Tiempos de espera y la capacidad del proceso de

Starbucks

Julio Cesar Esquivel Rhenals

Departamento de Matematicas y Estadsticas

Universidad de Cordoba

29 de octubre de 2014

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 1 / 12

 Aplicacion de la Distribucion Gamma

La distribucion Gamma

Es una distribucion adecuada para modelizar el comportamiento de

variables aleatorias continuas con asimetra positiva. Es decir, varia-
bles que presentan una mayor densidad de sucesos a la izquierda de la
media, que a la derecha. En su expresion se encuentran dos parame-
tros siempre positivos, y de los que depende su forma y alcance
por la derecha, y tambien la funcion Gamma (), responsable de la
convergencia de la distribucion.

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 2 / 12

 Aplicacion de la Distribucion Gamma

Los parametros de la distribucion

1. El primer parametro situa la maxima intensidad de

probabilidad, denominado la forma de la distribucion.

2. El segundo parametro es el que determina la forma o alcance

de esta asimetra positiva, desplazando la densidad de
probabilidad en la cola de la derecha.

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 3 / 12

 Aplicacion de la Distribucion Gamma

Ventajas

La distribucion Gamma es una distribucion flexible para modelizar las

formas de la asimetra positiva, de las mas concentradas y puntiagudas,
a las mas dispersas y achatadas. Como ejemplos de variables que se
comportan as:
a) Numero de individuos involucrados en accidentes de trafico en el
area urbana.
b) Altura a la que se inician las precipitaciones.
c) Tiempo o espacio necesarios para observar X sucesos que siguen
una distribucion de Poisson.
d) Distribucion de la finura de fibras de lana.

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 4 / 12

 Aplicacion de la Distribucion Gamma

Inconvenientes

Se pueden presentar algunos problemas en la complejidad de calculos,

especialmente respecto a la funcion Gamma cuando el parametro es
un valor no entero. Tambien problemas de calculo en la estimacion de
los parametros muestrales. Ambos inconvenientes se pueden abordar
satisfactoriamente con ayuda del ordenador.

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 5 / 12

 Aplicacion de la Distribucion Gamma

Tiempos de espera y la capacidad del proceso de

Starbucks

Si esta en la fila para un comprar un cafe en la tienda local de

Starbucks, un analisis realizado por estudiantes de posgrado en la
Universidad de Rutgers sugiere que la probabilidad de esperar mas de
cinco minutos por un triple grande de vainilla, caliente y sin azucar,
una bomba calorica moca, un mediano de soya y un latte mediano
descremado con latigo es muy alta.

Brandon Theiss y Matthew Brown utilizaron un proyecto de ingeniera

de confiabilidad para combinar su pasion por el cafe de Starbucks y por
la recoleccion y el analisis de datos con Minitab Statistical Software.

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 6 / 12

 Aplicacion de la Distribucion Gamma

Cuando los clientes visitan una tienda Starbucks, esperan una ex-
periencia consistente en lo que respecta a las bebidas y el tiempo
de espera necesario para recibirlas. El equipo definio que para
satisfacer las expectativas del cliente, este deba recibir su bebida
en menos de 5 minutos. Entonces, para saber si la experiencia
nacional de Starbucks se repetira en tiendas Starbucks selecciona-
das arbitrariamente, Theiss y Brown eligieron dos establecimientos
Starbucks de Nueva Jersey, uno de Marlboro y otro de New Brunswick.

Brown recolecto datos en la tienda de Marlboro durante tres horas,

mientras que Theiss permanecio en la tienda de New Brunswick cuatro
horas. Cada uno preparo una computadora portatil y utilizo una simple
aplicacion de cronometro para registrar la llegada de los clientes y los
tiempos de espera en Excel.

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 7 / 12

 Aplicacion de la Distribucion Gamma

Figura: Base de Datos

Despues de recolectar sus datos, utilizaron Minitab para analizarlos.

Sometieron la frecuencia con la que los clientes llegaban a la tienda
a una prueba de bondad de ajuste para la distribucion de Poisson. En
teora, las llegadas con distribucion de Poisson tpicamente presentan
tiempos de espera con distribucion gamma.
Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 8 / 12
 Aplicacion de la Distribucion Gamma

El analisis de la capacidad del proceso para las 94 mediciones de tiempo

de espera recogidas de los datos de Marlboro tuvo un valor de Ppk
muy bajo, lo que denota un proceso que no es capaz de cumplir con el
lmite de especificacion superior de 5 minutos. El analisis de los datos
de Marlboro implica que de cada 1,000,000 de clientes que entren, un
total de 127,306 no recibira su bebida en menos de 5 minutos.

Figura: Marlboro
Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 9 / 12
 Aplicacion de la Distribucion Gamma

El analisis de las 198 mediciones de tiempo de espera tomadas en la

tienda de New Brunswick tuvo un Ppk de 0.13 para el modelo gamma,
lo que tambien denota proceso que no es capaz. El valor de PPM
implica que mas de 1 de cada 4 clientes tendra que esperar mas de lo
previsto para recibir su bebida.

Figura: New Brunswick

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 10 / 12

 Aplicacion de la Distribucion Gamma

A continuacion, el equipo evaluo si exista una diferencia estadstica-

mente significativa entre los tiempos de espera en las dos ubicaciones.
Dado que contaban con suficiente evidencia para creer que las distri-
buciones subyacentes eran no normales, Brown y Theiss utilizaron una
prueba de comparacion de Kruskal-Wallis, que no presupone que los
datos estan distribuidos normalmente.

El valor p bajo de la prueba de Kruskal-Wallis indico que haba una di-

ferencia significativa entre los tiempos de espera en las dos ubicaciones,
siendo New Brunswick la tienda con las esperas mas prolongadas.

Julio Cesar Esquivel Rhenals Metodologa Estadstica 29 de octubre de 2014 11 / 12