Manual Isaac Castro Méndez 2

Isaac Castro Méndez
MANUAL DEL CURSO

Introducción
¡Bienvenido a Lean Six

Sigma International!
Bienvenido a Lean Six Sigma International, la
academia de mejoramiento continuo de
México y Latinoamérica.
Estamos seguros que estas semanas serán

sumamente trascendentales en tu vida
laboral, aprenderás no solo herramientas
sino un estilo de trabajo único que cada día
es mas valorado en el mercado y en las
organizaciones.
Lean Six Sigma International es el único

organismo de mejora continua invitado a la
junta mundial de productividad de la OCDE y
nuestra certiﬁcación integra el temario de
varias universidades e institutos como el
ITESM, Universidad Montemorelos y centros
de capacitacion industriales como CERHAN,
el centro de capacitación de Audi.
Gracias por habernos elegido para tu

formación en Mejora Continua, estamos
seguros que muy pronto formarás parte
de esta selecta lista de Belts Certiﬁcados
por Lean Six Sigma International que
trabajan día a día para mejorar en todo
momento y en todas partes.
© Lean Six Sigma International. Todos los derechos reservados. 2 Manual Green Belt
Índice
ÍNDICE
1 SMART Finance ……………………………………………………………………………………………….. 4
2 Tableros de Gestión ………………………………………………………………………………………… 8
3 Balanced Scorecard ………………………………………………………………………………………… 12
4 DMAIC …………………………………………………………………………………............................. 17
5 SIPOC ……………………………………………………….......................................................... 21
6 Project Charter ………………………………………………………........................................... 26
7 Estadística Básica ……………………………………………………………………………………………. 31
8 Variación vs Centrado ……………………………………………………………………………………… 42
9 Datos Continuos y Discretos ……………………………………………………………………………. 45
10 Muestreo (Grupos Racionales) ……………………………………………………………………….. 49
11 Distribuciones …………………………………………………………………………………………………. 57
12 Histograma …………………………………………………………………………………………………….. 68
13 R&R ……………………………………………………………………………..…………………………………. 74
14 AMEF …………………..…………………………………….…………………………………………………… 88
15 Boxplot …………………………………………….……………………...…………………………………….. 97
16 Time Series Plot ……………………………………………….…………………………………………….. 103
17 Run Chart ………………………………………………….……………………………………………………. 109
18 Capacidad de Procesos ………………………………………..…………………………………………. 114
19 Capacidad Normal ………………………………………….………………………………………………. 118
20 Capacidad No Normal ……………………………………….……………………………………………. 127
21 Capacidad de Proceso Discreta ………………………….……………………………………………. 134
22 Pruebas de Hipótesis …………………………………….………………………………………………… 139
23 1 Proporción ……………….…………………………………….………………………………….………… 144
24 2 Proporciones ………………………………………………….………………………………….………… 147
25 Prueba T de 1 Muestra ……………………………………….…………………………………………… 150
26 Prueba T de 2 Muestras …………………………………….………………………………….………… 154
27 ANOVA Balanceado ………………………………………….…………………………..………………… 158
28 ANOVA One Way …………………………………………….………………………………….…………… 162
29 Modelo General Lineal …………………………………………………………….……………………… 167
30 Xi Cuadrada ………………………………………………….……………………….………………………… 172
31 Gráficos de Control ………………………………………….……………………………………………… 176
Tema
1
«Cae siete veces, levántate ocho». – Proverbio japonés
Principales indicadores
¿Qué es?
ROI (Retorno de la Inversión): Es expresada en
Es traducir los indicadores de desempeño en
porcentaje, es el rendimiento de la inversión, este
información estratégica que sea útil y entendible a
rendimiento debe ser mayor a la inflación de tasas de
nivel directivo; es decir, es un cascadeo inverso en el
rendimiento bancarios, ya que si no lo es, lo trabajado
que cualquier implementación o actividad puede
tendría mejores ganancias en el banco o en la bolsa
plasmar su impacto a nivel macro. Los directivos
de valores.
bajan la estrategia a nivel operativo y el nivel
operativo regresa información a la dirección en su Ingresos - Costos
mismo lenguaje. ROI = X 100
Costos
ROI se utiliza típicamente para evaluar la viabilidad de
inversiones ya realizadas, sin embargo para nuevos y
futuros proyectos utilizamos de manera común la TIR.
VPN (Valor Presente Neto): Lo que vale tu proyecto a

largo plazo el día de hoy, contemplando todos sus
flujos de inversión inicial, ingresos y egresos; el VPN es
expresado en dinero y su valor debe ser positivo.
Conceptos clave
• Salud Financiera: Basado en la maximización de
ganancias, implica reducción de desperdicios
por cualquiera de sus vértices (Inventarios,
Movimientos, Transporte, Sobre Proceso, t - el tiempo de la inversión
Sobreproducción, Esperas, Defectos, i - la tasa de descuento (la tasa de rendimiento que se
Habilidades). podría ganar en una inversión en los mercados
• Salud de Mercado: Basado en la financieros con un riesgo similar)
competitividad, implica la satisfacción del Rt - el flujo neto de efectivo (la cantidad de dinero en
cliente (número de devoluciones o quejas por efectivo, entradas menos salidas) en el tiempo t.
ejemplo).
SMART Finance
• TIR (Tasa Interna de Retorno): La TIR de la inversión ¿Para qué?

es la tasa de interés a la que el valor presente neto
de los costos (los flujos de caja negativos) de la o Para que la dirección visualice el valor tangible
inversión es igual al valor presente neto de los o intangible de la Mejora Continua.
beneficios (flujos positivos de efectivo) de la o Vender los resultados de los proyectos de
inversión. mejora a la empresa y no solo a un
departamento.
PASOS
1. Cascadeo de Objetivos. Bajar la estrategia de

la dirección y traducirla en objetivos, acciones,
proyectos e indicadores para los demás
• Punto de equilibrio: Tiempo en el cual mi utilidad
niveles.
deja de ser negativa; esto significa que ya no estoy
2. Traducir los beneficios del proyecto en
en pérdidas de la inversión inicial, y es a partir de
indicadores financieros (Dinero) para que le
donde comienzo a generar ganancias. En otras
haga sentido a la dirección. La gerencia debe
palabras consiste determinar la cantidad de
apoyar al nivel operativo en esta actividad.
bienes y/o servicios que debemos vender para
3. Apoyos visuales: Establecer apoyos visuales
cubrir nuestros costos totales.
para el rastreo y toma de decisiones basado
en esta información.
Consideraciones
• Al inicio del proyecto, documente todos los

supuestos y estimaciones.
• Identifique “el métrico correcto” y los
parámetros financieros que representan la
mejora, estime los beneficios al inicio del
proyecto.
• Detallar todos los posibles costos de
implementación al inicio; Análisis de costo-
beneficio (CBA).
• Las finanzas deben ser validadas por el un
representante del departamento de finanzas,
deben ser auditables y se debe evitar la doble
contabilización.
Ejemplo
Un empleado del área de Operaciones en un
hospital, se encuentra frustrado porque la
• Costo de Oportunidad: La cantidad de dinero que iniciativa que implementó en el área de
yo ganaría si hubiera hecho una actividad, es el emergencias tuvo una increíble respuesta pero no
dinero que no obtuviste. reflejó un impacto económico en los métricos del
• CoPQ: Costo de pobre calidad, es el impacto departamento por lo que su supervisor le dio las
negativo en el estado de resultados por todas las gracias pero no lo reconoció como él esperaba.
fallas, desperdicios, errores, costo de oportunidad
y otros, es decir toda la ineficiencia que resta
ganancias a la organización.
SMART Finance
Iniciativa: Campaña masiva en hospitales para Se trabaja en un ajuste de layout y un sistema de re

concientizar sobre el costo del material, ya que el orden de tal forma que se calcula por medio del costo
de oportunidad la cantidad de efectivo que la empresa
personal perdía constantemente jeringas, no tiene líquida pues está invertida en algunos
herramientas y consumibles. Con su proyecto no inventarios que llevaban años sin moverse.
solo redujo los niveles necesarios de inventario, sino
que pudo cambiar el comportamiento del personal. Costo de Oportunidad por inventario en exceso=
$3,588,869.38 MXN
La campaña involucró mucho esfuerzo por su parte,
varios recursos y herramientas lean. El punto de equilibrio de la inversión se alcanzaría en
el año 0 al vender a las otras plantas de la organización
Resultado: Reducción de 15,000 a 400 la cantidad tan sólo el inventario que se puede reducir por el
proyecto.
de piezas perdidas en el año.
Ese resultado fue aplaudido en piso y por su gerente

pero no salió de ahí, ya que no estaba traducido en
un lenguaje financiero que reflejara el impacto a la
dirección.
• Traducción de beneficios…
Para lograr la traducción, se hizo el análisis del Costo

de Oportunidad por producto que no se había
considerado en su proyecto. La mejora fue inmensa,
ya que ahorró más de 800 mil dólares anuales en
compra de insumos. Costo que ya estaba
presupuestado. Esa traducción fue claramente
entendida por la dirección y su implementación fue
replicada en otros centros de salud.
TIR= 30%
El proyecto fue aprobado inmediatamente después de
presentar este análisis.
El proyecto fue completado en 5 meses
Almacén MRO Farmacéutica

El caso….
El almacén de refacciones de la empresa “Farma”
tenía un gran potencial para remodelar y así hacer
más eficiente las operaciones, durante años el
proyecto no tenía la aprobación de dirección pues
no había un claro ahorro para la organización.
Se requerían $1´250,000 pesos para desplegar un
almacén eficiente que no sólo mejoraría el flujo de
las actividades, sino generaría un ambiente más
seguro, ergonómico y práctico para los
almacenistas.
Espacio para notas
Tema
2
«Consigue un mentor en el campo correspondiente si no estás seguro de lo que

estás buscando». – Kyle Bragger
¿Qué es?
Se utiliza para verificar si un objetivo de desempeño se está llevando correctamente o qué variaciones puede
presentar, y se hace mediante una gráfica.
Es muy importante traducir los indicadores de desempeño en un tablero de gestión ya que ayudará a visualizar
de mejor manera la información.
Un punto relevante es que en las gráficas se utiliza colorimetría la cual ayuda a detectar de manera más rápida y
eficiente alguna variación.
Tableros de Gestión
PASADO ¿Cómo se ha comportado el proceso?

PRESENTE ¿Cómo es tu desempeño actual contra el
objetivo?
FUTURO ¿Qué tanta desviación percibimos?
¿Cómo realizaremos nuestros ajustes?
¿Para qué?
• Prevenir- Ayuda a detectar de manera rápida la
variación.
• Visualizar- Se puede visualizar de manera eficiente
y ágil.
• Decidir- Puedes tomar decisiones y actuar acorde
al cambio.
Pasos
Identificar el/los métrico(s) que se monitorean
en el proceso, su valor objetivo, su valor de
alerta y los puntos de excelencia y de pobre
calidad
Provienen de la identificación de indicadores en la
etapa Planear.
• Azul: % Desempeño sobresaliente, es

recomendable investigar sobre las condiciones para Definir frecuencia y responsable del
replicarlo. monitoreo.
• Verde (Objetivo establecido en OGSM) %
Desempeño dentro de objetivo Tomar acciones basadas en los indicadores
• Amarillo: % Desempeño fuera de objetivo, es con variación.
necesario investigar causa raíz e implementar
solución Ejercicio
• Rojo: % Desempeño muy debajo del objetivo, es 1. Selecciona alguna organización que cotice en
necesaria investigar causa raíz e implementar la bolsa.
solución. 2. Ingresa a www.tradingview.com
3. Busca la organización por abreviación y
evalúa su comportamiento a través del
tiempo.
Encontrar el gráfico que se ajuste más a la medición
4. Cuestiona los cambios que ha habido en la
En el 12vo punto se puede apreciar que está muy
acción y observa, ¿puedes identificar puntos
lejos del objetivo plasmado por lo que se tiene que
mínimos y máximos?, ¿te serviría saber por
buscar una causa raíz para evitar que no se repita de
que se comportaron así?
nuevo.
En el 8vo y 19vo punto se puede observar un buen
desempeño y se debe asegurar que este
comportamiento persista y se mantenga.
Tableros de Gestión
Espacio para notas
Tema
3
«El tiempo, la perseverancia y diez años de intentarlo eventualmente te harán ver

como un éxito de la noche a la mañana». – Biz Stone
¿Qué es?
Es una herramienta que te permite tener un control y alineación entre el sistema de medición contra objetivo
de un área o departamento.
El scorecard es implementado por gerencia de cada departamento mientras el Boxscore es utilizado en dirección
con base en el estado de ganancias y pérdidas (P&L
Balanced Scorecard
¿Para qué?
Se le llama Balanceado porque nos ayuda a alinear las
estrategias y objetivos con los resultados con 4
cuadrantes
• Cliente: ¿Cuál debe ser la percepción del cliente

hacia nosotros?
• Financiero: ¿Cómo ser ante nuestros inversionistas?
• Procesos internos del negocio: ¿Cómo se
desempeña mi proceso?
• Aprendizaje y crecimiento: ¿Qué tan progresivo es
nuestra resistencia al cambio para poder crecer y
superarse?
Pasos
1- Verificar la alineación de los objetivos.
2- Revisar correlación entre indicadores.
3- Establecer como será de medir cada indicador.
4- Se deben clasificar y usar la colorimetría correcta para

que sea de manera más visual encontrar una variación.
5- Asignar actividades correctivas a los indicadores ya

clasificados (altos o bajos).
Nota: Al mejorar un indicador siempre por la relación que

tiene entre otros afectará de manera positiva otros
indicadores
Ejemplo
Balanced Scorecard
Relaciona tus indicadores con base en su correlación con los otros y podrás determinar los más relevantes.
Balanced Scorecard
Ejercicio
• Identifica 10 indicadores en tu organización y clasifícalos con los siguientes ejes (crecimiento, procesos
internos, clientes y financiera).
• Realiza un gráfico de interacción de indicadores.
• Detecta los 3 indicadores más importantes y la frecuencia de monitoreo.
Espacio para notas
Tema
4
“Un emprendedor es alguien que tiene una visión de algo y quiere crear”. – David
Karp
¿Qué es?
Es el esquema de trabajo que se utiliza en la filosofía 6s.
Su objetivo es el incremento en el desempeño y

decrecimiento en la variación del proceso permitiendo la
reducción de defectos y la mejora de la calidad.
Se componen de las siguientes fases: Definir, Medir,

Analizar, Mejorar, Controlar .
Seis sigma formaliza el uso de las herramientas en la

metodología de implementación de proyectos DMAIC:
DMAIC
¿Cuándo utilizarlo?
✓ La solución al problema es desconocida.
✓ La estructura del equipo se apoya de otros Seis

Sigma Belts.
✓ Uso y análisis de datos duros para encontrar la

causa raíz del problema.
✓ Los objetivo y beneficios del proyecto son

claros y están alineados a la estrategia del
negocio.
✓ Durante la fase de MEJORAR se implementan

los conceptos tradicionales de Project
Management que aseguren la implementación
exitosa de la solución.
✓ Uso de herramientas estadísticas para probar la

eficiencia y sostenibilidad de la mejora.
Ecuación Seis Sigma:
DMAIC
Espacio para notas
Tema
5
«Cada día que pasamos sin mejorar nuestros productos es un día perdido». –
Joel Spolsky
¿Qué es?
Es una herramienta que te ayuda a separar por variables de una manera gráfica los proveedores, entradas,
proceso, salidas, clientes y requerimientos.
SIPOC es una herramienta que proporciona una perspectiva gráfica de las etapas un proceso en conjunto con
proveedores clave, entradas, salidas y usuarios. Es una herramienta fundamental para la ejecución del Value
Stream Map.
SIPOC
¿Para qué?
• Permite diferenciar y encontrar las salidas y las entradas.

• Es el mapeo que se hace a nivel macro.
• Visualizar las conexiones que se tienen entre
operaciones.
Pasos
Índice
SIPOC
1- Definir el proceso
4- Identificar las entradas del proceso
Dar un nombre al proceso - Corto pero descriptivo, debe
Liste los requerimientos de cada cliente para cada
declarar una acción, debe abarcar todo el proceso en
salida - Los requerimientos deben ser (Numéricos,
cuestión.
específicos, cuantitativos).
Identificar los límites del proceso - Asegurar que el
Escuche la Voz Del Cliente
patrocinador tiene control sobre todo el proceso,
Para obtener los requerimientos del cliente…
asegura que el problema se encuentra dentro de los
Observe cómo se usa el producto, use el producto
límites, los límites del proceso definen el alcance de la
usted mismo, encueste a los clientes o utilice grupos
oportunidad de la mejora.
de enfoque, ¿Qué es lo que dicen los clientes? ¿Qué
están haciendo?
2- Identificar las salidas del proceso
Listar lo que el proceso provee al Cliente: Producto,
documentación, información, desperdicio (salida
5- Identificar los proveedores
indeseable). Debe listar las salidas actuales, no las
Liste lo que el proceso necesita para generar las
deseadas o futuras.
salidas - Use las 6M’s para encontrar todas las
Estas son las grandes Y’s del proceso y nos servirán entradas de alto nivel (Mano de Obra, Material,
para cuestionar los entregables con respecto a las Método, Medición, Máquina, Medio Ambiente).
necesidades del cliente.
6- Identificar requerimientos de los clientes
Liste las entidades que proporcionan las entradas al
3- Identificar los clientes proceso - Pueden ser internas o externas
Liste los recipientes de las salidas listadas en el paso 2 - (departamentos, proveedor externo).
Pueden ser clientes externos o internos, pueden ser
diferentes departamentos, pueden ser gerencias o Cada entrada debe tener al menos un proveedor.
cliente final.
Índice
SIPOC
Ejemplo
Espacio para notas
Tema
6
“Tener ideas es fácil. Implementarlas es difícil. ”- Guy Kawasaki
¿Qué es?
Es un lienzo en el que se describe de manera

simple y visual los elementos de un Project
Charter de tal manera que sea entendible para
todos. Es el documento más importante en la
iniciación de un proyecto pues en el se autoriza el
inicio del proyecto con un enfoque y entregables
específicos.
Este documento funge para oficializar un proyecto,

se debe determinar el responsable del proyecto,
objetivos, restricciones entre otros elementos.
¿Para qué?
• Facilita la participación de las personas

involucradas en el proyecto.
• Permite visualizar de manera general cada

elemento que incorpora el proyecto.
• Se tiene un control de cambios adecuado ya

que se tiene muy bien documentado las
versiones.
Project Charter
Pasos
2 9 6 4
3 10 7 5
11 12 13 8
Consiste en rellenar los diferentes apartados que componen la plantilla con la información correspondiente, esto
se hace a partir del motivo que justifica el proyecto, una vez que se ha hecho una estimación de las principales
restricciones y objetivos que este van a tener.
1. Descripción de alto nivel del proyecto y sus 3. Resumen del Presupuesto: En caso de que se
límites: Descripción narrativa los productos, haya determinado un presupuesto, elabore un
servicios o resultados que debe entregar el resumen del mismo a modo de techo
proyecto, así como el trabajo asociado a su presupuestal del proyecto, esta será una
realización, aquí nos referiremos al Enunciado del restricción monetaria del proyecto impuesta
Trabajo del Proyecto. Esta descripción deberá por análisis de inversión, presupuesto del
incluir tanto el producto, servicio o resultado del cliente, etc... Esta información puede estar
proyecto como el trabajo asociado a su incluida en el Caso de negocio.
realización.
4. Supuestos:. Los supuestos son factores que,
2. Resumen del cronograma de hitos: Listado de durante el proceso de planificación serán
fechas compromiso del proyecto y los sucesos considerados como verdaderos, reales o
asociados a los mismos. Recuerde que los hitos ciertos, sin necesidad de comprobación previa.
son eventos significativos que deben de suceder Sin embargo cada uno de ellos, deberá ser
en fechas previamente determinadas por el validado o verificado previo a la ejecución del
cliente, patrocinador, o cualquier otro interesado proyecto para ser considerado como una
del proyecto y/o debido a la necesidad del restricción o un riesgo y ser analizado como
negocio. tal.
Project
Índice Charter
5. Restricciones: Las restricciones son los Es muy importante el identificar de manera temprana
factores que limitaran sus opciones y a la mayor cantidad de interesados, para tenerlos
decisiones, tales como las imposiciones del presentes y poder proceder a su análisis.
cliente, patrocinador, gerencia, condiciones de
mercado, restricciones contractuales, etc. Es 10.Requisitos de alto nivel: Las características y
importante identificar todos estos factores funciones que se deben cumplir y estar presentes
para definir claramente los limites del en el producto, servicio o resultado del proyecto
proyecto. para satisfacer un estándar, norma,
especificación o cualquier otro documento
6. Objetivos medibles del proyecto y los criterios impuesto. Los requisitos o requerimientos
de éxito asociados: Criterios cuantificables que definirán el trabajo que estará presente en los
se deben satisfacer para considerar el proyecto entregables del proyecto, por lo que importante
exitoso. Deben incluir al menos medidas de el poder identificarlas.
costo, calendario y calidad. Cada objetivo del
proyecto debe tener un atributo (ej., costo), un 11.Exclusiones: Son componentes que
parámetro de medición (ej., pesos) y un valor explícitamente quedarán fuera del alcance del
absoluto o relativo (ej., menos de un millón). Los proyecto y deberán ser claramente identificados.
objetivos incuantificables (ej., “a satisfacción del Las exclusiones nos ayudan a clarificar el alcance
cliente”) conllevan un alto riesgo para el del proyecto sabiendo cuales son los
cumplimiento exitosa. Los proyectos pueden componentes y requerimientos que no formarán
tener una gran variedad de objetivos de negocio, parte del proyecto, sin dejar lugar a dudas sobre
costo, tiempo, técnicos, de calidad, etc. los mismos.
7. Beneficios esperados:. Son objetivos que serán 12.Requisitos de aprobación del proyecto: SLas
medidos durante el ciclo de vida del producto, condiciones en que se debe entregar el producto,
toda vez que el proyecto sea exitosamente servicio o resultado del proyecto, así como la
terminado. Proveen del contexto por el cual el información asociada al proyecto para conseguir
proyecto fue emprendido y hacen referencia a los la aprobación formal del proyecto y proceder a su
beneficios del negocio. Esto nos ayuda a poder cierre, toda vez que hayan sido satisfechas los
definir claramente las prioridades dentro del requisitos impuestos al proyecto y satisfechos los
proyecto al comprender el valor que el cliente le objetivos. Especifique quien o quienes son las
da al producto, servicio o resultado del proyecto. personas que darán su aprobación y recibirán el
producto, servicio o resultado del proyecto.
8. Riesgos de alto nivel: Eventos o condiciones
inciertas que, si se producen, tienen un efecto
positivo o negativo en uno o más de los objetivos
13.Propósito o justificación del proyecto: Las
razones por las cuales es necesario emprender el
del proyecto. Estos eventos inciertos, deben de
proyecto, con base en la necesidad de negocio
ser identificados tanto como amenazas así como
establecida en el Caso de negocio. La justificación
oportunidades. Aquí se identificaran aquellos
del proyecto debe redactarse de manera tal, que
eventos que afectarán a todo el proyecto en
permita constituirse en la misión estratégica del
general.
proyecto, alineada con la estrategia de la
organización; de esta manera podemos: a) lograr
9. Lista de interesados: Los interesados son todos un sentido de pertenencia de las personas al
aquellos individuos, grupos u organizaciones que proyecto, b) provocar la trascendencia de las
pueden afectar, verse afectados o percibirse a sí personas sobre el trabajo del proyecto, y c)
mismos como posibles afectados por una establecer la dirección, alinear los intereses y
decisión, actividad o resultado de un proyecto mantener motivadas a las personas.
Project Charter
Índice
Ejemplo y otros formatos
Espacio para notas
Tema
7
«Lo único peor que comenzar algo y fallar… es no comenzarlo en absoluto». –

Seth Godin
¿Qué es?
Estadísticas Descriptiva: Se encarga de proporcionar Mínimo, Máximo, Porcentajes: 25th, 50th,75th,
información sobre lo que está sucediendo en ese Conteo, Suma, Porcentaje de defectos.
momento. Se enfoca en la recopilación y presentación e
los datos. ¿Para qué?
Estadística Inferencial: Es la encargada de inferir o • Nos permite estimar atributos en una
predecir lo que está sucediendo en una población población de manera más rápida y eficiente en
utilizando diferentes técnicas en probabilidad y base a un muestreo.
métodos matemáticos basándose en lo que sucede en
una muestra. • No inferir y tomar datos reales.
• Identificar variaciones de manera anticipada y
La estadística básica inferencial se calcula utilizando las rápida.
medidas tomadas de un grupo de elementos (muestra)
procedentes de un grupo más grande llamado Características de una población:
población.
Es la información extraída de una muestra de datos:
Estadística
Índice Básica
Medidas
Moda: La moda se basa en la recurrencia ya que se define como la medición que se repite con mayor frecuencia,
si los datos se expresa mediante un histograma, la moda corresponde a la barra más alta.
Mediana: Se define como el valor que se encuentra exactamente a la mitad de una serie de números ordenados
por valor, cuando se tiene un número par se deben colocar el promedio de los dos valores centrales y cuando es
impar el número central.
Media: La media es el promedio “ponderado” en donde cada posible valor es ponderado por su frecuencia. Es el
promedio , el cual se hace de una manera ponderada por su frecuencia: La manera de calcularla es sumando
todos los valores y dividiendo entre el número total de valores. Hay 2 maneras de representar la media:
▪ Poblacional : mu
▪ Muestral: X barra
Estadística
Índice Básica
Rango: Se calcula restando el valor más alto menos el valor más bajo.
El rango de datos proporciona una medición de los valores extremos de los datos, no da ninguna información con
respecto a la variabilidad de los datos sobre la media.
La varianza y la desviación estándar proporcionan mucho más información sobre la variabilidad alrededor de la
media.
Varianza (σ2): Corresponde al cuadrado de la desviación estándar.
En Excel : VAR.S()
Desviación estándar (σ): Es la raíz cuadrada positiva de la varianza, ayuda a diferenciar la dispersión de los datos
Estadística
Índice Básica
Ejemplo: Volumen en llamadas

El responsable de mejora continua del call center “Tu voz nos une” está explorando la posibilidad de aumentar el
volumen de llamadas por minuto que puede atender el centro. Como primer paso en su análisis requiere obtener
la estadística descriptiva de muestra, a continuación se presentan los datos:
Volumen de llamadas
103 97 107 95 99 94 113 106 100 97
98 90 96 97 97 104 97 104 92 115
98 95 96 105 75 90 88 92 97 90
99 93 104 105 95 105 101 113 99 119
110 106 117 90 77 98 96 108 101 110
105 82 112 108 98 103 108 111 99 88
88 98 117 108 113 98 97 96 109 100
106 75 103 105 111 91 100 70 98 89
100 102 96 112 105 122 88 101 89 98
100 93 103 114 98 88 106 96 84 98
108 111 93 109 97 128 106 97 88 84
92 100 103 102 110 98 108 90 94 98
96 107 116 92 119 112 97 99 106 102
100 108 96 105 111 96 88 121 91 110
105 91 107 93 109 94 113 99 101 100
93 85 124 108 91 95 117 107 101 114
103 108 92 86 101 84 97 114 109 117
97 94 103 98 85 126 113 107 86 76
100 123 98 111 95 100 102 70 95 92
97 120 110 102 92 104 107 128 100 94
107 92 98 114 85 113 118 106 95 95
92 93 105 88 85 99 95 117 93 106
103 83 91 87 116 120 97 78 91 89
100 98 85 102 95 105 103 94 104 102
100 85 102 101 85 113 92 100 98 95
95 93 94 93 98 93 104 98 95 118
94 96 107 101 112 86 99 102 91 114
101 118 90 95 104 104 82 103 99 83
101 106 103 97 83 100 89 112 102 97
104 91 90 86 104 93 94 94 101 106
Estadística
Índice Básica
Análisis en Minitab
Hay que alimentar los datos disponibles en la hoja

de Minitab. La recomendación es pegarlos en una
sola columna.
Enseguida seleccionamos la opción Estadísticas>

Estadísticas básicas>Mostrar estadísticos
descriptivos.
Se abre la ventana de alimentación

correspondiente. En la sección variables
selecciona la variable a estudiar, en este caso
“Volumen de llamadas”
Al dar clic en el botón “estadísticas” observarás

el menú de estadísticos descriptivos disponibles
para el análisis. En este caso, continuar con los
ya seleccionados previamente por Minitab.
Estadística
Índice Básica
De nuevo en la ventana de alimentación principal, seleccionar el botón “Gráficas”. En esta ventana

encontrarás 4 diferentes opciones de gráficos disponibles para estadística descriptiva, para el ejemplo
selecciona Histograma de datos con curva normal y gráfica de caja de datos. Clic en aceptar y de nuevo
aceptar en la ventana principal .
Interpretación de resultados
Minitab genera el
análisis en la hoja de
proyecto:
Se observa un comportamiento “normal”, sin

Podemos observar datos atípicos
embargo es necesario realizar la prueba de
normalidad para estar seguros.
Estadística
Índice Básica
Resumen Gráfico
Otra opción para generar estadística descriptiva es el resumen gráfico. Selecciona el menú
Estadística>Estadísticas Básicas> Resumen Gráfico.
En la ventana de alimentación de datos, selecciona la variable a estudiar y haz clic en aceptar.

.
Minitab genera un histograma con curva normal, el

gráfico de caja e intervalos de confianza, además de la
prueba de normalidad y estadísticos descriptivos iniciales.
El valor p es mayor a 0.05, por lo tanto podemos concluir

que la distribución de nuestros datos es normal. Se
observan datos atípicos en el gráfico de caja, se
recomienda identificar la causa de éstos. En los intervalos
de confianza se observa que la media es mayor que la
mediana.
Estadística
Índice Básica
Ejercicio
Se tienen 25 alumnos en el
grupo de ética, y se requiere
calcular la estadística básica y
generar su gráfico .
Descarga los datos desde tu

plataforma para comenzar a
realizar tú análisis, ¡No te
olvides de interpretar!
• Se puede visualizar que la

media del grupo es de
81.52
• La desviación estándar es
del 11.82
• El rango obtenido sería 98-
60=38
• Analizando el summary
report y la estadística
descriptiva podemos
interpretar que la
concentración de
calificaciones de los
alumnos es entre 85 a 95.
Estadística
Índice Básica
Ejercicio-2
Se tiene el registro del tiempo de ciclo de la línea de

producción “A”. Se requiere calcular la estadística básica
para
poder comparar más adelante con los datos de otras
líneas.
Descarga los datos desde tu plataforma para comenzar a

realizar
tú análisis, ¡No te olvides de interpretar!
Estadística
Índice Básica
En el histograma se observa que el centro de

nuestros datos esta cargado hacia la izquierda, no
es una distribución simétrica. Con la prueba de
normalidad revisamos que p<0.05 confirmamos que
la distribución no es normal. Hay varios valores
atípicos que nos marca el gráfico de caja
El tiempo de ciclo promedio es de 9.22 y la desv.

Estándar es de 6.20 .
Con estos datos podríamos comparar el

comportamiento de los tiempos de ciclo con otras
líneas de producción.
Espacio para notas
Tema
8
«Nunca soñé con el éxito, trabajé para ello». – Estée Lauder
¿Qué es?
Precisión: Se refiere a la cercanía de los datos medidos, este concepto hace referencia a la dispersión de los datos
obtenidos, entre mayor precisión menos dispersión.
Exactitud: Hace referencia al valor medido ¿que tan cerca está del valor real esperado? La exactitud se relaciona
con el sesgo.
La precisión muestra la desviación respecto a tus datos.

La exactitud muestra la desviación de tus datos respecto a un objetivo
Variación
Índice
vs Centrado
Sesgo: Es un error sistemático, es decir, que pasa

siempre y que hace que todas las medidas estén
desviadas en una cierta cantidad. Puede ser que
midas algo varias veces y que los valores estén cerca
uno de otros, es decir que existe precisión, pero
puede ser que todos los valores medidos estén
equivocados por el sesgo (algún error de calibración
por ejemplo).
¿Para qué?
• Saber cual es la mejor manera para enfocarnos
en nuestros datos.
• Detectar oportunidades en nuestros
instrumentos de medición.
• Identificar problemas dentro del proceso o en
las mismas especificaciones del cliente.
Ejercicio
Instrucción:
Reconocer las situaciones donde
los gráficos conforme las
siguientes afirmaciones
1. Preciso, no exacto
2. Preciso y exacto
3. No preciso, exacto
4. No Preciso, No exacto
Instrucción:
Relacionar cada inciso con el gráfico correcto
1. Preciso, no exacto
2. Preciso y exacto
3. No preciso, exacto
4. No Preciso, No exacto
Espacio para notas
Tema
9
«El éxito generalmente llega a aquellos que están demasiado ocupados para
buscarlo». – Henry David Thoreau
¿Qué es?
Los datos estadísticos se obtienen mediante la observación y medición en nuestros procesos. Dependiendo de la
naturaleza de los datos contamos con 4 clasificaciones esenciales:
¿Para qué?
• Permite tener un análisis limpio y correcto de los
datos.
• Facilita la implementación de herramientas
estadísticas. Nominales: Se caracterizan porque la única relación
• Da un panorama mayor de nuestro proceso y permite que está definida entre los valores que puede tomar
conocerlo mejor. la variable es la igualdad o diferencia. (Sexo
(masculino o femenino), Color de empaque,)
Clasificación
Continua: Son aquellos que pueden asumir cualquier Ordinales: Se caracterizan porque entre dos valores
valor en determinado intervalo de valores.(Altura, peso, de la variable, además de la relación de igualdad o
longitud, espesor, velocidad.) diferencia se pueden dar las relaciones “mayor que”
o “menor que”. Es decir dados dos valores de la
Discreta: Son aquellos que pueden asumir sólo ciertos
variable se puede decidir si son iguales o diferentes,
valores (por lo regular enteros), surgen al contar el
dando un sentido de orden o
número de conceptos que posee cierta característica.
jerarquización.(Jerarquía en un ejército, lugares en
(Número de clientes por día, cantidad de alumnos en un
una competencia,)
salón de clase,)
Datos Continuos
Índice y Discretos
Ejemplo
Escala Descripción Ejemplos

Pasa/No pasa
Discreto:
Datos contables
Nominal Dato categórico no ordenado
Datos de atributos
Sin información de intervalo.
Datos de desempeño
Bueno/Mejor/El mejor
Discreto:
Escalas Likert
Ordinal Dato categórico ordenado
pequeño/med/grande
Sin información de intervalo
Escala de 1 a 5
Continuo: Temperatura (°C)

Intervalo Intervalos Iguales; Posición
Sin cero absoluto.
Continuo: Dimensiones
Racional Intervalos iguales; Presión
Cero absoluto. Concentración
Ejercicio
EJERCICIO
Objetivo: Clasifica los siguientes datos en la categoría correcta marcando con una "X" la casilla correspondiente
Categorías
Datos
Discretos (Atributos) Continuos (Variables)

Tiempo de entrega de un paquete
Número de botellas
Cantidad de enfermos
Diametro de pieza
Tiempo promedio de llamada
Peso de una persona
Temperatura de pieza
Número de fallas
Facturas correctas
Número de personas certificadas
Errores por persona
Litros cargados al tanque del auto
Latas de pintura compradas
Número de accidentes
Km recorridos por corredor
Datos Continuos
Índice y Discretos
RESPUESTAS
Categorías
Datos
Discretos (Atributos) Continuos (Variables)

Tiempo de entrega de un paquete X
Número de botellas X
Cantidad de enfermos X
Diametro de pieza X
Tiempo promedio de llamada X
Peso de una persona X
Temperatura de pieza X
Número de fallas X
Facturas correctas X
Número de personas certificadas X
Errores por persona X
Litros cargados al tanque del auto X
Latas de pintura compradas X
Número de accidentes X
Km recorridos por corredor X
Los datos en porcentajes son discretos porque Considere a alguien que ha sido acusado de ir a
provienen de un calculo basado en datos discretos. velocidad excesivamente alta en una autopista
donde el límite de velocidad es de 110 km/hr.
Por ejemplo, un porcentaje de defectos es calculado
al dividir el numero de defectos (datos de cuenta Si utilizáramos sólo datos discretos, nosotros
discreto) dividido entre el total de oportunidades de únicamente podríamos saber si los individuos
tener un defecto (datos de cuenta discreto). conducen por arriba o por debajo del limite de
velocidad de 110km/hr.
En la práctica los datos en porcentajes son tratados
frecuentemente como continuos porque el % puede Si utilizamos datos continuos, se tiene mayor
tener cualquier valor a lo largo del continuo 0-100%. información para trabajar con ella. Por ejemplo,
Además que dividir un porcentaje en dos o mas partes podemos saber específicamente si alguien conducía
aun tiene sentido. a 115km/hr. y alguien más a 160Kkm/hr. Estos dos
individuos serían clasificados sobre el límite de
velocidad si fueran datos discretos.
Espacio para notas
Tema
10
«Todo lo que se puede medir y observar, mejora». – Bob Parsons
¿Qué es?
Un muestreo se obtiene seleccionando un conjunto de individuos de una población, con el objetivo de analizar el
comportamiento de los datos y poder realizar ajustes de mejora
Se busca estimar los atributos de la población a través de los la medición de estadísticos (Estadística Básica) con el
fin de analizar el comportamiento de nuestro proceso y tomar acciones.
¿Para qué?
• Generar estudios asertivos en cuanto a su
aproximación a la población.
• Garantizar el tamaño de muestra correcta
• Estandarizar el proceso de recolección
¿Cómo?
Existen diversos tipos de muestreo los cuales,

dependiendo de la naturaleza del proceso, nos habilitan
la posibilidad
de generar estudios asertivos y efectivos en nuestras
operaciones.
Espacio para notas
Muestreo Aleatorio: La probabilidad para cada

pieza de ser elegido debe ser igual
Muestreo Estratificado: Se tiene en una población

varios segmentos homogéneos de los cuales se debe
de tomar una muestra de cada grupo y al final se unen
Muestreo Conglomerados: Nos sirve también cuando

Muestreo Secuencial: La selección de piezas se hace
hay segmentos heterogéneos pero con una
después de cierto número de piezas o cierto tiempo
semejanza por segmento, se toma una muestra por
determinado
segmento y al final se unen
Muestreo
Índice
Ejemplos:
- Estudio de mercado.
- Encuestas geográficas contemplando
distintas comunidades o estratos.
- Diferentes presentaciones de una línea
de producto.
Subgrupo Racional: Un Subgrupo Racional

es aquel que representa, lo más cerca
posible, un comportamiento similar en el
proceso.
Para obtener subgrupos (extractos para la
muestra) confiables, debemos incluir en
una muestra, piezas que fueron hechas lo
más aproximado posible en el tiempo.”
Manual de Control de Calidad Estadístico de
AT&T ©1956
Los subgrupos racionales son de suma importancia para determinar la capacidad a corto y largo plazo de nuestro
proceso y la base para extraer una muestra, ya que solo se obtienen muestras con ruido blanco y deja fuera los
del ruido negro
¿Cuándo muestrear para proyectos?
Muestreo
Índice
A considerar: Conoce el tamaño de la población. El número

✓ El criterio del negocio para seleccionar el total de “individuos” que conforman tu población
tamaño de muestra debe considerar: costo, objetivo, por ejemplo producción total mensual
tiempo y esfuerzo. del producto XYZ.
✓ El criterio estadístico nos dice que la precisión Determina el margen de error, o “intervalo de
de la muestra debe ser suficiente para confianza”, es el tamaño del error que estás
representar la población. dispuesto a aceptar en tus resultados. Es un
porcentaje que indica qué tan cerca estarán los
✓ Mientras más grande la muestra, se obtendrá resultados de tu muestra del valor real de la
mayor nivel de precisión en la información población general objeto del estudio.
acerca de los parámetros (media y desviación
estándar) de la población. Define Nivel de confianza, representa la
seguridad que tenemos de que el dato que
queremos esté dentro del margen de error. La
Muy grande: elección de un nivel de confianza de 95 % te
Requiere permite decir que estás 95 % seguro de que los
demasiados recursos resultados que se obtienen respetan el margen de
error elegido.
Muy pequeña: no Especifica tu desviación estándar. La desviación

dará resultados estándar indica qué tanta variación esperas entre
las respuestas a tu encuesta. Una recomendación
es fijar este valor a 0,5 (50 %) esto asegura que la
Cálculo del tamaño de muestra muestra calculada será lo suficientemente grande
como para representar a la población.
A continuación la fórmula para calcular una
muestra representativa: Selecciona el valor Z Es un indicador de la
cantidad de desviaciones estándar entre cualquier
valor seleccionado y el valor promedio de la
población. Es un valor constante que se fija de
manera automática al elegir el nivel de confianza.
Una vez con los datos, desarrolla la fórmula para

el cálculo de la muestra.
Ejemplo
En la línea de producción A, se requiere obtener una
muestra del total de la producción, para poder analizar
si el requerimiento del cliente sobre la longitud del
diámetro esa siendo alcanzado.
• N > el tamaño de la población
• e >es el margen de error
Calcule el tamaño de la muestra para el producto final
• p > es la proporción que queremos encontrar y
cuya población es de 20,000 piezas mensuales, con un
margen de error del 5% y un nivel de confianza del 95%
que se corresponde con el valor de la desviación
(Z = 1,64). Usaremos el valor de 0.5 para la desviación
estándar. Si no conocemos su valor, usaremos
estándar.
un 50%
• Z > es una constante que depende del nivel de
confianza(verificar en tablas)
Muestreo
Índice
n = [20,000 x 1.642 x 0.5 x (1 – 0.5)] / [(20,000 – 1) x 0.52 + 1.642 x 0.5 x (1 – 0.5)] = 377
El tamaño de la muestra es de 377 unidades
La tabla que nos permitirá determinar los elementos clave para calcular el tamaño de muestra es la AQL
(Acceptance Quality Limit)
Para calcular el tamaño de muestra y criterio de rechazo y aceptación:
Identificar el tamaño de lote.
Determinar el nivel de inspección.
Con la información del paso 1 y 2, identificar la letra código que determinará el tamaño de muestra.
Muestreo
Índice
Niveles de Inspección:
▪ Nivel I – Inspección sencilla. Ej: Cuando se ha tenido una resultado aceptable en las inspecciones pasadas
▪ Nivel II – Inspección promedio, se recomienda utilizar esta como base.
▪ Nivel III – Inspección a profundidad. Ej: Cuando se han tenido problemas de calidad anteriormente y se debe
poner más detalle.
▪ Niveles especiales S-1, S-2, S-3, S-4 – Cuando se necesitan tamaños de muestra relativamente pequeños y se
pueden tolerar riesgos Ej: Cuando toman mucho tiempo o las muestras tienen que ser destruidas.
Con la letra código, detectar en la segunda tabla, el tamaño de muestra recomendado.
De acuerdo al tipo de defectos seleccionar el nivel de calidad
Dentro de la segunda tabla, utilizando el código de letra y el nivel de calidad, identificar los límites de
aceptación y rechazo.
Niveles de Calidad más frecuentes: Ejercicio

▪ Alto- 0% para defectos críticos (totalmente
inaceptable: un usuario puede resultar dañado
Calcular el número de muestra y el número de
o las regulaciones no se respetan).
aceptación para un lote 3,250 unidades y un Nivel de
▪ Medio- 2.5% para defectos mayores (estos
inspección de I. Utilizar nivel de calidad de 1.5%
productos generalmente no serían considerados
aceptables por el usuario final).
▪ Bajo- 4.0% para defectos menores (hay una
desviación de las especificaciones, pero a la
mayoría de los usuarios no les molestaría).
Muestreo
Índice
• La tabla 1 indica que la letra código correspondiente es “N”.
• La tabla 2 indica que el tamaño muestra recomendado es de 80 unidades y para un nivel de calidad de 1.5 el
número de muestras para aceptación es 3.
Espacio para notas
Tema
11
«Trato de no tomar ninguna decisión que no me entusiasme». – Jake Nickell
¿Qué es? ¿Para qué?

Una distribución refleja el comportamiento de los datos, • Comparar un comportamiento de nuestros
tenemos una gran variedad de distribuciones de datos históricos con una función de
probabilidad la cual se utilizan mediante la similitud al probabilidad.
comportamiento de los datos y ajustarla a una • Accionar las mejoras encontradas en el
distribución nos permite calcular la probabilidad de que proceso mediante herramientas estadísticas.
ocurra
• Anticipar las variaciones de nuestro proceso.
Distribución Normal
Una curva en forma de campana que es simétrica de la media, donde las desviaciones estándar sucesivas con
respecto a ésta establecen valores de referencia para estimar el porcentaje de observaciones de los datos. Es la
distribución estadística más común debido a que la normalidad aproximada se presenta naturalmente en muchas
situaciones de medición física, biológica y social.
Distribuciones
Propiedades:
▪ Una población se determina por su media y desviación estándar, esta distribución tiene una media=0 y
desviación estándar =1
▪ El área total bajo la curva es utilizada para estimar probabilidad de ocurrencia de algún evento.
▪ Es simétrica (sin sesgo y curtosis =0)
Curtosis
Miden la mayor o menor concentración de datos
alrededor de la media. Lepocúrtica, cuando hay más
concentración de datos en la media. Platicúrtica,
cuando hay menor concentración de datos en la
media. Mesocúrtica, similar a l normal.
*Una distribución leptocúrtica no siempre está
asociada a un proceso 6 sigma.
Asimetría
Miden la mayor o menor simetría de la distribución. Si la distribución es simétrica, es iguale a 0; si es asimétrica a
la derecha es positivas; y si es asimétrica a la izquierda, es negativa.
Importancia: La mayor parte de las herramientas Teorema del Límite Central: Comúnmente cuando el
estadísticas deben tener el supuesto de normalidad tamaño de la muestra es demasiado grande, este
ya que es mucho más fácil de procesar y se probablemente tenga una aproximación normal.
recomienda que se ajusten a una distribución
normal por medio del teorema del límite central o
transformación Box-Cox.
Índice
Distribuciones
Revisar:
▪ Si tu muestra tiene un número de datos
recomendable.
▪ Si tus datos no tienen datos atípicos por problema
de medición o medio ambiente.
Distribución Lognormal: Tiene un comportamiento

similar a la normal solo que el tiempo afecta en el
comportamiento de los datos. Pueden ser 2 o 3
parámetros
Distribución Binomial: La distribución discreta
Estadísticos:
binomial asigna probabilidades al número de
▪ Ubicación “éxitos”, observado en un conjunto de pruebas
(Location): La ubicación de los datos al desplazarlos a
cuando la propensión al “éxito” es p, donde 0 ≤ p ≤
lo largo del eje X. Un valor de ubicación positivo
1. Esta distribución mide el número de defectuosos.
desplaza la distribución hacia la derecha, mientras que
La distribución Binomial se aproxima a la
un valor de ubicación negativo desplaza la distribución
distribución normal lo cual involucra un riesgo en
hacia la izquierda.
cuanto a la confusión del uso de la normal para
Escala: Distribución de los datos. qué tan dispersos son
datos discretos
los datos. Por lo general, un valor de escala más grande
puede hacer que la distribución luzca más expandida
horizontalmente. Estadisticos: Número de pruebas, Probabilidad de
éxito.
Umbral(Threshold): define la ubicación del mínimo Ejemplos:
valor que es teóricamente posible para los datos de ▪ Número de piezas sin aceptar.
una distribución. ▪ Número de quejas por parte del cliente.
Ejemplos:
▪ Rate de
crecimiento de
una empresa
conforme pasan
los años
▪ Tiempo promedio
de actividad por
empleado (X) a
través de los días.
Distribuciones
Prueba de Normalidad: Muchas de herramientas

estadísticas están basadas en la suposición de que la
distribución de los datos que se van a analizar es
normal.
Entre estas técnicas estadísticas están por ejemplo las

herramientas para calcular la capacidad del proceso, la
regresión, las pruebas de hipótesis. Pero antes de
utilizar estas herramientas es importante evaluar la
validez de esta suposición, o asumir el riesgo de
obtener resultados y conclusiones incorrectas.
Gráfica de probabilidad normal: Esta herramienta

grafica los datos contra una distribución normal teórica
(línea en rojo). Si los datos tienen una distribución
normal.
Los puntos de datos formaran una línea recta en
Distribución de Poisson: LLa distribución de Poisson forma diagonal a la línea roja. Mientras más cerca la
se puede utilizar para calcular las probabilidades de mayor parte de los datos esta de la línea roja la mayor
los resultados del proceso que se miden las tasas evidencia para soportar que existe una distribución
de: ratones / acre, defectos / unidad, las llamadas / normal.
hora, etc. Ratones, defectos y llamadas son
“eventos”. Acre, Unidad y Hora representa “áreas
de oportunidad "en el cual el evento ocurre. La
distribución de Poisson trabaja si:
La aparición de un "evento" es igualmente probable

que el conjunto "áreas de oportunidad”. La
probabilidad de la ocurrencia de un "evento" en
cualquier parte del "área de oportunidad" es
independiente de la ocurrencia de otro.
Estadísticos: Media (µ).

Ejemplos:
▪ Número de defectos en una botella.
▪ Número de errores en una corbata.
Por medio de pruebas (Anderson Darling, Kolmogorov,

Chi cuadrada) se estima si los datos se comportan
conforme una Distribución Normal. Su estadístico es
llamado P value donde si P≥ .05 concluimos que los
datos siguen una Distribución Normal.
Índice
Distribuciones
Análisis en Minitab
1
1. Hay que alimentar los datos disponibles en la hoja
sola columna.
2. Haz clíck en el menú “Gráfica” y de la lista que se
despliega selecciona la herramienta “Gráfica de
probabilidad”
3. En la primera ventana selecciona “individual” ya

que estamos trabajando con una sola variable
4. Ya en la ventana de alimentación principal,

selecciona la columna que contiene los datos de la
variable a graficar.
Si se hace clic en el botón “estadísticas” se abre el
menú de estadísticos descriptivos disponibles para el
análisis. En este caso, continua con los ya
seleccionados previamente por Minitab. Haz clic en 3
aceptar.
2
Distribuciones
Interpretación de resultados: Los datos se ajustan a Ejemplo

la línea roja, nuestra distribución normal teórica,
visualmente podemos decir que los datos tienen INSTRUCCIONES; El objetivo de este ejemplo es ilustrar
una distribución normal. como diferentes tipos de distribuciones se evaluarían
con la prueba de normalidad. Utiliza la siguiente tabla
Además podemos revisar el valor p, que en este como información base para crear datos aleatorios con
caso es p>0.05, por lo tanto comprobamos también distribuciones específicas.
que nuestro set de datos tiene una distribución
normal.
0.179
Para generar los datos aleatorios, da clic en el
menú “Calc”, de la lista, selecciona la opción
“datos aleatorios” y finalmente elige la
distribución específica para la cuál quieras
generar el set de datos. En este ejemplo
selecciona “normal”.
Índice
Distribuciones
En la ventana de alimentación, ingresa los datos de la tabla en los campos correspondientes, además escribe
el numero o nombre de la columna en donde quieres que se escriban los datos. Da clic en aceptar.
Minitab genera 500 datos, con las características Ahora genera un histograma y un gráfico de
elegidas y los escribe en la columna 1 (C1). probabilidad para uno cada set de datos que
generaste. Evalúa la normalidad de forma visual
y con el valor p.
Minitab genera 500
datos, con las
características
elegidas y los escribe
en la columna 1 (C1).
Repite el proceso
para general los datos
de la distribución
Lognormal y
Binomial.
Índice
Distribuciones
Interpretación de resultados: • Lognormal: Asegura que se realizó la prueba de

identificación de distribución individual para
• Los Binomial: Validando que son datos discretos identificar la distribución y poder proceder de
manera adecuada
ahora solo falta definir si se miden defectos o
defectuosos para poder determinar si se debe Identificación de la distribución
utilizar una distribución Binomial o Poisson.
• Normal: El valor p es mayor que 0.05 , se Para identificar el tipo de distribución en Minitab
confirma la normalidad, en este caso se debe se puede realizar eligiendo el menú estadística,
mantener estos datos como están pues pueden luego herramientas de calidad y finalmente
aplicarse a los estudios estadísticos estándar. identificación de la distribución individual.
Deberás seleccionar la columna que contiene los

datos de la variable que deseas analizar y dar
doble clic para que ingrese en el campo de
“Columna Individual”. Selecciona también la
opción “Usar todas las distribuciones y
transformaciones”
Interpretación de resultados:
• Minitab generará los gráficos de probabilidad del

set de datos elegido para todos los tipos de
distribuciones y transformaciones.
• Además en la hoja de proyecto podrás observar

la prueba de bondad del ajuste donde podrás
elegir la distribución que tenga un valor p> a 0.05.
En esta imagen la distribución gama parece ser la
que mejor representa al set de datos.
Índice
Distribuciones
Generar pruebas de probabilidad
El objetivo de este ejemplo es generar predicciones básicas basadas en una distribución específica.
1. Para cada columna de datos, genera las predicciones mostrada en la tabla.
2. Recuerda utilizar los estadísticos que utilizaste para generar los datos.
Del menú gráfica seleccionar la opción gráfica de distribución de probabilidad.
En la ventana de opciones selecciona “Ver probabilidad” y da clic en aceptar.
Índice
Distribuciones
Selecciona el tipo de distribución y sus estadísticos.
En la segunda pestaña –Área sombreada- Genera a través del valor

“X” la probabilidad que buscas (Menor que= Cola Izquierda, Mayor
que= Cola derecha, Entre los valores (Centro). Clic en aceptar.
• Minitab generará un gráfico en dónde el área

sombreada representa la probabilidad de que el
valor elegido ocurra.
Espacio para notas
Tema
12
«El éxito consiste en ir de un fracaso a otro sin perder el entusiasmo». – Winston

Churchill
¿Qué es? Los datos de la muestra se

deben seleccionar
Es una gráfica que representa una distribución de aleatoriamente. Si sus
frecuencias de un grupo de datos, en los cuales se datos no se recopilaron
pueden detectar los siguientes puntos: aleatoriamente, sus
1. Forma en que se distribuyen los datos. resultados podrían no
representar la población.
2. Acumulación o tendencia central.
3. Dispersión o variabilidad.
Pasos
En Minitab:
1) Hay que alimentar los datos disponibles en la hoja

sola columna.
¿Para qué? 2) Selecciona el menú gráfica, y de la lista haz clic en
histograma.
Mayor entendimiento y/o traducción de la
información tal como: 3) Se abre la primera ventana donde podemos
seleccionar el tipo de histograma, en este caso con
• Desempeño ajuste, para poder compararlo contra la
• Distribución distribución normal.
• Comparación 4) En la ventana de alimentación seleccionar la
• Datos estadísticos variable a graficar, y da clic en aceptar.
Volumetría entrante
Consideraciones:
El tamaño de la muestra debe ser
aproximadamente de 20 o mayor. Si el tamaño de la
muestra es demasiado pequeño, es posible que
cada barra en el histograma no contenga suficientes
puntos de datos para mostrar exactamente la
distribución de los datos.
Histograma
3
4
Este histograma nos permite observar la distribución y forma de los datos. Podemos observar que los datos no
muestran una concordancia con la curva de ajuste normal.
Se observa una mayor concentración de datos entre los valores 170-190.
Índice
Histograma
En Excel:
1) Seleccionar el conjunto de datos.
2) Clic en Insertar > Gráficos de estadística > Histograma.
Existen diferentes tipos de gráficas basados en el Se cuenta con un proceso

comportamiento de los datos: centrado y alta variación.
Forma de campana. Se tiene Proceso con baja variación y

una forma de campana y se centrado.
tiene una simetría alta en el
centro.
Bimodal: Se tienen dos Ejemplo

principales picos con esta En una escuela se están
distribución queriendo analizar el
desempeño de los profesores
Sesgada: La concentración se y/o alumnos, ya que en el
tiene en los datos inferiores y último trimestre se obtuvieron
superiores. algunas calificaciones
desfavorables ya que s se tiene
una concentración de datos con
También se puede evaluar inicialmente la
baja calificación significa que el
concentración y dispersión de los datos, por
tutor no está teniendo buen
ejemplo:
desempeño.
El director de la escuela toma

Se tiene muy poca variación y una muestra de los distintos
están centrados los datos. grupos y hace el análisis.
Se cuenta con mucha

variación y no cuanta con
centrado de los datos.
Índice
Histograma
La muestra se extrajo de 25 alumnos con las siguientes calificaciones:
1. Hay que alimentar los datos disponibles en la hoja de Minitab. La recomendación es pegarlos en una sola
columna.
2. Selecciona el menú gráfica, y de la lista haz clic en histograma.
3. Se abre la primera ventana donde podemos seleccionar el tipo de histograma, en este caso con ajuste, para
poder compararlo contra la distribución normal.
4. En la ventana de alimentación seleccionar la variable a graficar, en este caso las frecuencias que queremos
evaluar son las “calificaciones”, dar clic en aceptar.
Interpretación:
• Se puede observar que la mayoría de las

personas obtuvieron una nota entre 85-95.
• Únicamente una persona tuvo una calificación
perfecta de 100.
• Solo 3 personas obtuvieron una calificación de
60.
Se puede concluir que el maestro tiene un alto

desempeño ya que la concentración de los datos se
encuentran en una zona de calificación favorable.
Índice
Histograma
Ejercicio: Tiempo promedio de llamada en call center
Se ha establecido un nuevo call center para cobro de

cartera vencida. Los supervisores requieren saber si
durante el primer mes de operaciones el tiempo de
duración máximo de llamada se tiene bajo control. El
tiempo máximo permitido es de 10 minutos.
Se tomo una muestra de 200 llamadas ejecutadas en

el mes. Realiza un histograma para verificar
visualmente la situación actual de la operación del
call center.
Se puede observar que la mayoría de las llamadas

tienen una duración de entre 4 y 7 minutos.
Sin embargo, si existen llamadas con duraciones más allá

del máximo permitido. Se observa una distribución
normal de los datos.
Se puede recomendar realizar un análisis de capacidad

del proceso para contar con la evaluación precisa del
desempeño del proceso. También comenzar a identificar
y monitorear las causas raíces del por qué hay llamadas
que toman más de 10 minutos.
Espacio para notas
Tema
13
«Ve las cosas como si estuvieran en el presente, incluso si están en el futuro». –

Larry Ellison
¿Qué es? ¿Qué es un Gage?

¿Qué es una “medición”? Es un sistema de medición.
Una comparación entre una cantidad desconocida y
una cantidad conocida. ¿Qué es un operador?
Una persona o dispositivo que usa el sistema de
¿Por qué necesitamos datos de muestras? medición
.Nos permite anticipar acciones debido a una
aceptación de productor o servicios en las El Gage R&R (Reproducibilidad & Repetibilidad). Este
operaciones
análisis nos ayuda a darle un valor cuantitativo a la
¿Qué esperamos de los datos de medición? variabilidad de cada dato medido tomando como base
Exactitud, Repetibilidad y Reproducibilidad en los el operador o el instrumento de medición.
datos.
Principales causas de error de medición:
R&R
• Cuando se tiene una diferencia que proviene del sistema de medición se le llama sesgo
• El sistema de medición también agrega variabilidad y esta es debido al instrumento u/o operador.
Índice R&R
¿En qué consiste el estudio Gage R&R?

¡Al permitir que nuestra variación se encuentra en el
Consiste en hacer un ejercicio de medición de todas máximo permitido aún nos deja solamente el 70 % para
las partes, regularmente 10 piezas, 2 veces cada la variabilidad del proceso!
una, por 2 o más operadores, lo cual nos garantiza
el obtener la variación generada por los operadores
y debido al instrumento. ¿Para qué?
• Conocer la tolerancia que tiene la variabilidad del
sistema de medición.
• Garantizar datos confiables.
• Crear propuestas de mejora para estandarizar tu
proceso de toma de muestras.
¿Cómo?
Pasos para aplicar Gage R&R
El instrumento de medición deberá tener una

resolución menor o igual al 10% de la especificación
o variación del proceso (si mides centímetros, el
instrumento debe ser capaz de identificar
milímetros).
Estándares de aceptación
R&R
1) Calibrar el instrumento de medición o verificar que la última medición haya cumplido con las medidas
adecuadas
2) Recoger un mínimo de 10 muestras que representan toda la gama de variaciones en el proceso de un
producto típico o escenario de negocios. Recuerda mezclar piezas correctas y piezas incorrectas, ya que lo
que queremos saber es que el sistema puede identificar esta diferencia.
3) Seleccionar 2 o 3 operadores ue utilicen diariamente el intrumento de medición
4) Crear tu hoja de recolección de datos
i. Herramientas de calidad > del sistema de medición > Crear hoja de trabajo de estudio R&R del sistema
de medición
ii. En la ventana de alimentación debes especificar el numero de partes que estarán en el estudio,
también el número de operadores que participaran y el numero de réplicas(repeticiones de la
medición) . En cada una de los espacios puedes editar el nombre de las partes y el de los operadores.
Dar clic en aceptar.
ii
Índice R&R
Por nuestra parte debemos agregar manualmente la columna

que contendrá los datos de las mediciones que se tomen al
momento de realizar el estudio.
Minitab genera en la hoja de trabajo una lista que define el orden
de medición de las partes y el operador que la debe medir .
Ejecutar mediciones
Los operadores miden 2 veces las muestras en orden
aleatorio. Recuerda entregar al operador las piezas al
azar y no realizar los 2 muestreos de la misma persona
consecutivamente. Capturar resultados en la hoja de
Minitab.
Análisis y conclusiones
1) Corra el análisis de Minitab para ejecutar el análisis.

Estadísticas > Herramientas de calidad > Estudio del sistema de medición > Estudio R&R del sistema de medición
(cruzado)…
R&R
• Analizar los resultados de la capacidad del sistema

de medición. Determinar las acciones de
seguimiento.
Esta tabla tiene mucha aplicación práctica dado que

descompone las fuentes de variación en porcentajes que
siempre suman el 100%.
Idealmente, toda la variación resultará de las partes, y

no a la variación de cada componente del sistema de
medición, si no es así, se debe investigar el origen del
problema y tomar acciones.
R&R
Resumen de criterios para concluir

Ejemplo
Toda variación del Gage debe caer dentro de los
criterios, la forma de analizarlo es Se ha desarrollado un Gage R & R para medir el peso
en gramos de alimento para aves en una nueva
1) En caso que no sea aceptable valida si es presentación de sobres. El peso final es un
problema de Repetibilidad o Reproducibilidad componente crítico para el cliente. Tres inspectores
bajo los mismos criterios con los cuales se miden (2 del cliente y uno del fabricante). Anotan el
evaluó el Total Gage. espesor de 10 partes seleccionadas. Cada operador
mide cada parte dos veces.
2) Evalua el Total Gage RyR y aplica los criterios.
3) En caso de caer en problemas con Especificación del espesor del componente: 10 y 13 gr.
Reproducibilidad evalúe si es causado por el
operador o la interacción del operador con la
parte.
Índice R&R
1. Alimentar los datos disponibles en la hoja de Minitab. La recomendación es pegar los datos en una columna.
2. Selecciona el menú gráfica, y de la lista haz clic en gráfica de series de tiempo.
3. Alimentar los datos encada una de las secciones correspondientes. Asegurarse de identificar correctamente
partes, operadores y datos de medición. Seleccionar el método de análisis ANOVA.
4. En la sección opciones, seleccionar la variación en estudio con valor de 5.15. Introducir las especificaciones
indicadas. Dar clic en aceptar
1 2
Índice R&R
En este ejemplo % Gage R & R contemplando tolerancia fue 61.63%.
El instrumento de medición es totalmente inaceptable con respecto a la especificación; la variación está más
concentrada en la reproducibilidad.
En este ejemplo el % Estudio de Variación fue 32.63. El sistema de medición es inaceptable para usarlo en el
estudio del proceso; la variación está más concentrada en la reproducibilidad.
• Si los problemas son en repetibilidad: Debes garantizar una buena calibración y utilizar sistemas visuales o
utilizar poka yokes.
• Si los problemas son en reproducibilidad: Debes asegurar que el operador sea altamente capacitado,
generando visuales y estándares.
En la Grafica de componente de la variación se

puede ver visualmente lo que se mostró en la hoja
de proyecto como resultado del análisis.
1. En la Gráfica de Rango, todos los puntos deberían

estar “Bajo Control”. Esto indica que no existen
valores fuera de lo común entre las pruebas de
medición.
1
2. La mayoría de los puntos están “fuera de
Control”- ¡Excelente!
Los puntos “Fuera de Control” indican que los
operadores distinguen las piezas diferentes. (Los
límites de Control se calculan de la variación entre
operadores- poca variación significa límites de 2
control estrechos).
Índice R&R
se revisa la existencia de manchas en la máscara, si

Ésta es la gráfica de puntos de las partes. Las partes
alguna es identificada se decide si es aceptable o no,
difieren en peso. Recuerda que las partes fueron
cada pieza es clasificada como “pasa” o “no pasa”.
seleccionadas para que representaran la variación del
Los operadores han sido capacitados bajo un
proceso real.
estándar de inspección previamente diseñado.
Ésta es una gráfica de caja por operador.
Es notable que el promedio de las lecturas del operador Con el gage R&R de atributos se
2 es menor que los operadores 1 y 3. El promedio de las pretende conocer si las piezas
están siendo inspeccionadas 2 operadores
lecturas de los operadores 1 y 3 son casi el mismo.
correctamente con el Sistema 2 pruebas
Esta es la gráfica de interacción entre la parte y el de Medición actual. El Gage R&R 20 muestras.
operador; Hay concordancia entre los operadores en 2 diseñado por el BlackBelt a
y 6. El Operador 1 reporta un alto peso que los demás cargo consistió en:
en 4.
En la parte 10 vemos que hay mucha diferencia entre
operadores 1. Seleccionar del menú Estadísticas la opción
Herramientas de calidad, después la opción
de “Crear hoja de trabajo de análisis de
concordancia de atributos”
2. Elegir las opciones que deseas para el estudio:

• Tipo de Atributos: Numérico, texto, desconocido
etc.
• No. de muestra
• No. de evaluadores
• No. de réplicas
En opciones puedes elegir el tipo de aleatorización de
los datos.
Ejemplo: Gage R&R Atributos
En la empresa “YZ” se debe evaluar una característica

cosmética del producto final antes de ser enviado a
cliente: ¿La máscara tiene manchas? La evaluación
consiste en una inspección visual con apoyo de una
plantilla
R&R
Muestra Estandar Op 1 Pr1 Op 1 Pr2 Op 2 Pr1 Op 2 Pr2

1 pasa pasa pasa pasa pasa
Acomodo de datos 2 no pasa no pasa no pasa no pasa no pasa
1. El BB seleccionó 20 piezas diferentes que 3 pasa no pasa pasa pasa pasa
4 no pasa no pasa no pasa no pasa no pasa
representarán todos los posibles casos para
evaluar con respecto a “manchas en mascara”. 6 no pasa no pasa no pasa pasa no pasa
2. De acuerdo al estándar establecido por el 7 no pasa no pasa no pasa pasa pasa
cliente el BB evalúa cada muestra y otorga el 9 pasa pasa pasa pasa pasa
criterio de “pasa”, “no pasa”, se espera que 1 10 no pasa no pasa no pasa no pasa no pasa
durante la prueba los operadores evalúen de la 11 no pasa no pasa no pasa pasa no pasa
misma forma. Los operadores desconocen el 13 pasa pasa pasa pasa pasa
resultado de la evaluación de parte del BB. 14 no pasa no pasa no pasa pasa pasa
3. Se realiza la inspección de las muestras por 15
16
pasa
no pasa
pasa
no pasa
pasa
no pasa
pasa
no pasa
pasa
no pasa
parte de cada operador, se realizan dos 17 no pasa no pasa no pasa no pasa no pasa
réplicas. Se registran los resultados. 18 pasa pasa pasa pasa pasa
19 no pasa no pasa no pasa no pasa no pasa
3. Una vez alimentados los datos

en la hoja de minitab, haz clic
en el menú: Estadísticas,
después elige la opción -
Herramientas de calidad- y
finalmente -Análisis de
concordancia de atributos-.
Índice R&R
4. En la ventana de alimentación deberás

seleccionar las columnas que contiene los datos
de la variable a analizar e ingresarlas en el campo
de “Múltiples columnas”.
El segundo paso es indicar el número de observadores y
ensayos(réplicas). Luego selecciona la columna de los
Estándares/atributos conocidos y haz clic en aceptar.
Criterio de aceptación varia de empresa a empresa e

industria a industria, recomendado es 90%.En este caso
se cumple.
El evaluador 2, ha tenido una mayor discrepancia en
sus evaluaciones vs el estándar. En caso de no
alcanzar el % de aceptación, se recomienda capacitar Ejercicio Gage R&R datos contínuos
a los operadores, revisar la claridad de los estándares,
el correcto uso del dispositivo/ ayuda para realizar la
Se tienen 3 analistas los cuales hacen la medición de
evaluación.
10 piezas diferentes en 2 repeticiones, el objetivo es
determinar la variación que existe entre el estudio
de medición, sistema de medición y el operador .
Índice R&R
Hay gran variación en gage R&R por lo que es

totalmente inaceptable.
Existe mayor contribución en repetibilidad.

En este caso el % Estudio de Variación fue 95.43.
En el diagrama de cajas a pesar de que no se
El sistema de medición es inaceptable para usarlo en alcanza a apreciar mucha variación, el analista 2
el estudio del proceso; se puede observar que la cuenta con menor variación .
concentración está en la repetibilidad por lo que se
recomienda mejorar el instrumento de medición. La variación en las piezas es bastante alta por lo
que puede verse el impacto de la repetibilidad.
La variación de los operadores al medir las piezas

se puede observar claramente, por ejemplo al
medir la pieza 9.
Espacio para notas
Tema
14
«El éxito es la suma de pequeños esfuerzos, que se repiten día tras día». – Robert
Collier
¿Qué es? Tipos de AMEF

El Análisis de Modo y Efecto de Falla (AMEF) o en
inglés FMEA, nos permite detectar problemas AMEF de SISTEMA
potenciales (errores) y efectos que pudieran ocurrir
en un proceso o sistema De esta manera nos ayuda ▪ Asegura la compatibilidad de los componentes
a darle una prioridad y poder anticipar, accionar o del sistema donde interactúan una gran
cantidad de procesos.
corregir ante una situación
AMEF de DISEÑO
AMEF es una herramienta ampliamente utilizada
por la industria, teniendo sus primeros usos en la ▪ Reduce los riesgos por errores en el diseño
industria aeroespacial para después ser un punto antes de pasar a manufacturar productos u
clave para la industria automotriz. ofrecer servicios.
AMEF de PROCESO
▪ Revisa los procesos para encontrar posibles

fuentes de error en sus actividades.
¿Para qué?
• Se hace una detección anticipada de los defectos.
• Aumenta la confianza en el producto o servicio

de que se ejecute de manera adecuada.
• Previene errores críticos antes de que lleguen al
cliente.
• Genera una cultura de prevención incorporando
al equipo.
Evaluaciones iniciales Acciones e historia
¿Cómo?
Partes del Formato AMEF.
© Lean Six Sigma International. Todos los derechos reservados.

89
Manual Green Belt
La primera sección del formato de AMEF “evaluaciones iniciales” se Después de completar las evaluaciones iniciales, el equipo
utiliza para evaluar las condiciones iniciales del proceso y priorizar con genera una lista de acciones para reducir la ocurrencia e
AMEF
base al riesgo. incrementar la detección.

AMEF
Función del Proceso Escala de Severidad.

Pasos del proceso a analizar, aquellos que afectan
Severidad o Efecto Calif.
directamente a los factores y salida críticos
Actividad 1 Puede dañar la máquina o al operados.
10
Extrema
Generación de forma para ingreso a almacén Peligro sin advertencia.
Actividad 2 Puede dañar la máquina o al operador.
9
Emplayado Peligro con advertencia.
A partir de un mapeo de proceso indica las Interrupción mayor de la línea de
actividades que se realizan en tu proceso. producción. Pérdida de la función 8
• Ejemplo: Ingreso de tarima a almacén primaria, 100% de desperdicio.
Alta
Reducción del desempeño de la función
Modo potencial de falla
primaria. El producto requiere 7
¿De qué maneras puede fallar potencialmente el clasificación, algo de desperdicio.
proceso para cumplir con los requerimientos o el
diseño? Interrupción menor en la producción. Algo
de desperdicio. Pérdida del desempeño de 6
1. Llenado inapropiado la función.
2. Mala asignación de ubicación Moderada
Interrupción menor a la producción. 100%
1. Maltrato de producto de retrabajo. Desempeño reducido de la 5
función.
Listar todas las maneras en las que el proceso Defecto menor identificado por casi todos
puede fallar para cumplir con los requerimientos o los clientes. El producto requiere 4
el diseño. Una actividad puede tener más de un clasificación y algo de retrabajo.
modo de falla.
Ajuste y Acabado / Artículo con chillido o
Efecto potencial de falla ruido. Defecto menor identificado por 3
¿Cuál es el efecto de cada modo de falla en las salidas algunos clientes.
Baja
y/o los requerimientos del cliente?

Los defectos pueden ser retrabajado en el
1. Mala identificación de producto en almacén lugar. Defecto menor identificado por un 2
2. Movimientos no necesarios cliente observador.
1. Rechazos
Nula
No hay efecto. 1
Los efectos son el impacto en los requerimientos

del cliente. Causa(s) potencial de la falla
Severidad ¿Cómo puede ocurrir la falla?
Describir en términos de algo
¿Qué tan severo es el efecto para el cliente? que se pueda corregir o
6 controlar. Sea Específico.
9 1. Llenado 1. Mala Capacitación
inapropiado de 1.1 Formato complicado
9
forma
La severidad es una clasificación en una escala de 1- 2. . Mala asignación 2. Carencia de visuales
10, 10 es el más severo. Las severidades bajas son de ubicación
aquellas que son imperceptibles o que requieren 1. Maltrato de 1. Mal estándar de trabajo
retrabajo. Las severidades muy altas se reservan con producto
frecuencia para cuestiones de seguridad.
AMEF
Hasta donde sea posible, listar cada causa concebible de

cada modo de falla. Recuerde las 6M’s: mano de obra, Controles actuales del
maquinaria, método, medición, materiales, medio proceso
ambiente. ¿Cuáles son los controles y
Ocurrencia procedimientos existentes
¿Qué tan frecuente ocurre el (inspección y prueba) que
modo o causa de la falla? previenen o detectan la
ocurrencia?
Mala Capacitación 3 1. Llenado inapropiado de 1. Lista de verificación para
Formato complicado 4 forma el llenado de la forma
Carencia de visuales 6 1. Maltrato de producto 1. Auditorías de inventario

2. Mala asignación de
Mal estándar de trabajo 8 ubicación
La ocurrencia es la probabilidad de que una causa Los controles son métodos que previenen o
específica ocurra y resulte en un modo de falla comunican la ocurrencia de una falla.
específico. Clasificar en una escala de 1-10.
Detectabilidad
Escala de Ocurrencia. ¿Qué tanto se puede
detectar la falla?
Capaci
Probabilidad de ocurrencia
Fallas
Calif.
1. Lista de verificación
dad
para el llenado de la 2
forma
1. Auditorías de
Extrema
1 en 2 <.33 10 3
La falla es casi inevitable. inventario
Detección es una clasificación de la habilidad del
1 en 3 >.33 9
sistema de control para detectar la falla durante
El proceso no está en el proceso.
control estadístico. 1 en 8 >.51 8
¡Atención! La detectabilidad es evaluada de
Alta
Procesos similares tienen

problemas manera inversa a la severidad y ocurrencia,
experimentados. 1 en 20 >.67 7 siendo 1 muy detectable y 10 no detectable.
El proceso está en control 1 en 89 >.83 6

estadístico pero con fallas
Moderada
aisladas. Procesos previos

tienen fallas ocasionales 1 en
>1.00 5
experimentadas o 400
condiciones fuera de
control. 1 en
>1.17 4
2000
El proceso está en control 1 en 15
Baja
>1.33 3
estadístico. k
El proceso está en control
Muy baja
estadístico. Solo fallas 1 en

>1.50 2
aisladas asociadas en 150 k
procesos casi idénticos.
1 en
Nula
No hay efecto. >1.67 1

1.5 M
AMEF
Escala de Detección.
Probabilidad de que el control detecte la falla DPPM Probabilidad Calif.

No se conocen controles disponibles para detectar el
Muy
baja
100, 000 1 en 10 10
modo de falla.
Los controles tienen una remota posibilidad de detectar 50, 000 1 en 20 9

Baja
la falla. 20, 000 1 en 50 8

10, 000 1 en 100 7
Moderada
Los controles pudieran detectar la existencia de una

5, 000 1 en 200 6
falla.
2, 000 1 en 500 5
Los controles tienen una buena oportunidad de detectar 1, 000 1 en 1, 000 4

Alta
la existencia de una falla. 500 1 en 2, 000 3

El proceso detecta automáticamente la falla. Los 200 1 en 5, 000 2
Muy
alta
controles casi siempre detectarán la existencia de una

falla. 100 1 en 10, 000 1
Calcular Número Prioritario de Riesgo (NPR). Con esta categorización, nos será posible priorizar las
acciones con respecto a la importancia de los riesgos
NPR
detectados.
SXOXD
36
Calcular Número Prioritario de Riesgo (NPR).
168
El Número de Prioridad de Riesgo es una guía y deberá
El número de prioridad de riesgo (NPR) en inglés combinarse con el sentido común, intuición y lógica.
RPN es el producto de la severidad, ocurrencia y Considere: Dos RPN’s calculados en 160 y 200.
detección.
NPR = S x O x D Modo de Severidad Ocurrencia Detección RPN
Falla
S=Severidad O=Ocurrencia D=Detectabilidad
Calcular Número Prioritario de Riesgo (NPR). A 10 4 4 160
B 4 10 5 200
Valor RPN Acciones
RPN < 100 Riesgo bajo Aunque ambos modos de falla requieren acciones, el
Modo A requiere acción inmediata para prevenir
100 < RPN < 300 Existe un riesgo para el negocio, lesiones, incluso aún si es un RPN bajo pues su
evaluar acciones a implementar y severidad es muy elevada.
hacer plan de implementación a
mediano plazo
RPN > 300 Riesgo para el negocio y cliente,

se requiere de un plan de acción
inmediato
Índice AMEF
Acciones recomendadas Acciones tomadas

¿Cuáles son las acciones para Listar las acciones
reducir la ocurrencia, completas que se
mejorar la detección o para incluyeron en el nuevo
identificar la causa raíz si es cálculo del NPR. Incluir el
desconocida? Se deben día de implementación
tomar acciones solo en NPR's para cualquier cambio.
altos o fáciles de arreglar. 1. Llenado inapropiado de Se ha desarrollado la nueva
1 Llenado inapropiado de Generar una plantilla de forma. plantilla para los
forma llenado electrónica con responsables
campos predefinidos 1. Maltrato de producto El estándar fue
1. Maltrato de producto Establecer un estándar de 2. Mala asignación de implementado con los
2. Mala asignación de trabajo para el manejo del ubicación. responsables
ubicación producto
El sistema de localización se
Establecer un sistema de implementó con un sistema
rastreo para el inventario de geo- posicionamiento
Incluir una descripción breve de la acción real
Las acciones correctivas son el objetivo del AMEF. Si no
terminada. Muchas veces una acción cambia
se generan acciones por una causa en particular deberá
durante la implementación. Incluir el día de
anotarse. Las acciones correctivas deberán dirigirse
terminación real de la acción.
directamente a los efectos con la más alta prioridad.
Recalcular NPR. Resultados de acciones
Definir responsables S O D N
V U T R
E C E P
Responsabilidad y día de culminación
terminen las acciones

límites de detección?
después de que se
¿Se mejoraron los
¿Cuál es la nueva
¿Cuál es la nueva
Recalcular NPR
capacidad del
severidad?
proceso?
¿Quién es responsable de las acciones recomendadas?
Michael J.
Marzo 18
Scooby D.
Junio 20 1. Llenado
inapropiado de 5 2 3 30
forma
El equipo debe estar de acuerdo en las acciones a 1. Maltrato de
tomar y quien será el responsable de dichas acciones. producto
Incluir la fecha de vencimiento para completar las 2. Mala
acciones. 7 2 3 42
asignación
de
ubicación.
Generar nuevas clasificaciones para la severidad,
ocurrencia y detección basándose en los resultados
de las acciones. Los nuevos valores del NPR
determinarán la efectividad de nuestras acciones
realizadas y evaluaremos si se requieren nuevas
acciones para esas causas.
Ejemplo pizzería
AMEF
ANALISIS DEL MODO Y EFECTO DE LA FALLA Proceso: Proveer pizza
Ingenieros: Gerene de tienda
AMEF No. 002 FECHA DE JUNTA DE REVISION:06/12/2016 Departamento: Tienda
Fecha: 20/11/2016
Descripción Situación Actual Departamentos involucrados:
Hoja 1 de 1
Nueva Situación
Controles O S D
Causas potenciales de C E E Acciones O S D
Proceso Subproceso Modo de Falla Efecto de la Falla actuales en NPR Responsable Acciones C E E
U V T Recomendadas NPR
la Falla U V T
el proceso R E E Adoptadas
R E E
Cliente no recibe la orden Pobre calidad de audición Se reconfirma Revision del equipo Supervisor turno
Recepción de orden Tomar pedido No se toma la orden completa 4 8 6 192 Se cambió el equipo 2 8 6 96
completa y se niega a pagar durante la llamada con el cliente telefónico en tienda matutino
Capacitación a
Se toma la orden de forma El cliente recibe alimentos que El trabajador no conoce el Se reconfirma
Recepción de orden Tomar pedido 3 8 6 144 empleados Gerente de ienda En progreso
incorrecta no ordenó y se niega a pagar menú del restaurant con el cliente recurrente
efectual estudio de
Preparación de No se llevo a cabo el Inspección Cordinador de
Amasado Cantidad de masa insuficiente La pizza se quema 5 7 2 70 valor agregado a En progreso 0
alimento proceso de pesaje de masa Visual calidad
© Lean Six Sigma International. Todos los derechos reservados.

subproceso
94
Ejemplo Ensamble plásticos
AMEF
ANALISIS DEL MODO Y EFECTO DE LA FALLA Gerencia:
Ingenieros:
AMEF No. 000 FECHA DE JUNTA DE REVISION:MM/DD/AAAA Departamento:
Fecha:
Descripción Situación Actual Departamentos involucrados:
Hoja 1 de 1
Nueva Situación
Controles O S D
Causas potenciales de C E E O S D
Proceso Subproceso Modo de Falla Efecto de la Falla actuales en NPR Acciones Recomendadas Responsable C E E
U V T Acciones Adoptadas NPR
la Falla U V T
el proceso R E E
R E E
Máquina sufre de
Pestaña del lente Alarga el tiempo de entrega Inspección
Ensamble Ensamble de lente constantes reparaciones y 5 7 5 175 Estudio de capacidad. Ing. Industrial En progreso 0
Índice
queda levantada para el siguiente subproceso Visual

cambios de piezas
Pestaña del lente Alarga el tiempo de entrega Cambio de productos Inspección Estudio de capacidad. Prueba de hipotesis para
Ensamble Ensamble de lente 6 7 5 210 Líder de Proyecto 6s En progreso 0
queda levantada para el siguiente subproceso intensivo Visual diferenciar desempeño en cada producto.
Manual Green Belt

Lente roto, incremento en Programación de equipo no Inspección Estudio de capacidad. DOE para determinar
Ensamble Ensamble de lente Lente no es ensamblado 4 8 5 160 Líder de Proyecto 6s En progreso 0
costos de materia prima es consistente Visual variables optimas de operación
JUST DO IT- Re entrenamiento de criterios y forma
de inspección.
Inspeción Cosmética Producto presenta Cliente nota suciedad y Inspección Supervisores de línea. Entrenamiento
Inspección No están bien capacitados 3 9 4 108 Revisión de otras posibles causas, cuál es el 3 9 3 81
Final polvo en el interior rechaza producto Visual Líder de Proyecto 6s Implementado
origen del polvo?
AMEF
Índice AMEF
Ejercicio ▪Detectar un modo de falla para cada uno de ellos y

▪Selecciona 3 actividades de un proceso de tu trabajo o calcular y el NPR.
▪Crear una acción para la actividad que tenga mayor
vida cotidiana.
NPR.
Espacio para notas
Tema
15
«Los datos superan a las emociones». – Sean Rad
¿Qué es?
Bigotes - Muestran el recorrido entre los datos
Los diagramas de Boxplot (Caja-Bigotes) son una mínimos y máximos que se encuentran arriba del
representación visual general de un conjunto de datos 75% de los datos y debajo de los 25% de los datos
que describe varias características importantes de los excluyendo los datos atípicos
mismos como: centro, dispersión , simetría, rango Outliers – Datos atípicos que se encuentras más allá
intercuartílico, y datos atípicos. de los bigotes
Mediana – Es el valor que se encuentra a la mitad de

todos los datos, por lo que la mitad de los datos se
encuentran arriba de este número y la otra mitad
abajo
Caja de rango intercuartil - Representa el 50% de los
datos, y se compone del primer cuartil (25% de los
datos) y tercer cuartil (75% de los datos), se puede
apreciar la distancia entre estos dos cuartiles
Boxplot
¿Para qué?
Para el análisis
• Nos permite evaluar y comparar entre varios
Datos asimétricos - La asimetría indica que los grupos la variabilidad de las distribuciones,
datos pueden no estar distribuidos normalmente. tendencia central entre otras cosas.
• Visualizar valores extremos por grupo (bigotes).
• Encontrar valores atípicos (outliners).
¿Cómo?
Alimentar los datos disponibles en la hoja de
Valores atípicos - valores de datos que están muy
alejados de otros valores de datos, pueden afectar Minitab. La recomendación es dejar cada
fuertemente sus resultados. Intente identificar la variable en una columna.
causa, corrija cualquier error de entrada de datos o
de medición, considere eliminar aquellos que estén
asociados con eventos únicos (causas especiales).
Diferencias entre grupos- Busque diferencias entre

los centros y las dispersiones de los grupos.
Consideraciones
Una gráfica de caja funciona mejor cuando el
tamaño de la muestra es al menos de 20, los grupos
no requieren tener tamaños de muestra iguales.
Selecciona el menú gráfica, y de la lista haz clic en
Puede ser mostrado contra una gran cantidad de gráfica de caja.
grupos haciendo de esta una herramienta muy
poderosa al poder comparar distintos grupos con
tamaños y formas distintas en un sólo gráfico.
Índice Boxplot
Se abre la primera ventana donde podemos Interpretación de resultados

seleccionar el tipo de gráfica de caja, Al comparar Altura Hombres vs Altura Mujeres
dependiendo las variables y sus grupos, en este podemos observar que la altura promedio de los
caso múltiples Y, simple. Dar clic en aceptar. Hombres es mayor. Hay una mayor dispersión de
datos en Altura mujeres. Además podemos observar
3 datos atípicos en la muestra para hombres.
En la ventana de alimentación seleccionar las

variables a graficar, y dar clic en aceptar.
Ejemplo: Lesiones en futbolistas
Durante los dos últimos años el club deportivo ha

llevado registro de las lesiones menores de sus 3
jugadores estrella. El objetivo es cuidar que estas
lesiones menores se puedan convertir en mayores y
perjudique el redimiendo de todo el equipo. A
continuación se presentan los datos registrados por
jugador.
En el botón “mostrar datos” podrás elegir diferentes opciones para complementar la vista de la gráfica de
caja. En este caso selecciona –Símbolo de media- y –Línea de conexión de la media-. Da clic en aceptar.
Índice Boxplot
Durante los dos últimos años el club deportivo ha

llevado registro de las lesiones menores de sus 3
jugadores estrella. El objetivo es cuidar que estas
lesiones menores se puedan convertir en mayores y
perjudique el redimiendo de todo el equipo. A
continuación se presentan los datos registrados por
jugador. Se desea realizar un análisis gráfico inicial
para poder identificar los diferentes
comportamientos y realizar una comparativa. Realiza
un box plot.

Minitab. La recomendación es dejar cada
variable en una columna.
Selecciona el menú gráfica, y de la lista haz

clic en gráfica de caja.
Se abre la primera ventana donde podemos

seleccionar el tipo de gráfica de caja,
dependiendo las variables y sus grupos, en este
caso múltiples Y, simple. Dar clic en aceptar.

En el botón “mostrar datos” podrás elegir
diferentes opciones para complementar la
vista de la gráfica de caja. En este caso
selecciona –Símbolo de media- y –Línea de
conexión de la media-. Da clic en aceptar.
Índice Boxplot
El valor de la media en número de lesiones por mes
para los 3 futbolistas es diferente
Para el jugador 1 podemos observar que el valor de la
media es 2, y la variabilidad es menor comparadaacon
el futbolista 2 y 3. Podemos decir Tambien que el 75%
sus lesiones han sido <3. Mientras que el jugador 3
muestra una variabilidad alta. Podemos observer que
en el 50% de los meses han tenido más de 6 lesiones.
Ejercicio: Comparando diferentes centros de servicio

Interpreta la siguiente gráfica de caja de los
distintos centros de servicios y los envíos que ha
tenido durante 80 días
¿Cuál centro de servicio es el que está teniendo
mejor desempeño?
¿Cuál centro de servicio tiene mayor variabilidad?
Ejercicio: Comparando el antes y después

En la siguiente gráfica de cajas se muestra el tiempo de
espera para pagar en las dulcerías del “CinemaCity”. Se
realizó un proyecto GB para reducir el tiempo de espera
y mejorar la experiencia del cliente. Observando este
gráfico ¿qué puedes concluir?
• ¿Se logró una mejora en la reducción del tiempo de
espera?
• ¿Se logró una disminución en la variabilidad?
Espacio para notas
Tema
16
«No te avergüences de tus fracasos, aprende de ellos y comienza de nuevo». –

Richard Branson
¿Qué es? Pasos

La gráfica de series de tiempo es un gráfico que refleja
en el eje horizontal el tiempo de periodo de tiempo
Minitab. La recomendación es pegar los datos
determinado y en el eje vertical se muestran los datos.
en una columna.
Los tiempos pueden ser semanales, mensuales o
anuales. Selecciona el menú gráfica, y de la lista haz clic
en gráfica de series de tiempo.
seleccionar el tipo de gráfica de serie de
tiempo, en este caso simple. Dar clic en
aceptar.
4. En la ventana
de alimentación
seleccionar las
variables a
graficar, y dar
clic en aceptar.
5. En el botón
“tiempo/escala
¿Para qué? ” podrás elegir
• Detectar patrones o estanques dentro de los datos
diferentes
opciones para
• Anticipar variaciones en el proceso la escala de
• Observar los datos obtenidos en un periodo de tiempo, en este
tiempo caso la opción
reloj-día, con
A considerar:
• Registre los datos en orden cronológico
un conjunto de
• Recolecte datos a intervalos regulares de tiempo.
1. Da clic en
• Recolecte datos a intervalos de tiempo apropiados.
aceptar.
• Recolecte suficientes datos para evaluar las
tendencias o patrones.
Time Series Plot
Interpretar el gráfico.
La gráfica de salida ayuda a visualizar de manera sencilla
puntos atípicos, tendencias, cambios repentimos,
patrones.
Ejemplo: Lesiones en futbolistas
Un almacenista quiere comparar cómo se comportan

conforme pasa el tiempo dos stocks.
La extracción de datos se obtuvo de los últimos dos
años.
El almacenista crea una gráfica de series de tiempo
para ver la rotación de cada stock.
Índice
Time Series Plot
Ejemplo: Lesiones
en futbolistas
Alimentar los datos

disponibles en la hoja
de Minitab. La
recomendación es
pegar los datos para
cada variable en una
columna.
Selecciona el menú
gráfica, y de la lista
haz clic en gráfica de
series de tiempo.

seleccionar el tipo de gráfica de serie de tiempo, en
este caso múltiple. Dar clic en aceptar.
En el botón “tiempo/escala” podrás elegir
diferentes opciones para la escala de tiempo, en
este caso la opción calendario-mes, con un
conjunto de 1. Da clic en aceptar.
Time Series Plot
Interpretar el gráfico. Alimentar los datos disponibles en la hoja de

Se puede observar que el stock 1 tiene un aumento para cada variable en una columna.
ligero pero constante. En cambio en el stock 2 se ven Selecciona el menú gráfica, y de la lista haz clic en
incrementos bastante grandes conforme pasan los gráfica de series de tiempo.
meses de tal manera que a partir del mes 12 siempre Se abre la primera ventana donde podemos
ya está por arriba del stock 1. seleccionar el tipo de gráfica de serie de tiempo,
en este caso Con grupos. Dar clic en aceptar.
Ejercicio: Satisfacción del cliente En la ventana de alimentación seleccionar las
Se quiere determinar cómo ha sido la satisfacción variables a graficar, y dar clic en aceptar.
del cliente en los últimos 60 días. Se tienen datos de En el botón “tiempo/escala” podrás elegir
15 grupos los cuales están divididos por semana. diferentes opciones para la escala de tiempo, en
este caso la opción calendario-día, con un
Realiza una grafica de serie de tiempo y analiza su conjunto de 1. Da clic en aceptar.
comportamiento.
Índice
Time Series Plot
Se puede observar que al hacerlo por grupos tenemos una información más exacta y se puede visualizar que en la
semana 6 hubo una baja considerable en las encuestas de satisfacción
Espacio para notas
Tema
17
«No es necesario tener una compañía de 100 personas para desarrollar una idea».
– Larry Page
¿Qué es? Selecciona el menú estadísticas, y de la lista haz

En un gráfico de corridas el cual nos permite detectar los clic en herramientas de calidad, después en
promedios de la lectura de sus grupos. Se originaron a gráfica de corridas.
partir de los gráficos de control y se refleja en el eje
En la ventana de alimentación seleccionar la
horizontal a diferencia del gráfico de series de tiempo
variable a graficar, indicar el tamaño de
donde el eje X es precisamente el tiempo subgrupo en esta caso 4. Haz clic en aceptar.
Los valores P nos ayudan a determinar la significancia
¿Para qué?
• Definir la línea base y de esta manera poder tener
mejoras.
• Detectar patrones o tendencias que nos indiquen
cuando hay variación por causas especiales.
• Analizar efectos de algún cambio presentado.
Generar gráfico en Minitab

Minitab. La recomendación es pegar los datos para
cada variable en una columna.
Run Chart
Utilice una gráfica de corridas para buscar patrones,

tendencias, oscilaciones, mezclas, etc. Si el valor P
en el gráfico es menor a .05 entonces implica que
hay significancia por alguno de los siguientes
conceptos:
La oscilación ocurre cuando los datos fluctúan hacia

arriba y hacia abajo, lo que indica que el proceso no
es estable. Si el valor p para la oscilación es menor
que 0.05, usted puede tener oscilación en sus datos.
Determinar si hay presencia de mezclas y

conglomerados. Si el valor P en el gráfico es menor a
.05 entonces implica que hay significancia por la mezcla
o conglomerado.
Los conglomerados son grupos de puntos anormales

agrupados en un área de la gráfica.
Una tendencia es un cambio gradual sostenido en

los datos, bien sea hacia arriba o hacia abajo. Las
tendencias pueden advertir que un proceso se
saldrá de control pronto.
Índice Run Chart
Una mezcla se caracteriza por frecuentes cruces de la En la ventana de alimentación seleccionar la

línea central (una variación mostrada con cambios variable a graficar, indicar el tamaño de
demasiado extremos por encima y debajo de la media). subgrupo, en este caso se puede seleccionar la
columna que contiene la identificación de los
subgupos. Dar clic en aceptar.
Ejemplo: Evaluación del rendimiento

Un alumno de ingeniería quiere saber que tanto
rendimiento tienen diferentes tipos de autos. Se tienen
20 subrgupos a evaluar y el tamaño de cada subgrupo
es de 2 muestras
El alumno de ingeniería construye una gráfica de

corridas para evaluar patrones no aleatorios
Generar gráfico en Minitab

para cada variable en una columna.
Selecciona el menú estadísticas, y de la lista haz

clic en herramientas de calidad, después en
gráfica de corridas
Índice Run Chart
Podemos observar que lo único significativo debido al valor p < 0.05 es la tendencia.
El salto entre la muestra 9 y 10 es muy grande, se puede revisar la causa raíz de este comportamiento, puede ser
causa especial.
Ejercicio Interpretar los resultados

Un profesor mide la asistencia de cada grupo, busca Podemos observar que los conglomerados y
comprender si existe alguna tendencia entre ellos. tendencias tienen un valor p significativo por lo que
Se cuentan con 20 muestras con un tamaño de podemos determinar que hay tendencia de la 6-10
subgrupo de 2. muestra y agrupamiento por conglomerado de 2-5 y
14-20.
Espacio para notas
Tema
18
«Ya sea que pienses que puedes o que no puedes, tienes razón». – Henry Ford
¿Qué es?
Es el análisis que determina si un proceso es capaz de satisfacer las necesidades del cliente, haciendo referencia a
la distribución y tipo de datos.
La mayoría de los métricos de desempeño tienen

algún valor objetivo y límites aceptables de
variación alrededor del objetivo.
La medida en que los valores "esperados" caen
dentro de estos límites determina la capacidad del
proceso para cumplir sus requisitos
Considere las medidas clave del desempeño del

proceso en:
• Cotización tiempo de ciclo

• Tiempo de retención de llamada del cliente
• Costo / Pedido
• Tasa de aceptación de trabajo
• Cumplimiento de la orden
• El tiempo de entrega
Capacidad
Índicede Procesos
¿Para qué? Prueba de Normalidad

• Permite la comparación contra la competencia si Mediante pruebas podemos estimar si los datos se
es que es usado como indicador de desempeño. comportan de una manera normal. El estadístico
que nos permite llegar a esa conclusión es el P Value
• El resultado determinará si somos competencia de donde un P≥ .05 se puede determinar que tiene una
acuerdo a las especificaciones del cliente y si es que distribución normal.
podemos satisfacerlas.
• Nos arroja una línea base para saber cuál será el

punto de partida.
Propósito
Métricos
Capacidad
Índicede Procesos
Nivel Sigma o Z
Z es el nivel sigma de un proceso
Z = Número de desviaciones
estándar que caben entre la media
y el límite inferior de especificación
Para datos con una distribución Normal es posible

calcular la capacidad a corto y largo plazo.
Espacio para notas
Tema
19
«Al final, una visión sin la capacidad de ejecutarla es probablemente una

alucinación». – Steve Case
Métricos Interpretación de la capacidad potencial del proceso
Para calcular la capacidad real y potencial de un

proceso es necesario tener una distribución normal
LSE= Límite Superior de Especificación

µ= Media
Capacidad Normal
Interpretación de la capacidad potencial del proceso ¿Qué escenario es mejor para nuestro proceso?
La capacidad potencial no puede identificar el mejor proceso entre los dos casos debido a que mide la variación
mediante el ancho del proceso, más no el centrado, es por ello que se utiliza el Cpk para complementar nuestro
análisis.
Si el proceso está centrado entonces Cp= Cpk.
Capacidad Normal
Capacidad
Índice Normal
Si quieres calcular tu nivel sigma simplemente

multiplica Cpk x3, es por ello que Cpk de 2 es el valor
deseado:
Pues Cpk = 2 x 3 = 6 sigma
6 Sigma es una mentira

Toda la industria busca llegar a 3.4 partes por millón
a largo plazo. Esto no lo encontrarás en con 6 sino
con 4.5 sigmas. 6 sigma nace por un estándar donde
Sigma a corto plazo se generaliza que toda variación a corto plazo tiene
Se obtienen los datos de un periodo relativamente que agregarse 1.5 sigmas, sin embargo esto es falso
corto ya que de esta manera no nos vemos afectados pues cada proceso tiene un cambio diferente a
por situaciones externas como cambio de temperatura, través del tiempo.
operador etc.
Sigma a largo plazo

La ventaja de tener una sigma a largo datos es que se
obtienen datos en un periodo largo, esto con el fin de
que las situaciones externas puedan influenciar en el
resultado
Capacidad
Índice Normal
Ejemplo: Capacidad de proceso En la primera ventana selecciona “individual” ya

que estamos trabajando con una sola variable
La variable a evaluar es la duración en el tiempo de Ya en la ventana de alimentación principal,
servicio en un banco, la aprobación de credito selecciona la columna que contiene los datos de la
personal. variable a graficar. Haz clic en aceptar.
El Ing. de proceso debe realizar el análisis con los
siguientes datos y con los límites de especificación
de: LIE:30 LSE:48
Dato Tiempo Dato Tiempo Dato Tiempo

1 37.0975 26 40.0514 51 42.2805
2 41.8373 27 41.4567 52 43.2265
3 41.7283 28 36.5831
53 41.2475
4 41.2261 29 42.3421
5 38.5008 30 40.0448 54 42.9619
6 42.8565 31 42.6573 55 40.8134
7 41.5229 32 39.185 56 38.505
8 41.309 33 39.688 57 43.279
9 42.8671 34 41.9651
58 38.6888
10 37.9988 35 43.0156
11 41.5338 36 40.7603 59 39.8728
12 42.1461 37 37.775 60 41.9878
13 41.1381 38 38.0207 61 36.2715
14 38.5736 39 44.4406 62 38.6256
15 42.7184 40 40.1006 63 42.0449
16 43.0857 41 38.1295
64 41.2839
17 37.1429 42 40.3453
18 42.2619 43 40.515 65 39.4876
19 45.1686 44 39.9233 66 36.4095
20 37.8766 45 34.7757 67 43.1825
21 36.6434 46 39.9289 68 40.8617
22 42.5973 47 40.4507 69 42.8645
23 39.1351 48 35.9242
70 40.0527
24 36.199 49 41.164
25 40.1673 50 39.6228
Prueba de Normalidad
Hay que alimentar los

datos disponibles en la
hoja de Minitab. La
recomendación es pegar
cada serie de datos en su
propia columna.
Haz clíck en el menú
“Gráfica” y de la lista que
se despliega selecciona la
herramienta “Gráfica de
probabilidad”
Capacidad
Índice Normal
Interpretación de resultado
Al tener un P-Value > 0.05 podemos determinar que
nuestro set de datos si se comporta con una distribución
normal.
Análisis de capacidad
Minitab. La recomendación es pegar cada serie de
datos en su propia una columna.
Selecciona el menú –Estadísticas-, y de la lista haz
clic en -Herramientas de control-, después -Análisis
de capacidad- y finalmente la opción –Normal-.
Se abre la ventana de alimentación, hay que
seleccionar la variable a analizar e identificar el
tamaño de subgrupo, en este caso igual a 1.
Además hay que agregar los límites de
especificación, inferior y superior. Dar clic en
aceptar.
• Interpretación de resultado
1. Se puede apreciar que todos los datos están
dentro de los límites de especificación.
2. El proceso no está centrado por lo que se
puede apreciar una ligera variación entre Cp y
Cpk.
3. Los índices de capacidad Cp, Cpk están entre 1
y 1.5 por lo que podemos determinar que el
proceso tiene una capacidad limitada para
cumplir las necesidades a corto plazo.
4. Los índices de capacidad Pp, Ppk están entre 1 y
1.5 por lo que podemos determinar que el
proceso tiene una capacidad limitada para
cumplir las necesidades a largo plazo.
Capacidad
Índice Normal
1 1
2 4
Ejercicio: Capacidad de proceso hortalizas

Dato mm Dato mm Dato mm Dato mm
Se mide la longitud de las hojas
1 500.855 26 498.098 51 506.193 76 507.139
de hortalizas para evaluar el 2 499.554 27 489.521 52 505.21 77 497.584
crecimiento adecuado de las 3 497.399 28 495.224 53 500.428 78 497.037
plantas (milimetros). Es crítico 4 499.188 29 492.038 54 505.638 79 502.663
mantenerse entre los límites 5 503.054 30 500.397 55 500.216 80 499.326
de especificación para 6 496.904 31 495.215 56 498.384 81 495.67
asegurar un tamaño adecuado 7 496.868 32 501.795 57 492.777 82 494.398
de crecimiento y que además 8 495.765 33 501.563 58 500.835 83 500.621
quepan en los empaques. 9 492.443 34 499.439 59 500.993 84 494.524
10 503.647 35 491.704 60 499.407
85 507.159
El ing. de procceso debe 11 504.042 36 496.71 61 502.119
86 506.388
realizar el análisis 12 500.559 37 491.591 62 503.291
87 497.091
con los siguientes datos y con 13 498.708 38 496.388 63 503.874
14 507.319 88 499.556
los 39 501.179 64 502.091
15 490.72 40 501.532 65 498.104 89 503.657
límites de especificación .
41 504.601 66 501.575 90 499.758
16 494.945
42 504.895 67 489.999 91 497.777
17 500.705
43 503.603 68 493.201 92 503.257
18 492.515
44 500.831 69 499.709 93 503.001
19 497.322
20 506.247 45 500.481 70 498.656 94 499.921
21 498.365 46 499.313 71 499.183 95 501.2
22 503.586 47 499.876 72 505.966 96 502.166
23 507.858 48 493.355 73 500.617 97 499.684
24 499.154 49 506.149 74 496.459 98 500.176
25 501.54 50 498.36 75 498.192 99 495.48
Capacidad
Índice Normal
Revisión de normalidad de los datos Interpretación de resultados
Al tener un P-Value > 0.05 podemos determinar que a) No todos los datos están dentro de los límites
nuestro set de datos si se comporta con una de especificación.
distribución normal. b) Los índices de capacidad Cp, Cpk están entre
0.40 y 0.44 por lo que podemos determinar
que el proceso tiene una capacidad muy
limitada para cumplir las necesidades a corto
plazo.
c) Los índices de capacidad Pp, Ppk están entre
0.37 y 0.40 por lo que podemos determinar
que el proceso tiene una capacidad limitada
para cumplir las necesidades a largo plazo.
Espacio para notas
Tema
20
“Sal de la historia que te está frenando. Entra en la nueva historia que estás
dispuesto a crear». – Oprah Winfrey
¿Qué es? Categoría Causas Potenciales

Es un análisis que nos permite evaluar la capacidad del Factores críticos no
proceso de una distribución no normal. Para garantizar controlados
que no se puede analizar como una muestra normal Cambios rápidos a través
Inestabilidad
debemos hacer una prueba de normalidad. del tiempo
Desgaste o degradación
(herramientas ,fatiga)
Para que hacer un estudio de capacidad:
• Confirmar que un producto pueda cumplir con las Bimodal o Multi-modal Datos mixtos
especificaciones del cliente. Cambios a través del tiempo
• Revisar la capacidad general del proceso. Pobre resolución del
Datos granulados sistema de medición
Recolección de datos
inapropiado
Atípicos Errores en los datos

Datos no usuales
Naturalmente No-
Normales Distribución es no normal
Pasos
Identificación de la distribución
El primer paso para ejecutar un análisis de
capacidad no normal efectivo es identificar el tipo
de distribución de nuestros datos. Esto se realiza de
la siguiente manera:
Para identificar el tipo de distribución en

Minitab se puede realizar eligiendo el menú
estadística, luego herramientas de calidad y
finalmente identificación de la distribución
individual.
Capacidad
Índice
No Normal
Deberás seleccionar la columna que contiene los datos de la variable que deseas analizar y dar doble clic
para que ingrese en el campo de “Columna Individual”. Puedes añadir el tamaño de subgrupo o la
columna que contenga a los identificadores de subgrupos. Selecciona también la opción “Usar todas las
distribuciones y transformaciones”
Interpretación del resultado

Minitab generará los gráficos de probabilidad del
set de datos elegido para todos los tipos de
distribuciones y transformaciones.
Además en la hoja de proyecto podrás observar la
prueba de bondad del ajuste donde podrás elegir la
distribución que tenga un valor p> a 0.05. En esta
imagen la distribución Lognormal parece ser la que
mejor representa al set de datos.
Continuar con el análisis con una distribución no normal

Selecciona el menú –Estadísticas-, y de la lista haz clic en -Herramientas de control-, después -Análisis de
capacidad- y finalmente la opción –No Normal-.
Capacidad
Capacidad
Índice No
No Normal
Normal
En la ventana de alimentación, agregamos la

variable a analizar en el espacio –columna
individual-, enseguida elegimos el tipo de
distribución que identificamos para nuestro set
de datos de la lista disponible, en esta ocasión
Lognormal. Agregamos también los límites de
especificación y damos clic en aceptar.
En este proceso tiene un nivel Z de -0.47 y un Ppk = -
0.16 indica que no es un proceso capaz de producir
bajo el estándar. Ejemplo: Tiempo de respuesta mantenimiento
El índice de capacidad es negativo cuando la media del En el departamento de producción, se desea revisar
proceso está fuera de la especificación. si el servicio de mantenimiento a equipos se
encuentra dentro del tiempo de respuesta esperado
no mayor a 4.5 minutos.
Para conocer si este servicio tiene un buen

desempeño se pide realizar la prueba de capacidad
de proceso.
Capacidad
Capacidad
Índice No
No Normal
Normal
Tiempo Tiempo Tiempo Tiempo
Prueba Mto Prueba Mto Prueba Mto Prueba Mto
Datos
1 4.3794 21 2.3281 41 0.2713 61 1.3372
2 10.1211 22 0.6894 42 2.9746 62 0.3167 LSE 4.5
3 3.2081 23 0.9939 43 0.2089 63 1.4904
4 1.8605 24 1.8377 44 1.1383 64 1.9863
5 2.3008 25 2.3852 45 5.422 65 1.1464
6 1.4657 26 0.1257 46 1.394 66 4.2194
7 0.8787 27 2.211 47 0.2092 67 0.501
8 5.1127 28 4.4908 48 0.7395 68 0.2747
9 0.3423 29 2.6242 49 1.5367 69 1.2049
10 0.825 30 2.0744 50 0.1593 70 1.1995
11 0.9581 31 1.0173 51 2.0123 71 1.2583
12 1.0357 32 0.1737 52 6.1551 72 1.8662
13 3.2571 33 7.597 53 3.0398 73 0.0817
14 2.4547 34 0.1449 54 6.5011 74 1.3903
15 0.0874 35 3.0292 55 1.31 75 2.2247
16 1.5128 36 0.3274 56 0.1406 76 1.5818
17 1.1652 37 0.6264 57 3.4749 77 0.2276
18 1.7271 38 1.2968 58 4.2262 78 0.5191
19 0.5873 39 0.3497 59 1.5966 79 7.7332
20 4.2302 40 0.7439 60 4.8773 80 2.7065
Para identificar el tipo de distribución en Minitab se puede realizar eligiendo el menú estadística, luego
herramientas de calidad y finalmente identificación de la distribución individual.
Deberás seleccionar la columna que contiene los datos de la variable que deseas analizar y dar doble clic
para que ingrese en el campo de “Columna Individual”. Puedes añadir el tamaño de subgrupo o la columna
que contenga a los identificadores de subgrupos. Selecciona también la opción “Usar todas las
distribuciones y transformaciones”
Minitab generará los gráficos de probabilidad del set de datos elegido para todos los tipos de distribuciones y
transformaciones.
Además en la hoja de proyecto podrás observar la prueba de bondad del ajuste donde podrás elegir la
distribución que tenga un valor p> a 0.05. En esta imagen la distribución Weibull parece ser una buena opción.
Capacidad
Capacidad
Índice No
No Normal
Normal
Continuar con el análisis con una distribución no 3. El PPM> USL observado indica que 100, 000 de
normal
cada millón de fichas están por encima del
límite de especificación superior.
En la ventana de alimentación, agregamos la
variable a analizar en el espacio –columna 4. El Ppk general es 0.27, que indica que no es
individual-, enseguida elegimos el tipo de realmente capaz de cumplir con las
distribución que identificamos para nuestro set especificaciones del cliente.
de datos de la lista disponible, en esta ocasión
Weibulll. Agregamos también los límites de
especificación y damos clic en aceptar
Ejercicio: Elaboración de Tequila

Calcula la capacidad de un proceso de elaboración
tequilas y queremos saber cuánto alcohol debemos
utilizar.
El comportamiento de los datos sigue una
1. Los datos siguen una distribución Weibull. distribución no normal y tiene los siguientes límites
de especificación:
2. Podemos observar que hay mucha variación que
excede el límite superior de especificación de LIE: 5
4.5. LSE: 30
Capacidad
Capacidad
Índice No
No Normal
Normal
Tamaño de subgrupo=1
Podrás encontrar los datos del ejercicio en tu plataforma

¡Interpretemos!
Interpretación
de resultados
Ppk=.47
El proceso no es
realmente
capaz de
cumplir con las
especificaciones
del cliente a
largo plazo
Espacio para notas
Tema
21
«No importa lo brillante que sea tu mente o tu estrategia, si juegas un juego en

solitario, siempre perderás ante un equipo». – Reid Hoffman
¿Qué es?
La capacidad de un proceso con variables discretas es aquella en la que la escala de medida no se puede
realizar una subdivisión en intervalos de mayor precisión, por ejemplo número de ausencias, botellas
defectuosas, trabajadores activos, etc.
• Unidad: Es un elemento completo, por ejemplo,

una chamarra, un asesor telefónico.
Si probamos los defectos generados por cuatro
asociados de call center entonces estamos
analizando 4 unidades.
• Oportunidad: Una Característica que se

inspecciona o prueba contra un estándar.
Puede fallar en 5 etapas del proceso (Saludo,
Validación de datos , Entrega de información,
Solicitud de Encuesta de Satisfacción, Despedida de
cliente).
• Defecto: Cualquier oportunidad que al no

satisfacer un requerimiento o estándar se
convierte en falla , por ejemplo 9 fallas entre los
4 asociados.
Capacidad de Proceso Discreta
¿Cómo?
▪ Sigma a Largo Plazo en excel:

ABS(NORMSINV(DPMO/1,000,000))+1.5
▪ Elimina el 1.5 para calcular Sigma a largo plazo
▪ Recuerda que el 1.5 es el cambio por la variación a
corto/largo plazo
Relacionado métricos
Ejercicio
Su empresa procesa aplicaciones y las envía por correo en
sobres. Cada sobre contiene un documento y es una
unidad completa. 1
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 2
sobres tienen direcciones incompletas.
¿Cuántos sobres fueron inspeccionados? 10

3
¿Cuántos oportunidades de defecto existen? 3
¿Cuántos defectos hubo? 5 4
Calcula DPU 0.5
Calcula DPO 0.16 1. 0 – 3 = Necesita Mejorar
Calcula DPMO 166,666 2. 3 - 4.5 = Calidad Convencional
3. 4.5 – 6 = Buen Proceso
Relacionado métricos 4. 6 = Proceso Óptimo
▪ Es posible utilizar el Rendimiento y DPMO para
calcular el valor de Sigma. • Errores al hacer las facturas de los clientes han
▪ Existen tablas de conversión para convertir de una
provocado retrasos inaceptables en la recepción
de los pagos. Una revisión de las últimas 100
manera fácil es la tasa de defectos (DPMO) y/o el
facturas que se hicieron, reveló que 15 de ellas
rendimiento al nivel Sigma correspondiente. Otra
requerían correcciones antes de poder enviarlas
forma es utilizar formulas preestablecidas en Excel o la
a los clientes.
calculadora DPMO.
• Había tres tipos de errores asociados con las
facturas y varias facturas tenían más de un error.
• Dirección incorrecta.
Capacidad de Índice
Proceso Discreta
• Cantidad incorrecta.
• Número de cuenta incorrecto.
• En total, hubo 19 defectos diferentes en las 15 facturas defectuosas.
¿Cuál es el nivel de calidad Sigma?
Rendimiento
El Rendimiento es el métrico de capacidad más
común para datos discretos.
YFT - Rendimiento a la primera vez
Capacidad de Índice
Proceso Discreta
Espacio para notas
Tema
22
«No seas engreído. No seas arrogante. Siempre hay alguien mejor que tú». – Tony
Hsieh
¿Qué es?
Es una interferencia estadística en la cual se busca una
afirmación hecha sobre la población basado en
evidencia muestral.
En la prueba de hipótesis se examinan dos hipótesis.

Ho: Hipótesis nula
Ha: Hipótesis alternativa
¿Para qué?
• Para determinar estadísticamente si hay o no
diferencia entre las medias o varianzas.
• Afirmar si realmente un supuesto es verdadero
o no de una población pero basado en una
muestra.
• Nos ayuda a tomar decisiones más objetivas y
claras.
Pasos
Error Tipo I
▪ Rechazar una hipótesis nula cuando, en
realidad, es verdadera.
▪ También conocido como riesgo del productor.
La hipótesis nula hace referencia a la igualdad y el
objetivo es que la media o varianza sean iguales a tu
▪ La probabilidad de Error Tipo I está denotada
por 𝜶. (0< 𝜶 <1).
planteamiento de inicio.
Error Tipo II
▪ Aceptar la hipótesis nula cuando, en realidad,
La hipótesis alternativa hace referencia a la es falsa.
desigualdad y el objetivo es que la media o varianza ▪ También conocida como riesgo del consumidor.
sean diferentes a tu planteamiento de inicio. ▪ La probabilidad de Error Tipo II es denotada por
β (0< β <1).
Pruebas de Hipótesis
Por ejemplo, un nivel de significación de 0,05 indica un

riesgo del 5% de concluir que existe una diferencia entre
los resultados del estudio y la hipótesis nula cuando en
realidad no hay ninguna.
El valor de p: la probabilidad de obtener, por azar, una

diferencia tan grande o mayor de la observada,
cumpliéndose que no haya diferencia real en la
población de la que proceden las muestras.
Así, por convenio suele establecerse que si este valor

de probabilidad es menor del 5% (0,05) es lo
suficientemente improbable que se deba al azar como
para rechazar con una seguridad razonable la H0 y
afirmar que la diferencia es real.
1- Expresar la hipótesis nula (Ho).
Se debe modelar la hipótesis nula considerando
igualdad entre grupos y se denota con Ho, la única Si es mayor del 5%, no tendremos la confianza
diferencia que puede tener esta prueba es por necesaria como para poder negar que la diferencia
fluctuaciones naturales observada sea obra del azar. El valor p, es un calculo
estadístico, medida de la probabilidad de que la
diferencia de resultado se deba al azar.
2- Expresar la hipótesis alternativa.
La hipótesis alternativa expresa que un parámetro es

diferente que el valor hipotético de la hipótesis nula,
La hipótesis alternativa se denota con HA
El valor P es utilizado para aceptar o rechazar la

3- Especificar el nivel de significancia.
hipótesis nula
P ≥ 0.05 es el más utilizado pues refleja el 5% de
El nivel de significancia es el umbral que nos significancia común
permite decidir si el resultado de un estudio es p ≥ 0.01 es usado en centros de investigación y
significativo después de la prueba de hipótesis. desarrollo, industria farmacéutica, etc.
El nivel de significancia se establece por lo general

en 5% (.05), aunque pueden establecerse otros
valores como 1% (.01) dependiendo la rigurosidad
del estudio. Este nivel permite aceptar o rechazar la
hipótesis nula representando la probabilidad de
rechazar la hipótesis nula cuando es verdadera.
Pruebas
Índice
de Hipótesis
4- Determinar tamaño de muestra.

En cada prueba de hipótesis habrá una sugerencia de
tamaño mínima de muestra para tu análisis.
5- Establecer los valores críticos que establecen las

regiones de rechazo de las de no rechazo.
Para saber si hay diferencia entre los grupos o el valor
objetivo es necesario que se tenga un valor p<0.05 para
rechazar la hipótesis nula
Cada prueba estadística tiene un valor P característico

que debe ser evaluado para la aceptación o rechazo de
tu hipótesis nula.
Los valores críticos deben dividirse en dos: la zona de

hipótesis nula que es el área que está más tranquila en
cambio la otra zona que es la alternativa es donde hay
más variación o significancia en el comportamiento de
la población.
6- Determinar la prueba estadística.
En la siguiente gráfica podrás ver múltiples opciones que se utilizarán dependiendo el tipo de datos que tiene la
muestra.
Pruebas
Índice
de Hipótesis
6- Determinar la prueba estadística para tu prueba

de Hipótesis.
7- Recolectar los datos y calcular el
valor p.
8- Analizar si el valor
estadístico cae en la zona
de rechazo o aceptación de
la hipótesis nula.
9- Determinar la decisión
estadística.
A partir de tu estudio infiere, por ejemplo, si la hipótesis nula fue rechazada significa que aceptamos la
hipótesis alternativa , por lo que hay diferencia en tus datos.
10- Concluir con la decisión estadística en términos del problema.
Debes dar un
significado
traducido a tu
operación
desde tu
conclusión
estadística ¿Qué
significa que la
hipótesis
alternativa haya
sido aceptada
por ejemplo?
Espacio para notas
Tema
23
«Acepta lo que no sabes, especialmente al principio, porque lo que no sabes puede

convertirse en tu mayor activo. Te asegura que harás cosas diferentes a todos los
demás». – Sara Blakely
¿Qué es?
Es una prueba de hipótesis que se basa en datos discretos y su objetivo es evaluar una proporción contra un valor
predefinido, Se utiliza para evaluar las afirmaciones respecto a una proporción de población.
¿Para qué?
• Comparar si tu proporción es igual al objetivo. • El referente de calidad realiza una prueba de 1
proporción para determinar si la proporción de
• Ver qué influencia tiene una proporción en la pruebas que hicieron es diferente el objetivo de
variable de respuesta. 85%.
• Determinar qué rangos debe situarse cada Ho= p1= P obj
proporción para impactar más a la variable de Ha= p1 ≠ P obj
respuesta.
Elija Estadísticas > Estadísticas básicas > 1
Ejemplo Proporción.
• Se desea determinar si las evaluaciones que se
hacen de manera periódica a las máquinas
cumple con cierto estándar de calidad, en los En la lista desplegable se coloca el tipo de
últimos años se han hecho 2500 pruebas de los información que tenemos, en este caso debemos
cuales 127 han cumplido el estándar. poner datos resumidos.
En Número de eventos, ingrese el número de

pruebas a estudiar, en este caso 127.
Índice
En Número de ensayos, ingrese el tamaño de la

muestra, en este caso 2500.
Seleccionar “Realizar prueba de hipótesis” .
En Proporción hipotética, debemos colocar el

objetivo que tenemos en decimales, para este caso Ejercicio
85%. • En la empresa de embutidos se esta mermando
mucha cantidad de materia prima en algunos
En caso de ser necesario puedes cambiar tu productos, se sacó una muestra de 400
intervalo de confianza e hipótesis alternativa productos de los cuales 280 han salido con
(menor que, igual que , mayor que). merma
• Se desea corroborar que la proporción de

productos con merma está dentro del intervalo
del 50%.
Hipótesis
Ho: p = 50%
Ha: p ≠ 50%
Como el valor p <0.05, nos indica que rechazamos la

hipótesis nula, por lo que la proporción es diferente
al 50%.
• Dado que el valor de p value es menor a 0.05 el

analista rechaza la hipótesis nula.
• La interpretación de este valor nos indica que la

proporción de pruebas que se realizan es diferente
al promedio de 85%.
Espacio para notas
Tema
24
«Me parece que cuanto más trabajo, más suerte tengo». – Thomas Jefferson
¿Qué es?
Esta prueba de hipótesis es ejecutada para datos discretos y enfocada en comparar dos proporciones entre si. El
objetivo de estas pruebas es evaluar las afirmaciones con respecto a dos proporciones (o porcentajes) de
población como podría ser el número de ocurrencias.
¿Para qué? • El encargado del departamento de calidad decide

• Validar si hay diferencias entre las dos proporciones
realizar una prueba de 2 proporciones para
verificar qué línea tiene mayor probabilidad de
a analizar.
producir defectos.
• Verificar en qué rango una proporción puede generar
1. Ir a Estadísticas > Estadísticas básicas > 2
más impacto en la variable de respuesta.
Proporciones.
Ejemplo
2. En la lista desplegable debemos indicar cómo
se entregarán los datos, en esta caso debemos
• Se quiere analizar la efectividad de 2 líneas en el
poner datos resumidos.
proceso de ensamble de automóviles, De la línea 1
se se tomaron 400 muestras de las cuales 8 salieron 3. En Muestra 1, colocar 8 para Número de
defectuosas, por otro lado la línea 2 únicamente se eventos y 400 para Número de ensayos.
tuvieron 6 defectos de 450 muestras. 4. En Muestra 2, ingrese 6 para Número de
eventos y 450 para Número de ensayos.
Índice
Ejercicio
• En el departamento de IT se tienen dos líneas de
servicio , se quiere investigar en cuál de las dos
hay mayor ineficiencia tomando en cuenta los
tickets no respondidos.
• En eL año 2019, En la línea 1 se tuvieron 25

tickets no respondidos de los 1000 que se
recibieron sin embargo en la línea 2 hubo 44 de
los 2500.
Como el valor p ≥ 0.05, rechazamos la hipótesis

1. Un requisito del análisis de 2 proporciones es alternativa, lo que nos indica que las proporciones
que tenga una distribución normal, podemos entre ambas líneas no son significativamente
observar que es>0.05 el p value del valor Z por distintos.
lo que no sería un buen modelo para tomar
decisiones.
2. Con el p value de Fisher podemos observar que

es >.05 por lo que podemos concluir que no
son significativamente diferentes las dos
líneas.
La prueba de Fisher es el test exacto utilizado

cuando se quiere estudiar si existe asociación entre
dos variables cualitativas, es decir, si las
proporciones de una variable son diferentes
dependiendo del valor que adquiera la otra
variable. Se le considera un valor más exacto.
Espacio para notas
Tema
25
“La intrepidez es como un músculo. Sé por propia experiencia que cuanto más lo
hago, más natural se vuelve no dejar que mis temores me dominen». – Arianna
Huffington
¿Qué es?
Pasos
1. Antes de generar la prueba asegúrate de contar Las pruebas T son

con un sistema de medición apropiado. pruebas de hipótesis
2. Evaluar el tipo de datos para determinar el tipo para datos continuos,
de prueba a realizar. donde se busca
3. Establece tu Hipótesis nula y alternativa. comparar una media
contra un objetivo.
4. Genera tu prueba y determina su valor P, si el
valor P es igual o menor a .05 entonces es
significativo.
5. Traduce tu resultado estadístico en términos
organizacionales.
Prueba T de 1 Muestra
¿Para qué?
• Validar si la media de una muestra es igual a la de En la lista desplegable, seleccionar “one or
un objetivo. more simples, each in a column” e ingresa
• Te permite continuar con el análisis cuando tu Kilómetros.
desviación estándar es desconocida. Seleccionar Perform hypothesis test.
Ejemplo En hipothesized mean, ingresar la media
• Una empresa automotriz desea objetivo (300)
determinar un auto recorre en
En graphs seleccionar Boxplot
promedio 300 kilómetros.
• Se tomaron 15 semanas aleatorias En options, colocar el nivel de confianza (95%
para hacer el análisis del año 2019 . predefinido) y la Hipótesis alterna (mayor,
• La empresa realiza una prueba de 1 menor o diferente a la media
muestra para validar si los kilómetros hipótetica/objetivo).
por semana recorridos por el auto
difiere con 300.
1- Ir al Menú Estadísticas- Estadística

Básica- T de una muestra.
Prueba
Índice
T de 1 Muestra
• Realizar una prueba t de una

muestra para validar si los
siguientes supuestos se
aceptan:
1. Definir tu Hipótesis nula y
alternativa.
2. ¿Las personas están
teniendo un desempeño
7) Interpretar mínimo de 1000 USD
mensuales?
Ho= la media de los kilometros recorridos es igual a
300 (Ho 𝝁1=300) Ho= El valor medio del ingreso del
Ha= la media de los kilometros recorridos es empleado es igual a 1000. (Ho 𝝁1
diferente a 300 (Ha 𝝁1≠300) = 1000)
Ha= El valor medio del ingreso del
La hipótesis nula nos dice que los kilómetros empleado es mayor a 1000 (Ha
recorridos son 300, dado que el valor P > 0.05 se 𝝁 1> 1000)
acepta la hipótesis nula por lo que no hay evidencia
estadística que pruebe que los kilómetros recorridos
no sean 300
Se rechaza la hipótesis nula por lo que se puede
Ejercicio concluir que el empleado percibe un salario distinto a

• Una empresa quiere hacer una evaluación en el 1000 USD mensuales al tener un P Value < 0.05.
área de ventas la cual consiste en validar si las
personas ganan un salario promedio de 1000
USD mensuales
Espacio para notas
Tema
26
«La diligencia es la madre de la buena suerte». – Benjamin Franklin
Ejemplo
¿Qué es?
Son pruebas de hipótesis cuando se tienen datos • El CFO de una cadena grande de hotels quiere ver
continuos, el objetivo de este análisis es comparar dos cuál de sus dos grandes hoteles ha tenido más
medias de dos grupos distintos. quejas durante el año para poder accionar
Suposiciones:
• Se supone que el CFO hizo una prueba de igualdad
• Se obtienen dos muestras de manera aleatoria de varianzas y no se pudo demostrar que las
• Hay normalidad en los datos
varianzas sean iguales por lo que ahora queremos
comparar el desempeño de estos dos hoteles .
• Varianzas iguales
¿Para qué?
• Validar si las dos muestras tienen un promedio
igual.
• Verificar si un rango de valores puede repercutir
de manera importante la media.
Pasos
• Antes: Debe haber homogeneidad de varianzas.
• Durante: Debemos comprobar la prueba de Nuestras pruebas de hipótesis son:
valor P validando si es menor a 0.05 para Ho: X1 = X2
concluir que nuestros datos son
significativamente diferentes. Ha: X1 ≠ X2
PruebaÍndice
T de 2 Muestras
1. Click en Estadísticas > Estadísticas básicas > t de 2

muestras.
Interpretación
En la siguiente imagen podemos darnos cuenta que
nuestro valor de P Value es mayor a .05 por lo que la
hipótesis nula es aceptada y podemos concluir que
no existe evidencia estadística de que haya
2. En la lista desplegable dar click en “Ambas diferencia entre las quejas de ambos hoteles.
muestras en una columna” para poder diferenciar
las dos muestras.
3. En opciones, puedes colocar el nivel de confianza,
95% es la que está predefinida por lo cual no lo
moveremos esta ocasión.
4. En gráficas, gráfico de caja.
• Si bien en la gráfica podemos visualizar que entre

medias hay una pequeña desviación aquí es
donde se hace sumamente importante una
prueba de hipótesis ya que nos clarifica este
supuesto.
• El análisis gráfico soporta la prueba de hipótesis
sin embargo no podemos dar conclusiones a
partir de la misma sin evidencia estadística.
PruebaÍndice
T de 2 Muestras
Ejercicio 1. Se puede observar que el P-Value es menor a

• En dos hospitales se desea saber en cuál se 0.05 por lo que se rechaza la hipótesis nula y
están teniendo más pacientes para revisar la podemos concluir que hay evidencia para
frecuencia de cada hospital y ver la manera en decir que los pacientes de ambos hospitales
cómo podemos distribuir a los pacientes y no no son iguales.
saturar ninguna instalación.
2. Adicionalmente podemos observar una mayor
• En la siguiente tabla podrás encontrar los datos variación en la gráfica de caja por parte del
para hacer el análisis de pruebas T 2 muestras: hospital “Gran Salud”
Espacio para notas
Tema
27
«Una persona que es tranquilamente confiada es el mejor líder». – Fred Wilson
¿Qué es?
El análisis de varianza funciona para comparar dos o más medias de la variable de respuesta y en los distintos
grupos de diferentes factores, al ser balanceado significa que tiene la misma cantidad de combinaciones para todos
los factores.
¿Para qué?
•
• Detectar los factores significativos.
Durante: Validar si un factor tiene significancia
y se hace mediante la prueba de hipótesis
• Evaluar la influencia de los factores contra la variable comparando el valor p el cual debe ser <= a 0.05
de respuesta. para aceptar la hipótesis alternativa
• Identificar en qué nivel los factores tienen mayor Ejemplo
impacto en la variable de respuesta. ▪ Se espera analizar y=calidad con los siguientes
¿Cómo? factores (Supervisor, Experiencia y Línea) cada uno
de los factores cuenta con 2 niveles:
• Antes: Debemos revisar si se cuenta con una ▪ Factores: X`s a analizar
normalidad de dato para saber si existe
homogeneidad de varianza y revisar los siguientes ▪ Niveles: Grupos con los que cuenta cada factor
supuestos:
▪ Homogeneidad de varianza.
▪ Promedios muestrales independientes y
normalmente distribuidos.
▪ Datos muestrales seleccionados al azar.
▪ Un Gage RyR aceptable (Ver tema Gage RyR).
ANOVA Balanceado
Se quiere revisar si realmente la experiencia así como la guía del supervisor son factores que benefician la calidad
de la línea.
• Ingresar a Stat – ANOVA- Balanced ANOVA.
• En respuesta agregar las variables de respuesta “Y”.
• En el apartado de modelo agregar los factores a analizar.
ANOVA
ÍndiceBalanceado
Ejercicio
R2 es el coeficiente de determinación, nos
explica el porcentaje de variación entre Un becario está haciendo pruebas en un laboratorio
factores, para tener un modelo aceptable se para obtener el tiempo ideal de caducidad que tienen
debe tener de preferencia un coeficiente de los productos sin embargo se cuenta con diversos
determinación >85%. factores (Conservadores, Azúcar, Masa).
El becario se da cuenta que es un modelo balanceado

En esta ocasión nuestro coeficiente de por lo que se hace un ANOVA.
determinación nos expresa un 18.76% del
resultado por lo que no es un buen modelo
para tomar decisiones.
Únicamente el supervisor es el factor

significativo en el modelo al tener un p value<
0.05
• Los conservadores son significativos en nuestro

modelo al tener un valor P< 0.05
• Nuestro indicador R2 nos presenta el 39.87%

del resultado, todos los factores explican el
39.87% de toda la variación .
Espacio para notas
Tema
28
“Arriesga más de lo que otros piensan que es seguro. Sueña más de lo que otros
piensan que es práctico». – Howard Schultz
¿Qué es?
El Análisis de Varianza (ANOVA),

funciona para comparar dos o más
medias, al ser de una vía sólo
podemos evaluar la importancia
de un factor en sus distintos
niveles
Se refiere a la cantidad de información suministrada por los datos que se puede "gastar" para estimar los valores
de parámetros de población desconocidos y calcular la variabilidad de esas estimaciones. Este valor se determina
según el número de observaciones de la muestra y el número de parámetros del modelo, debe tener por lo
menos 1 g.l en el error para que el ANOVA pueda ser generado
k= niveles de tu factor, N= número total de observaciones.
ANOVA
Índice One Way
El cuadrado medio es la división de la suma de cuadrados entre los grados de libertad, se utiliza para obtener el
estadístico F.
Estadístico que a partir de tablas se determina si el factor es significativo o no.

Para evitar el uso de tablas, Minitab transforma el valor F a valor P que es mucho más estandarizado, es por ello
que nos basamos en el valor P para realizar conclusiones, donde si P es menor a .05 entonces es significativo.
Ejemplo: Se tienen 25 observaciones para determinar la productividad de nuestro equipo (Y), se midió a 5
integrantes del equipo (1 Factor con 5 grupos) , deseamos determinar si la productividad es significativamente
diferente entre ellos.
¿Para qué?
• Comparar la media de más de dos grupos.
¿Cómo?
•
• Determinar la influencia del factor contra la
Antes: Debemos revisar si se cuenta con una
normalidad de dato para saber si existe
variable de respuesta. homogeneidad de varianza y revisar los
• Analizar en qué nivel los factores tienen mayor siguientes supuestos
relación.
ANOVA
Índice One Way
▪ Homogeneidad de varianza.
▪ Promedios muestrales independientes
y normalmente distribuidos.
▪ Datos muestrales seleccionados al azar.
▪ Un Gage RyR aceptable.
• Durante: Validar si un factor tiene

significancia y se hace mediante la prueba de
hipótesis comparando el valor p el cual debe
ser <= a 0.05 para aceptar la hipótesis
alternativa.
Ejemplo
El tipo de equipo utilizado en una construcción es

crítico para terminar la obra
Demostremos mediante un ANOVA de una vía si

existe o no una variación significativa en los días de
construcción debido a los distintos equipos
1. Ingresar a Stat- ANOVA – Un solo factor.
2. Colocar los datos en el apartado de respuesta.
3. Dar click en gráficas y seleccionar gráficas de

Podemos observar mediante el análisis gráfico
caja o intervalos.
que hay mucha variación entre equipos sin
embargo el equipo 1 y 2 son los que tienen
menos variación.
ANOVA
Índice One Way
Dado que el P value es <0.05 se aprueba la

hipótesis alternativa y se puede determinar que
si hay diferencias entre los equipos de
construcción para terminar una obra.
En la gráfica podemos apreciar que el transporte que

tiene más variación comparado con los demás es el
número 4.
Ejercicio
Un ingeniero de una planta de transportes quiere
determinar si los diferentes tipos que usan tienen De acuerdo al P value al ser mayor a 0.05 se acepta la
cierta afectación en el costo, por lo que se decide hipótesis nula por lo que no hay suficiente información
hacer un ANOVA de una vía para validar si estadística para que los proveedores de transportes
realmente el Sistema de costos que tienen es el tengan un cambio de precio significativo
adecuado.
Espacio para notas
Tema
29
«La forma de comenzar es dejar de hablar y comenzar a hacer». – Walt Disney
¿Qué es? ¿Para qué?

• Permite comparar la media de dos
grupos y varios factores sin tener
un modelo balanceado.
• Comparar la influencia de los
diferentes factores en la variable de
respuesta.
• Identificar en qué nivel los factores
tienen mayor influencia.
¿Cómo?
Antes: Debemos hacer una prueba de
normalidad para determinar si hay
homogeneidad de varianzas y al ser un
ANOVA de una vía debemos seguir los
siguientes supuestos:
El modelo general lineal , es un método basado en ANOVA para
comparar dos o más medias. Se le llama modelo general lineal
pues no requiere que el estudio esté balanceado de tal manera ▪ Homogeneidad de varianza.
que sea posible detectar la significancia de más de un factor al ▪ Promedios muestrales independientes y
comparar las medias de la variable de respuesta (Y) en los normalmente distribuidos.
diferentes grupos (niveles) de varios factores. ▪ Datos muestrales seleccionados al azar.
▪ Un Gage RyR aceptable (Ver tema Gage
RyR).
En el proceso: Mediante la prueba del valor p

debemos observar si este es menor o igual a 0.05
para aceptar la Hipótesis alternativa por lo que
habrá significancia de los factores.
Modelo
Índice
General Lineal
Ejemplo Al intentar analizar la información como un

ANOVA balanceado en minitab nos arrojará este
Queremos obtener el mayor número de aficionados mensaje y es aquí donde debemos comenzar a analizarlo
analizando 2 factores que pueden interferir (Equipo como un modelo general lineal no balanceado:
y Estadio) cada uno de ellos cuenta con diversos
niveles:
▪ Factores: X`s a analizar
▪ Niveles: Grupos con los que cuenta cada factor
*ERROR: Diseño no balanceado. Una tabulación

cruzada de sus factores mostrará donde está el
desbalance
Se analiza muy similar a la de un ANOVA balanceado, la única ventaja es que este análisis puede hacerse para
modelos balanceados o no balanceados:
1. Ingresar a Strat – ANOVA- General Linear Model – Fit General Linear Model
2. En Respuestas, ingresa las variables de respuesta (Y)
3. En Factores, selecciona los factores que deseas evaluar.
Modelo
Índice
General Lineal
1. Podemos observar con el P Value los que tienen

mayor influencia en el modelo con p<0.05,
podemos determinar que el estadio es
significativo en cambio el equipo no.
2. R2 Nos indica la variación explicada por los dos
factores y en este caso es 51.14%.
1. Para determinar cuál es la influencia entre los factores debemos ir a Strat-> Anova->General Linear
Model->Factorial Plots
2. En respuesta seleccionar la variable de respuesta y seleccionar los factores a analizar.
De acuerdo a la gráfica podemos determinar que más

aficionados en el estadio B el equipo se vuelve
irrelevante
Modelo General
Índice Lineal
Ejercicio
Un becario está haciendo pruebas en un laboratorio para obtener el tiempo ideal de caducidad que tienen los
productos sin embargo se cuenta con diversos factores (Conservadores, Azúcar, Masa).
El becario se da cuenta que es un modelo no balanceado por lo que hace un análisis de Modelo General Lineal.
1. Se puede observar que el único factor significativo en el modelo son los gramos de conservadores.
2. Se puede determinar que el 44.2% de los datos se pueden predecir.
Espacio para notas
Tema
30
«A menudo la gente trabaja duro en algo que no es para ellos. Trabajar en lo que está
bien para ti es probablemente más importante que trabajar duro». – Caterina Fake
¿Qué es?
Esta prueba de hipótesis está enfocada en los datos
discreto y el objetivo es evaluar proporciones entre
si. La idea es que podamos afirmar si el porcentaje
(proporciones) cumple las suposiciones
Las hipótesis a probar son:
Ho: No existe relación entre las poblaciones
Ha: Sí existe relación entre las poblaciones
¿Para qué?
• Validar si 2 o más de dos proporciones son
iguales o diferentes entre sí. 1. Ir a Estadisticas- Tablas- Tabulación Cruzada y chi
• Validar en qué rangos podemos posicionar una cuadrada.
proporción para hacer diferencia entre las otras
proporciones. 2. En el desplegable colocar datos sin procesar en
caso de que no los tengan resumidos
Ejemplo
• Se busca analizar los errores en los procesos de 3. En filas ingrese Horario (Factor A) y en Columnas
acuerdo al departamento y el horario Departamento(Factor B) Tipo de defecto.
Existen 3 horarios a analizar: Matutino, Vespertino y
Nocturno. 4. En frecuencias ingrese errores en proceso.
Los departamentos a evaluar son Finanzas, RH ,
Compras e IT. 5. Seleccione mostrar conteos.
• El director de la planta seguirá las siguientes 6. Dar click en chi cuadrada y seleccione Prueba
pruebas de hipótesis: Chi-Cuadrada.
Ho: El tipo de error es independiente del Horario y
dpto.
Ha: El tipo de error es dependiente del Horario y
dpto.
Índice
Xi Cuadrada
1. Podemos observar que se acepta la significancia

entre las proporciones por lo que la relación es
significativo con los tipos de errores, se concluyó
de esta manera ya que el p value< 0.05
2. Al ser significativos se deben seleccionar los

valores que tengan menor porcentaje por fila ya
que son los que tienen mayor relación, en este
caso podemos observar que en el turno matutino
el departamento de finanzas e IT tienen mayor
relación, en el turno nocturno el departamento
de RH y en el turno vespertino el departamento
de IT
Índice
Xi Cuadrada
Ejercicio
• En un call center se quiere analizar las quejas
que se tienen durante el turno sin embargo
tenemos diferentes factores que se analizarán.
• Nuestro encargado de calidad tiene las

sospechas que los factores que influyen en las
quejas son tanto la empresa como el producto,
por lo que se realizará una prueba de Xi
Cuadrada.
• Gracias al p value<0.05 podemos concluir que

se acepta la hipótesis nula de que la relación
entre proporciones es significativa
• Al ser significativos se deben seleccionar los
valores que
• tengan menor porcentaje por fila ya que son
los que tienen mayor relación. En este caso
podemos observar que en la empresa 1 tiene
mayor relación con el producto B, sin embargo
dados los valores tan similares, se recomienda
evaluar todos.
En la empresa 2 tiene mayor relación con el

producto C y de la empresa 3 sería interesante
evaluar los productos A y B
Espacio para notas
Tema
30
«Si te fijas bien, la mayoría de los éxitos que pasaron de la noche a la mañana
tomaron mucho tiempo». – Steve Jobs
¿Qué es? ¡Los límites de control NO son igual a los límites de

• Es una herramienta que nos permite identificar el especificación!
comportamiento de la media y variación de una
Límites de control= proceso.
característica del proceso, enfocándose en una
Límites de especificación= cliente.
muestra obtenida en determinado tiempo.
• Adicionalmente las gráficas de control nos Propósitos de los límites de control

determinan limites en el proceso que nos ayudan • Mostrar la variación típica y atípica.
a detectar causas especiales (atípicos) de
desviación.
• Mostrar cualquier comportamiento de los datos.
• Identificar mejoras del proceso.
Causas comunes
Reducir la variación natural de los procesos es el
objetivo de la mayoría de los proyectos Lean Seis Sigma.
En la fase de Control, las causas comunes de variación
deben estar dentro de los límites de especificación.
Límites de control
Los límites de control son denominados límites
naturales del proceso.
Los límites de control para la variabilidad y la media
se hace a partir de subgrupos esto refleja como esta
en este momento el proceso.
Los límites de control se basan en la media y la
desviación estándar actual del proceso y no como
nos gustaría que fuera.
Gráficos de Control
Causas especiales Componentes Gráficos de Control

▪ Detectar la causa raíz y
arreglarla
▪ Documentar el
problema y arreglarlo
Recalcule los límites de control

sólo si las causas especiales
fueron identificadas y eliminadas.
¿Para qué?
Diagnóstico: Se evalúa la estabilidad del proceso.
Control: Es un indicador que nos permite diferenciar si tenemos que ajustar algo o dejar tal cual como esta.
Confirmación: Para confirmar la mejora de un proceso.
Pasos y Ejemplos
1. Definir los tipos de datos
2. Determinar gráfico a utilizar
3. Determinar el tamaño de muestra y comenzar a
recolectar los datos.
4. Calcular los Límites de Control y graficar.
5. Analizar el Estado del Proceso.
Gráficos
Índice de Control
Gráficos
Índice de Control
¿Hay alguna condición fuera de control? ¿Bajo qué Tipos (variables y atributos)
regla? Gráficas para control por variables
Datos continuos (longitud, grosor, etc), Se mide la
característica a estudiar
Usa medidas de tendencia central (Media y
Desviación estándar)
Son más sensibles que los gráficos por atributos
(miden X’s), es predictivo.
▪ Gráfica X-S / X-R: Nos ayuda a visualizar las

medias y desviaciones Std así como el rango de
dispersión
¿Hay alguna condición fuera de control? ¿Bajo qué ▪ Gráfica I-MR: Es una gráfica de datos
regla? individuales de medias y rangos que nos
permite tener control de cada muestra
Gráfico X-R
Gráficos de medias y rangos; Se utilizan para
tamaños de subgrupos menores a 8 y son para datos
continuos
Ejercicios de Interpretación
Control de proceso vs Capacidad de proceso
Gráficos
Índice de Control
Ejemplo
Se tomaron 4 muestras en la empresa de corbatas
con el objetivo de reducir la variación de tiempo
Gráficos
Índice de Control
Gráfico X-S
Gráficos de medias y rangos;
Se utilizan para tamaños de
subgrupos mayores a 8 y son
para datos continuos
Ejemplo
▪ Se tomaron 9 muestras en la empresa de corbatas
con el objetivo de reducir la variación de tiempo
Gráficos
Índice de Control
Gráfico I-MR
Gráficos de Lecturas Individuales y

Rango Móvil; Se utiliza cuando se
tiene subrupo igual a 1 y datos
continuos
Ejemplo
▪ Para este tipo de gráfico sólo se
utiliza una muestra
Gráficas para datos de atributos ▪ Gráfica np: Evalúa el número de unidades

Las gráficas para atributos nos permite analizar defectuosas, con n constante.
datos discretos, los valores que pueden tomar estos ▪ Gráfica c: Evalúa el número de defectos en
datos son sobre una escala como por ejemplo unidades bien definidas (n constante).
artículos defectuosos o defectos por artículo ▪ Gráfica u: Evalúa el número de defectos por
unidad. El tamaño de la muestra n puede ser
Se clasifican en: variable.
▪ Gráfica p: Evalúa la fracción o el porcentaje de

unidades defectuosas. El tamaño de la
muestra n puede ser variable.
Gráficos
Índice de Control
Gráfico P
Sirven para datos por atributos
(discretos), contando unidades
defectuosas con un tamaño de
muestra variable
▪ En la tabla se muestra el número de solicitudes de

empleo que se presentan en Guadalajara sin
embargo muchas de ellas no se entregan
correctamente por lo que se terminan rechazando
ya que no puede haber solicitudes parcialmente
bien
▪ Estos datos se recolectaron de manera mensual
El proceso no se encuentra
bajo control estadístico, ya
que se pueden apreciar 8
muestras fuera de los límites
de control.
Gráfico NP
Se utiliza para datos discretos y se
cuentan las unidades defectuosas con
un tamaño de muestra constante
Gráficos
Índice de Control
Ejemplo El proceso se encuentra bajo control estadístico.

▪ Se tiene una muestra Gráfico C
constante de 1000
botellas y se detectan Se utiliza para datos discretos y se cuentan defectos
los siguientes defectos.
por unidad con un tamaño de muestra constante
Gráfico NP
Ejemplo
▪ Se realizaron 105 pruebas de las cuales se desea

saber si el número de defectos que se tienen por
factura se encuentra dentro de los límites de
control.
▪ Se tiene una muestra constante.
Gráficos
Índice de Control
Gráfico U
Se utiliza para datos

discretos y se cuentan
defectos por unidad con un
tamaño de muestra
variable
Ejemplo
▪ Se selecciona una muestra variable de comensales de manera semanal con la intención de determinar el
número de quejas por cada comensal y determinar si se encuentra bajo control estadístico.
Espacio para notas
Lectura recomendada para tus cursos
Adquiere tu libro “EL CUBO”

- Guía para la mejora continua y transformación organizacional -
Opción 1: Escanea el código QR
1. Entra a “Alfaomega.com.mx”
2. Busca el título “El Cubo”
3. Regístrate y compra
Opción 2:
Adquiérelo en tu tienda de preferencia.
¡Sé parte de nuestra comunidad!

Nombre del grupo: Comunidad Mejora Continua
https://www.facebook.com/groups/593642017764313
Con ex alumnos de distintos giros y tamaños de empresas donde

podrás generar networking, compartir y preguntar cualquier
tema relevante de la mejora continua, así como recibir blogs
quincenales de gran interés!
https://lssinternational.org/

Manual Isaac Castro Méndez 2

Cargado por

Copyright:

Formatos disponibles

Manual Isaac Castro Méndez 2

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual Isaac Castro Méndez 2

Cargado por

Copyright:

Formatos disponibles

Isaac Castro Méndez

MANUAL DEL CURSO

¡Bienvenido a Lean Six

Estamos seguros que estas semanas serán

Lean Six Sigma International es el único

Gracias por habernos elegido para tu

«Cae siete veces, levántate ocho». – Proverbio japonés

VPN (Valor Presente Neto): Lo que vale tu proyecto a

• TIR (Tasa Interna de Retorno): La TIR de la inversión ¿Para qué?

1. Cascadeo de Objetivos. Bajar la estrategia de

• Al inicio del proyecto, documente todos los

Iniciativa: Campaña masiva en hospitales para Se trabaja en un ajuste de layout y un sistema de re

Ese resultado fue aplaudido en piso y por su gerente

Para lograr la traducción, se hizo el análisis del Costo

El proyecto fue completado en 5 meses

Almacén MRO Farmacéutica

«Consigue un mentor en el campo correspondiente si no estás seguro de lo que

PASADO ¿Cómo se ha comportado el proceso?

• Azul: % Desempeño sobresaliente, es

«El tiempo, la perseverancia y diez años de intentarlo eventualmente te harán ver

• Cliente: ¿Cuál debe ser la percepción del cliente

3- Establecer como será de medir cada indicador.

4- Se deben clasificar y usar la colorimetría correcta para

5- Asignar actividades correctivas a los indicadores ya

Nota: Al mejorar un indicador siempre por la relación que

• Realiza un gráfico de interacción de indicadores.

• Detecta los 3 indicadores más importantes y la frecuencia de monitoreo.

Su objetivo es el incremento en el desempeño y

Se componen de las siguientes fases: Definir, Medir,

Seis sigma formaliza el uso de las herramientas en la

✓ La solución al problema es desconocida.

✓ La estructura del equipo se apoya de otros Seis

✓ Uso y análisis de datos duros para encontrar la

✓ Los objetivo y beneficios del proyecto son

✓ Durante la fase de MEJORAR se implementan

✓ Uso de herramientas estadísticas para probar la

Ecuación Seis Sigma:

• Permite diferenciar y encontrar las salidas y las entradas.

“Tener ideas es fácil. Implementarlas es difícil. ”- Guy Kawasaki

Es un lienzo en el que se describe de manera

Este documento funge para oficializar un proyecto,

• Facilita la participación de las personas

• Permite visualizar de manera general cada

• Se tiene un control de cambios adecuado ya

Ejemplo y otros formatos

«Lo único peor que comenzar algo y fallar… es no comenzarlo en absoluto». –

Es la información extraída de una muestra de datos:

Varianza (σ2): Corresponde al cuadrado de la desviación estándar.

Ejemplo: Volumen en llamadas

Hay que alimentar los datos disponibles en la hoja

Enseguida seleccionamos la opción Estadísticas>

Se abre la ventana de alimentación

Al dar clic en el botón “estadísticas” observarás

De nuevo en la ventana de alimentación principal, seleccionar el botón “Gráficas”. En esta ventana

Se observa un comportamiento “normal”, sin

En la ventana de alimentación de datos, selecciona la variable a estudiar y haz clic en aceptar.

Minitab genera un histograma con curva normal, el

El valor p es mayor a 0.05, por lo tanto podemos concluir

Descarga los datos desde tu

• Se puede visualizar que la