Starbucks: Estudio de los Tiempos de Espera -

Estudiantes evalúan los tiempos de espera y la capacidad del proceso de Starbucks

Si está en la fila para un comprar un café en la tienda local de Starbucks, un análisis realizado por estudiantes de posgrado en la Universidad de Rutgers sugiere que la probabilidad de esperar más de cinco minutos por un triple grande de vainilla, caliente y sin azúcar, una bomba calórica moca, un mediano de soya y un latte mediano descremado con látigo, es muy alta.

Brandon Theiss y Matthew Brown utilizaron un proyecto de ingeniería de confiabilidad para combinar su pasión por el café de Starbucks y por la recolección y el análisis de datos con Minitab Statistical Software.

Theiss se basó en su experiencia de trabajo para la preparación del estudio. Actualmente se desempeña como ingeniero industrial principal en Medtronic, luego de fungir como Master Black Belt en American Standard Brands y como ingeniero de sistemas en Johnson Scale Company. En 2010, la American Society for Quality lo seleccionó como uno de sus 40 mejores líderes en calidad menores de 40 años.

“Prácticamente cualquier cosa se puede caracterizar como un proceso y medir”, afirma Theiss. “Una vez que se tienen los datos, se puede utilizar una herramienta como Minitab para sacar conclusiones y, muy probablemente, mejorar el proceso. Personalmente me encanta Minitab y lo uso a diario; creo que es, por un amplio margen, el mejor software de la industria”.

Muchos de sus compañeros simplemente se limitaron a analizar datos existentes, pero Theiss tenía una motivación personal para recolectar datos del mundo real. “Seleccioné a Starbucks para el estudio porque sinceramente soy un adicto”, admite. “Sin embargo, ir a Starbucks es una experiencia muy común, así que es algo con lo que todo el mundo puede relacionarse”.

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

Brown recolectó datos en la tienda de Marlboro durante tres horas, mientras que Theiss permaneció en la tienda de New Brunswick cuatro horas. Cada uno preparó una computadora portátil y utilizó una simple aplicación de cronómetro para registrar la llegada de los clientes y los tiempos de espera en Excel. La cultura de “café público” de Starbucks permitió recopilar los datos sin llamar la atención. “Estoy tanto tiempo en el Starbucks de New Brunswick que ya me ven como si fuera un mueble, así que pasé desapercibido”, comenta Theiss. “Creo que Matt sí recibió varias miradas extrañas”.

Después de recolectar sus datos (Conjuntos de datos (Inglés) 4 KB), 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 distribución de Poisson. En teoría, las llegadas con distribución de Poisson típicamente presentan tiempos de espera con distribución gamma. Posteriormente el equipo evaluó qué tan bien sus datos de tiempo de espera se ajustaban a las distribuciones normal, gamma y de Weibull, tanto para validar la hipótesis teórica como para considerar la posible confusión creada por el proceso de elaboración de bebidas.

Una vez que confirmaron la distribución del tiempo de espera, el equipo realizó un análisis de la capacidad del proceso para cada tienda, corrigiendo el sesgo de los datos debido al pequeño tamaño de la muestra. Finalmente, utilizaron gráficas de control de valores individuales y rangos móviles (I-MR) para evaluar si el proceso de entrega de las bebidas estaba bajo control estadístico.

El análisis 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 límite de especificación superior de 5 minutos. Otro estadístico interesante en este análisis es el valor de PPM. El análisis de los datos de Marlboro implica que de cada 1,000,000 de clientes que entren, un total de 127,306 no recibirá su bebida en menos de 5 minutos.

El análisis 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 también denota proceso que no es capaz. El valor de PPM implica que más de 1 de cada 4 clientes tendrá que esperar más de lo previsto para recibir su bebida.

A continuación, el equipo evaluó si existía una diferencia estadísticamente significativa entre los tiempos de espera en las dos ubicaciones. Dado que contaban con suficiente evidencia para creer que las distribuciones subyacentes eran no normales, Brown y Theiss utilizaron una prueba de comparación de Kruskal-Wallis, que no presupone que los datos están distribuidos normalmente. El valor p bajo de la prueba de Kruskal-Wallis indicó que había una diferencia significativa entre los tiempos de espera en las dos ubicaciones, siendo New Brunswick la tienda con las esperas más prolongadas. El conjunto de datos respalda la conclusión de que la tienda visitada tiene un efecto significativo sobre el tiempo que el cliente esperará por su bebida, observándose que ninguno de los establecimientos cumplió con el tiempo de espera máximo esperado de 5 minutos.

Por supuesto, aclara Theiss, este estudio tiene muchas limitaciones. “Nuestro conjunto de datos era pequeño y estaba lejos de ser completo”, señala. “Tanto los datos de New Brunswick como los de Marlboro se recogieron durante un período bastante corto, en un solo día. Un análisis más completo incluiría una larga ventana de recolección de datos, que pueda permitir que el modelo incluya factores tales como la hora del día, el día de la semana e incluso la época del año. Además, el conjunto de datos no incluyó la cantidad ni el tipo de bebidas ordenadas, pero sería difícil recolectar estos datos sin la ayuda de Starbucks”.

Si bien el tiempo medio para recibir la bebida estuvo por debajo de cinco minutos en todos los escenarios analizados, la probabilidad de esperar más de cinco minutos aún es muy alta. Esto implica que los clientes sedientos y con ansias de cafeína están dispuestos a esperar lo que parece ser un tiempo prolongado para recibir sus bebidas. Y estos resultados ciertamente no han reducido la frecuencia de sus propias visitas a Starbucks”, dice Theiss. “Desafortunadamente, todavía voy allí varias veces al día, y hasta mantengo un trato familiar con los baristas en 3 tiendas diferentes”.

Este artículo fue publicado originalmente en MInitab.com.

Todas las marcas pertenecen a sus respectivos dueños.

Blackberry&Cross es aliado de Minitab desde 2005.

Original: Lunes 20 de Noviembre, 2017.