UNIVERSIDAD DE CHILE

FACULTAD ECONOMIA Y NEGOCIOS

DIPLOMADO SIX SIGMA
DOCENTE: BRAULIO BERNARD

EXAMEN FINAL
DIPLOMADO SIX SIGMA

Integrantes:
Tomás Arriagada
Mauricio Bulo
Stephanie Vega
Gustavo Prudencio
1. Indicar con los gráficos necesarios si el proceso mejora, queda igual o empeora.

1.1.Análisis de tendencia con curva exponencial

Los datos “Antes” muestran una tendencia con curva exponencial de un aumento de peso,
mientras que los datos “Después”, con una misma curva exponencial, muestra una tendencia a la
baja de peso:

ANTES DESPUES

Si bien no conocemos los límites del proceso al no contar con la VOC, podemos observar que
existe variación significativa en la Varianza de los datos, en donde “Antes”=31,69 v/s
“Después”=18,71 siendo este último un proceso más centrado en función de la media, lo que
podría incidir en una mejora del proceso.

Descriptive Statistics: Peso Antes

Variable N N* Mean SE Mean StDev Variance Minimum Q1 Median

Peso Antes 8940 0 127,31 0,0595 5,63 31,69 114,70 123,50 126,90

Variable Q3 Maximum
Peso Antes 130,90 164,50

Descriptive Statistics: Peso_Despues

Variable N N* Mean SE Mean StDev Variance Minimum Q1

Peso_Despues 7535 0 126,97 0,0498 4,33 18,71 114,90 124,10

Variable Median Q3 Maximum

Peso_Despues 126,80 130,00 141,90
2. Determinar si el proceso y los datos son normales.

2.1. Test Normalidad

Tanto para los datos “Antes” y “Después”, el P-Value <0,005, por lo tanto los datos no son
normales:

ANTES DESPUES

Par realizar un análisis de capacidad de los datos, es necesario transformarlos y buscar la mejor
distribución:

3. Transformación de datos a normales y mejor distribución

3.1. Transformación de datos

Se transformó los datos “Antes” y “Después por separado mediante “Box Cox” y se realizó un test
de normalidad para revisar si son normales, sin embargo, aun transformando los datos, para
ambos casos son <0,005, por lo tanto siguen siendo no normales.

ANTES DESPUES
Dado esto, es necesario buscar la mejor distribución (excluyendo “Box Cox” como opción) para
posteriormente realizar un análisis de capacidad no normal.

3.2. Distribución de los datos

Se revisó la mejor distribución tanto para los datos “Antes” y “Después”, siendo para ambos casos,
la distribución “Parameter Longnormal”, la que se ajusta mejor (AD más bajo):

ANTES DESPUES
4. Análisis de capacidad

4.1. Límites naturales del proceso

Para realizar el análisis de capacidad, se determinaron los límites naturales inferiores y superiores
del proceso para los datos de “Antes” y “Después”, utilizando un gráfico de variable X Barra:

ANTES DESPUES

4.2. Análisis de Capacidad (DPMO, Sigma, Cp, Cpk, Pp y Ppk)

Se realizó el análisis de capacidad con los límites naturales del proceso para “Antes” y “Después,
en donde se puede identificar un aumento del nivel sigma de 2,34 a 2,84, existiendo una mejora
en el proceso intervenido:

ANTES DESPUES

DPMO: 201312,22 DPMO: 89642,04

NIVEL SIGMA: 0,84+1,5 = 2,34 NIVEL SIGMA: 1,34+1,5 = 2,84

5. Usted como Black Belt;¿Daría su voto para que se Certifique el candidato?

Dada la disminución de la varianza y el aumento del nivel sigma podemos decir que el proceso
mejoró respecto a los datos iniciales, por lo que sí daríamos el voto para la certificación del
candidato a Green Belt.

6. Conclusiones y sugerencias al candidato