Green Belt

MANUAL DE EJERCICIOS PRÁCTICOS

 Estadística Básica

Se cuenta con 10 observaciones de la temperatura de un área de

mantenimiento donde se requiere una temperatura no mayor a 39 grados
para la correcta operación del personal.

1) Calcula la estadística básica y genera un resumen gráfico.

2) Interpreta tus resultados.

Resumen estadística descriptiva.

Resumen gráfico de estadística básica. Histograma.

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Datos Continuos y Discretos

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Gage R&R

▪ Se ha desarrollado un Gage R & R para medir el espesor de los separadores

de llanta de los autos Lean Six Sigma International, ya que es un
componente crítico en su manufactura.

▪ Tres inspectores miden (2 del cliente y uno del fabricante).

▪ Anotan el espesor de 10 partes seleccionadas.

▪ Cada operador mide cada parte dos veces.

▪ Especificación del espesor del componente: 0.90 - 2.90 mm.

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Gage R&R 2

▪ Forman parte de una importante empresa que da servicio al cliente a través de

llamadas telefónicas. En los últimos meses, se han tenido algunos problemas de
calidad (bajos puntajes en encuesta de satisfacción).

▪ Se inicia un proyecto de mejora y ustedes como parte del equipo, están a

cargo de conducir un estudio R&R, como primer paso del proceso, se evaluará
la medición de calidad que se hace internamente.

OBJETIVO:
3 analistas evalúan 10 llamadas en dos repeticiones calificando así criterios en específico,
se busca determinar la variación que existe en el estudio de medición, tanto del operador
con su sistema de medición (software para escuchar la llamada) como para la variación
entre los analistas.

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Boxplot

Un fabricante de fertilizantes para plantas desea desarrollar una fórmula de fertilizante

que produzca el mayor aumento en la altura de las plantas. Para probar las fórmulas
de fertilizantes, un científico prepara tres grupos de 50 plántulas idénticas: un grupo de
control sin ningún tipo de fertilizante, un grupo con el fertilizante del fabricante, llamado
GrowFast, y un grupo con un fertilizante llamado SuperPlant, de un fabricante de la
competencia. Después de que las plantas han permanecido tres meses en un ambiente
de invernadero controlado, el científico mide la altura de las plantas.

Como parte de la investigación inicial, el científico crea una gráfica de caja de las
alturas de las plantas de los tres grupos para evaluar las diferencias en el
crecimiento entre las plantas que no recibieron fertilizante, las plantas tratadas con el
fertilizante del fabricante y las plantas que recibieron el fertilizante del fabricante de la
competencia.

Variable de Respuesta (Y)= Altura

Grupos (X): Tipo de fertilizante

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Time Series Plot

OBJETIVO:
Se cuentan con 4 centros de atención al cliente de telefonía donde se recibe llamadas a lo
largo del día. Se espera que cada representante de servicio al cliente resuelva las quejas de
reembolso por garantía en menos de 3 minutos (180 segundos).

Se desea comparar mediante gráficos de caja el desempeño de cada mes y si algún centro
de servicio se le debería retirar su contrato pues no se están cumpliendo los acuerdos, a su
vez, se desea comprobar la variabilidad de los centros de atención.

Hagamos uso de datos aleatorios Menu-Calc- Datos Aleatorios para obtener nuestro
ejercicio.

Centro La Paz = 3000 datos, Distribución Normal , media = 181, desviación estándar = 1
Centro La Rioja= 4000 datos, Distribución Normal , media = 180, desviación estándar = 3
Centro La Capital= 2500 datos, Distribución Normal , media = 180, desviación estándar = 1
Centro El Salto= 1200 datos, Distribución Normal , media = 189, desviación estándar = 5

Puedes obtenerla a partir de un estudio con 1) Podemos notar que

multiples Y’s o una Y con múltiples grupos, definitivamente debemos
depende del acomodo de tus datos. retirar el contrato con el
centro de El Salto pues
tenemos una mediana muy
por encima del límite de 180
segundos y una gran
cantidad de datos atípicos.
2) La Capital y La Paz son
centros bastante parecidos,
su variación no es tan fuerte
mas es se tienen ciertos
datos atípicos a considerar.
3) La Rioja se encuentra con la
mediana más pequeña, sin
embargo cuenta con la
mayor cantidad de datos
atípicos.
En general ninguno puede
realmente asegurar un tiempo
máximo de 180 segundos

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Runchart

Un analista mide los kilogramos de

cada lote de productos alimenticios
enviados a proveedor, busca
comprender si existe alguna
tendencia entre ellos. Se cuentan
con 19 muestras con un tamaño de
subgrupo de 5.

Se muestra una significancia en el valor P de conglomerados (clustering) por lo que

existen muestras de kilogramos con bastante concentración entre ellos por encima y
debajo de la media.

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Capacidad Normal

Calcula la capacidad de un proceso de una línea de inyectado donde

se requieren frascos con:

Un límite inferior de especificación de 45 ml y un límite superior de

especificación de 55 ml.

Tamaño de subgrupo=1

Interpreta…

Genera 4000 datos aleatorios en Minitab con una distribución normal

Media= 49 desviación estándar=2

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Capacidad No Normal

Calcula la capacidad de un proceso de elaboración de tarjetas

electrónicas donde se registró.
Que sigue una distribución no normal, se requieren un límite inferior de
especificación de 100 ml y un límite superior de especificación de 110
ml.

Tamaño de subgrupo=1

Interpreta…

Genera 3000 datos aleatorios en Minitab con una distribución Gamma

Forma= 105 Escala:1

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Capacidad Discreta

Su empresa procesa aplicaciones y las envía por correo en sobres.

Cada sobre contiene un documento y es una unidad completa.

10 sobres se seleccionan al azar antes del envío por correo y son

auditados: Dos sobres se imprimieron incorrectamente, otro sobre está
dañado, otros dos sobres tienen direcciones incompletas.

¿Cuántos sobres fueron inspeccionados? ____

¿Cuántos oportunidades de defecto existen? ____
¿Cuántos defectos hubo? ____
Calcula DPU ____
Calcula DPO ____
Calcula DPMO ____

Respuestas
(10, 3, 5, 0.5, 0.16, 166.666)

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Prueba T de Muestra 1

El administrador de un call center evalúa el Índice de Satisfacción del NPS

Cliente generado por un grupo de asociados que acudieron a un 67.7

74.9
entrenamiento especial de gestión del cliente. El objetivo de la compañía
75.4
es de contar con más de 86.0 en NPS (Net Promoter Score).
87.0

1. Realice una prueba t de una muestra en Minitab para probar estas 84.7
hipótesis. 84.5
2. Establece tu Hipótesis nula y alternativa.
97.3
3. ¿El entrenamiento fue capaz de aumentar la satisfacción del cliente al
objetivo deseado? (Evalúa a partir del valor P). 90.0
86.3
75.8
Ho= El valor medio de NPS es igual a 86. (Ho 𝝁1 = 86) 78.7
Ha= El valor medio de NPS es mayor a 86 (Ha 𝝁1> 86) 61.6
80.5
86.2
Se acepta la hipótesis nula, por lo que el valor medio no es mayor a 86.
81.3

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Prueba T de Muestra 2

Viejo Nuevo
1. Una empresa de servicios financieros ha usado un
44 41
sistema de planeación de inventario por muchos años
para administrar la entrega de formas de mercadotecnia. 49 46
Un nuevo sistema ha sido instalado recientemente por 40 45
una bodega regional para evaluación con la esperanza
de reducir el inventario promedio. Los valores del 55 49
inventario son recolectados mediante rotación de 47 48
inventarios. Hay 10 días de datos en cada bodega.
55 35
2. ¿Se debe de reemplazar el sistema? El cambio sería caro.
El representante de ventas dice que el sistema va a 40 39
reducir el inventario por 5 días.
43 47
3. Los datos están en la columna Viejo Sistema y Nuevo
Sistema. 48 44
44 49

La hipótesis nula es aceptada, por lo que no hay significancia entre el sistema nuevo y

viejo , no es estratégico hacer una inversión.

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 ANOVA One Way

Pintura Dureza

Mezcla 2 14.9

Mezcla 3 13
1. Un ingeniero químico desea comparar la dureza de cuatro mezclas
de pintura. Se aplicaron seis muestras de cada mezcla de pintura a Mezcla 4 15
una pieza de metal.
Mezcla 1 17

2. A continuación, se midió la dureza de cada muestra. Mezcla 1 13.9

Mezcla 3 16.4
3. Se requiere un análisis para probar la igualdad de medias y para
evaluar las diferencias entre pares de medias. Mezcla 1 10.4

Mezcla 2 3.2

Mezcla 2 1.9

Mezcla 2 7.3

Mezcla 4 17.8

Mezcla 2 9.6

Mezcla 4 22.9

Mezcla 4 17.4

Mezcla 3 13.3

Mezcla 1 19.3

Mezcla 1 16.1

Mezcla 3 6.5

Mezcla 1 11.7

Confirmamos mediante evidencia estadística que las mezclas Mezcla 4 16.9

son significativamente diferentes en cuanto a su dureza dado
Mezcla 4 18.4
que el valor p es menor a .05
Mezcla 3 11.9

Mezcla 2 14.5

Mezcla 3 16.8

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 ANOVA Balanceado

Tiempo Operador Posición Grosor

Un ingeniero de manufactura hizo un experimento para 1 1 35 38

determinar cómo varias condiciones afectan el grosor de una 1 1 35 40

sustancia de recubrimiento (Y). 1 1 44 63

1 1 44 59
Se cuentan con 3 factores clave: El operador que midió el 1 1 52 76
grosor, la posición de medición y el tiempo de captura. 1 1 52 78

1 2 35 39
Puesto que el diseño es balanceado, el analista utiliza ANOVA
1 2 35 42
balanceado para determinar si el tiempo , operador y posición
1 2 44 72
afectan el grosor del recubrimiento.
1 2 44 70

1 2 52 95

1 2 52 96

1 3 35 45

1 3 35 40

1 3 44 78

1 3 44 79

1 3 52 103

1 3 52 106

2 1 35 40

2 1 35 40

2 1 44 68

2 1 44 66

2 1 52 86

2 1 52 82

2 2 35 39

2 2 35 43

2 2 44 77

2 2 44 76

2 2 52 86

2 2 52 85
Los factores Operador y Posición son significativos para medir
2 3 35 41
el grosor, el tiempo no es relevante.
2 3 35 40

El indicador R2 nos presenta un 95.66% de resultado, es decir 2 3 44 85

estos 3 factores explican el 95.66% de toda la variación. 2 3 44 84

2 3 52 101

No es necesario buscar más factores para determinar los 2 3 52 98

factores que influyen en el grosor.

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Modelo General Lineal

Una ingeniera de diseño electrónico estudia dos Temperatura TipoVidrio SalidaLuz

factores: la temperatura y el tipo de vidrio en la salida 100 1 580

de luz (Y) de un tubo de osciloscopio. 125 1 1090

150 1 1392
Para estudiar el efecto de la temperatura, tipo de vidrio
100 1 568
y la interacción entre estos dos factores, la ingeniera
125 1 1087
utiliza un modelo lineal general dado que se da cuenta
que es un modelo no balanceado. 150 1 1380

100 1 570

125 1 1085

150 1 1386

100 2 550

125 2 1070

150 2 1328

100 2 530

125 2 1035

150 2 1312

100 2 579

125 2 1000

150 2 1299

100 3 546

125 3 1045

150 3 867

100 3 575

125 3 1053
Se muestra que el tipo de vidrio y la temperatura son
significativos para la salida de luz. 150 3 904

100 3 599
Podemos decir que con el modelo generado podemos 125 3 1066
predecir el 87.71% del comportamiento de los datos. 150 3 889

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
 Chi Cuadrada

● En una fábrica de paraguas, los mangos de los Máquina Turno Rechazos

paraguas se miden y luego se retiran de la línea de 1 1 48

ensamble si no cumplen con las especificaciones. Un
1 2 47
informe diario indica cuántos mangos rechazados
fueron producidos por cada una de las tres prensas 1 3 48
de la fábrica durante cada uno de los tres turnos. 2 1 76

2 2 47

● Un experto Green Belt realiza un análisis de 2 3 32

tabulación cruzada para determinar si la prensa y el 3 1 36
turno que produjeron los mangos rechazados están 3 2 40
asociados.
3 3 34

1) Como el valor p es menor a 0.05 se acepta

la significancia de la relación entre
proporciones, por lo que la relación entre el
turno y la máquina son significativos al obtener
el número de rechazos.

2) Si son significativos entonces selecciona los

valores del % total más chicos, pues indican
que tiene la diferencia más fuerte entre el
conteo real contra el conteo esperado. En este
caso la relación entre el turno 1 con la
máquina 3, el turno 2 con la máquina 3 y el
turno 3 con la máquina 2 y 3.

© LSS International. Todos los derechos reservados. Se prohíbe la reproducción parcial o total de este material
https://lssinternational.org/