CAP LO

PENSAMIENTO ESTADSTICO CALIDAD EN LA PRCTICA: aplicacin del anlisis

PERFILES DE LA CALIDAD: Graniterock Company estadstico en un proyecto Six Sigma
y Branch-Smith Printing Division en GE Fanuc
Los experimentos de Deming con las cuentas rojas PREGUNTAS DE REPASO
y el embudo PROBLEMAS
fUNDAMENTOS ESTADSTICOS PROYECTOS, ETCTERA
Variables aleatorias y distribuciones de probabilidad CASOS El aviso disciplinario
Muestreo El informe trimestral de ventas
METODOLOGA ESTADSTICA La crisis en HMO Pharmacy
Estadstica descriptiva
Anlisis estadstico con Microsoft Excel MATERIAL ADICIONAL (EN El CD QUE ACOMPAA AL LIBRO)
Inferencia estadstica
Resumen de puntos
Estudios enumerativos y analticos
y trminos clave
Diseo de experimentos
Distribuciones de probabilidad
Anlisis de la varianza (ANOVA)
importantes
Regresin y correlacin
Determinacin del tamao de la muestra
CALIDAD EN LA PRCTICA: mejora de la calidad
de un proceso de estaado mediante
el diseo de experimentos

Brian Joiner, destacado consultor de administracin de calidad, relata el siguiente caso:

Ed era vicepresidente regional de una compaa de servicios con oficinas en todo el
mundo. Estaba convencido de que las oficinas en su regin obtendran las califica-
ciones ms altas de la empresa en satisfaccin del cliente. Si notaba que una oficina
experimentaba una baja importante en estas calificaciones durante un mes u obte-
na calificaciones "inferiores al promedio" durante tres meses consecutivos, llamaba
al gerente y le preguntaba qu haba sucedido, dejando en claro que ms vala que
las calificaciones del mes prximo fueran ms altas. Y la mayora de las veces as
suceda! 1

Cuando la calificacin en satisfaccin promedio baj de 65 a 60 entre febrero y marzo, Ed

envi un comunicado a sus gerentes que deca:
539

.-- --
540 Parte 3 Six Sigma y el sistema tcnico

Malas noticias! Bajamos cinco puntos! A partir de este momento, debemos con-
centrarnos en mejorar estas calificaciones! Me doy cuenta de que las tasas de uso
del servicio han aumentado a mayor velocidad de lo esperado, de modo que debe-
mos esforzarnos por dar a nuestros clientes un magnfico servicio. S que pueden
hacerlo!

Como Joiner coment: "Ven los datos de esta manera? Este mes en comparacin con el mes
pasado? Este mes en comparacin con el mismo mes del ao pasado? En ocasiones, obser-
van los puntos de los datos ms recientes? Los dos ltimos puntos de los datos? No enten-
da por qu la gente slo quera observar dos ptmtos de los datos. Finalmente, todo se acla-
r para m. Con dos puntos de los datos es fcil calcular una tendencia: 'Las cosas bajaron
2 por ciento en comparacin con el mes pasado. Este mes subieron 30 por ciento en compara-
cin con el mismo mes del ao pasado.' Por desgracia, no aprendemos nada de importancia
al comparar dos resultados cuando ambos provienen de un proceso estable . .. y la mayora
de los datos importantes para la administracin provienen de procesos estables."
Muchos administradores que no entienden cmo usar eficazmente la informacin esta-
dstica casi siempre cometen los mismos errores. Los conceptos estadsticos son cruciales para
la buena administracin de calidad y son la clave para manejar los procesos y su variacin
inherente. Son fundamentales para la prctica de Six Sigma y los estudios; de hecho, Six
Sigma ha incrementado la importancia de la estadstica en el anlisis de negocios. Los mto-
dos estadsticos tienen aplicaciones en otras reas de la administracin de calidad, inclu-
yendo el anlisis de productos y mercados, diseo de productos y procesos, control de
procesos, pruebas e inspeccin, identificacin y verificacin de las mejoras a los procesos y el
anlisis de confiabilidad. Todos los administradores, supervisores, empleados de oficina y
obreros deben tener ciertos conocimientos de los aspectos tcnicos de los mtodos estadsti-
cos. Empresas grandes y pequeas necesitan entender los aspectos estadsticos del anlisis de
datos a fin de tomar decisiones adecuadas (vase Perfiles de la calidad: Graniterock y Branch-
Smith Printing Division).
Se supone que los lectores de este libro tienen un conocimiento previo de la estadstica ele-
mental. Este captulo proporciona un breve repaso de algunos conceptos y aplicaciones esta-
dsticos importantes en Six Sigma y otras actividades de mejora y control de la calidad, pero
la intencin no es reemplazar un tratamiento riguroso de los mtodos estadsticos. Sin
embargo, es un hecho que la estadstica es una materia sobre la que se descubre y aprende
algo nuevo cada vez que se revisan los conceptos, de modo que lo alentamos a hacerlo as. En
el libro de Breyfogle, que se incluye en la bibliografa al final de este captulo, encontrar un
tratamiento completo sobre los mtodos estadsticos para Six Sigma.

PENSAMIENTO ESTADSTICO
La estadstica es la ciencia que se ocupa de "la recopilacin, organizacin, anlisis, interpre-
tacin y presentacin de datos" .2 Los procesos de medicin proporcionan datos. stos
pueden ser las dimensiones de los tornillos que se
producen en una lnea de produccin, los errores
Los datos primarios recopilados en el
diarios en los pedidos en un departamento de pedi- campo no proporcionan la informacin
dos o el nmero de demoras en los vuelos, por necesaria para controlar o mejorar la cali-
semana, en un aeropuerto. dad. Es preciso organizar, analizar e in-
Nunca daremos demasiada importancia a los terpretar los datos. La estadstica ofrece
conceptos estadsticos en la administracin de cali- una manera eficiente y eficaz de obtener
dad; pero, la estadstica es esencial al implementar informacin significativa a partir de los
una filosofa de mejora continua. El uso de mto- datos, permitiendo a los administradores
dos estadsticos en la calidad data de 1903, cuando y empleados controlar y mejorar los pro-
Bell System enfrent un problema al disear su ofi- cesos.
3
cina matriz. Un suscriptor al servicio telefnico
levanta el auricular del telfono y obtiene un tono de marcacin, lo que significa que est
conectado a una lnea troncal que llega hasta la oficina matriz. La pregunta era: "Cuntas
lneas de este tipo se necesitan?" En teora, todos los suscriptores podran usar el telfono al
Captulo 11 Pensamiento estadstico y aplicaciones
PERFILES DE LA CALIDAD
GRANITEROCK (OMPANY Y BRANCH-SMITH PRINTING DIVISION
Fundada en 1900, Graniterock produce agregados de
roca, arena y grava; concreto premezclado; asfalto;
tratamientos para caminos, y material de base reci-
clado para caminos. Adems, es detallista de materia-
les de construccin hechos por otros fabricantes y
maneja una operacin de pavimentacin de carrete-
ras. Compite en un rea de seis condados, que se
extiende desde el sur de San Francisco hasta Mon-
terey. La mayora de sus principales competidores
son empresas propiedad de constructoras multina-
cionales.
Grficas de cada lnea de productos ayudan a los
directivos a evaluar el desempeo de Graniterock en
relacin con sus competidores en cuanto a los atribu-
tos clave de los productos y servicios, clasificados
segn las prioridades de los clientes. Despus de esta-
blecer los objetivos de mejora anuales, el comit ejecu-
tivo espera que las sucursales y divisiones desarrollen
planes de implementacin propios. La coordinacin
interdivisional es llevada a cabo por 10 equipos cor-
porativos de calidad que vigilan y ayudan a alinear
los esfuerzos de mejora en toda la organizacin.
Como parte del esfuerzo de Graniterock por
reducir la variabilidad en los procesos y aumentar la
confiabilidad de los productos, muchos empleados
estn capacitados en control estadstico de procesos,
anlisis de las causas de origen y otros mtodos de
aseguramiento de la calidad y solucin de problemas.
Esta capacidad del personal ayuda a la empresa a
explotar las ventajas que ofrecen las inversiones en el
equipo de proceso controlado por computadora. Su
planta fraccionadora ms nueva cuenta con un pro-
ceso controlado por computadora para mezclar lotes
de concreto permitiendo la supervisin en tiempo
real de los indicadores clave de los procesos. Con el
sistema controlado electrnicamente, que un provee-
dor dise con ayuda de Graniterock, la confiabili-
dad de diversos procesos clave han alcanzado el nivel
Six Sigma.
El hecho de aplicar el control estadstico de proce-
sos en todas las lneas de productos ha ayudado a la
empresa a reducir los costos variables y producir
materiales que superan las especificaciones de los
clientes y las normas establecidas por la industria y el
gobierno. Por ejemplo, los productos de concreto de
Graniterock superan 100 veces en forma consistente
las especificaciones de desempeo del sector indus-
trial.
541
Branch-Smith, Inc., es un negocio familiar de la
cuarta generacin. La divisin de impresiones de
Branch-Smith (BSPD) se especializa en crear materia-
les encuadernados de mltiples pginas, con servicios
que comprenden desde el diseo hasta el envo por
correo a los clientes especializados. La empresa se da
tiempo para descubrir exactamente qu nicho puede
cubrir con ms xito en el mercado ultracompetitivo
de la impresin. Consciente de que hay ms de 1 000
empresas de impresin en el mercado de Dallas/Fort
Worth, Branch-Smith utiliz un estudio del sector
industrial para determinar una base de clientes pri-
maria. Este enfoque cuidadoso basado en datos (tpico
de la forma en que opera la empresa) apuntaba hacia
los clientes con necesidades de impresin demasiado
reducidas para las empresas mayores, pero se adap-
taba bien a lo que BSPD haca mejor, ofrecer solucio-
nes expertas y aprovechar las ventajas en costos
relacionadas con las operaciones de prensa en la Web,
al tiempo que aprovecha sus capacidades para la
impresin especializada. Cada funcin de Branch-
Smith est dirigida hacia el ofrecimiento del mejor
servicio posible al cliente al costo ms bajo. Con este
fin, las bases de datos y las herramientas de software
se utilizan con frecuencia para recopilar informacin y
mejorar los procesos, que comprenden el servicio a
clientes, todas las etapas de produccin, la mejora
continua y la toma de decisiones. Una importante
herramienta llamada Quality Information Database, o
QID, guarda en un solo lugar los datos clave rela-
cionados con proveedores, oportunidades de mejo-
ra, quejas de clientes e inconformidades internas. El
Management Review Team de la empresa (responsa-
ble, entre otras cosas, de establecer y vigilar la orienta-
cin de la organizacin) usa esta informacin para
documentar y registrar el progreso. La BSPD experi-
ment un crecimiento de 72 por ciento en un periodo
de cuatro aos y mantuvo esa tasa hasta 2002, cuan-
do el sector industrial baj 6.6 por ciento. Aun cuando
BSPD es un negocio pequeo en un sector industrial
muy fragmentado, su participacin de mercado en el
rea de Dallas/Fort Worth casi se ha triplicado, au-
mentando de 0.50 por ciento en 1997 a 1.46 por ciento
en 2002.
Fuente: Malcolm Baldrige National Quality Award, Profiles ofWinners,
y el guin de video 2002 Quest for Excellence, National lnstitute of
Standards andTechnology, Departamento de Comercio.
542 Parte 3 Six Sigma y el sistema tcnico

mismo tiempo, pero, en realidad, slo un porcentaje pequeo lo hace en forma simultnea.
Los analistas recopilaron y analizaron la informacin estadstica sobre la demanda da a da,
hora por hora e identificaron los periodos de uso mximo para determinar cuntas lneas se
necesitaban para cumplir con el estndar de servicio (la probabilidad de no obtener un tono
de marcacin). En la dcada de 1920, los laboratorios Bell pensaron que las herramientas esta-
dsticas tenan aplicaciones en la fbrica, y empez a experimentar con el muestreo estads-
tico, lo que con el tiempo dio lugar al desarrollo de grficas de control. Joseph Juran particip
en la venta de esta nueva tecnologa a las fbricas, pero tuvo poco xito hasta la Segunda
Guerra Mundial, cuando el impulso por mejorar la calidad en la milicia empez con la imple-
mentacin de mtodos estadsticos en las fbricas. El resto, como dicen, es historia.
No basta con conocer las herramientas y mtodos estadsticos; es preciso entender el
papel de la estadstica en las decisiones administrativas. Los administradores necesitan pensar
estadsticamente. El pensamiento estadstico es una filosofa de aprendizaje y accin basada
en estos principios:
l . Todo el trabajo ocurre en un sistema de procesos interconectados.
2. La variacin existe en todos los procesos.
3. El entendimiento y la reduccin de la variacin son claves para el xito. 4
La comprensin de los procesos proporciona el contexto para determinar los efectos de la
variacin y el tipo apropiado de accin gerencial por emprender. Al ver el trabajo como un
proceso se pueden aplicar herramientas estadsticas para establecer procesos consistentes y
predecibles, estudiarlos y mejorarlos. Aunque la variacin existe en todas partes, muchas
decisiones de negocios no la toman en cuenta y, a menudo, los administradores confunden
sus causas comunes y especiales de variacin. Debe entenderse la naturaleza de la variacin
antes de enfocarse en reducirla.
Cualquier proceso de produccin contiene diversas fuentes de variacin, como se ilustra
en la figura 11.1. Por ejemplo, los distintos lotes de material varan en resistencia, grosor o
contenido de humedad. Las herramientas de corte tienen una variacin inherente en su resis-
tencia y composicin. Durante la manufactura, las herramientas experimentan desgaste, las
vibraciones provocan cambios en los ajustes de las mquinas y las fluctuaciones elctricas
causan variaciones en la potencia. Los operadores no colocan las partes de manera consis-
tente en sus marcos, y la presin fsica y emocional afecta la consistencia de los operadores.
Adems, los instrumentos de medicin y las capacidades de inspeccin del ser humano no
son uniformes. Incluso cuando las mediciones de distintas caractersticas con el mismo ins-
trumento son iguales, se debe a una falta de precisin en el instrumento de medicin; los
instrumentos extremadamente precisos siempre revelan ligeras diferencias.
Las interacciones complejas de estas variaciones en los materiales, herramientas, mqui-
nas, operadores y el ambiente no son fciles de entender. La variacin debido a cualquiera de
estas fuentes aparece en forma aleatoria; no es posible identificar ni explicar las fuentes indi-
viduales. Sin embargo, su efecto combinado es estable y, por lo regular, es posible predecirlo
estadsticamente. Estos factores estn presentes como parte natural de un proceso y se cono-
cen como causas comunes de la variacin. Las causas comunes son resultado del diseo del

Figura 11.1 Fuentes de variacin en un proceso de produccin

Operadores Mtodos

Materiales Instrumentos
de med icin

Herramientas Desempeo de la
inspeccin humana
Mquinas Ambiente
Captulo 11 Pensamiento estadstico y aplicaciones 543

producto y del sistema de produccin y, por lo general, representan 80 a 95 por ciento de la

variacin observada en el resultado de un proceso de produccin. Por tanto, la variacin
debido a causas comunes slo se puede reducir rediseando el producto o proporcionando
mejor tecnologa o entrenamiento y capacitacin en el proceso de produccin. Por ejemplo,
Wilson Sporting reconoci que pequeas irregularidades en las pelotas de golf podran dar
lugar a que el centro ms pesado de las pelotas quedara descentrado, dando como resultado pe-
lotas que no ruedan en lnea recta, con hasta una de cada 12 pelotas de alto nivel con este pro-
blema. Para solucionarlo, Wilson introdujo un nuevo diseo de pelota, la pelota True, con un
centro ms ligero y una cubierta ms pesada. 5 Como ejemplo de la variacin debido a causas
comunes en un proceso, suponga que es preciso cortar unas tablas con una longitud exacta de
137.5 centmetros. Si al trabajador slo se le da un serrucho, una mesa y una regla de 30 cen-
tmetros, ser casi imposible para l cortar tablas de esta longitud con una precisin consis-
tente, y existir una cantidad importante de variacin medible. Sin embargo, suponga que
estn disponibles una cinta mtrica metlica de 150 centmetros, un soporte para las tablas y
una sierra elctrica, y que los obreros son entrenados para usarlos en forma apropiada. Es evi-
dente que la produccin con este sistema tendr menor variabilidad y una calidad ms con-
sistente.
La variacin restante en un proceso de produccin es el resultado de causas especiales,
conocidas a menudo como causas asignables de la variacin. Las causas especiales surgen de
fuentes externas que no son inherentes al proceso; aparecen de manera espordica e inte-
rrumpen el patrn aleatorio de las causas comunes; por tanto, suelen detectarse con facilidad
utilizando mtodos estadsticos, y casi siempre su correccin resulta econmica. Por ejemplo,
el cortador de tablas puede ser distrado por un supervisor y marcar las tablas de manera
incorrecta antes de cortarlas, dando como resultado varias piezas posiblemente de 2.5 cent-
metros ms cortas. Los factores comunes que dan lugar a las causas especiales constituyen
un mal lote de material de un proveedor, el opera-
dor sustituto de una mquina mal entrenado, una
Un sistema gobernado slo por causas herramienta rota o desgastada o instrumentos de
comunes se llama sistema estable. Es
esencial entender un sistema estable y las medicin mal calibrados. La variacin inusual que
diferencias entre las causas especiales y resulta de este tipo de incidentes aislados se puede
comunes de la variacin para administrar explicar o corregir.
cualquier sistema. Entre algunos de los problemas operativos que
surgen por la variacin se incluyen los siguientes:6

La variacin aumenta la impredecibilidad. Si no entendemos la variacin de un sistema, no

podemos predecir su desempeo futuro.
La variacin reduce el uso de la capacidad. Si un proceso tiene poca variabilidad, los admi-
nistradores pueden aumentar la carga en el proceso porque no tienen que incorporar la
penuria en sus planes de produccin.
La variacin contribuye a un efecto "ltigo". Este conocido fenmeno ocurre en las cadenas
de abastecimiento; cuando ocurren cambios menores en la demanda, la variacin en la
produccin y niveles de inventario se amplifica cada vez ms hacia los productos en los
centros de distribucin, fbricas y proveedores, dando como resultado costos innecesa-
rios y dificultades al manejar el flujo de material.
La variacin dificulta encontrar las causas de origen. La variacin en los procesos hace dif-
cil determinar si los problemas se deben a factores externos, como la materia prima, o si
residen en los mismos procesos.
La variacin dificulta la deteccin oportuna de los problemas potenciales. La variacin inusual
es seal de que existen problemas; si un proceso tiene poca variacin inherente es ms
fcil detectar cuando ocurre realmente un problema.

La administracin puede cometer dos errores fundamentales al tratar de mejorar un

proceso:
l. Tratar como causa especial cualquier falla, queja, error, descompostura, accidente o
escasez cuando en realidad se debe a causas comunes.
544 Parte 3 Six Sigma y el sistema tcnico

2. Atribuir a las causas comunes cualquier falla, queja, error, descompostura, accidente o
escasez cuando en realidad se debe a una causa especial.
En el primer caso, el manejo de un sistema estable puede aumentar la variacin en el sistema;
en el segundo, la oportunidad de reducir la variacin se pierde debido a que se piensa err-
neamente que la cantidad de variacin es incontrolable.
Con cunta frecuencia los administradores toman decisiones con base en uno o dos
puntos de datos, observando tendencias donde no existen o manipulando cifras financieras
que en realidad no pueden controlar? La falta de un uso amplio y sostenido del pensamiento
estadstico en muchas organizaciones se debe a dos razones? En primer lugar, por tradicin,
los estadgrafos han funcionado como solucionadores de problemas en la manufactu-
ra, investigacin y desarrollo y, por tanto, se enfocaban hacia los clientes individuales ms
que hacia las organizaciones; en segundo, los estadgrafos se concentraban, sobre todo, en
los aspectos tcnicos de la estadstica en lugar de dar mayor importancia a la definicin de los
procesos, la medicin, el control y la mejora (actividades clave que inciden en la utilidad).
La alta direccin necesita dominar el uso del pensamiento estadstico al definir la estra-
tegia y los objetivos del enfoque, comunicar de manera clara y consistente los beneficios y
resultados, proporcionar los recursos necesarios, dirigir a los dems y reconocer y premiar
el comportamiento deseado. Para ayudar a los administradores a trabajar de esta forma,
muchas organizaciones crean grupos medulares de profesionistas altamente capacitados que
tienen habilidades en las herramientas del pensamiento estadstico y que pueden ayudar a
otros a usarlas con eficacia. Esta tarea requiere de un ambiente que conduzca al aprendizaje
de conductas y conceptos nuevos.
El pensamiento estadstico se puede aplicar en todos los niveles de una organizacin;8 al
nivel organizacional, ayuda a los ejecutivos a entender el sistema de negocios y sus procesos
de alto impacto, utilizar los datos de toda una organizacin para evaluar el desempeo, desa-
rrollar sistemas de medicin tiles y motivar a los empleados a que experimenten para mejo-
rar su trabajo; al nivel de procesos, puede motivar a los administradores a desarrollar y
evaluar los sistemas estandarizados de administracin de proyectos, establecer objetivos rea-
listas, mantener mejor informados a los empleados y concentrarse en el proceso sin culpar a
los empleados por la variacin; por ltimo, al nivel individual o personal, el pensamiento
estadstico ayuda a los empleados a conocer la variacin, analizar mejor los datos del trabajo
e identificar medidas importantes y las oportunidades de mejora. Por tanto, todos los directi-
vos y empleados pueden beneficiarse con el pensamiento estadstico y utilizar las herramien-
tas de calidad total. La tecnologa, en forma de poderosas PC actuales y software amigable
con el usuario para el anlisis y visualizacin de datos, como Microsoft Excel y otros paque-
tes de hoja de clculo, facilitan en gran medida la capacidad de utilizar la estadstica y las
herramientas de calidad en el trabajo diario.

Los experimentos de Deming con cuentas rojas y el embudo 9

El pensamiento estadstico se encuentra en el centro de la filosofa Deming y sus principios de
conocimiento profundo (vase el captulo 3). Frank H. Squires, conocido experto en calidad,
dio a W. Edwards Deming el crdito de mantener la estadstica al frente del movimiento para
mejorar la calidad en todo el mundo. Squires afirma:

El triunfo de la estadstica es el triunfo del doctor Deming. Mientras otros han claudi-
cado o han sido tibios en su apoyo a la estadstica, el doctor Deming ha permanecido
firme en su conviccin de que la estadstica est en el centro del control de calidad.
De hecho, va ms all y coloca los principios estadsticos en el corazn de todo el pro-
ceso de produccin. 10

En sus seminarios de cuatro das sobre administracin, Deming utilizaba dos experimen-
tos sencillos, aunque poderosos, para educar a su pblico en cuanto al pensamiento estads-
tico. El primero es el experimento de las "cuentas rojas", que se realiza como sigue. Un
supervisor (casi siempre Deming) selecciona varios voluntarios del pblico: seis trabajadores
Captulo 11 Pensamiento estadstico y aplicaciones 545

dispuestos, un registrador, dos inspectores y un inspector en jefe. El material para el experi-

mento incluye 4 000 cuentas de madera o canicas (800 rojas y 3 200 blancas) y dos cajas de
plstico, una un poco ms pequea que la otra. Asimismo, se utiliza una paleta rectangular
de madera con 50 orificios o depresiones para contener 50 cuentas, que es la carga de trabajo
prescrita. En este experimento, la empresa "produce" cuentas de rosario para un cliente
nuevo que slo necesita cuentas blancas y no aceptar cuentas rojas. El supervisor explica
que todos sern aprendices durante tres das para aprender a hacer el trabajo. Durante el
aprendizaje, los trabajadores pueden hacer preguntas. Sin embargo, una vez que empieza la
produccin, no se permiten preguntas. Los procedimientos son rgidos; no se permiten cam-
bios con el fin de que no ocurra ninguna variacin en el desempeo. El supervisor explica a los
trabajadores dispuestos que sus trabajos dependen de su desempeo y que, si son despedi-
dos, muchos otros estarn dispuestos a reemplazarlos. Adems, no estn permitidas las renuncias.
La norma de trabajo de la empresa, explica el supervisor, es de 50 cuentas al da. El proceso
de produccin es sencillo: mezclar la materia prima y verterla en la caja ms pequea. Repetir
este procedimiento, regresar las cuentas de la caja pequea a la grande. Tomar la paleta y
meterla en la mezcla de cuentas. Elevar la base en un ngulo de 44 grados, de modo que en
cada una de las depresiones se detenga una cuenta. Los dos inspectores cuentan las cuentas
en forma independiente y registran sus resultados. El inspector en jefe revisa los registros y
anuncia los resultados, que anota el registrador. Luego, el inspector en jefe despide al obrero.
Cuando los seis trabajadores dispuestos producen la cuota del da, el supervisor evala los
resultados.
La figura 11.2 muestra los resultados de la produccin del primer da generada con el soft-
ware Quality Gamebox de simulacin por computadora. El supervisor queda desilusionado.
Recuerda a los trabajadores dispuestos que su trabajo consiste en hacer bolas blancas, no
rojas. La empresa trabaja con un sistema de mritos, y slo premia el buen desempeo. Marty
slo produjo siete bolas rojas y merece un aumento de sueldo. Los datos no mienten; l es el
mejor trabajador. Dennis fabric 14 cuentas rojas. A todos les agrada, pero debe pasar por un
periodo de prueba. El supervisor anuncia que los directivos han establecido el objetivo de no
ms de siete cuentas rojas al da por trabajador, y no ve ninguna razn por la que no todos
puedan ser tan eficientes como Marty.

Figura 11.2 Produccin del primer da (la paleta muestra el resultado de la ltima trabajadora dispuesta, Ann)

Bead Box
Qu ality Gamebox
PQ Systems, lnc.

Porcentaje de bolas rojas = 20

Cuentas
Jugador
Jeff
Rondas
1
rojas
10 0 2bO o ee oooo e oo
Dave
Tom
1
1
11
11
0.220
0. 220 oooooooo e o
Dennis 1 14 0 .280 0000000000
Marty
Ann
1
1
7
11
0 .140
0.220 e oo e ooo e oo
o e o ee oooo e
Estadsticas
pbar = 0 .21
UCL = 0.39 LCL = 0.04
p- p-chart , <Enter> - continue
-
UCL = LSC lmite superior de control
LCL = LIC lmite inferior de control
546 Parte 3 Six Sigma y el sistema tcnico

Figura 11.3 Resultados acumulados del segundo da

Bead Box
Quality Gamebox
PQ Systems, lnc.

Porcentaje de cuentas rojas = 20

Cuentas
e o e ooooooo
Jugador Rondas
Jeff 2
rojas
23
p
0.230 e o e oooeooo
Oave
Tom
2
2
24
20
0.240
0.200 oeoooeoeoo
Dennis 2 21 0.2 10 0000000000
Marty
Ann
2
2
17
23
0.170
0.230 oooeoooeoe
Estadsticas
pbar = 0.2 1
UCL = 0.39 LCL = 0.04 -
p- p-chart, <Enter> - continue

UCL = LSC limite superior de control

LCL = LIC limite inferior de control

En la figura 11.3 se muestran los resultados acumulados para el segundo da. Observe
que, despus de dos das, Jeff ha producido 23 cuentas rojas; Dave 24; Tom 20; Dennis 21;
Marty 17, y Ann 23. (Los resultados del segundo da se calculan restando: Jeff produce 13
cuentas; Dave 13; Tom 9; Dermis 7; Marty 10, y Arm 12.) El desempeo general no fue bueno.
Los directivos vigilan con detenimiento. El supervisor les recuerda una vez ms que sus tra-
bajos dependen del desempeo. Marty es una gran desilusin. Es obvio que el xito se le
subi a la cabeza. El supervisor le llama la atencin frente a los dems. Por otra parte, Dennis
mostr una mejora notoria; las pruebas y el peligro de perder su trabajo lo convirtieron en un
mejor trabajador (slo siete cuentas rojas) 50 por ciento menos defectos! Cumpli el objetivo;
si l puede hacerlo, los dems tambin. El gerente de la planta encomienda a Dermis un tra-
bajo especial.
Al principio del tercer da, la administracin anuncia un da de cero defectos. Todos
darn lo mejor de s en el ltimo da del programa de aprendizaje. El supervisor est deses-
perado y una vez ms dice a los trabajadores dispuestos que su trabajo es su propia res-
ponsabilidad. En la figura 11.4, las cifras de produccin se pueden determinar (calculando
la diferencia entre la produccin acumulada de los das 3 y 2) y demostrar que Jeff produce
12 cuentas rojas; Dave 18; Tom 17; Dennis 9; Marty 6, y Ann 11. Es evidente que Marty
aprendi una leccin el da anterior, pero el desempeo general del grupo no es bueno. Los
directivos estn a disgusto con los resultados. El programa del da de cero defectos no
mejor la calidad de manera significativa; de hecho, este da se produjeron ms cuentas
rojas que nunca. Los costos se salen de control, y se habla de cerrar la planta. Dave y Tom
reciben papeletas rosas donde se les informa que maana ser su ltimo da; es evidente
que su trabajo es peor que el de los dems. Pero el supervisor es optimista y coloca un car-
tel que dice: "S un trabajador de calidad!" para motivar a los dems para que alcancen la
meta.
El cuarto da (vase la figura 11.5) se tiene que el nmero de cuentas rojas que produjeron
los seis trabajadores dispuestos es 8, 11, 8, 9, 8 y 9. La produccin todava no es muy eficiente.
El supervisor anuncia que los directivos decidieron cerrar la planta.
Captulo 11 Pensamiento estad stico y aplicaciones 547

Figura 11 .4 Resultados acumulados del tercer da

Bead Box
Quality Gamebox
PQ Systems, lnc.

Porcentaje de bolas rojas = 20

Cuentas
Jugador Rondas rojas p
Jeff 3 35 0.233 ooooooooo e
Oave
Tom
3
3
42
37
0.280
0. 247 oo e ooooo e o
Dennis 3 30 0.200
oooo e ooo e o
Marty
An n
3
3
23
32
0.153
0.21 3 e ooooooooo
o ee oooooo e
Estadsticas
pbar = 0.22
UCL = 0.40 LCL = 0.05
p - p-chart, <Enter>- continu e
-
UCL = LSC lmite supe rior de control
LCL = LIC limite inferior de control

El experimento de las cuentas rojas ofrece varias lecciones importantes a los directivos:
Existe la variacin en los sistemas y, si son estables, se pueden proyectar. Si se grafica la frac-
cin de las cuentas rojas que produce cada trabajador al da, se observa esta variacin
con facilidad . La figura 11.6 es un diagrama de la fraccin de cuentas rojas produci-
das con el tiempo. Todos los puntos fluctan alrededor del promedio general, que es
0.2t cayendo casi entre 0.10 y 0.40. En el captulo 14 aprenderemos a calcular los lmites
estadsticos de la variacin (0.04 y 0.38), lmites dentro de los cuales podramos esperar que
bajaran los resultados de un sistema estable. Esta variacin demuestra que el sistema de
produccin es de hecho estable; es decir, la variacin surge de causas comunes. Aunque

Figura 11.5 Resultados acumulados del cuarto da

Bead Box
Quality Gamebox
PQ Systems, ln c.

Porcentaje de c uentas rojas = 20

Cuentas
Jugador Rondas
Jeff 4
rojas
43
p
0.215 ooo e oooooo
Dave 4 53 0.265 0000000000
Tom
Dennis
4
4
45
39
0.225
0.195 ooooooo ee o
Marty 4 31 0.155 ee ooo ee oo e
Ann 4 41 0.205
ooo e oooooo
Estadsticas
pbar = 0.21
UCL = 0.38 LCL = 0.04
p - p-chart, <Enter> - continue
UCL = LSC lm1te supenor de control
LCL = LIC lmite inferior de control
548 Parte 3 Six Sigma y el sistema tcnico

Figura 11.6 Grfica mvil de la fraccin de cuentas rojas producidas

Fraccin
de cuentas
rojas
0.40

0.35

0.30

0.25
Umites
Promedio -+-~--"'-+--f:.__---+--+-----\---*--4.-------- estadsticos de
0.20 la variacin

0.15

0.10

0.05

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
J O T O M A J O T O M A J O T O M A J O T O M A

Da 1 Da 2 Da 3 Da 4

no es posible proyectar el nmero exacto de cuentas rojas en una paleta en particular, se

puede describir estadsticamente lo que se espera del sistema.
Toda la variacin en la produccin de cuentas rojas y la variacin da a da de un trabajador dis-
puesto provienen del proceso mismo. En este experimento, Deming elimin en forma deli-
berada el origen de la variabilidad que los directivos casi siempre consideran la ms
significativa: las personas. Cada trabajador era bsicamente idntico, y no haba nin-
guna evidencia que demostrara que alguno de ellos fuera mejor que otro. No podan
controlar el nmero de cuentas rojas producidas, y no podan trabajar mejor de lo que
les permita el sistema. Ninguna motivacin ni amenaza influa en ellos. Por desgracia,
muchos directivos creen que el total de la variacin se puede controlar y culpan a quie-
nes no pueden hacer nada al respecto.
Las metas numricas a menudo no tienen ningn significado. Un supervisor que ofrece pagos
por mritos y pone a las personas a prueba, supuestamente premiando y castigando el
desempeo, en realidad premia o castiga el desempeo del proceso, no el de los traba-
jadores dispuestos. Clasificar o evaluar a las personas en forma arbitraria es desmorali-
zada, sobre todo cuando los trabajadores no tienen ninguna influencia en los resultados.
No importa cul sea la meta, no tiene ningn efecto en el nmero real de cuentas rojas
producidas. Exhortar a los trabajadores a "dar lo mejor de s" slo da lugar a la frustra-
cin. Los directivos no tienen ninguna base para suponer que los mejores trabajadores
dispuestos del pasado sern los mejores en el futuro .
Los directivos son responsables del sistema. El experimento demuestra mala direccin. Los
procedimientos son rgidos. Los trabajadores dispuestos no tienen nada que opinar para
Captulo 11 Pensamiento estadstico y aplicaciones 549

mejorar el proceso. La direccin es responsable del material que llega, pero no trabaja
con el proveedor con el fin de mejorar los insumas para el sistema. La direccin dise
el sistema de produccin y decidi depender de la inspeccin para controlar el proceso.
Estas decisiones tienen mucha ms influencia en los resultados que los esfuerzos de los
trabajadores. Tres inspectores quiz son tan costosos como seis trabajadores, y prctica-
mente no agregan ningn valor a la produccin.

El segundo experimento de Deming es el experimento del "embudo". Su propsito es

demostrar que la gente afecta los resultados de muchos procesos y crea una variacin no
deseada al "experimentar" con el proceso, o tratar de eliminar las causas comunes de la varia-
cin en forma indiscriminada. En este experimento se sostiene un embudo sobre una mesa
con un blanco dibujado en un mantel. El objetivo es acertarle al blanco. Los participantes
dejan caer una canica a travs del embudo y marcan el lugar donde la canica cae. En raras oca-
siones, la canica dar en el blanco. Esta variacin se debe a causas comunes del proceso. Una
estrategia consiste simplemente en dejar el embudo solo, lo que da lugar a cierta variacin de
los puntos alrededor del blanco. A sta se le puede llamar Regla 1. Sin embargo, muchas per-
sonas creen que pueden mejorar los resultados al ajustar la ubicacin del embudo. Tres reglas
posibles para ajustar su ubicacin son:

Regla 2. Medir la desviacin del punto en que la canica queda en reposo hasta el blanco.
Mover el embudo una distancia equivalente en direccin opuesta a su posicin actual
[figura 11.7(a)].
Regla 3. Medir la desviacin del punto en que la canica queda en reposo hasta el blanco.
Colocar el embudo a una distancia igual en direccin opuesta del error desde el blan-
co [figura 11.7(b)].
Regla 4. Colocar el embudo sobre el punto en que la canica dej de moverse.

La figura 11.8 muestra una simulacin por computadora de estas estrategias utilizando el
Quality Gamebox. Es evidente que la primera regla (dejar solo el embudo) da como resultado
la menor variacin.
Las personas utilizan constantemente estas reglas de manera inadecuada provocando
mayor variacin de la que ocurrira normalmente. Un golfista amateur que realiza un mal tiro
suele hacer de inmediato un ajuste. Si la ltima parte se fabric fuera de las especificaciones,
se ajusta la mquina. Si el programa no se cumpli el mes pasado, cmbiese el proceso. Si el
informe de los ingresos del trimestre pasado fue menor al esperado, reduzca las existencias.
Si el desempeo de un empleado la semana pasada fue inferior al promedio (o excepcional),
castguelo (o prmielo). En todos estos casos, el error casi siempre est compuesto por una
reaccin inapropiada. Todas estas polticas se derivan de una falta de entendimiento de la
variacin, que se origina de la falta de entendimiento del proceso.

Figura 11.7 Dos reglas para ajustar el embudo

Posicin
actual Posicin

,' X ,'
,.--.. ~-
X__......-
~ --------- Blanco ',~.~Bl anco
Canica
Canica

(a) Regla 2 (b) Regla 3

550 Parte 3 Six Sigma y el sistema tcnico

Figura 11.8 Resultados del experimento del embudo

Regla 1 Regla 2

Blanco ~
.... B lanco ~ & ,

. ... ' .
l-.~-
,......
... .
1

Regla3 Regla 4

... ....."1 .,.

~~ ~ ......ft.
Blanco
....
. ~

Blanco \) '~

FUNDAMENTOS ESTADSTICOS
Para aplicar la estadstica de manera apropiada, se necesita un entendimiento bsico de las
distribuciones de probabilidad y el muestreo. Esta seccin se concentra en estos conceptos.

Variables aleatorias y distribuciones de probabilidad

Las variables aleatorias y distribuciones de probabilidad constituyen la base para entender
los mtodos estadsticos. El conjunto de resultados colectivamente exhaustivos de un experi-
mento forma un espacio muestral. Una funcin matemtica que asigna valores numricos a
todos los resultados posibles en un espacio muestra! se conoce como variable aleatoria. sta
puede ser discreta o continua, dependiendo de los valores numricos especficos que tome.
Una variable aleatoria discreta slo acepta valores finitos; un ejemplo sera el nmero de defec-
tos observados en una muestra. Una variable aleatoria continua acepta cualquier valor real
sobre un intervalo especfico de nmeros reales; un ejemplo seran los dimetros de los bali-
nes que se fabrican en una planta. Desde luego, los valores reales observados para la variable
estn limitados por la precisin del dispositivo de medicin. Por tanto, slo ocurrira un
nmero finito de observaciones reales. En teora, este resultado seguira siendo una variable
aleatoria continua. Las variables aleatorias son el componente clave utilizado en el desarrollo
de distribuciones de probabilidad.
Una distribucin de probabilidad representa un modelo terico de la frecuencia relativa
de una variable aleatoria. La relacin entre las distribuciones de probabilidad con las varia-
bles aleatorias que representan permite una clasificacin de las distribuciones, ya sea como
discretas o continuas. El archivo de material adicional en el CD contiene un repaso de las dis-
tribuciones de probabilidad ms utilizadas en aplicaciones de calidad. Sin duda, est fami-
liarizado con la distribucin normal y su uso como una suposicin comn en los modelos
estadsticos. Por desgracia, la mayora de los procesos de negocios no producen distribucio-
nes normalesY La falta de una distribucin normal a menudo es resultado de la tendencia a
controlar los procesos en forma estrecha, lo que elimina muchas fuentes de variacin natural,