Capitulo 8
Capitulo 8
net/publication/372960259
CITATIONS READS
0 897
3 authors:
SEE PROFILE
All content following this page was uploaded by Aida-Yarira Reyes on 08 August 2023.
SOLUCIONES MULTIDICIPLINARIAS
PARA EL DESARROLLO REGIONAL
Con más de 20 años de experiencia docen- Desarrollo tecnológico se trató mediante abordajes de mejora con es el 6 Administración por ITCJ, Ingeniería Industrial en
Coordinadoras
Aida Yarira Reyes Escalante
Margarita Sayuri Sáenz
Todos los derechos reservados. Queda prohibida la reproducción total o parcial por
cualquier medio o procedimiento, comprendidos la reprografía, el tratamiento infor-
mático, la fotocopia o la grabación, sin la autorización por escrito de los editores.
Impreso en México / Printed in Mexico
Prólogo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9
Manuel Baro-Tijerina
Tecnológico Nacional de México
Campus Nuevo Casas Grandes
mbaro@[Link]
[Link]
Aida Yarira Reyes-Escalante
Universidad Autónoma de Ciudad Juárez,
[Link]@[Link]
[Link]
Resumen
193
1. Introducción
194
desean controlas y tras un conjunto de análisis (The Council for Six Sigma Cer-
tification, 2018). Se determina cual es la causa raíz de estas variables que fallan
y es posible implementar una mejora en el comportamiento de la variable o
bien una reducción en lo mayor posible de los defectos que conlleva la variable
que se esté analizando (Salkind, 2013). Estas herramientas pueden dividirse por
cada etapa del proceso DMAIC para una mejor comprensión y su adecuada im-
plementación, por ejemplo, la voz del cliente, los diagramas de mapeo de pro-
ceso, el diseño de experimentos, los diagramas causa raíz, entre otros
(Uluskan, 2019).
Este manuscrito presenta las fases del proceso DMAIC y su adecuada imple-
mentación para la reducción de las variables críticas, mediante el uso de las
herramientas de calidad que se definen en cada parte del proceso seis sigma
(Rahman et al., 2017). De forma, que la implementación y tipos de herramientas
que se pueden emplear en la aplicación de la metodología seis sigma se presen-
ten de forma sencilla y fácil de comprender para que la utilización de este mé-
todo pueda resultar eficiente (David Meza & Ki-Young Jeong, 2013).
2. Proceso dmaic
El proceso que utiliza la metodología seis sigma para la reducción de los des-
perdicios, o bien la eliminación de problemas en variables de tipo crítico, es el
proceso dmaic, que es definir, medir, analizar, implementar y controlar (Rodrí-
guez et al., 2022). Este proceso consiste en identificar la o las variables de tipo
crítico en referencia a la calidad y hacen que el producto, proceso o servicio,
no cumpla con los requerimientos de los clientes (Marques & Requeijo, 2009).
En cada fase de este proceso se utilizan diferentes herramientas de calidad que
incluso se catalogan por cada misma fase para garantizar el cumplimiento de
los objetivos establecidos, esto es, disminuir lo mayor posible la variable crítica
seleccionada (tabla 1) (Garza et al., 2016).
195
196
Mapa de Proceso
Despliegue de la Función de Calidad (QFD)
Modelo Kano
Diagrama Matricial
Benchmarking
SIPOC
El mapeo de proceso es una ilustración gráfica de sus etapas, las cuales no iden-
tifican la dinámica de un proceso puesto que son estáticas (Monika & Jan, 2013).
Además, el mapeo de procesos es de tipo cualitativo y existen diferentes usos
para esta herramienta (Navarro Albert et al., 2017). El mapeo de procesos pro-
porciona una visión general de todos los procesos, de modo que el funciona-
miento básico de una empresa puede observarse en éstos, sin tener que entrar
en detalles técnicos tan profundos, lo que permite una generalización de la
elaboración del producto o prestación del servicio (Simion, 2021). El mapa de
procesos se centra en representar clasificaciones, relaciones y dependencias
entre procesos singulares (Poels et al., 2020). Estos aspectos generalmente se
muestran como una representación visual que sirve como medio de comunica-
ción básica y para una mayor comprensión de los procesos comerciales actua-
les (Price Waterhouse Coopers, 2017).
197
198
199
c. Modelo Kano
200
requerimientos disfuncionales
No me gusta, No me
Es
Me gustaría Indiferente pero lo gusta y no lo
fundamental
acepto acepto
Me gustaría
requerimientos funcionales
Es
fundamental
Indiferente
No me gusta,
pero lo
acepto
No me
gusta y no lo
acepto
d. Diagrama Matricial
201
Efectividad en el
costo
Alta
calidad
Valor para el
accionista
e. Diagrama sipoc
202
203
Prueba de Normalidad
Muestreo
Distribuciones
FMEA
El Índice de Capacidad de Proceso (icp) está formulado de manera tal que éste
mide las veces que la desviación estándar del proceso está dentro de los límites
de especificación del cliente. Por otro lado, cuando se cumple que un proceso
es normal y éste se encuentra bajo control estadístico, entonces la caracterís-
tica de calidad a medir de los elementos fabricados, se espera que se encuentre
entre 99.73 por ciento. Por tanto, si es menor (o mayor) que el intervalo de las
tolerancias a cumplir, se tiene:
…………………………………….. [1]
Por otro lado, el índice se conoce como índice de capacidad real del proceso;
es considerado una versión corregida del que sí toma en cuenta el centrado del
proceso.
Los indicadores de desempeño kpis miden las estrategias y las actividades que
garanticen el éxito en la implementación de proceso. Estos indicadores reflejan
qué tan bien están los indicadores más importantes de una empresa (Klimai-
tienė & Rudžionienė, 2020). La formulación de estos indicadores requiere un
conjunto de pasos necesarios que aseguren la calidad (Ishaq Bhatti & Awan,
2014).
204
c. Diagrama de Pareto
205
206
detección
severidad
actuales
paso del falla efecto causas acción
npr
procesos de
proceso potencial de falla potenciales recomendada
control
La etapa de analizar dentro del proceso dmaic tiene como objeto identificar
la fuente del problema que es causado por las variables criticas seleccionadas
de la etapa de medición (Mansur dos Reis et al., 2022). Las herramientas que se
utilizan en esta etapa pueden variar de acuerdo con el tipo de proyecto que se
esté realizando; sin embargo, todos se deben basar en el método científico, es
decir, en la recolección de datos y el análisis de los mismos de manera precisa y
siguiendo una metodología que permita la correcta interpretación e identifica-
ción de la causa raíz (Estanislau et al., 2022). Las herramientas utilizadas en esta
etapa se muestran en la tabla 8.
207
Mapeo de Proceso
AMEF
5 ¿Por qué?
Mapa de Flujo de Valor (VSM)
Diagrama de Ishikawa
El Mapa de Flujo de Valor (vsm, por sus siglas en inglés), es una representación
gráfica de la cadena de suministro donde se incluye desde los proveedores,
hasta los clientes (Suárez-Barraza et al., 2016). Esta herramienta es una forma
eficiente para analizar de manera global lo que ocurre en toda la cadena de
valor y determinar cuáles operaciones no agregan valor o tienen un tiempo
de espera muy largo (Cabrera Calva, 2017). Después de la identificación por
medio del mapa de flujo de valor, las variables críticas de este diagrama pue-
den jerarquizarse para la reducción o eliminación de éstas (figura 6) (Paredes
Rodríguez, 2017). El mapa de flujo de valor es una herramienta que muestra
los elementos clave de un sistema de producción basado en los preceptos de la
manufactura esbelta e indica cómo interactúa cada uno con los demás (Langs-
trand, 2016). Al observar cómo se relacionan los flujos de información y mate-
riales, ayuda a visualizar cómo funciona el sistema de producción desde que
un cliente inicia un pedido hasta que se entrega (Manjunath et al., 2014). Una
característica clave del mapa de flujo de valor es que mapea tanto el flujo del
producto o servicio como el flujo de información que desencadena el flujo
del producto o servicio (Dinis-Carvalho et al., 2015). Todo esto permite de-
terminar el esquema de salida del proceso más adecuado, el tamaño de lote
óptimo, eliminar pasos redundantes y asignar el personal adecuado para llevar
a cabo los procesos (B. Singh et al., 2011)2008.
208
209
1. ¿Por qué?
a. Sistema de producción
2. ¿Por qué?
a. Análisis de los modelos
3. ¿Por qué?
a. Estudio de capacidad
4. ¿Por qué?
a. Gran cantidad de S/E y Bonder
5. ¿Por qué?
a. No se han podido unir las puntas sueltas
210
211
Lluvia de Ideas
Criterios de Evaluación
Paired Comparsions
Pugh Matrix
Line Balancing
Single Piece Flow
5 S´s
Heijunka
a. Lluvia de ideas
Las sesiones de lluvia o tormenta de ideas son una forma de pensamiento crea-
tivo encaminada a que todos los miembros de un grupo participen libremente
y aporten ideas sobre determinado tema o problema (Bhargava & Gaur, 2021).
Esta técnica es de gran utilidad para el trabajo en equipo, ya que permite la re-
flexión y el diálogo respecto a un problema y en términos de igualdad (Miluska
Aylin, 2016). Se recomienda que las sesiones de lluvia de ideas sean un proceso
disciplinario a través de los siguientes pasos:
212
Compromiso
Escritura Liderazgo a y participación
Imágenes
conciencia del cliente
Texto ROI
Marketing de
Contenido
contenidos
Gráficos Exitoso
Sitio de
contenidos
Conversión Compartir
Canales
Tráfico
Tiempo en sociales
Conectar
la página
Entrante Audiencia
Cumplimiento Personas
213
Error 0 * *
Total 19 541.0
Fuente: Elaboración propia.
214
215
b. Manejo visual
El sistema andon es un sistema de tipo alerta que indica cuando existe al-
gún problema en el área de producción por medio de ayudas visuales (Mairena,
2018). Usualmente, este sistema utiliza un método tipo semáforo para indicar
cómo está funcionando el área de producción; es decir, cuando la luz está en
color verde no existe problema en el área de producción; cuando el semáforo
cambia a amarillo indica que se tienen problemas de calidad; sin embargo, no
es necesario realizar un paro de línea de producción, y por último el color rojo
indica fallo y la interrupción en la producción, por lo cual debe atenderse de
manera inmediata (Martínez-Hernández et al., 2020).
216
c. Poka Yoke
El sistema Poka Yoke significa a prueba de errores; son dispositivos que se em-
plean en la producción de elementos que evitan que un error pueda ocurrir ,
debido a que existe una sola forma de hacer la tarea seleccionada, debido a la
implementación de estos dispositivos Poka Yoke (Dewri et al., 2018). El sistema
es simple; si no se permiten los errores, la calidad será alta y los desperdicios
muy pocos (Torres Jaime et al., 2011).
217
El Índice de Capacidad de Proceso está formulado de manera tal que éste mide
las veces que la desviación estándar del proceso está dentro de los límites de es-
pecificación del cliente. Cuando se cumple que un proceso es normal y éste se
encuentra bajo control estadístico, entonces la característica de calidad a me-
dir de los elementos fabricados se espera se encuentre entre 99.73%. Por tanto,
sí es menor (o mayor) que el intervalo de las tolerancias a cumplir se tiene:
………………………………………..(1)
Por otra parte, el índice se conoce como índice de capacidad real de proceso,
es considerado una versión corregida del que sí toma en cuenta el centrado del
proceso.
Los resultados en la aplicación de los índices de capacidad de proceso en la
línea de producción se obtuvo:
….………………………………………..(2)
218
9. Resultados
a. Definición
Desde el punto de partida del cliente, se centran cuales van a ser los objetivos
de la implementación de 6 Sigma, cuál va ser el impacto en la empresa y quie-
nes van a ostentar las responsabilidades. Se establecerá cual es el propósito de
la implementación, cuales son los parámetros de inicio y hasta qué nivel se
quiere involucrar al equipo. En esta fase, la dirección revisa una lista de pro-
yectos potenciales 6 Sigma y selecciona los significativos para la optimizacion a
traves de la metodología (Chabukswar et al., 2011).
Esta es la etapa más importante en el desarrollo del proyecto ya que de ella
depende el enfoque que se dará a lo largo de todo su proceso. Las herramientas
para su desarrollo son en su mayoría de tipo cualitativo, por lo que su comple-
jidad radica en el conocimiento del proceso y en el mantener claridad en los
objetivos (Yang & El-Haik, 2009).
Esta investigacion tiene como objeto el aumento de la eficiencia en la línea
de producción 011 de ForkLift que trabaja bajo una amplia gama de modelos,
los cuales son clasificados en cinco patrones A, B, C, D y E. En la línea de pro-
ducción existen actualmente un total de 8 mesas dedicadas al Sub-Ensamble,
donde laboran siete personas. Para realizar un análisis de la situación actual y
los criticos de calidad se utilizó la herramienta QCD (Quality, Cost & Delivery).
Los defectos son medidos por DPH (Defectos por cada 100 arneses produ-
cidos), la meta global es de 1.17 DPH para la línea de producción, la figura 14
muestra la cantidad de defectos en porcentajeobtenido mediante el QCD.
219
Como puede ver, el 89% de los defectos de la línea de producción 011 de For-
kLift es detectado en el proceso de Prueba Eléctrica; ese 89% implica un total
de 134 defectos.
b. Medición
c. Análisis
220
A partir del diagrama de Ishikawa se aplican los 5 porqués, la cual es una técnica
que ayuda a identificar las causas principales más probables de un problema.
A continuación, se muestra el desarrollo de la técnica en algunos problemas
encontrados:
1) ¿Por qué?
a. Sistema de producción
2) ¿Por qué?
a. Análisis de los modelos
3) ¿Por qué?
a. Estudio de capacidad
4) ¿Por qué?
a. Gran cantidad de S/E y Bonder
5) ¿Por qué?
a. No se han podido unir las puntas sueltas
d. Mejora
221
e. Control
222
error estándar
n media [Link]. ic de 95% para μ
de la media
Como se puede observar en la figura 19, los datos de los tiempos tomados
muestran una distribución normal; los datos se encuentran en los límites de
tolerancia. Por otra parte, el tiempo fue mejorado en un 37% con lo cual se ase-
gura que con la implementación de la mejora y con la capacitación adecuada el
personal podrá ir mejorando los tiempos ya expuestos.
Con el fin de hacer un contraste, se muestra el análisis de datos con tiem-
pos reales. A continuación, se presenta el caso de los tiempos tomados en el
proceso normal que se tenía implementado (tabla 13):
223
error estándar
n media [Link]. ic de 95% para μ
de la media
En contraste, se puede observar (figura 19) que los datos son inconstantes, lo
que deja ver claros atrasos en la línea de producción ocasionando defectos de-
bido a la variación presentada. Además, obsérvese que la media del tiempo es
mayor que la media del tiempo de la mejora, dejando claro que el tiempo me-
dio de la mejora planteada aumenta la eficiencia en el procesamiento. Por otro
lado, se tiene una desviación estándar más alta en la toma de tiempos reales, en
comparación a la desviación que se obtuvo en la muestra de la mejora imple-
mentada; esto implica que la variación en el proceso de arneses disminuye con
la implementación de la mejora.
224
10. Conclusiones
225
Referencias
Abbes, N., Sejri, N., Chaabouni, Y., & Cheikhrouhou, M. (2018). Application of Six
Sigma in Clothing smes: A Case Study. iop Conference Series: Materials Science
and Engineering, 460(1). <[Link]
Akmal, A. K., Irawan, R., Hadi, K., Irawan, H. T., Pamungkas, I., & Kasmawati (2021).
Pengendalian Kualitas Produk Paving Block untuk Meminimalkan Cacat
Menggunakan Six Sigma pada ud. Meurah Mulia. Journal Optimalisasi, 7(2),
236-248.
Arnold, S. F. (2006). Design of Experiments with minitab. In The American Statis-
tician (vol. 60, Issue 2). <[Link]
Basri, W. (2015). House of Quality as a Quality Tool in Higher Education Manage-
ment. Journal of Culture, Society and Development, 10(January 2015), 4.
Bhargava, M., & Gaur, S. (2021). Process Improvement Using Six-Sigma (dmaic Pro-
cess) in Bearing Manufacturing Industry: A Case Study. iop Conference Series:
Materials Science and Engineering, 1017(1). <[Link]
9X/1017/1/012034>.
Cabrera Calva, R. C. (2015). VSM, Value Stream Mapping. Lean Solutions, 1–37. ht-
tps://eddymercado.fi[Link]/2013/05/analisis-del-mapeo-de-laca-
[Link]%0A[Link]
Nadia Gheorghe, I. C. (2010). Application of Fishbone Diagram to Determine
the Risk of an Event with Multiple Causes. Management Research and Prac-
tice, May.
Chabukswar, A., Jagdale, S., Kuchekar, B., Joshi, V., Deshmukh, G., Kothawade, H.,
Kuckekar, A., & Lokhande, P. (2011). Six sigma: Process of Understanding the
Control and Capability of ranitidine Hydrochloride Tablet. Journal of Young
Pharmacists, 3(1), 15-25. <[Link]
Chaudhary, A. K. (2019). Application of Lean Six Sigma in Manufacturing of Precision
Tools and Die. ioe, September.
Curristine, T., Lonti, Z., & Joumard, I. (2007). Improving Public Sector Efficiency:
Challenges and Opportunities. oecd Journal on Budgeting, 7(1), 1-42. <http://
[Link]/[Link]?direct=true&profile=ehost&scope=si-
te&authtype=crawler&jrnl=16087143&AN=26394361&h=GmjbAdCY-
ZO9jj8PsdifF9f2ua1t64owO8KcOuef3p6h8rTKpEQr61dzPS3E4a3RafNbhp/
kKgnzDcwoLgRlClA==&crl=c>.
David Meza, & Ki-Young Jeong. (2013). Measuring Efficiency of lean six Sigma Pro-
ject Implementation Using Data Envelopment Analysis at Nasa. Journal of
226
227
González, H., & Escobar, C. (2021). Application of the sipoc tool to the Internal
Supply Chain of a medicines Distributor Company, 5(2539-0678). <[Link]
[Link]/revista/[Link]/LumGent/article/view/361/207>.
Guti, H. (2015). Análisis y diseño de experimentos (Issue November). McGraw-Hill.
Hambleton, L. (2007). Define-Measure-Analyze-Improve-Control (dmaic). Treasure
Chest of Six Sigma Growth Methods, Tools, and Best Practices, 13-27.
Hammad, M., Khan, A. K., Deng, S., Rashid, A., Khan, J. A., & Zulfiqar, F. (2017). An
Integration of Kano Model, qfd and Six Sigma to Present a New Description
of dfss. European Journal of Business and ManagementOnline), 9(6), 2222-2839.
Herrera Acosta, R. J. & Fontalvo Herrera, T. J. (2006). Seis Sigma: metodología y téc-
nicas. Herrera Acosta, Roberto José, 150.
Horbach, S. (2013). Advances in Sustainable and Competitive Manufacturing Sys-
tems. 23rd International Conference on Flexible Automation & Intelligent
Manufacturing, June, 379-387. <[Link]
Horton, G., & Goers, J. (2019). A Revised Kano Model and its Application in Product
Feature Discovery. <[Link]
Revised_Kano_Model_and_its_Application_in_Product_Feature_Disco-
very>.
Ishaq Bhatti, M., & Awan, H. M. (2014). The Key performance Indicators (kpis) and
their Impact on overall Organizational Performance. Quality and Quantity,
48(6), 3127-3143. <[Link]
Jin, G., Meng, Q., & Feng, W. (2022). Optimization of Logistics System with Fuzzy
fmea-ahp Methodology. Processes, 10(10). <[Link]
pr10101973>.
Kaya, İ., & Kahraman, C. (2011). Process Capability Analyses Based on Fuzzy Mea-
surements and Fuzzy Control Charts. Expert Systems with Applications, 38(4),
3172-3184. <[Link]
Kent, R. (2016). Tools for quality Management and Improvement. Quality Manage-
ment in Plastics Processing, 197-226. <[Link]
102082-1.50007-1>.
Key, B. A. (2019). Five Whys Root Cause System Effectiveness: A Two Factor Quantita-
tive Review. Western Kentucky University. <[Link]
theses>.
Khan, S. A., Kaviani, M. A., J. Galli, B., & Ishtiaq, P. (2019). Application of Conti-
nuous Improvement Techniques to improve Organization Performance: A
Case Study. International Journal of Lean Six Sigma, 10(2), 542-565. <[Link]
org/10.1108/IJLSS-05-2017-0048>.
228
229
230
Nonthaleerak, P., & Hendry, L. C. (2006). Six Sigma: Literature Review and key
Future Research Areas. International Journal of Six Sigma and Competitive Ad-
vantage, 2(2), 105-161. <[Link]
Nurjannah, Hafidzah, Mardianty, Desy, & Hayati (2020). The Implementation of
Kano Model and Quality Function Deployment to Optimize the Quality of
higher Education in Indonesia. Revista Espacios, 41(06), 1-9.
Oberleitner, T., Zahel, T., & Pretzner, B. (2022). Holistic Design of Experiments
Using an Integrated Process Model. Bioengineering, 1-15.
Ocampo, J., & Pavón, A. (2012). Integrando la Metodologia dmaic de Seis Sigma con
la Simulación de Eventos Discretos en Flexsim. laccei: Latin American and
Caribbean Conference for Engineering and Technology.
<[Link]
Olaya-Escobar, E. S., Cortes, C. J., & Duarte, O. G. (2005). Despliegue de la función
calidad (qfd): beneficios y limitaciones detectados en su aplicación al diseño
de prótesis mioeléctrica de mano. Quality function deployment qfd: benefits
and limitations when. Ingeniería e Investigación, 25, 30-38.
Paredes Rodríguez, A. M. (2017). Application of Value Stream Mapping tool to a com-
pany Packing Glass Products. Entremado, 13(1), 262-277. <[Link]
org/10.18041/entramado.2017v13n1.25103>.
Paz, R. C., & Daniel, G. G. (2012). Administración de la Calidad Total (U. M. de Plata,
ed.). <[Link]
Plan, D. C., & Plan, D. C. (2016). Data Collection Plan How to Guide How to Use a
Data Collection Plan. Business Process Improvement Shared Service at Uni-
versity of Illinois, 1-2.
Poels, G., García, F., Ruiz, F., & Piattini, M. (2020). Architecting Business Process
Maps. Computer Science and Information Systems, 17(1), 117-139. <[Link]
org/10.2298/CSIS181118018P>.
Prasetyo, Y. T., Santiago, M. A., Persada, S. F., & Chuenyindee, T. (2022). The Utili-
zation of Six Sigma dmaic Methodology in the Improvement of the Quality
and Application of Methyl Methacrylate (mma)-Based Elastomeric Membra-
ne. In 2022 3rd International Conference on Internet and E-Business (icieb
2022), June 15â•fi17, 2022, Madrid, Spain (vol. 1, Issue 1). Association for Com-
puting Machinery. <[Link]
Price waterhouse Coopers (2017). Showing your Story to land the Message (Issue
April). <[Link]
[Link]>.
231
Qiu, Y., & Zhang, H. (2022). A Modified FMEA Approach to Predict Job Shop Dis-
turbance. Processes, 10(11), Art. 11. [Link]
Radha Krishnan, B., & Prasath, K. A. (2013). Six Sigma Concept and dmaic Imple-
mentation. International Journal of Business, Management & Research (ijbmr),
3(2), 111-114.
Rahman, A., Shaju, S. U. C., Sarkar, S. K., Hashem, M. Z., Hasan, S. M. K., Mandal,
R., & Islam, U. (2017). A Case Study of Six Sigma Define-Measure-Analyze-Im-
prove-Control (dmaic) Methodology in Garment Sector. Independent Journal
of Management & Production, 8(4), 1309. <[Link]
v8i4.650>.
Rallage, B., & Dharmerathne, Y. (2018). Improving Classification of Quality Attributes
in the Kano Model (Issue May 2018).
Rodríguez, R. D., Medini, K., & Wuest, T. (2022). A dmaic Framework to Improve
Quality and Sustainability in Additive Manufacturing-A Case Study. Sustaina-
bility (Switzerland), 14(1), 1-18. <[Link]
Salazar-Rojas, M. L. & Pérez-Olguín, I. J. C. (2019). Ciclo dmaic en Latinoamérica:
análisis de aplicación y relación con el Producto Interno Bruto. Camino hacia
la internacionalización: Logística Internacional, May, 23-30.
Salkind, N. (2013). Quantitative Research Methods. Encyclopedia of Educational Psy-
chology. <[Link]
Santos, J. R. dos, Oliveira, M. A. de, Vieira, R. K., & Melo, E. S. de (2021). Use of
dmaic to Elaborate a Proposal to Improve the Purchase Processes of the Ma-
terial Department of the Federal University of Amazonas: A Study on Public
Procurement Management. European Journal of Business and Management Re-
search, 6(3), 155-160. <[Link]
Serrat, O. D. (2009). The Five Whys Technique (Número 30) 1-4. Asian Develop-
ment Bank. [Link]
Serrat, O. (2017). The Five Whys Technique. In Knowledge Solutions: Tools, Methods,
and Approaches to Drive Organizational Performance (1-1140). <[Link]
org/10.1007/978-981-10-0983-9>.
Sharma, G. V. S. S., Rao, P. S., & Babu, B. S. (2018). Process capability Improvement
Through dmaic for aluminum Alloy Wheel Machining. Journal of Industrial
Engineering International, 14(2), 213-226. <[Link]
0220-z>.
Simanova, L., & Gejdoš, P. (2020). Implementation of the six Sigma Methodology
in Increasing the Capability of Processes in the Company of the furniture
232
233
Yang, K., & El-Haik, B. S. (2009). Design for Six Sigma-A Roadmap for Product De-
velopment.
Zhao, Q., Wang, J., Spiller, W., Bowden, J., & Small, D. S. (2019). Two-sample Instru-
mental Variable Analyses Using Heterogeneous Samples. Statistical Science,
34(2), 317-333. <[Link]
234
Soluciones [Link]
View publication stats 234 12/06/23 14:06