes de interacción de IT Members (Team) con Service tickets
profile, se advierte la variabilidad que existe en ambos efectos, de los integrantes entre
sí, dentro del mismo año para la resolución de determinado perfil de ticket; como así
también la de su comportamiento en el año siguiente (2007) respecto del 2006.

Gráfico 4.1.9-3 Interacción: media de servicios con miembros de TI y perfil del ticket –
2006

Manuel Teigeiro Tesis Página - 196 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.9-4 Interacción: media de servicios con miembros de TI y perfil del ticket –
2007

Manuel Teigeiro Tesis Página - 197 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.10. Gráficos de intervalos de media (95%) vs. variables por año

Gráfico 4.1.10-1 Intervalos de la media (RT) debido al impacto del servicio – 06/07

Interval Plot of Days


95% CI for the Mean

er
om
t st
en Cu al
ny m al du
pa rt rn i
m pa t e d iv
Co De Ex In
2006 2007
3
2
Days

1
0
-1

ny t er al
en du
pa t m t om i
m r s d iv
Co pa Cu In
De na
l
t er
Ex
Impact
Panel variable: Year

Gráfico 4.1.10-2 Intervalos de la media (RT) debido a la severidad de servicio - 06/07

Interval Plot of Days


95% CI for the Mean

Critical High Low Medium


2006 2007
1.2

0.9

0.6
Days

0.3

0.0

Critical High Low Medium


Severity
Panel variable: Year

Manuel Teigeiro Tesis Página - 198 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.10-3 Intervalos de la media de servicios por miembros de TI – 06/07

Manuel Teigeiro Tesis Página - 199 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.10-4 Intervalos de la media servicios debido al perfil del ticket – 06/07

Gráfico 4.1.10-5 Gráfico de cajas (RT) debido al perfil del ticket de servicio -06/07

Manuel Teigeiro Tesis Página - 200 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.11. Análisis de variabilidad de problemas (RT) vs miembros de TI - 2005

Examinando en detalle cada conjunto de gráficos, se buscaron los factores que podrían
ser las causas de las diferencias encontradas entre los años 2005 y 2007. Se
plantearon como posibilidad los factores miembros de IT y tipo de ticket profile. Para
corroborar estas inferencias, se hicieron análisis estadísticos de variabilidad para estos
años, que se presentan en la sección siguiente.
En una primera etapa se revisan los datos correspondientes al año 2005, realizando un
análisis de varianza, One-Way ANOVA.

Luego se ejecuto un test de varianzas iguales versus los factores para determinar la
validez de ANOVA equilibrado, para estos casos se ejecutaron ambos tests que vienen
incluidos en Minitab, basado ambos en el nivel de confidencia de Bonferroni. El test de
Bartlett se usa cuando provienen de una distribución normal y el test de Levene
cuando los datos vienen de una distribución continua, pero no necesariamente
normal.

La hipótesis nula, Ho, será que no existen diferencias significativas entre los
miembros de IT, en cuanto a tiempo de resolución de tickets (RT). La hipótesis
alternativa, Ha, por tanto, será que si existen tales diferencias.

Tabla 4.1.11-1 ANOVA – Media de problemas vs. Miembros de TI 2005

Source DF SS MS F P
IT Members 4 6.42 1.61 1.43 0.231
Error 80 89.66 1.12
Total 84 96.08

S = 1.059 R-Sq = 6.68% R-Sq(adj) = 2.02%

Se obtiene un P=0.231, se concluye que no existen diferencias


significativas entre ellos pero no es determinativo ya que falta
el análisis de varianzas iguales.
Individual 95% CIs For Mean Based on
Pooled StDev
Level N Mean StDev --+---------+---------+---------+-------
AJO023 8 0.420 0.604 (------*-----)
AJR037 60 0.131 1.169 (-*-)
ALM045 10 0.222 0.596 (-----*----)
ARC038 1 -0.589 * (----------------*-----------------)
ARG031 6 -0.806 0.805 (------*------)
--+---------+---------+---------+-------
-2.4 -1.2 0.0 1.2
Pooled StDev = 1.059

Tukey 95% Simultaneous Confidence Intervals


All Pairwise Comparisons among Levels of IT Members
Individual confidence level = 99.35%

IT Members = AJO023 subtracted from:

Manuel Teigeiro Tesis Página - 201 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

IT Members Lower Center Upper


-------+---------+---------+---------+--
AJR037 -1.402 -0.289 0.824 (----*---)
ALM045 -1.601 -0.198 1.204 (----*-----)
ARC038 -4.145 -1.009 2.127
(------------*------------)
ARG031 -2.823 -1.226 0.371
(-----*-----)
-------+---------+---------+---------+--
-2.5 0.0 2.5 5.0
IT Members = AJR037 subtracted from:

IT Members Lower Center Upper -------+---------+---------+---------+--


ALM045 -0.919 0.091 1.101 (---*---)
ARC038 -3.701 -0.720 2.262 (-----------*-----------)
ARG031 -2.203 -0.937 0.329 (----*----)
-------+---------+---------+---------+--
-2.5 0.0 2.5 5.0

IT Members = ALM045 subtracted from:

IT Members Lower Center Upper -------+---------+---------+---------+--


ARC038 -3.912 -0.811 2.291 (------------*-----------)
ARG031 -2.555 -1.028 0.499 (-----*-----)
-------+---------+---------+---------+--
-2.5 0.0 2.5 5.0

IT Members = ARC038 subtracted from:

IT Members Lower Center Upper -------+---------+---------+---------+--


ARG031 -3.411 -0.217 2.977 (------------*------------)
-------+---------+---------+---------+--
-2.5 0.0 2.5 5.0

Gráfico 4.1.11-1 Grafico de cajas de problemas (RT) por miembros de TI – 05 - ANOVA

Boxplot of Johnson
3

1
0.42023
Johnson

0.131279 0.22201
0

-0.588509
-0.805696
-1

-2

-3
AJO023 AJR037 ALM045 ARC038 ARG031
IT Members

Manuel Teigeiro Tesis Página - 202 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.11-2 Gráfica de Residuos problemas (RT) por miembros de TI -05- ANOVA

Residual Plots for Johnson


Normal Probability Plot Versus Fits
99.9 3.0
99

90
1.5

Residual
Percent

50 0.0

10 -1.5
1
-3.0
0.1
-4 -2 0 2 4 -0.5 0.0 0.5
Residual Fitted Value

Histogram Versus Order


20 3.0

15 1.5
Frequency

Residual

10 0.0

5 -1.5

-3.0
0
-3 -2 -1 0 1 2 1 10 20 30 40 50 60 70 80
Residual Observation Order

Test de varianzas iguales: Tiempo de respuesta de problemas vs Miembros de TI - 2005

95% Bonferroni confidence intervals for standard deviations

IT Members N Lower StDev Upper


AJO023 8 0.360141 0.60420 1.55058
AJR037 60 0.948885 1.16930 1.51028
ALM045 10 0.372895 0.59581 1.31763
ARC038 1 * * *
ARG031 6 0.446895 0.80484 2.67452

Bartlett's Test (Normal Distribution)


Test statistic = 8.76, p-value = 0.033

Levene's Test (Any Continuous Distribution)


Test statistic = 3.41, p-value = 0.021

Por lo que concluimos que aunque el análisis de varianza (ANOVA) obtuvimos un


P > 0,05 pero en el test de varianzas de iguales de Bartlett vemos que p-value es
menor que 0,05 por ende rechazamos la Ho.
También en los gráficos de residuos (residual vs. fitted value) observamos que se
alternan entre el cero pero existen ciertas concentraciones de los mismos superando el
intervalo [-2,2] no reflejando una distribución aleatoria de los mismos.
En cuando a la distribución de residuos vemos que se asemeja a un comportamiento
normal con una distribución de observaciones aleatorias.

Manuel Teigeiro Tesis Página - 203 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Este implicaría realizar un ANOVA no balanceado o de varianzas no iguales, que no lo


desarrollaremos aquí debido a su complejidad para poder determinar que factor es el
que esta desequilibrando el ANOVA.
El gráfico siguiente muestra que la miembro de IT ―ARG031‖ es el que tiene mayor
amplitud y que a priori podría ser una de varianzas que introducen las variaciones
mayores.

Gráfico 4.1.11-3 Test de Varianzas iguales – Problemas (RT) vs miembros de TI

Test for Equal Variances for Johnson

Bartlett's Test

AJO023 Test Statistic 8.76


P-Value 0.033
Lev ene's Test
Test Statistic 3.41
P-Value 0.021
AJR037
IT Members

ALM045

ARG031

0.5 1.0 1.5 2.0 2.5 3.0


95% Bonferroni Confidence Intervals for StDevs

4.1.12. Análisis de variabilidad RT Problemas vs de perfil del ticket – 2005

Para este análisis se tomará como hipótesis nula, Ho, que no existen diferencias
significativas entre los tipos de tickets, de acuerdo al perfil del problema (Tickets
Profile), con el tiempo de resolución de los mismos (RT). Por lo tanto, la hipótesis
alternativa, Ha, será que si existen tales diferencias.

Tabla 4.1.12-1 ANOVA – Media de problemas vs. Perfil de tickets 2005

Source DF SS MS F P
Profile Level 2 13 14.15 1.09 0.94 0.515
Error 71 81.93 1.15

Manuel Teigeiro Tesis Página - 204 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Total 84 96.08

S = 1.074 R-Sq = 14.72% R-Sq(adj) = 0.00%

Se obtiene un P=0.515, por ende se concluye que no existen


diferencias significativas entre ellos, faltado realizar el test
de varianzas iguales de Bartlett a posterior.

Individual 95% CIs For Mean Based on


Pooled StDev
Level N Mean StDev ----+---------+---------+---------+-----
Account 3 -0.125 0.573 (-------*-------)
Business Apps 17 0.234 1.394 (---*--)
CSC Supported 2 1.190 0.653 (---------*---------)
Database 6 -0.372 1.471 (-----*----)
Desktop Apps 18 0.255 1.005 (---*--)
EBusiness 1 0.661 * (-------------*--------------)
Engineering Apps 1 1.642 * (-------------*-------------)
Hardware 10 0.298 0.586 (----*----)
Messaging 2 0.320 0.430 (---------*---------)
Network 2 0.285 0.662 (---------*---------)
Operating System 2 -0.619 0.235 (---------*---------)
Printing 1 0.247 * (--------------*-------------)
Security 14 -0.507 0.974 (---*--)
Software 6 0.215 1.063 (----*-----)
----+---------+---------+---------+-----
-1.5 0.0 1.5 3.0

Pooled StDev = 1.074

Tukey 95% Simultaneous Confidence Intervals


All Pairwise Comparisons among Levels of Profile Level 2

Individual confidence level = 99.91%

Profile Level 2 = Account subtracted from:

Profile Level 2 Lower Center Upper


Business Apps -1.977 0.358 2.694
CSC Supported -2.090 1.315 4.719
Database -2.885 -0.248 2.390
Desktop Apps -1.946 0.380 2.706
EBusiness -3.521 0.786 5.092
Engineering Apps -2.540 1.766 6.073
Hardware -2.032 0.423 2.878
Messaging -2.960 0.445 3.849
Network -2.995 0.410 3.815
Operating System -3.899 -0.495 2.910
Printing -3.935 0.371 4.678
Security -2.755 -0.383 1.990
Software -2.298 0.339 2.977

Profile Level 2 +---------+---------+---------+---------


Business Apps (------*------)
CSC Supported (---------*--------)
Database (------*-------)
Desktop Apps (------*------)
EBusiness (-----------*------------)

Manuel Teigeiro Tesis Página - 205 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Engineering Apps (-----------*-----------)


Hardware (------*------)
Messaging (--------*---------)
Network (---------*---------)
Operating System (---------*--------)
Printing (-----------*-----------)
Security (------*------)
Software (-------*-------)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Business Apps subtracted from:

Profile Level 2 Lower Center Upper


CSC Supported -1.832 0.956 3.744
Database -2.377 -0.606 1.165
Desktop Apps -1.240 0.022 1.283
EBusiness -3.410 0.427 4.265
Engineering Apps -2.430 1.408 5.246
Hardware -1.422 0.064 1.551
Messaging -2.702 0.087 2.875
Network -2.737 0.052 2.840
Operating System -3.641 -0.853 1.935
Printing -3.825 0.013 3.851
Security -2.087 -0.741 0.605
Software -1.790 -0.019 1.752

Profile Level 2 +---------+---------+---------+---------


CSC Supported (-------*-------)
Database (----*----)
Desktop Apps (---*---)
EBusiness (----------*----------)
Engineering Apps (----------*----------)
Hardware (---*---)
Messaging (-------*-------)
Network (-------*-------)
Operating System (-------*-------)
Printing (----------*----------)
Security (---*---)
Software (----*----)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = CSC Supported subtracted from:

Profile Level 2 Lower Center Upper


Database -4.608 -1.562 1.483
Desktop Apps -3.715 -0.935 1.845
EBusiness -5.097 -0.529 4.039
Engineering Apps -4.116 0.452 5.019
Hardware -3.781 -0.892 1.997
Messaging -4.599 -0.870 2.860
Network -4.634 -0.905 2.825
Operating System -5.539 -1.809 1.920
Printing -5.511 -0.943 3.624
Security -4.517 -1.697 1.122
Software -4.021 -0.975 2.070

Profile Level 2 +---------+---------+---------+---------


Database (--------*-------)
Desktop Apps (-------*-------)
EBusiness (------------*-------------)
Engineering Apps (------------*------------)

Manuel Teigeiro Tesis Página - 206 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Hardware (-------*--------)
Messaging (----------*---------)
Network (---------*----------)
Operating System (----------*---------)
Printing (------------*------------)
Security (-------*-------)
Software (-------*--------)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Database subtracted from:

Profile Level 2 Lower Center Upper


Desktop Apps -1.131 0.628 2.386
EBusiness -2.995 1.033 5.062
Engineering Apps -2.015 2.014 6.042
Hardware -1.256 0.670 2.596
Messaging -2.353 0.693 3.738
Network -2.388 0.658 3.703
Operating System -3.292 -0.247 2.798
Printing -3.410 0.619 4.647
Security -1.955 -0.135 1.685
Software -1.566 0.587 2.740

Profile Level 2 +---------+---------+---------+---------


Desktop Apps (----*----)
EBusiness (-----------*----------)
Engineering Apps (-----------*----------)
Hardware (-----*----)
Messaging (--------*--------)
Network (--------*--------)
Operating System (-------*--------)
Printing (-----------*----------)
Security (-----*----)
Software (-----*-----)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Desktop Apps subtracted from:

Profile Level 2 Lower Center Upper


EBusiness -3.426 0.406 4.238
Engineering Apps -2.446 1.386 5.218
Hardware -1.428 0.043 1.514
Messaging -2.715 0.065 2.845
Network -2.750 0.030 2.810
Operating System -3.655 -0.875 1.905
Printing -3.841 -0.009 3.823
Security -2.092 -0.762 0.567
Software -1.799 -0.041 1.718

Profile Level 2 +---------+---------+---------+---------


EBusiness (----------*----------)
Engineering Apps (----------*----------)
Hardware (---*---)
Messaging (-------*-------)
Network (-------*-------)
Operating System (-------*------)
Printing (----------*----------)
Security (---*---)
Software (----*----)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Manuel Teigeiro Tesis Página - 207 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Profile Level 2 = EBusiness subtracted from:

Profile Level 2 Lower Center Upper


Engineering Apps -4.294 0.980 6.255
Hardware -4.275 -0.363 3.549
Messaging -4.909 -0.341 4.227
Network -4.944 -0.376 4.192
Operating System -5.848 -1.280 3.287
Printing -5.689 -0.415 4.860
Security -5.029 -1.168 2.692
Software -4.475 -0.446 3.582

Profile Level 2 +---------+---------+---------+---------


Engineering Apps (--------------*--------------)
Hardware (----------*----------)
Messaging (------------*------------)
Network (------------*------------)
Operating System (------------*------------)
Printing (--------------*--------------)
Security (----------*----------)
Software (-----------*----------)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Engineering Apps subtracted from:

Profile Level 2 Lower Center Upper


Hardware -5.255 -1.344 2.568
Messaging -5.889 -1.321 3.246
Network -5.924 -1.356 3.211
Operating System -6.829 -2.261 2.307
Printing -6.669 -1.395 3.880
Security -6.009 -2.149 1.712
Software -5.455 -1.427 2.602

Profile Level 2 +---------+---------+---------+---------


Hardware (----------*----------)
Messaging (------------*------------)
Network (------------*------------)
Operating System (-------------*------------)
Printing (--------------*--------------)
Security (----------*----------)
Software (-----------*----------)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Hardware subtracted from:

Profile Level 2 Lower Center Upper


Messaging -2.867 0.022 2.911
Network -2.902 -0.013 2.876
Operating System -3.806 -0.917 1.972
Printing -3.963 -0.051 3.860
Security -2.349 -0.805 0.739
Software -2.009 -0.083 1.843

Profile Level 2 +---------+---------+---------+---------


Messaging (-------*-------)
Network (-------*-------)
Operating System (-------*--------)
Printing (----------*----------)

Manuel Teigeiro Tesis Página - 208 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Security (----*---)
Software (-----*----)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Messaging subtracted from:

Profile Level 2 Lower Center Upper


Network -3.765 -0.035 3.695
Operating System -4.669 -0.940 2.790
Printing -4.641 -0.074 4.494
Security -3.647 -0.827 1.992
Software -3.151 -0.105 2.940

Profile Level 2 +---------+---------+---------+---------


Network (----------*----------)
Operating System (---------*----------)
Printing (------------*------------)
Security (-------*-------)
Software (--------*-------)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Network subtracted from:

Profile Level 2 Lower Center Upper


Operating System -4.634 -0.905 2.825
Printing -4.606 -0.039 4.529
Security -3.612 -0.792 2.027
Software -3.116 -0.070 2.975

Profile Level 2 +---------+---------+---------+---------


Operating System (---------*----------)
Printing (------------*------------)
Security (-------*-------)
Software (--------*-------)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Operating System subtracted from:

Profile
Level 2 Lower Center Upper +---------+---------+---------+---------
Printing -3.702 0.866 5.434 (------------*-------------)
Security -2.707 0.112 2.932 (-------*-------)
Software -2.211 0.834 3.879 (-------*--------)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Printing subtracted from:

Profile
Level 2 Lower Center Upper +---------+---------+---------+---------
Security -4.614 -0.754 3.107 (----------*----------)
Software -4.060 -0.032 3.997 (-----------*----------)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Profile Level 2 = Security subtracted from:

Manuel Teigeiro Tesis Página - 209 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Profile
Level 2 Lower Center Upper +---------+---------+---------+---------
Software -1.098 0.722 2.542 (----*----)
+---------+---------+---------+---------
-7.0 -3.5 0.0 3.5

Gráfico 4.1.12-1 Grafico de cajas de problemas (RT) por perfil del ticket – 05 - ANOVA

Boxplot of Johnson
3

2
1.64162
1.19011
1 0.298113
0.661196
Johnson

0.233739 0.255372 0.285276 0.246648 0.214791


0 -0.124569
-0.372245 0.320257
-0.619296 -0.507083
-1

-2

-3
t
un ps ed se ps ss ps re ng or
k
em tin
g ity ar
e
co Ap ort ba A p sine Ap dwa a gi tw st in cur w
a y t
Ac es
s pp Dat op u g r
es
s
Ne S Pr Se So
f
is n Su skt EB e r in Ha M ing
Bu
C De ne at
CS ngi per
E O
Profile Level 2

Manuel Teigeiro Tesis Página - 210 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.12-2 Gráfica de Residuos problemas (RT) por perfil del ticket -05- ANOVA

Residual Plots for Johnson


Normal Probability Plot Versus Fits
99.9 3.0
99

90
1.5

Residual
Percent

50 0.0

10 -1.5
1
-3.0
0.1
-4 -2 0 2 -0.5 0.0 0.5 1.0 1.5
Residual Fitted Value

Histogram Versus Order


20 3.0

15 1.5
Frequency

Residual

0.0
10

-1.5
5
-3.0
0
-3 -2 -1 0 1 2 1 10 20 30 40 50 60 70 80
Residual Observation Order

Test de varianzas iguales: Tiempo de respuesta de problemas vs perfil del ticket - 2005

95% Bonferroni confidence intervals for standard deviations

Profile Level 2 N Lower StDev Upper


Account 3 0.232092 0.57260 12.004
Business Apps 17 0.919919 1.39420 2.628
CSC Supported 2 0.214040 0.65326 229.341
Database 6 0.762256 1.47053 6.049
Desktop Apps 18 0.670132 1.00516 1.851
EBusiness 1 * * *
Engineering Apps 1 * * *
Hardware 10 0.346427 0.58560 1.477
Messaging 2 0.140997 0.43033 151.076
Network 2 0.216893 0.66197 232.397
Operating System 2 0.077058 0.23518 82.566
Printing 1 * * *
Security 14 0.619524 0.97445 2.010
Software 6 0.551094 1.06316 4.373

Bartlett's Test (Normal Distribution)


Test statistic = 11.66, p-value = 0.308

Levene's Test (Any Continuous Distribution)


Test statistic = 1.53, p-value = 0.148

Por lo que concluimos que aunque el análisis de varianza (ANOVA) obtuvimos un


P > 0,05 y en el test de varianzas de iguales de Bartlett vemos que p-value > 0,05
por ende aceptamos la Ho.

Manuel Teigeiro Tesis Página - 211 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

También en los gráficos de residuos (residual vs. fitted value) observamos que se
alternan entre el cero pero existen menos concentraciones de los mismos pocos puntos
superando el intervalo [-2,2] reflejando una distribución aleatoria de los mismos.
En cuando a la distribución de residuos vemos que se asemeja a un comportamiento
normal con una distribución de observaciones aleatorias.
En principio el perfil del ticket no sería significativo en el tiempo de resolución de
problemas del 2005.
El gráfico siguiente muestra que los perfiles de tickets de IT que tiene mayor amplitud y
que a priori podría ser las varianzas que introducen las variaciones mayores.

Gráfico 4.1.12-3 Test de Varianzas iguales – Problemas (RT) vs perfil del ticket

Test for Equal Variances for Johnson


Account Bartlett's Test
Business Apps Test Statistic 11.66
P-Value 0.308
CSC Supported
Lev ene's Test
Database
Test Statistic 1.53
Desktop Apps P-Value 0.148
Profile Level 2

EBusiness
Engineering Apps
Hardware
Messaging
Network
Operating System
Printing
Security
Software
0 50 100 150 200 250
95% Bonferroni Confidence Intervals for StDevs

Manuel Teigeiro Tesis Página - 212 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.13. Análisis de variabilidad de Media de problemas vs miembros TI 2007

Para este análisis se tomará como hipótesis nula, Ho, que no existen diferencias
significativas entre los miembros de IT en cuanto a tiempo de resolución de
tickets (RT). De allí que, la hipótesis alternativa, Ha, será que si existen tales
diferencias.

Tabla 4.1.13-1 ANOVA – Media de problemas vs. Miembros de TI 2007

Source DF SS MS F P
IT Members 6 10.635 1.773 2.06 0.105
Error 20 17.242 0.862
Total 26 27.877

S = 0.9285 R-Sq = 38.15% R-Sq(adj) = 19.60%

Se obtiene un P=0.105, por ende se concluye que no existen


diferencias significativas entre ellos, faltaría el test de
varianzas iguales.
Aunque en comparación al año 2005 (P=0.231) el valor ha
disminuido.

Level N Mean StDev --------+---------+---------+---------+-


AJO023 3 -0.1247 0.7690 (--------*--------)
ALM045 2 0.3814 1.0079 (----------*-----------)
CDT012 3 0.9745 1.1222 (--------*--------)
CKR024 2 -0.8203 0.4553 (----------*-----------)
FMXP43 3 0.7748 1.2305 (--------*---------)
QBWD64 9 -0.6334 0.9875 (-----*----)
TCQN73 5 0.3720 0.6099 (------*------)
--------+---------+---------+---------+-
-1.2 0.0 1.2 2.4

Pooled StDev = 0.9285

Hsu's MCB (Multiple Comparisons with the Best)

Family error rate = 0.05


Critical value = 2.55

Intervals for level mean minus smallest of other level means

Level Lower Center Upper ----+---------+---------+---------+-----


AJO023 -1.0671 0.6957 2.8535 (-----------*-------------)
ALM045 -0.8331 1.2017 3.5655 (-------------*---------------)
CDT012 0.0000 1.7948 3.9527 (-----------*-------------)
CKR024 -2.0348 -0.1869 1.6610 (------------*-----------)
FMXP43 -0.1676 1.5952 3.7530 (-----------*-------------)
QBWD64 -1.6610 0.1869 2.0348 (-----------*------------)
TCQN73 -0.3130 1.1924 3.1701 (---------*------------)
----+---------+---------+---------+-----
-1.5 0.0 1.5 3.0

Tukey 95% Simultaneous Confidence Intervals


All Pairwise Comparisons among Levels of IT Members

Manuel Teigeiro Tesis Página - 213 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Individual confidence level = 99.61%

IT Members = AJO023 subtracted from:

IT Members Lower Center Upper --------+---------+---------+---------+-


ALM045 -2.2629 0.5060 3.2750 (----------*----------)
CDT012 -1.3775 1.0991 3.5758 (---------*---------)
CKR024 -3.4646 -0.6957 2.0733 (----------*----------)
FMXP43 -1.5771 0.8995 3.3761 (---------*---------)
QBWD64 -2.5309 -0.5088 1.5134 (-------*-------)
TCQN73 -1.7184 0.4967 2.7119 (--------*--------)
--------+---------+---------+---------+-
-2.5 0.0 2.5 5.0

IT Members = ALM045 subtracted from:

IT Members Lower Center Upper --------+---------+---------+---------+-


CDT012 -2.1758 0.5931 3.3620 (----------*----------)
CKR024 -4.2349 -1.2017 1.8315 (-----------*-----------)
FMXP43 -2.3755 0.3935 3.1624 (-----------*----------)
QBWD64 -3.3860 -1.0148 1.3564 (---------*--------)
TCQN73 -2.5471 -0.0093 2.5285 (---------*---------)
--------+---------+---------+---------+-
-2.5 0.0 2.5 5.0

IT Members = CDT012 subtracted from:

IT Members Lower Center Upper --------+---------+---------+---------+-


CKR024 -4.5637 -1.7948 0.9741 (----------*----------)
FMXP43 -2.6762 -0.1996 2.2770 (---------*---------)
QBWD64 -3.6300 -1.6079 0.4143 (--------*-------)
TCQN73 -2.8176 -0.6024 1.6127 (--------*-------)
--------+---------+---------+---------+-
-2.5 0.0 2.5 5.0

IT Members = CKR024 subtracted from:

IT Members Lower Center Upper --------+---------+---------+---------+-


FMXP43 -1.1738 1.5952 4.3641 (----------*----------)
QBWD64 -2.1843 0.1869 2.5581 (---------*--------)
TCQN73 -1.3454 1.1924 3.7301 (---------*---------)
--------+---------+---------+---------+-
-2.5 0.0 2.5 5.0

IT Members = FMXP43 subtracted from:

IT Members Lower Center Upper --------+---------+---------+---------+-


QBWD64 -3.4304 -1.4083 0.6139 (-------*-------)
TCQN73 -2.6180 -0.4028 1.8124 (-------*--------)
--------+---------+---------+---------+-
-2.5 0.0 2.5 5.0

IT Members = QBWD64 subtracted from:

IT Members Lower Center Upper --------+---------+---------+---------+-


TCQN73 -0.6864 1.0055 2.6973 (------*------)
--------+---------+---------+---------+-
-2.5 0.0 2.5 5.0

Manuel Teigeiro Tesis Página - 214 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.13-1 Grafico de cajas de problemas (RT) por miembros de TI – 07 - ANOVA

Boxplot of Johnson

0
Johnson

-1

-2

-3
AJO023 ALM045 CDT012 CKR024 FMXP43 QBWD64 TCQN73
IT Members

Gráfico 4.1.13-2 Gráfica de Residuos problemas (RT) por miembros de TI -07- ANOVA

Residual Plots for Johnson


Normal Probability Plot Versus Fits
99
2

90
1
Residual
Percent

50 0

-1
10

1 -2
-2 -1 0 1 2 -1.0 -0.5 0.0 0.5 1.0
Residual Fitted Value

Histogram Versus Order


2
8
1
Frequency

6
Residual

0
4
-1
2

0 -2
-2 -1 0 1 2 2 4 6 8 10 12 14 16 18 20 22 24 26
Residual Observation Order

Manuel Teigeiro Tesis Página - 215 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Test de varianzas iguales: Tiempo de respuesta de problemas vs miembros de TI – 2007

95% Bonferroni confidence intervals for standard deviations

IT Members N Lower StDev Upper


AJO023 3 0.323970 0.76903 12.857
ALM045 2 0.345918 1.00791 225.174
CDT012 3 0.472739 1.12217 18.761
CKR024 2 0.156264 0.45531 101.720
FMXP43 3 0.518377 1.23051 20.572
QBWD64 9 0.584383 0.98749 2.528
TCQN73 5 0.308631 0.60992 2.924

Bartlett's Test (Normal Distribution)


Test statistic = 2.07, p-value = 0.913

Levene's Test (Any Continuous Distribution)


Test statistic = 0.28, p-value = 0.938

Por lo que concluimos que aunque el análisis de varianza (ANOVA) obtuvimos un


P > 0,05 y en el test de varianzas de iguales de Bartlett vemos que p-value > 0,05
por ende aceptamos la Ho.
También en los gráficos de residuos (residual vs. fitted value) observamos que se
alternan entre el cero dentro del intervalo [-2,2] reflejando una distribución aleatoria de
los mismos.
En cuando a la distribución de residuos vemos que se asemeja a un comportamiento
normal con una distribución de observaciones aleatorias.
En principio los miembros de TI no serían significativos en el tiempo de resolución de
problemas del 2007.
El gráfico siguiente muestra que los miembros de TI que tiene mayor amplitud y que a
priori podría ser las varianzas que introducen las variaciones mayores ―ALM045‖.

Gráfico 4.1.13-3 Test de Varianzas iguales – Problemas (RT) vs miembros de TI

Test for Equal Variances for Johnson

Bartlett's Test
AJO023
Test Statistic 2.07
P-Value 0.913
ALM045 Lev ene's Test
Test Statistic 0.28
P-Value 0.938
CDT012
IT Members

CKR024

FMXP43

QBWD64

TCQN73

0 50 100 150 200 250


95% Bonferroni Confidence Intervals for StDevs

Manuel Teigeiro Tesis Página - 216 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.14. Análisis de variabilidad de Problemas (RT) vs perfil del ticket - 2007

Nuevamente, la hipótesis nula, Ho, será que no existen diferencias significativas


entre los tipos de tickets (profile) con el tiempo de resolución de tickets (RT). La
consiguiente hipótesis alternativa, Ha, será que existen diferencias.

Tabla 4.1.14-1 ANOVA – Media de problemas vs. Perfil de tickets 2007

Source DF SS MS F P
Profile Level 2 5 3.50 0.70 0.60 0.698
Error 21 24.37 1.16
Total 26 27.88

S = 1.077 R-Sq = 12.57% R-Sq(adj) = 0.00%

Se obtiene un P=0.664, por ende se concluye que no existen


diferencias significativas entre ellos. Faltaría analizar el test
de varianzas iguales para concluir o no la aceptación de Ho
El valor de P ha mejorado respecto del año 2005 (P=0.515)

Individual 95% CIs For Mean Based on


Pooled StDev
Level N Mean StDev ---+---------+---------+---------+------
Account 3 -0.621 0.098 (----------*----------)
CSC Supported 3 0.248 0.749 (----------*----------)
Engineering Apps 15 0.251 1.016 (----*----)
Hardware 1 -0.560 * (-----------------*------------------)
Network 3 -0.240 0.783 (----------*----------)
Software 2 -0.605 2.749 (------------*------------)
---+---------+---------+---------+------
-2.4 -1.2 0.0 1.2

Pooled StDev = 1.077

Hsu's MCB (Multiple Comparisons with the Best)

Family error rate = 0.05


Critical value = 2.48

Intervals for level mean minus smallest of other level means

Level Lower Center Upper


Account -2.455 -0.015 3.026
CSC Supported -1.314 0.868 3.894
Engineering Apps -0.818 0.872 3.572
Hardware -3.026 0.060 3.318
Network -1.802 0.380 3.406
Software -2.424 0.015 3.228

Level -----+---------+---------+---------+----
Account (-----------*--------------)
CSC Supported (----------*--------------)
Engineering Apps (-------*-------------)
Hardware (--------------*----------------)
Network (----------*--------------)
Software (-----------*---------------)
-----+---------+---------+---------+----

Manuel Teigeiro Tesis Página - 217 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

-2.0 0.0 2.0 4.0

Tukey 95% Simultaneous Confidence Intervals


All Pairwise Comparisons among Levels of Profile Level 2

Individual confidence level = 99.49%

Profile Level 2 = Account subtracted from:

Profile Level 2 Lower Center Upper


CSC Supported -1.881 0.868 3.618
Engineering Apps -1.258 0.872 3.001
Hardware -3.828 0.060 3.948
Network -2.369 0.380 3.129
Software -3.058 0.015 3.089

Profile Level 2 ---------+---------+---------+---------+


CSC Supported (----------*----------)
Engineering Apps (-------*--------)
Hardware (--------------*---------------)
Network (----------*----------)
Software (-----------*-----------)
---------+---------+---------+---------+
-2.5 0.0 2.5 5.0

Profile Level 2 = CSC Supported subtracted from:

Profile Level 2 Lower Center Upper


Engineering Apps -2.126 0.003 2.133
Hardware -4.696 -0.808 3.080
Network -3.237 -0.488 2.261
Software -3.927 -0.853 2.221

Profile Level 2 ---------+---------+---------+---------+


Engineering Apps (--------*--------)
Hardware (---------------*--------------)
Network (----------*----------)
Software (------------*-----------)
---------+---------+---------+---------+
-2.5 0.0 2.5 5.0

Profile Level 2 = Engineering Apps subtracted from:

Profile
Level 2 Lower Center Upper ---------+---------+---------+---------+
Hardware -4.289 -0.811 2.666 (-------------*-------------)
Network -2.621 -0.491 1.638 (-------*--------)
Software -3.391 -0.856 1.678 (----------*---------)
---------+---------+---------+---------+
-2.5 0.0 2.5 5.0

Profile Level 2 = Hardware subtracted from:

Profile
Level 2 Lower Center Upper ---------+---------+---------+---------+
Network -3.568 0.320 4.208 (--------------*---------------)
Software -4.169 -0.045 4.079 (----------------*---------------)
---------+---------+---------+---------+
-2.5 0.0 2.5 5.0

Manuel Teigeiro Tesis Página - 218 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Profile Level 2 = Network subtracted from:

Profile
Level 2 Lower Center Upper ---------+---------+---------+---------+
Software -3.439 -0.365 2.709 (------------*-----------)
---------+---------+---------+---------+
-2.5 0.0 2.5 5.0

Gráfico 4.1.14-1 Grafico de cajas de problemas (RT) por perfil del ticket – 07 - ANOVA

Boxplot of Johnson

0
Johnson

-1

-2

-3
Account CSC Supported Engineering Apps Hardware Network Software
Profile Level 2

Manuel Teigeiro Tesis Página - 219 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 4.1.14-2 Gráfica de Residuos problemas (RT) por perfil del ticket -07- ANOVA

Residual Plots for Johnson


Normal Probability Plot Versus Fits
99
2

90 1

Residual
Percent

50 0

-1
10

1 -2
-2 -1 0 1 2 -0.6 -0.4 -0.2 0.0 0.2
Residual Fitted Value

Histogram Versus Order


2
4.8

1
3.6
Frequency

Residual

0
2.4

1.2 -1

0.0 -2
-2 -1 0 1 2 2 4 6 8 10 12 14 16 18 20 22 24 26
Residual Observation Order

Test de varianzas iguales: Tiempo de respuesta de problemas vs perfil del ticket – 2007

95% Bonferroni confidence intervals for standard deviations

Profile Level 2 N Lower StDev Upper


Account 3 0.042418 0.09764 1.379
CSC Supported 3 0.325536 0.74932 10.584
Engineering Apps 15 0.679197 1.01587 1.883
Hardware 1 * * *
Network 3 0.340344 0.78341 11.065
Software 2 0.979215 2.74869 438.624

Bartlett's Test (Normal Distribution)


Test statistic = 10.00, p-value = 0.040

Levene's Test (Any Continuous Distribution)


Test statistic = 4.31, p-value = 0.011

Por lo que concluimos que aunque el análisis de varianza (ANOVA) obtuvimos un


P > 0,05 pero en el test de varianzas de iguales de Bartlett vemos que p-value es
menor que 0,05 por ende rechazamos la Ho.
También en los gráficos de residuos (residual vs. fitted value) observamos que se
alternan entre el cero pero existen ciertas concentraciones de los mismos superando el
intervalo [-2,2] no reflejando una distribución aleatoria de los mismos.
En cuando a la distribución de residuos vemos que se asemeja a un comportamiento
normal con una distribución de observaciones aleatorias.

Manuel Teigeiro Tesis Página - 220 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Este implicaría realizar un ANOVA no balanceado o de varianzas no iguales, que no lo


desarrollaremos aquí debido a su complejidad para poder determinar que factor es el
que esta desequilibrando el ANOVA.
El gráfico siguiente muestra que la perfil del ticket ―Software‖ es el que tiene mayor
amplitud y que a priori podría ser una de varianzas que introducen las variaciones
mayores.

Gráfico 4.1.14-3 Test de Varianzas iguales – Problemas (RT) vs miembros de TI

Test for Equal Variances for Johnson

Bartlett's Test
Account
Test Statistic 10.00
P-Value 0.040
Lev ene's Test
CSC Supported
Test Statistic 4.31
P-Value 0.011
Profile Level 2

Engineering Apps

Hardware

Network

Software

0 100 200 300 400 500


95% Bonferroni Confidence Intervals for StDevs

Manuel Teigeiro Tesis Página - 221 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.1.15. Conclusiones del análisis de variabilidad de factores por año

Los análisis realizados de problemas y factores respecto al tiempo de resolución (RT),


de los años 2005 y 2007, tienen como fin encontrar, a priori, si entre los miembros de IT
que resuelven los problemas, perfiles o tipo de tickets existen diferencias.

Para RT del 2005 perfil de ticket el P es de 0.515 y el test de varianzas de Bartlett


p value = 0.308, se acepta la H0. (Homogeneidad de varianzas)

Para RT del 2007 perfil de tickets el P es de 0.698 y el test de varianzas de Bartlett p


value = 0.040, se rechaza la H0. (Heterogeneidad de varianzas)

Para RT del 2005 miembros de IT el P es de 0.160 y el test de varianzas de Bartlett p


value = 0.033, se rechaza la H0.(Heterogeneidad de varianzas)

Para RT del 2007 miembros de IT el P es de 0.105 y el test de varianzas de Bartlett


p value = 0.913, se acepta la H0. (Homogeneidad de varianzas)

En el caso del 2007 RT vs perfil de tickets y el caso del 2005 RT vs miembros de IT


donde alfa 0.05 es mayor que el P-value del test de varianzas se rechaza la H0.

En los casos en que se rechaza la Ho es debido a que no cumple con el test de


varianzas iguales que se debería hacer un análisis de estadístico de varianzas que
contemple el modelo no equilibrado o de varianzas heterogéneas.
Estos análisis estadísticos del modelo de varianzas heterogéneas de más de dos
factores están fuera del alcance de esta tesis debido a su complejidad.
Vemos que existen ciertos factores en cada uno de los test de rechazo que podría
indicar que son las causas de los mismos pero sería necesario la verificación teórica.

Manuel Teigeiro Tesis Página - 222 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

4.2. Conclusiones de la fase de análisis de oportunidades

En la fase de análisis de datos se han realizado cálculos estadísticos que permitieron


comprobar el comportamiento de las variables en cuanto a su estabilidad y capacidad.
Los resultados obtenidos sirven de base para comenzar con la fase siguiente, de mejora
de la performance.

La confiabilidad y reproducibilidad de resultados son las principales preocupaciones en


los procesos. Ha quedado demostrado, en el caso de estudio tratado aquí, que estas
condiciones se mantienen al haber analizado estadísticamente los datos relacionados a
tickets de servicios y de problemas por 3 años consecutivos demostrando que los
procesos se encuentran bajo dentro de los limites de control, estables y capaces.

Estas condiciones permiten avanzar un paso más y poder guiar el enfoque hacia la
búsqueda de definiciones claras de las métricas. Las mismas serán incluidas dentro del
sistema de medición, que además abarca las condiciones, responsables, gráficos de
control, variables significativas, definiciones de indicadores que reflejen las métricas
seleccionadas de acuerdo a las necesidades del negocio, entre otras. Esto genera un
preciso nivel de indicadores de actuación del área, que lo hace comparable con otras
unidades de negocios o empresas.

Respecto a las métricas podemos asentar que los mayores esfuerzos están siendo
validados sólo en las empresas de USA, relacionadas con los sistemas financieros y de
contabilidad, a causa de Sarbanes-Oxley Act72 y otras reglamentaciones o normativas
internacionales mencionadas anteriormente. No es usual encontrar estos niveles de
diligencia en otros sistemas de métricas de los negocios o empresas.

La idea básica detrás de un Balanced ScoreCard (BSC) es la de proveer a la gerencia


de una perspectiva nítida de los aspectos del negocio, además de focalizar en el
establecimiento de métricas claras y quiénes son los responsables de las mismas. En
cuanto a las herramientas del control estadístico de procesos o SPC (Statistical
Process Control) que permiten recopilar y monitorear los resultados, y que están
encaminadas a la mejora de los mismos, se distingue que:

Las cartas de control están siendo cada vez más utilizadas, señalando cómo los
gerentes buscan entender profundamente la performance o actuación del negocio y
cómo deben invertir en los recursos cada vez más escasos.
Los gráficos de Pareto se presentan como una herramienta efectiva para visualizar
donde deben ser concentrados los esfuerzos para lograr el mayor retorno sobre la
inversión (ROI).
Los diagramas de causa-efecto, conocidos comúnmente como diagramas de
espina de pescado (Fishbone) o de Ishikawa73, son usados por los miembros del

72
Sarbanes-Oxley Act [en línea]. Disponible en Internet:
http://fl1.findlaw.com/news.findlaw.com/hdocs/docs/gwbush/sarbanesoxley072302.pdf [Consulta: 25 de
Febrero del 2008]
73
Diagrama de Ishikawa [en línea]. Disponible en Internet:
http://es.wikipedia.org/wiki/Diagrama_de_Ishikawa [Consulta: 25 de Febrero del 2008]

Manuel Teigeiro Tesis Página - 223 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

management, enfocándose en su análisis y representación (cause effect analysis


or diagrams) para entender las relaciones entre indicadores que pueden predecir
(leading) y aquellos que reportan que algo sucedió (lagging). Posibilitando la
creación de un portafolio balanceado de indicadores que les permita entender cuáles
son aquellos claves de la actuación.

Manuel Teigeiro Tesis Página - 224 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

5. MEJORA DE LA PERFORMANCE O ACTUACIÓN

Esta es la etapa en que las empresas tratan de reducir las mayores fuentes de variación
y redirigir el proceso. Durante esta etapa de implementación de Six Sigma:

- Se identifican las variables de entrada críticas, y se determina su tolerancia.


- La media del proceso es redirigida.
- Se reduce la variación del proceso.
- Se mejora la invulnerabilidad del proceso a las variaciones.

A continuación se presenta un esquema que resume las características generales de


esta etapa.

Gráfico 5-1 Mejora de la performance

Una vez identificadas y verificadas las causas raíces de los problemas en los procesos,
deben proponerse posibles soluciones. Existen cuantiosas formas de generar ideas
para mejorar y se puede usar una gran variedad de ellas para dar impulso a la
creatividad.

Antes de emprender la fase de mejora correspondiente al proyecto DMAIC, se centró la


atención en herramientas analíticas y lógicas, y procesos para medir y analizar la
performance. Sin embargo, pensar en soluciones novedosas requiere una manera
diferente de operar las capacidades cognitivas, se necesita ser lo más creativo posible
durante la fase de generación de soluciones.

Manuel Teigeiro Tesis Página - 225 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Para promover la creatividad se pueden poner en práctica diferentes técnicas que


ayudan a pensar fuera de los esquemas clásicos, es decir, a traspasar los paradigmas,
considerando diversas perspectivas, y que terminarán por generar una visión mucho
más amplia de los problemas.

En el esquema que se presenta a continuación se listan algunas técnicas, que no son


mutuamente excluyentes, por tanto se pueden utilizar en conjunto o combinaciones de
ellas para maximizar el número de soluciones propuestas.

Gráfico 5-2 Herramientas para generar ideas sobre mejoras

Para comenzar con la fase de mejora de la performance o actuación, se han


investigado las referencias de estándares y modelos como CObIT, ITIL, CMMI, ISO
20000, ISO 27000, BSC, construcción de TC y otras documentaciones relacionadas con
la IT, con el fin de contar con definiciones claras y marcos de las mejores prácticas al
respecto. Con ello se logra una base adecuada y sostenidos fundamentos para alcanzar
el objetivo final, que es la determinación de instrumentos de control para la gestión
integrada en el área de IT.

Al aplicar el torbellino de ideas (brainstorming) se comprobó que la recopilación de


esta información era básica para avanzar en el formato base (template) de definición de
métricas. También para la definición de algunas contempladas en el acuerdo de
servicios de Argentina y su integración a un TC o dashboard gerencial de las mismas.

Como la compañía en la que se desarrolla el presente trabajo se ha alineado a los


procesos de ITIL, en el corriente año (2008), se profundizarán sus respectivas versiones
2 y 3. De hecho, en Febrero del 2008 se hizo el reemplazo del sistema de Help Desk

Manuel Teigeiro Tesis Página - 226 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Global por uno basado en los lineamientos de ITIL. De allí también se extraerán las
mejores prácticas (Best Practices) como así también benchmarking con otras
empresas.
De todas formas, existen mapeos y relaciones equivalentes entre ITIL, CObIT, ISO
1779974.

Se destaca que en ITIL V3 75 se incorpora el proceso de mejora de los 7 pasos, el cual


cubre las etapas requeridas para la recolección de datos, el análisis para identificar
tendencias y problemas, la presentación de información a la gerencia para su
priorización y acuerdo, y la implementación de mejoras. Cada etapa es conducida por
las metas estratégicas, tácticas y operacionales definidas durante el diseño del servicio.

5.1. Proceso de mejora de 7 pasos (ITIL V3)

En lo que sigue se explican los distintos pasos del proceso de mejora propuesto en ITIL:

Paso 1 - Definir que debería medirse

Debería ser definido un conjunto de métricas que de soporte total a las metas de
la organización. El foco debería estar en identificar lo necesario para satisfacer
las metas completamente, sin considerar si el dato o información están
actualmente disponibles.

Paso 2 - Definir qué puede medirse

Las organizaciones deben ser conscientes de sus limitaciones, respecto a lo que


pueden medir, y esto es útil para reconocer que existen esas diferencias o
brechas y para evaluar los riesgos podrían involucrar en el resultado.

Un análisis de diferencias (Gap Analysis) debe ser conducido entre lo que


puede medirse y lo idealmente requerido. Las disparidades e implicancias
pueden entonces ser reportadas al negocio, los clientes y la gerencia de la IT,
para la adecuación correspondiente en alguna etapa.

Paso 3 – Colectar datos

Este es el paso de monitoreo y recolección de datos. Una combinación de


herramientas de control y de procesos manuales debería ser puesta para
colectar los datos que se necesitan para las métricas definidas.

74
IT GOVERNANCE INSTITUTE. 2005. ―Aligning CoBIT, ITIL & ISO 17799 for Business Benefit:
Management Summary.‖ [en línea]. Disponible en Internet: http://www.itgi.org [Consulta: 25 de Febrero
del 2008]
75
ITSMF. ―An Introductory. Overview of ITIL. ®. V3‖. 2007‖ [en línea]. Disponible en Internet:
www.itsmf.si/Shared%20Documents/itSMF_ITILV3_Intro_Overview.pdf [Consulta: 02 de Junio del 2008]

Manuel Teigeiro Tesis Página - 227 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

La calidad es el objetivo clave del monitoreo, por lo tanto este ayuda a enfocarse
en la efectividad de un servicio, proceso, herramienta, organización o elemento
de configuración. Se pone énfasis en identificar donde pueden ser realizadas o
introducidas las mejoras, en el nivel de servicio existente, en la performance o
actuación de la IT, típicamente detectando excepciones y resoluciones.

La mejora continua del servicio (Continual Service Improvement, CSI) no está


interesada en las excepciones. Si un acuerdo de nivel de servicios (Service
Level Agreement, SLA) es consistentemente cumplido en el tiempo, la CSI se
destinará a determinar si el nivel de performance puede ser sustentable a bajos
costos o si este necesita ser actualizado a un mayor o mejor nivel de actuación.

Paso 4- Procesar datos

Los datos obtenidos son procesados al formato requerido, típicamente dándole


la perspectiva en la actuación de los servicios o procesos.
El procesamiento de datos es una importante actividad de la CSI, aunque es
frecuentemente omitida. Mientras el monitoreo y la recolección de datos en un
componente de infraestructura simple son importantes, la anterior es clave para
entender los impactos de los componentes dentro de una mayor infraestructura
de servicio de la IT.

Paso 5- Analizar datos

El análisis de los datos transforma la información en conocimiento de los


eventos que están afectando a la organización.
Una vez que el dato es procesado a información, el resultado puede ser
analizado para responder preguntas tales como:
¿Se están cumpliendo los objetivos?
¿Existe alguna tendencia clara?
¿Existen las acciones correctivas requeridas? ¿Cuál es el costo?

Paso 6- Presentar y usar la información

El conocimiento adquirido puede ahora ser presentado en un formato que sea


fácil de entender y que permita a los que reciben la información tomar decisiones
estratégicas, tácticas y operacionales. La información necesita ser provista al
correcto nivel y de forma apropiada, enfocada a la audiencia que la recibirá. Esto
debería proveer valor, notar excepciones al servicio y resaltar cualquier beneficio
que haya sido identificado durante cierto período de tiempo.

Ahora más que nunca, la IT debería invertir tiempo para entender las metas
específicas del negocio y trasladarlas a métricas de su área, para reflejar su
impacto en tales metas. Frecuentemente existe diferencia entre lo que este área
reporta y lo que es de interés para el negocio.
Aunque la mayoría de los reportes tienden a concentrarse en problemas de
performance pobre, pero también las buenas noticias deben ser tenidas en

Manuel Teigeiro Tesis Página - 228 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

cuenta. Un reporte que exhiba las tendencias de mejora en los servicios de la IT


es el mejor vehículo de mercadotecnia.

Paso 7- Implementar acciones correctivas

El conocimiento adquirido es usado para optimizar, mejorar y corregir servicios,


procesos y todo otro tipo de actividades de soporte y tecnología. Las acciones
correctivas requeridas para la mejora del servicio deberían ser identificadas y
comunicadas a la organización.
La CSI identificará muchas oportunidades para la mejora continua y una
organización la debe priorizar basándose en sus objetivos, recursos y fondos
disponibles.

La mejora continua de 7 pasos se convierte así en un círculo de calidad continuo, donde


se hace una y otra vez el recorrido por cada uno de los pasos.

Existen cuatro razones básicas para el monitoreo y medición, a saber:

 Validar las decisiones que han sido tomadas previamente.


 Dirigir las actividades para lograr los objetivos deseados, esta es la razón
que más prevalece para sustentar el monitoreo y medición.
 Justificar el curso de acción requerido, con evidencia real o pruebas.
 Intervenir en el momento apropiado y tomar las acciones correctivas.

Gráfico 5.1-1 Proceso de mejora de 7 pasos (ITIL V3)

Publicado por ITIL V3

Manuel Teigeiro Tesis Página - 229 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Para soporte de las actividades de CSI existen tres tipos de métricas fundamentales que
las organizaciones necesitan recolectar de los procesos:

 Métricas tecnológicas: frecuentemente asociadas con componentes y


aplicaciones basadas en métricas tales como actuación y disponibilidad.
 Métricas de procesos: capturadas en forma de factores críticos de éxito
(Critical Success Factors, CSFs), indicadores claves de performance (Key
Perfomance Indicators, KPIs) y otras métricas de actividades.
 Métricas de servicios: resultado del servicio de principio a fin (end-to-end).
Métricas de componentes o tecnología son usadas para computar las pertinentes
a servicios.

5.2. Compromiso de decisiones basadas en datos (Six Sigma)

Los proyectos de Six Sigma, donde eran validadas las mejoras de los procesos y
ahorros con métodos estadísticos, eran el núcleo que hacía a esta metodología
diferente y poderosa.
Si las organizaciones desean un verdadero éxito del programa de mejora continua
necesitan hacer énfasis en las decisiones basadas en datos.
De acuerdo a la teoría organizacional enfocada por los autores French y Raven, se
puede decir que las bases del poder social en las organizaciones derivan de tres
fuentes: autoridad, carisma y conocimiento. Sin embargo, hay autores que han
postulado algunas fuentes diferentes76. La metodología Six Sigma propone un
acercamiento más participativo hacia la gerencia.

5.2.1. Diferentes métodos de toma de decisiones

En cuanto a la manera en que se lleva a cabo la toma de decisiones, la mayoría de los


autores proponen cuatro categorías diferentes: tradicional, autoritaria, intuitiva y
científica.

Tradicional: toma de decisiones basada en la forma habitual de hacer las cosas, como
han sido realizadas anteriormente. El modo queda codificado en procedimientos,
estándares, regulaciones y doctrinas. Esto se vuelve inconsciente, es más fácil seguir
las reglas establecidas que cuestionarlas, y aparece como un mecanismo natural para
disminuir el stress y hacer uso eficiente de los recursos de las organizaciones.
A veces los procesos tradicionales y conocimientos codificados son necesarios y
poderosos, sin embargo, no siempre es así. En algún momento alguien puede encontrar
―una mejor forma‖ para conducir los negocios y resolver problemas. En estas

76
Wikipedia. ―Power Philosophy‖.[en línea]. Disponible en Internet:
http://en.wikipedia.org/wiki/Power_(sociology)#Types_and_sources_of_power [Consulta: 02 de Junio del
2008]

Manuel Teigeiro Tesis Página - 230 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

situaciones es donde las iniciativas de Six Sigma deberían de ser usadas como desafío
para repensar, rediseñar y mejorar.

Autoritaria: a diferencia del poder derivado del carisma o conocimiento, la toma de


decisiones autoritaria se basa en el poder inherente a determinada posición jerárquica.
Las decisiones autoritarias provienen de los puestos de dirección y son necesarias para
que una moderna burocracia pueda funcionar correctamente.
Sin embargo, es recomendada una gestión participativa de los empleados en todos los
niveles de la organización. Según el profesor de negocios Edward Lawler, Six Sigma
conlleva una gestión de este tipo. Así los equipos de Six Sigma utilizan la experiencia
de los miembros de la organización junto con las perspectivas de las autoridades.

Intuitiva: esta incluye muchas estrategias no estructuradas para la toma de decisiones,


algunas como prueba y error, predicción y experiencia. La mayoría de las personas que
toman decisiones rápidas se basan en experiencias previas usando ambos
razonamientos: deductivo e inductivo. Sin embargo, se requiere más que la propia
intuición para un proyecto de mejora. Tanto la intuición como la experiencia acerca de
las causas raíces y soluciones son aceptables solamente si las personas que toman las
decisiones quieren hacer un mero balance con los datos disponibles.

Científica: la toma de decisión incluye un acercamiento analítico y de ingeniería, en


donde el método científico y los planteos acerca de calidad ayudan a crear modelos
matemáticos de problemas. El testeo del método científico induce y deriva en hipótesis y
datos empíricos, y por su lado la calidad ayuda a combinar elementos analíticos y
científicos en la metodología centrada en los datos.

Los datos que se manejan pueden ser mejorados implementando procesos estadísticos
de cálculo y control, obteniendo una mejor información, como muestra el gráfico 5.2.1-1.
El flujo puede ser pensado de una forma simplificada:

Datos  Información  Gráficos  Toma de decisiones

Gráfico 5.2.1-1 Diagrama de flujo de toma de decisiones basada en datos

Publicado por iSix Sigma77

77
iSix Sigma.‖ Renew the Commitment to Data-Based Decision Making‖. [en línea]. Disponible en
Internet: http://www.isixsigma.com/library/content/c070514a.asp?action=print [Consulta: 02 de Junio del
2008]

Manuel Teigeiro Tesis Página - 231 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Esencialmente, la decisión basada en datos involucra utilizar gráficos de información


para tomar mejores decisiones. Específicamente, la forma de las distribuciones
resultantes, el establecimiento de probabilidades y los límites son lo que finalmente
habilitan las decisiones.

5.3. Aplicación de indicadores para medición y análisis (SEI-CMMI)

Las organizaciones frecuentemente no alcanzan los beneficios potenciales de un


programa o plan de mediciones debido a la inconsistencia que existe entre la
construcción y la interpretación de los indicadores derivados de los datos medidos.
El Software Engineering Institute (SEI) se ha dedicado a describir precisamente los
indicadores, incluyendo su construcción, correcta interpretación y utilización para la
recolección de datos y su presentación, en los procesos de medición y análisis.
Un modelo, guía patrón o plantilla (template) puede ayudar a un negocio a definir
indicadores y realizar representaciones graficas de las datos medidos, los cuales
describen quién, qué, dónde, cuándo, porqué (conocidas como las 5 preguntas del
porque o 5 W Questions); y cómo analizar y recolectar las medidas. Este también
describe el uso del indicador dentro del contexto de la metodología Goal-Question-
Indicator-Measurement (GQIM) y del marco de trabajo del modelo de Capability
Maturity Model Integration (CMMI).

5.3.1. Errores frecuentes en los planes de medición

El desafío de este tipo de planes es potenciar los procesos de medición y análisis


establecidos, tratando de no cometer los errores frecuentes, conocidos como pitfalls,
que son dificultades no previstas.

Aquí se listan algunos de ellos:

 Analizar perdiendo de vista lo global (big picture).

 Los gráficos son complejos pero sin significados relevantes.

 Los gráficos y/o indicadores fueron mal interpretados.

 Definiciones inconsistentes de mediciones y elementos de datos que son usados.

 Incomprensión del contexto de los indicadores.

 Conjunto de datos con información imprecisa.

 No existe una línea base o benchmarking para comparar la actuación actual.

Manuel Teigeiro Tesis Página - 232 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

 Actividades poco frecuentes o ineficientes de integridad de datos.

 Procesos de comparación y predicción de resultados que no aseguran la


estabilidad de los procesos.

La consecuencia de estos problemas puede ser significativa, por ejemplo un gráfico que
luce complejo podría carecer de fundamentos, no estar soportado en tiempo real o no
tener en cuenta decisiones de análisis de proyectos anteriores. Y aún peor, pueden
reflejar posiciones, tendencias y predicciones no reales, que crean interpretaciones
erróneas, obstaculizando comparaciones con la actuación histórica.

El SEI ha trabajado con diferentes organizaciones, y algunas llegaron a descartar hasta


el 70 % de su conjunto de datos para reemplazarlos por uno nuevo y válido.

Las actividades de medición y análisis del área de procesos del CMMI se han
representado en el gráfico 5.3.1-1, donde se resaltan el plan de mediciones,
indicadores, repositorio, procedimientos y herramientas como los activos principales del
proceso de medición y análisis.

Gráfico 5.3.1-1 CMMI - Actividades de mediciones y análisis de procesos

Publicado por SEI - CMMI78

78
SEI. 2004. ―Applications of the Indicator Template for Measurement and Analysis‖.[en línea]. Disponible
en Internet: http://www.sei.cmu.edu/publications/documents/04.reports/04tn024.html [Consulta: 07 de
Junio del 2008]

Manuel Teigeiro Tesis Página - 233 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

La medición y análisis de las áreas de proceso involucra las siguientes prácticas:

 Especificar los objetivos de medición y análisis, tales que estén alineados con la
necesidad de información identificada y con los objetivos del negocio.
 Especificar las mediciones, recolección de datos y mecanismos de
almacenamiento, técnicas de análisis y reporte, como también aquellos de
retroalimentación.
 Implementar la recolección, almacenamiento, análisis y reporte de datos.
 Proveer de resultados objetivos que puedan ser usados en la toma de decisiones
basada en la información, tomando las acciones correctivas apropiadas.

A su vez, es posible mapear cada una de estas prácticas de mediciones del CMMI con
la plantilla de un indicador, resultando la cobertura de cada una de ellas en el mismo.

5.3.2. Guía o plantilla de un indicador según SEI - CMMI

En el gráfico siguiente se reflejan las mediciones dentro de la plantilla propuesta.

Gráfico 5.3.2-1 Mapeo de las actividades de medición del CMMI

Publicado por SEI – CMMI72

Manuel Teigeiro Tesis Página - 234 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

En lo que sigue, se aclara el significado de cada campo de la plantilla del indicador:

 Objetivo del indicador: es el propósito del indicador.


 Preguntas: aquellas que el usuario del indicador está tratando de responder.
 Gráfico: una vista o representación esquemática del indicador.
 Perspectiva o punto de vista: descripción de la audiencia a la cual está
orientada el indicador.
 Entradas: listas de mediciones requeridas para construir el indicador, junto con
su definición.
 Algoritmos: usados para la construcción del indicador a partir de las mediciones.
 Supuestos: acerca de la organización, sus procesos, modelo de ciclo de vida,
entre otras importantes condiciones para la colección y uso del indicador.
 Información de método de colección: información pertinente a cómo, cuándo,
con qué frecuencia y por quién son colectados los datos requeridos para la
construcción del indicador.
 Información de método de reporte: información de quién es responsable de
reportar los datos, para quién y con qué frecuencia.
 Almacenamiento de los datos: información sobre el almacenamiento, forma de
recupero y seguridad de los datos.
 Análisis e interpretación de los resultados: información sobre cómo analizar e
interpretar el indicador.
 Datos extras: más allá de su estructura básica, cada organización puede
profundizar más detalles o amoldarlos a su ambiente, tales como guía de
acciones preventivas y correctivas.

5.4. Medición del desempeño organizacional (BS - CMMI)

Se aplicarán las recomendaciones realizadas por la comisión de investigación a la


posición competitiva de la industria de Estados Unidos:

 Desarrollar técnicas de medición y mejora de la eficiencia y calidad de los


procesos de producción.
 Identificar oportunidades para mejoras progresivas.
 Desarrollar nuevas mediciones o indicadores de costo, calidad y entrega

A fin de entender el significado de la medición del desempeño (Performance


Measurement 79) se explicará en más detalle la terminología relacionada:

Rendimiento del objetivo: nivel objetivo de una actividad, expresado tangible y


mesurablemente contra el progreso real, que sea comparable.

79
GORE, A. 1997. ―Serving the American Public: Best Practices in Performance Measurement‖.1997.[en
línea]. Disponible en: http://govinfo.library.unt.edu/npr/library/papers/benchmrk/nprbook.html
[Consulta: 07 de Junio del 2008]

Manuel Teigeiro Tesis Página - 235 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gestión del rendimiento: el uso de la medición del desempeño de la información para


ayudar a establecer objetivos, asignar recursos y prioridades, informar a los
administradores para que puedan confirmar o modificar la política actual o programa de
direcciones para alcanzar tales objetivos, e informar sobre el éxito en su cumplimiento.

Medidas de la ejecución: aquellas cuantitativas o cualitativas de la caracterización del


rendimiento.

Medición del desempeño (Performance Measurement): proceso de evaluación de los


progresos hacia el logro de metas predeterminadas, incluida la información sobre la
eficiencia con que los recursos se transforman en bienes y servicios (productos), la
calidad de estos y resultados (correspondientes a un programa de actividad en
comparación con su finalidad), y la eficacia de las operaciones en términos de sus
contribuciones específicas a los objetivos del programa.

Existen 7 pasos para desarrollar y usar la medición del desempeño 80

 Vincular los procesos de ingeniería de la organización con los objetivos.


 Desarrollar medidas de ejecución.
 Recolectar datos, analizar y presentar informes y procedimientos.
 Integrar el empleo de medidas de desempeño con la gestión de procesos.
 Establecer una línea base para comparar el rendimiento futuro.
 Recoger, analizar e informar los resultados.
 Evaluar la utilidad de la medición del desempeño y mejorar.

En la representación de la pirámide de atención de la gerencia representada en el


siguiente gráfico, se observa en el ápice la visión de la organización que termina en una
base de indicadores de calidad, entrega, tiempo del ciclo de producción y desperdicios.

80
ISO 15939. " Proceso medición del software" [en línea]. Disponible en Internet:
http://www.psmsc.com/ISO.asp [Consulta: 07 de Junio del 2008]

Manuel Teigeiro Tesis Página - 236 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Gráfico 5.4-1 ¿Cómo son generados y usados los datos?

En el diagrama siguiente muestra ejemplos de indicadores de un BSC, considerados


importantes para cada una de las perspectivas.

Gráfico 5.4-2 Ejemplo de indicadores incluidos en un BSC

Manuel Teigeiro Tesis Página - 237 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

5.4.1. Plan de desempeño de indicadores (Measurement Plan – MP)

Propósito: el MP tiene por objetivo definir en un documento todos los indicadores


recogidos en la organización o área de negocios. Estas definiciones se proporcionan
con el fin de evitar ambigüedades y tener una sola definición de cada uno de ellos, que
permita fijar una línea base y realizar un benchmarking con otras unidades del negocio u
organizaciones.
Para ello, la organización debe definir un grupo de gobierno sobre un grupo de métricas
(recursos destinados a esta actividad), que se espera coordinar para las actividades
relacionadas con la recopilación y presentación de estos indicadores, como se ha
llevado a cabo hasta la fecha de la próxima revisión de este documento.

Cualquier métrica o indicador que requiera específicamente adaptarse, deberá


incorporar la modificación de la definición existente si es un reemplazo, o la creación de
nuevas métricas de ser necesario, ellas deberían reflejarse en el MP. Por lo tanto este
documento es una norma fundamental para la evolución de los indicadores.
El grupo de gobierno de la organización tendrá injerencia sobre el grupo de métricas por
las aclaraciones, actualizaciones y seguimiento de todos los aspectos relacionados con
cada indicador.

Alcance: conjunto herramientas en donde las métricas oficiales son definidas, como así
también su recopilación, y presentación de informes usando templates e información
predefinida para cada una de ellas.
Las métricas expresadas aquí deben tener un proceso definido de recolección,
almacenamiento y, si fuera necesario, herramientas automatizadas asociadas.

5.4.2. Formato sugerido para el cálculo de un indicador

Una detallada descripción del indicador o métrica debe incluir al menos los siguientes
elementos o ítems:

Manuel Teigeiro Tesis Página - 238 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Elemento Descripción
Nombre del Identifica la métrica.
indicador
Propósito/Objetivo Describe la métrica y su aplicación.
Fuente de entrada Almacenamiento de datos usados como parámetros de
entrada para el cálculo de la métrica.
Definición de Descripción de cada parámetro de entrada usado para
entradas el cálculo de la métrica.
Fórmula Expresión matemática para calcular la métrica.
Objetivo Performance o meta deseada para determinado plazo
de tiempo.
Responsable de la Rol o individuo designado para recolectar las métricas.
colección
Herramienta para Mecanismo utilizado en la recolección. Son obligatorias
la colección las herramientas recomendadas.
Repositorio de Almacenaje de datos de las métricas.
datos
Período de reporte Frecuencia para reportar la métrica.
Ejemplo de Muestra de las métricas en una tabla. Se deben
reporte graficar las métricas y sus primeras derivadas, como
entradas para el análisis de tendencias.
Criterio de Definir las reglas que determinan la recuperación de
colección de datos para calcular las métricas, esto es, especificar
datos bajo qué condiciones los datos de entrada serán
tomados en cuenta o descartados.
Análisis Enfoque de análisis de las métricas.
Mapeo con Opcional - Aquí se define con que parte de normas o
normas o reglamentaciones exigibles este indicador está
reglamentaciones orientado.
vigentes
Datos históricos Opcional - Gráficos del indicador del pasado año o
historia mínima requerida dentro de la organización.

Para mayor detalle de la plantilla propuesta por el SEI puede referirse al apéndice18.

Manuel Teigeiro Tesis Página - 239 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

5.4.3. Ejemplos de representación de un indicador o métrica

A continuación se proponen algunos ejemplos de cómo deberían definirse en el MP los


indicadores que componen el mismo según el template propuesto.

Tabla 5.4.3-1 Métrica: Encuesta de satisfacción al cliente por incidentes

Versión: 1.00 Fecha: 18 Febrero, 2008


Nombre del Encuesta de satisfacción al cliente por incidentes
indicador (Incidents Customer Satisfaction Survey - ICSS)
Propósito u Mejorar la percepción que se tiene de los servicios brindados por
objetivo la IT, relacionados con el desempeño de la comunicación, dominio
de conocimientos, manejo de proyectos y resolución de incidentes.
Proveer un resultado de satisfacción promedio que pueda ser
mostrado organizacionalmente con tendencias y efectividad de
iniciativas de soporte hacia las necesidades de los clientes o
usuarios finales.
Fuente de La CSS será provista al usuario final automáticamente cada vez
entrada que un incidente del sistema de servicio de mesa de ayuda es
pasado al estado de resuelto. BMC – Sistema de Mesa de Ayuda.
Definición de Satisfecho.
entradas No satisfecho.
No completa. (Pasará a este estado automáticamente cuando no
se tenga respuesta durante los 30 días subsiguientes al envío de
la CSS). A las encuestas cerradas como ―no completa‖ se
considerará que el servicio brindado satisfizo al usuario final
computándose las mismas como satisfechas.
Fórmula Satisfacción del cliente % = [(Sumatoria de las encuestas en
todos los estados) - (Sumatoria de las encuestas con respuesta No
satisfecho)]*100 / (Sumatoria del total de encuestas).
Objetivo Valor mayor o igual al 90 %.
Responsable de Gerente de servicios y entrega de la IT del sitio.
la colección
Audiencia Gerencia del negocio, usuarios finales y gerencia de IT (niveles
regionales).
Herramienta BMC – Sistema de Mesa de Ayuda – Software de generación de
para la reportes llamado Cristal Report. Generación automática del reporte
colección y envío por correo del mismo semanalmente. Posibilidad de
generación manual en el momento requerido.
Repositorio de Servidor BMC.COM, base de datos de incidentes de BMC.
datos
Almacenamiento Servidor BMC.COM, base de datos Oracle de BMC, backup de
y respaldo acuerdo a las políticas de respaldo vigentes.
Período de A nivel interno de la IT: Semanalmente (Semanal y acumulado
reporte anual. Se utilizará número de semana calendario anual).
Nivel Organizacional: Mensualmente el acumulado del año
calendario

Manuel Teigeiro Tesis Página - 240 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Ejemplo de
reporte
Nota: Los gráficos
deben ser generados
para la métrica o
indicador y luego
derivados como
entrada para el
análisis de
tendencias.

Criterio de Mandatorio para todos los incidentes registrados en BMC.


colección
Análisis 1. Se consulta al usuario final el porque de la no satisfacción
cuando en la encuesta de CSS no está explícitamente escrito.
2. Existe un plan para medir y reportar las CSS y hacer el
seguimiento de problemas, inconvenientes o sugerencias con
los usuarios finales.
3. Existe un compromiso en el plan para registrar el monitoreo de
los resultados CSS y como se debe de actuar en
consecuencia.
4. Esta el promedio de los resultados de CSS afectando nuestra
habilidad para iniciar y sostener el servicio pactado en el
acuerdo interno de servicio (SLA) con los clientes y los
usuarios finales.
5. Existen acciones planeadas si el objetivo no es alcanzado.

Recomendación del método de análisis: comparar cada 4 meses o


cuatrimestres del año con un gráfico de barras para ver o detectar
tendencias y realizar acciones pertinentes para dejar el proceso
bajo control estadístico y orientarlo al objetivo.
Mapeo CObIT: Dominio M1 Monitorear los procesos.
Objetivo de control M1.3  Evaluar la satisfacción del cliente,
identificar déficit de servicios.
Áreas claves 
4.4.8 Satisfacción del cliente, encuestas y análisis.
4.5.2 Meeting de revisión de servicios. Entrega de servicios,
gerenciamiento del nivel de servicio (SLA).
ITIL: Soporte de servicios  Gerenciamiento mesa de ayuda,
manejo de incidentes.
BSC: Punto de vista del cliente
CMMI: Organizational Process Performance (OPP).
GP.28, 2.9, 2.10 – Causal Analysis and Resolution (CAR).
Datos históricos

Manuel Teigeiro Tesis Página - 241 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Manuel Teigeiro Tesis Página - 242 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Tabla 5.4.3-2 Métrica: Costo de la no calidad

Versión:1.00 Fecha: 06 de Febrero, 2008


Nombre del Costo de la pobre o no calidad
indicador Cost of Poor Quality (COPQ)
Propósito u Para realizar el seguimiento de la cantidad de esfuerzo y recursos
objetivo asociados con pobres resultados en materia de calidad.
Esto incluye los costos para corregir los problemas descubiertos
por el cliente después de su entrega, y los costos para corregir los
defectos internos descubiertos durante el proceso de resolución.
La no calidad aparece como costos adicionales en vano; e.g.
pruebas adicionales, gastos de inspección para asegurar el
cumplimiento de las especificaciones y sanciones por retraso en la
entrega de elementos o sistemas que no cumplan con los niveles
de aceptación especificados por los clientes.
Fuentes de EPMS Teamplay (Software Time Management) con intervalos
entradas mínimos de 30 minutos para su carga semanal de esfuerzos.
Definición de Falla del esfuerzo interno: como resultado del esfuerzo de
entradas incumplimiento a las normas de calidad y aquel asociado con la
superación de los efectos de las fallas encontradas antes de que el
producto o servicio llegue al cliente (incluida la re-verificación y re-
revisión de los productos).
Falla del esfuerzo externo: como resultado del esfuerzo de
incumplimiento a las normas de calidad y aquel asociado con la
superación de los efectos de los fallos encontrados después de la
liberación oficial del producto (incluida la re-verificación y re-
revisión de los productos).
Esfuerzo total: como resultado del esfuerzo de todas las
actividades del proyecto, tal como se definen en el correspondiente
a la estructura de desglose del trabajo (Work Breakdown
Structure - WBS).
Fórmula Esfuerzo relacionado con fallas internas % = (Esfuerzo de
fallas internas *100) / Esfuerzo total
Esfuerzo relacionado con fallas externas % = (Esfuerzo de
fallas externas *100) / Esfuerzo total
COPQ % = Esfuerzo de fallas internas % + Esfuerzo de fallas
externas %
Objetivo Menor o igual al 5% del costo de la calidad (COQ)
Responsable de la Líder de proyecto. Coordinador de mesa de ayuda de la IT.
colección
Audiencia Gerencia del negocio, usuarios finales y gerencia de la IT (niveles
regionales).
Repositorio de EPMS Teamplay (Software Time Management) con intervalos
datos mínimos de 30 minutos para su carga semanal de esfuerzos.
Almacenamiento y Servidor EPMS, base de datos Oracle de EPMS, backup de
respaldo acuerdo a las políticas de respaldo vigentes.
Período de reporte A nivel de proyecto: semanalmente en las reuniones de revisión.
A nivel organizacional: mensualmente con reporte a la gerencia
superior.

Manuel Teigeiro Tesis Página - 243 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Ejemplo de reporte I-MR Chart of COPQ


Nota: Los gráficos 10 U C L=9.92
deben ser generados

Individual V alue
para la métrica o 5 _
indicador y luego X=3.52

derivados como entrada 0


para el análisis de
LC L=-2.89
tendencias. 2 4 6 8 10 12 14 16
O bser vation

8 U C L=7.870

M oving Range 6

4
__
M R=2.409
2

0 LC L=0
2 4 6 8 10 12 14 16
O bser vation

Almacenamiento y Servidor BMC.COM, base de datos Oracle de BMC, backup de


respaldo acuerdo a las políticas de respaldo vigentes.
Criterio de Obligatorio para todo clase de proyectos o actividades de soporte.
colección
Análisis ¿Cuál es la contribución del costo de la no calidad a los costos de
la calidad?
Identificar las principales fuentes de la no calidad en el proceso de
desarrollo de correlacionar a COPQ fases del proyecto o servicio.
Entender el costo de reparación de productos para realizar el
seguimiento de las mejoras en el desarrollo y proceso de entrega.
¿Cómo se va avanzando hacia los objetivos de los costos de no
calidad?
Recomendado método de análisis: control estadístico de procesos
a nivel de organización y ejecución del gráfico con los límites de
control a nivel de proyecto.
Mapeo CObIT: Dominio PO1  Definir el plan estratégico de la IT.
Objetivo de control PO1.7  Monitoreo y evaluación de los
planes de la IT.
Áreas claves  Retroalimentación en calidad y utilidad.
Dominio PO11 Administrar la calidad.
Objetivo de control PO11.18  Métricas de calidad.
Áreas claves  Medir el logro del objetivo de calidad.
ITIL: Gerenciamiento de servicios de la IT (soporte y entrega)
BSC: Punto de vista interno, del cliente y financiero.
CMMI: Organizational Process Performance (OPP),
Organizational Innovation & Deployment (OID). GP 2.7, 2.10.

Manuel Teigeiro Tesis Página - 244 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Tabla 5.4.3-3 Métrica: Costo de la calidad

Versión: 1.00 Fecha: 20 Febrero, 2008


Nombre del Costo de la calidad
Indicador Cost of Quality (COQ)
Propósito u Mejorar de manera colectiva la acción de prevención, evaluación y
objetivo corrección de fallas en los procesos, en lo que respecta a costo total del
proyecto desde la perspectiva de la alta dirección.
Fuente de EPMS Teamplay (Software Time Management) con intervalos mínimos
entradas de 30 minutos para su carga semanal de esfuerzos.
Definición de Esfuerzo de evaluación: esfuerzo de primera vez de verificación,
entradas control, o evaluación de un producto o servicio durante la creación o el
proceso de entrega para asegurar la conformidad con las normas de
calidad y detectar posibles fallos insertados en el producto o servicio
antes de llegar al cliente.
Esfuerzo de Prevención: el esfuerzo que incurra para garantizar que
las fallas no se hacen en cualquier etapa durante la producción y el
proceso de entrega del producto o servicio a un cliente.
Falla del esfuerzo interno: como resultado del esfuerzo de
incumplimiento a las normas de calidad y el esfuerzo asociado con la
superación de los efectos de las fallas encontradas antes de que el
producto o servicio llegue al cliente (incluida la re-verificación y re-
revisión de los productos).
Falla del esfuerzo externo: como resultado del esfuerzo de
incumplimiento a las normas de calidad y aquel asociado con la
superación de los efectos de los fallos encontrados después de la
liberación oficial del producto (incluida la re-verificación y re-revisión de
los productos).
Esfuerzo total: como resultado del esfuerzo de todas las actividades
del proyecto, tal como se definen en el correspondiente a la estructura
de desglose del trabajo (Work Breakdown Structure - WBS).
Fórmula Esfuerzo de evaluación % = (Esfuerzo de evaluación *100) / Esfuerzo
total.
Esfuerzo de prevención % = (Esfuerzo de prevención *100) / Esfuerzo
total.
Esfuerzo relacionado con fallas internas % = (Esfuerzo de fallas
internas *100) / Esfuerzo total.
Esfuerzo relacionado con fallas externas % = (Esfuerzo de fallas
externas *100) / Esfuerzo total.

Costo de la calidad (COQ) = Esfuerzo de evaluación % + Esfuerzo de


prevención + Esfuerzo relacionado con fallas internas % + Esfuerzo
relacionado con fallas externas %

Nota 1: La expresión equivalente es 


COQ % = Esfuerzo de evaluación % + Esfuerzo de prevención % +
COPQ %.

Objetivo No mayor al 30 % del esfuerzo total


Responsable Líder de proyecto. Coordinador de mesa de ayuda de la IT.

Manuel Teigeiro Tesis Página - 245 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

de la
colección
Audiencia Gerencia del negocio, usuarios finales y gerencia de la IT (niveles
regionales).
Repositorio EPMS Teamplay (Software Time Management) con intervalos mínimos
de datos de 30 minutos para su carga semanal de esfuerzos.
Período de A nivel de proyecto: semanalmente en las reuniones de revisión.
reporte A nivel organizacional: mensualmente con reporte a la gerencia
superior.
Ejemplo del I-MR Chart of COQ
reporte 80
U C L=68.34
Nota: Los 60
Individual V alue

gráficos deben 40
_
X=28.08
ser generados 20

para la métrica o 0
LC L=-12.18
indicador y luego 2 4 6 8 10 12 14 16
O bser vation
derivados como
entrada para 48 U C L=49.46

análisis de
M oving Range

36
tendencias. 24
__
M R=15.14
12

0 LC L=0
2 4 6 8 10 12 14 16
O bser vation

Criterio de Obligatorio para todo clase de proyectos o actividades de soporte.


colección
Análisis Verificar si la reducción de costo total de calidad ofrece oportunidades
para una mayor satisfacción al cliente, un aumento de beneficios y la
disponibilidad y predisposición para la creación de nuevos negocios.
¿Cómo hacer para que el COQ impacte en actividades libre de errores
productos o servicios?
Relacionar que COQ informó en horas de personal, y/o porcentaje de
los costos totales para procesos y la falta de datos (por ejemplo, la
calidad total, la frecuencia de fallos).
Incluir el COQ en el análisis de causa raíz.
Analizar el impacto de las actividades COQ en la disponibilidad de
recursos, productividad y proyecto o servicio teniendo en cuenta que
estimación COQ informó en horas de personal (esfuerzo) y / o
porcentaje de los costos totales.
¿Cuánto es el gasto en la revisión / actividades de inspección?
¿Cuánto se gastó en actividades de prueba o testeo?

Recomendaciones para el método de análisis:


Control estadístico de procesos.
Controlar a nivel de organización y ejecutar el gráfico con los umbrales
a nivel de proyecto.
Cuando el umbral o límite de control es cruzado, se recomienda utilizar
un gráfico de Pareto para identificar los principales temas a analizar.
Mapeo CObIT: Dominio PO1  Definir el plan estratégico de la IT.
Objetivo de control PO1.7  Monitoreo y evaluación de los planes
de la IT.
Áreas claves  Retroalimentación en calidad y utilidad.

Manuel Teigeiro Tesis Página - 246 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Dominio PO11 Administrar la calidad.


Objetivo de control PO11.18  Métricas de calidad.
Áreas claves  Medir el logro del objetivo de calidad.
ITIL: Gerenciamiento de servicios de la IT (soporte y entrega)
BSC: Punto de vista interno, del cliente y financiero.
CMMI: Organizational Process Performance (OPP),
Organizational Innovation & Deployment (OID). GP 2.7, 2.10.

Manuel Teigeiro Tesis Página - 247 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Tabla 5.4.3-4 Métrica: Esfuerzo de entrenamiento

Versión: 1.00 Fecha: 20 Febrero, 2008


Nombre del Esfuerzo de entrenamiento
indicador Training Effort (TE)
Propósito u Registrar la cantidad de esfuerzo asociado a los entrenamientos.
objetivo
Fuente de Asistencia de cursos, registros on line, de entrenamientos en línea.
entradas Sistema de reporte de administración del tiempo. EPMS report
Definición de Esfuerzo: total de esfuerzo por participante en horas de personal.
entradas Programa de entrenamiento: todos los entrenamientos que están
incluidos en el calendario anual de centro correspondiente.
Fórmula Σ esfuerzos de entrenamiento por persona.
Objetivo Mayor o igual a 40 horas anuales.
Responsable Cada empleado deberá de registrar el entrenamiento recibido en el
de la repositorio global de la compañía trainning.per.com
colección Los gerentes de las áreas deberán de generar reportes de seguimientos
mensuales para alcanzar el objetivo anual.
Herramientas
de la trainning.per.com
colección
Audiencia Gerencia del negocio, usuarios finales y gerencia de la IT (niveles
regionales).
Repositorio Base de datos Oracle relacionada con el sitio trainning.per.com
de datos
Período de A nivel organizacional: anualmente con reporte a la gerencia superior. Se
reporte recomienda hacer un seguimiento de reporte mensual.
Ejemplo de
reporte
Nota: Los
gráficos deben
ser generados
para la métrica o
indicador y luego
derivados como
entrada para el
análisis de
tendencias.

Criterios de Registro de terminación del entrenamiento mandatorio para todos los


colección cursos obligatorios definidos por la compañía.
Análisis ¿El esfuerzo total de entrenamiento es mayor que al mes anterior?
¿Se está cumpliendo con el plan de entrenamiento pautado, existen
desviaciones?
¿Está afectando el entrenamiento al rendimiento del empleado?

Manuel Teigeiro Tesis Página - 248 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

¿Existen evaluaciones del entrenamiento luego de su dictado?


¿Qué acciones surgen cuando no se cumple con las expectativas?
¿Se evalúa calidad, experiencia, capacidad y cumplimiento de los
objetivos previamente acordados con el proveedor de los
entrenamientos?
Método de análisis recomendado: Run Charts usando límites definidos
por la gerencia si no existen límites de control para analizar tendencias,
sino usar SPC.
Análisis de causa raíz, gráficos de Pareto para segregación.
Mapeo CObIT: Dominio DS7  Educar y entrenar a los usuarios.
Objetivo de control DS7.1  Identificación de las necesidades de
entrenamiento.
Áreas claves  Plan de entrenamiento para cada grupo de empleados.
Objetivo de control DS7.2  Entrenamiento organizacional.
Áreas claves  Identificar y notificar a los entrenadores y el
cronograma de entrenamiento.
Objetivo de control DS7.3  Entrenamiento sobre principios de
seguridad y prevención.
Áreas claves  Prácticas de seguridad.
ITIL: Servicio de soporte: administración de incidentes y problemas
proactiva.
Administración de seguridad: mediciones de la administración de la
seguridad, implementación.
ISO27000: Política de seguridad de la información.
Entrenamiento del usuario.
Responsabilidades del usuario.
Infraestructura de la seguridad de la información.
Respuesta ante un incidente o mal función de seguridad.
Protección en contra del software malicioso.
Trabajo móvil y desde el hogar.
Cumplimiento de normas legales.
BSC: Aprendizaje y crecimiento.
CMMI: Organizational Training (OT), Decision Analysis & Resolution
(DAR), Integrated Process & Product development (IPPD). GP 2.1,
2.10.

Manuel Teigeiro Tesis Página - 249 -


Universidad Tecnológica Nacional Regional Córdoba – Dirección de Posgrado

Tabla 5.4.3-5 Métrica: Tiempo de remoción de vulnerabilidades e incidentes de seguridad

Versión: 1.00 Fecha: 20 Febrero, 2008


Nombre del Tiempo de remoción de vulnerabilidades e incidentes de
Indicador seguridad
Vulnerabilities & Security Incidents Removal Time
Propósito u Determinar el tiempo de respuesta de la remediación de
objetivo vulnerabilidades e incidentes de seguridad, y así lograr tendencias