Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALOJADO POR
Universidad de Alejandría
Nedra Abbes b b b
, Ne´jib Sejri , jun xu a, *, Morched Cheikhrouhou
a
Escuela de Ciencias e Ingeniería Textil, Universidad de Tiangong, Tianjin, China bLaboratorio de
Ingeniería Textil (LGTEX), Instituto Superior de Estudios Técnicos de ksar hellal (ISET), Monastir
Universidad, Túnez
PALABRAS CLAVE Resumen La implementación del Lean Six Sigma (LSS) en la industria textil y de la confección es una estrategia
exitosa para reducir los defectos producidos a lo largo de la línea de producción en estas industrias.
Lógica difusa;
El conocimiento de preparación para Lean Six Sigma es un requisito previo para una implementación exitosa de LSS.
Lean Six Sigma (LSS);
Sin embargo, la literatura sobre la implementación de Lean Six Sigma y el modelo de evaluación de preparación en
evaluación de la preparación;
textiles y prendas de vestir de tamaño pequeño y mediano es muy limitada. El propósito de este estudio es desarrollar
LSRACI;
LCR;
un modelo de evaluación de preparación LSS para las industrias de la confección (LSRACI) utilizando lógica difusa.
Industria textil El modelo actual se basa en gran medida tanto en los factores críticos de éxito (CSF, por sus siglas en inglés) de
LSS como en los factores de LSS (facilitadores, criterios y atributos) derivados de la literatura. Los CSF se identifican
mediante un cuestionario distribuido a 85 pequeñas y medianas industrias de la confección, y la integración con el
modelo de evaluación. El resultado de este proceso es la identificación de 5 habilitadores, 6 criterios y 46 atributos
que finalmente están listos para ser utilizados. El uso de CSF de las industrias de la confección da una especificación
a nuestro modelo de evaluación y hace que el modelo LSRACI sea original y específico para las PYME de la confección.
Este modelo está desarrollado para evaluar el nivel de preparación de las industrias textil y de la confección y ayuda
a mejorar el nivel de preparación para la implementación exitosa de LSS. El presente estudio tiene como objetivo
contribuir al conocimiento de la preparación para la implementación de LSS en las industrias de la confección. El
nivel de preparación de esta empresa es promedio listo con (3.28; 4.9; 6.7). Usando un índice de importancia de
desempeño difuso (FPII), 20 de 46 atributos fueron identificados como atributos más débiles y, por lo tanto, se
recomendaron las acciones correctivas necesarias para mejorar el nivel de preparación. El modelo propuesto ayuda
a los gerentes y profesionales a descubrir el potencial de las industrias textil y de la confección mediante la evaluación
de la preparación de la empresa antes de la implementación para superar los problemas y lograr una implementación
LSS exitosa.
2022 LOS AUTORES. Publicado por Elsevier BV en nombre de la Facultad de Ingeniería de la Universidad de Alexandria.
Este es un artículo de acceso abierto bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/ ).
*
Autor correspondiente.
Dirección de correo electrónico: xujun@tiangong.edu.cn (J.Xu).
Revisión por pares bajo la responsabilidad de la Facultad de Ingeniería de la Universidad de Alexandria.
https://doi.org/10.1016/j.aej.2022.02.047
1110-0168 2022 LOS AUTORES. Publicado por Elsevier BV en nombre de la Facultad de Ingeniería de la Universidad de Alexandria.
Este es un artículo de acceso abierto bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Machine Translated by Google
Nuevo modelo de evaluación de preparación Lean Six Sigma utilizando lógica difusa: estudio de caso dentro de la industria de la confección 9081
años ha sido testigo de la implementación exitosa de LSS en las industrias textiles estas técnicas no pueden proceder con preferencias subjetivas.
para reducir los defectos que ocurren en la línea de productos de la industria textil Para resolver el problema, la lógica difusa es la herramienta apropiada conocida
[21–23] y mejorar el proceso de fabricación. Los métodos cuantitativos y cualitativos por la representación de medidas subjetivas, por su capacidad de responder al
se introdujeron mediante la integración de herramientas y técnicas Lean, como descuido de la ambigüedad relacionada con los individuos, la imprecisión o los
mapeo de flujo (VSM), 5S, kanban, kaizen, poka-yoke y controles visuales con la datos que no pueden expresarse como números exactos [45–46] . Se usó para
metodología Six Sigma [24–25]. (Adikorley et al., 2017) también ha propuesto un determinar el peso relativo de la importancia de los criterios de evaluación y calificar
marco que pasa por las fases DMAIC. Este estudio proporcionó una visión el desempeño de las alternativas según estos criterios [47–50] a través de
comprensiva del efecto de la aplicación de LSS en la industria textil de las PYME. cuestionarios adoptados por expertos [51]. En otro estudio, la evaluación se realizó
Esto último contribuye a una reducción del 27 % en el tiempo de cambio en la línea utilizando un enfoque difuso de varios niveles [47]. (Ruben et al. 2017) también
de producción, así como a una reducción en el aumento del nivel sigma de 4,36 presentó un modelo de base difusa para la evaluación de la esbeltez mediante el
sigma a 3,74 sigma [18]. Mientras que (Alkatiri et al., 2015) reducen el DPMO en uso de habilitadores y criterios de esbeltez sostenible para producir un índice de
productos textiles de tela gris en un (27,13 %), el resultado del valor sigma muestra sostenibilidad esbelto [2]. La lógica difusa y las variables lingüísticas proporcionan
un aumento del (27,6 %) [26]. Un estudio realizado por (Khan.2018) en la industria una evaluación más precisa de la agilidad organizacional, utilizando una escala de
de fabricación textil que tenía como objetivo eliminar/reducir el desperdicio de agilidad de varios niveles. Estos niveles son explicados subjetivamente por las
defectos más significativo de la fabricación ajustada se llevó a cabo mediante el variables lingüísticas como palabras léxicas comunes para evaluar el índice de
uso de herramientas Lean y técnicas estadísticas para identificar y analizar los delgadez y luego relacionar cada variable lingüística con una función de pertenencia
desperdicios de producción ajustada. fabricación [27]. Lean Six Sigma se difusa.
implementó en las industrias de hilo utilizando herramientas estadísticas para
aumentar la calidad del hilo en la industria textil [28–29]. Estas funciones de pertenencia se utilizan para convertir variables lingüísticas en
números borrosos. Se recomiendan diferentes funciones de membresía y se utilizan
principalmente en la toma de decisiones, como miembros triangulares y
trapezoidales [52]. Entre los diferentes miembros borrosos, los números borrosos
triangulares son ampliamente utilizados porque los expertos los pueden descifrar
Otro proyecto LSS se implementó con éxito en la industria textil de Marruecos fácilmente. En este estudio actual, utilizamos el conjunto borroso triangular gracias
utilizando un modelo de red neuronal [30]. a su simplicidad en el cálculo.
(Nedra et al, 2019) integraron todas las fases de DMAIC con el ciclo PDCA para
mejorar el rendimiento del proceso en PYME de confección [31]. Otro estudio realizado por Vinodh y Vimal (2012) presentó una metodología
de evaluación del nivel Lean basada en 30 criterios [53]. El índice de delgadez
Para garantizar el éxito de la implementación de LSS, es vital evaluar el nivel difusa de la organización se calculó utilizando el método de la distancia euclidiana
de preparación Lean Six Sigma para identificar debilidades y desviaciones al iniciar y se encuentra el nivel de delgadez. Usando el Índice de Importancia del
aplicaciones de proyectos LSS en una organización. Esta identificación del índice Desempeño Fuzzy (FPII), identificaron 19 atributos débiles entre 59 atributos.
de preparación ayuda a las organizaciones a conocer sus potencialidades y
preparación para llevar a cabo mejoras de manera eficiente. Este método se En el mismo contexto, (Zanjirchi et al, 2010) han desarrollado una metodología
implementó en varios sectores, como servicios [32–33], manufactura [34] y atención para medir el grado de Lean en empresas manufactureras utilizando variables
médica [35]. Se utilizaron varias técnicas y métodos para evaluar el nivel de lingüísticas y lógica difusa [49].
delgadez. Los modelos de puntuación también se utilizaron en diferentes estudios El método desarrollado y los resultados demuestran el poder y la precisión de este
para determinar los niveles de delgadez. enfoque. Utilizaron números borrosos triangulares para identificar los valores límite
para cada parámetro determinado. (Bayou y de Korvinl, 2008) han demostrado que
que se lleva a cabo mediante el uso de tres niveles de criterios de evaluación: la manufactura esbelta tiene siete características: relativa, dinámica, a largo plazo,
habilitador lean, criterios y atributos de interés [36–37]. Otros estudios se han lógica difusa, objetiva, integradora y completa [54]. Utilizaron un enfoque de lógica
aplicado en los métodos de toma de decisiones multicriterio (MCDM) para evaluar difusa para medir la delgadez. (Bhasin, 2012) realizó una extensa encuesta para
la evaluación Lean, como el método Delphi para sopesar la importancia de Lean interpretar el desempeño de Lean en organizaciones pequeñas, medianas y
[38]. La metodología del proceso de jerarquía analítica (AHP) también se integró grandes [55]. El autor analizó principalmente datos primarios recopilados de 68
con técnicas de evaluación Lean para proponer una hoja de ruta de implementación cuestionarios de encuestas de organizaciones manufactureras en Gran Bretaña.
Lean [39–41]. En consecuencia, se llevaron a cabo estudios de casos en siete empresas.
modelo de evaluación, no sus propios CSF. En nuestro estudio, el modelo de preparación de las industrias textiles utilizando lógica difusa. Los principales
preparación se basa en los CSF entendidos correctamente y especificados para objetivos de este trabajo son:
las industrias textil y de la confección. La mayoría de las industrias no lo lograron
debido a la baja madurez del sector PYME de la confección y la falta de Determinar los CTF de las pequeñas y medianas industrias del vestido a ser
conocimiento de las herramientas y técnicas de Lean Six. Nuestro modelo de utilizados en el modelo de evaluación LSRACI;
preparación tiene como objetivo aumentar la posibilidad de una implementación Desarrollar una nueva evaluación Lean Six Sigma y un modelo de evaluación
exitosa de LSS y garantizar una mejora continua en la calidad. para medir la preparación de LSS utilizando lógica difusa en el ámbito de las
industrias de la confección; y
Esta sería la motivación para el presente estudio. Sus hallazgos son difíciles Examina los estudios de casos en la industria de la confección y documenta
de ubicar en investigaciones publicadas sobre el modelo de evaluación de los resultados obtenidos de la evaluación LSRACI
preparación LSS en las industrias textil y de la confección. modelo.
En otros términos, el conocimiento de los factores críticos de éxito (CSF) en Para lograr los objetivos anteriores, se propone un nuevo marco de modelo de
las empresas manufactureras juega un papel importante para mantener sus evaluación de preparación de LSS difuso. El modelo se basó en el factor crítico de
esfuerzos en estos factores para asegurar mejoras exitosas. Estos factores que éxito de LSS determinado a partir de las PYME del sector de la confección mediante
contribuyen a una implementación exitosa de Lean Six Sigma [61–62] (Tabla 1) se un cuestionario, y los factores de LSS (facilitadores, criterios y atributos) identificados
han identificado en varios estudios. Los CSF se han definido como factores a partir de la literatura.
esenciales para asegurar el éxito de un programa y si no se logran los objetivos Se utiliza un conjunto borroso triangular para evaluar las preferencias del tomador
asociados con estos factores, la aplicación de la técnica se considera fallida [63]. de decisiones y evaluar la idoneidad de un trabajador. Este modelo fue desarrollado
para medir el nivel de preparación LSS de la PYME de la confección. La mejora de
los atributos más débiles determinados por este modelo anima a la empresa a
Por lo tanto, la identificación de LSS CSF y barreras ayuda a las organizaciones a aceptar con éxito la implantación de LSS.
mejorar su desempeño [64–66]. Sin embargo, el control de estos factores después
de la implementación de LSS se vuelve difícil para sus profesionales [67]. El remanente de este documento es el siguiente: La segunda sección explora
los materiales y métodos incluidos en los diferentes pasos involucrados en el
El estudio actual contribuye a desarrollar la introducción de un nuevo modelo desarrollo del modelo LSRACI. La sección 3 expone el resultado y la discusión en
de evaluación Lean Six Sigma para medir el LSS la que se examina el caso de estudio y se documentan los resultados obtenidos de
la aplicación del modelo LSRACI en PYME de confecciones. Luego , la Sección 4
incluye una conclusión con investigaciones futuras.
Nuevo modelo de evaluación de preparación Lean Six Sigma utilizando lógica difusa: estudio de caso dentro de la industria de la confección 9083
Nos hemos centrado en las pequeñas y medianas industrias de la confección puede emplearse cuando se muestrean encuestados potenciales [69].
en Túnez operando en 4 actividades: Artículos técnicos Utilizamos una muestra aleatoria simple.
industrias, industrias de artículos de punto, industrias de artículos de mezclilla e
z2Pð1 PÞ
industrias de artículos mixtos Tabla 2. Luego, una muestra norte ¼
ð1Þ
e2 th z2Pð1PÞ
se identifica el marco. Hay una variedad de técnicas que norte
Machine Translated by Google
Nuevo modelo de evaluación de preparación Lean Six Sigma utilizando lógica difusa: estudio de caso dentro de la industria de la confección 9085
Fig. 3 Los factores clave de éxito para la aplicación Lean Six Sigma.
Índices abreviaturas Esta parte presenta una descripción detallada de las medidas de rendimiento
utilizadas para evaluar la preparación de la aplicación Lean Six Sigma de acuerdo
Su ILS Calificación de importancia difusa para la preparación
con el enfoque propuesto. Para llevar a cabo este paso, es necesario designar
para la implementación de LSS del habilitador i-ésimo
expertos que estén familiarizados con las condiciones de trabajo de la empresa. El
ILSSij Calificación de importancia difusa para la preparación
grupo consta del jefe de producción, el ingeniero de procesos, el supervisor de
para la implementación del criterio LSS del j-ésimo en el
habilitador i-ésimo Calificación de importancia difusa para la producción y el jefe del departamento de calidad de la industria manufacturera en
Tiempo preparación para la implementación de LSS del k-ésimo particular.
atributo del criterio j-ésimo en el habilitador i-ésimo Peso de
importancia difusa para la preparación para la implementación Así, para evaluar la calificación del desempeño, se utiliza la escala de puntos
Wisconsin
de LSS del habilitador i-ésimo Peso de importancia difusa [0-10] de las variables lingüísticas. La escala de puntos en [0–1] se usó para la
para la preparación para la implementación de LSS del criterio importancia de los pesos. El resultado obtenido de la calificación y los pesos
Nosotros j-ésimo en el habilitador i-ésimo Importancia difusa peso para
proporcionados por los expertos se utiliza para evaluar la preparación para la
la preparación para la implementación de LSS del atributo k-
implementación de LSS.
ésimo del criterio j-ésimo en el habilitador i-ésimo Índice de
Paso 4: Conversión de términos lingüísticos en números borrosos apropiados
Vecindario importancia de rendimiento difuso Índice de preparación de
LSS difuso Número borroso del conjunto de expresiones de
lenguaje natural del nivel de preparación para la Luego, al aplicar la relación entre los términos lingüísticos y sus funciones de
(FPII) implementación de LSS. fFLSSRI (x) Número borroso pertenencia, los términos lingüísticos se transforman en números borrosos.
FLSSRI triangular de FLSSRI FRLSSLi (x) Número borroso triangular
RLSSLi de RLSSLi Paso 5: Agregar calificación difusa con pesos difusos Los siguientes
factores de desempeño (todos siendo variables difusas) se tomaron en cuenta
y se usaron en el estudio de caso que se presenta a continuación: La calificación
de importancia difusa para la preparación para la implementación de LSS de j-
ésimo El criterio en el habilitador i-ésimo se calcula de la siguiente manera:
ya que las variables lingüísticas {Muy Alto [VH], Alto [H], Bastante Alto [FH], Medio Sra. K¼1ðWijk AijkÞ
[M], Bastante Bajo [FL], Bajo [L], Muy Bajo [VL]}, se seleccionan para evaluar la ILSSij _ ð2Þ
Pn k¼1Wijk
pesos de importancia de la preparación para la implementación de la LSS. Las
funciones de pertenencia correspondientes se han definido utilizando funciones Para calcular la calificación de importancia difusa para la preparación para la
triangulares. La Tabla 6 muestra las variables lingüísticas utilizadas con sus implementación de LSS de i-th enabler (ILSSi), ahora es esencial integrar los
correspondientes funciones de pertenencia. Una vez que hemos definido los valores de los diferentes criterios, utilizando la siguiente ecuación:
conjuntos borrosos y las funciones de pertenencia correspondientes, ahora
podemos determinar la importancia relativa de cada elemento (habilitador, criterio,
Pm j¼1ðWij ILSSijÞ
atributo), dependiendo de la estrategia y ILSsi ¼ ð3Þ
PM j¼1Wij
Machine Translated by Google
Luego, el índice de preparación Fuzzy Lean Six Sigma (FLSSRI) Paso 6: Relacionar FLSSRI con un nivel apropiado
se puede calcular usando la ecuación (4). El FLSSRI es un índice Ahora, el valor de FLSSRI se puede asociar con una variable
global difuso que agrupa los factores a evaluar en un solo índice. lingüística con una función de pertenencia igual o cercana a su
función de pertenencia. Existen varios métodos para asociar la
función de pertenencia obtenida para caracterizar el FLSSRI con
FLSSRI ¼ Pl i¼1ðWi ILSSiÞ ð4Þ una variable lingüística predefinida. Sin embargo, se recomienda
Pl i¼1Wi utilizar el método de la distancia euclidiana, ya que es
Machine Translated by Google
Nuevo modelo de evaluación de preparación Lean Six Sigma utilizando lógica difusa: estudio de caso dentro de la industria de la confección 9087
1 + 4b + C
Puntuación ¼ ð7Þ
la percepción más intuitiva de la proximidad humana [68–72 48 6
Paso 7: Analizar e identificar los principales obstáculos para mejorar aplicar y verificar nuestro modelo de evaluación, nuestra elección recae en
El método anterior no solo se usa para determinar la preparación del nivel una pyme textil tunecina. Sin embargo, antes de continuar con
de implementación de LSS, sino también para identificar el la implementación del modelo propuesto, una sesión de capacitación
principales limitaciones en la implementación de las fue organizado para asegurar que los evaluadores (expertos) se adecuaran a
Con el fin de mejorar la preparación de la organización para LSS A lo largo de estos entrenamientos, la definición de variables lingüísticas, sus
implementación, debemos determinar las restricciones. En última instancia, funciones de pertenencia y la atribución de la
tenemos que identificar una importancia de rendimiento Fuzzy importancia relativa a cada elemento están bien presentados. Posteriormente,
un estudio DELPHI que incluye los datos de la empresa
índice (FPII) que combina las puntuaciones de rendimiento (Aijk)
peritajes se lleva a cabo para fijar los términos lingüísticos correspondientes
y los pesos de importancia del desempeño (Wijk) de cada
atributo. Según este índice, todos los atributos que son a la importancia de los pesos y puntajes de desempeño de cada
clasificado con pesos de importancia de alto rendimiento y luego elemento (Indicador, criterio, atributo). Estos puntajes son establecidos por
los expertos durante el ciclo de sesiones de debate organizadas.
La importancia de las evaluaciones de peso y el rendimiento
puntajes para capacidades Lean (indicador, criterio, atributo)
se presentan en la Tabla 8.
Tabla 7 Números borrosos para diferentes
Ahora bien, aplicando la relación entre términos lingüísticos
niveles de preparación.
y sus funciones de pertenencia (Tabla 6), los términos lingüísticos son
Términos del lenguaje de preparación transformados en números borrosos y se presentan en la Tabla 9.
variable lingüística números borrosos Utilizando la ecuación (2) a los valores obtenidos durante la evaluación del
desempeño de la organización, se calcula el índice Lean asociado a cada
Listo (R) (7; 8.5; 10)
criterio (ILSSij) .
Casi listo (CR) (5.5; 7; 8.5)
Al aplicar la ecuación (3), el Lean Six Sigma asociado
Listo Promedio (AR) (3,5; 5; 6,5)
Listo bajo (LR) (1,5; 3; 4,5) Se calcula el índice para cada indicador (ILSSi) .
No Listo (NR) (0; 1,5; 3) Una vez que hemos calculado el valor de ILSSi, el Lean difuso
El índice de preparación Six Sigma (FLSSRI) se puede calcular mediante
Machine Translated by Google
(AT112) LW
(AT113) parlamentario
(AT114) mg
(AT115) Florida F
(ILSS2) (ILSS21) (AT121) METRO METRO Florida F
(ILSS3) (ILSS31) (AT311) Florida L L PAGS
(AT312) LP
(AT313) FH F
(AT314) Florida F
(AT315) LW
(AT316) LP
(AT317) mg
(AT318) METRO Vicepresidente
(AT319) mg
(AT3110) mg
(ILSS32) (AT321) MM F
(AT322) FH PAGS
(AT323) LG
(AT324) mg
(AT325) FM
(AT326) FM
(AT327) FH PAGS
(AT329) LG
(AT3210) LW
(AT3211) mg
(AT3212) METRO Vicepresidente
(AT332) FH Vicepresidente
(AT333) parlamentario
(AT334) LG
(AT335) LW
(AT336) P.EJ
(AT337) Florida GRAMO
(AT338) FM
(AT339) parlamentario
(AT3310) LG
(ILSS4) (ILSS41) (AT411) L METRO Florida En
(AT412) Florida PAGS
(AT413) parlamentario
(AT414) mg
(AT415) LP
(AT416) L Vicepresidente
(AT417) LW
(AT418) Florida En
aplicando la ecuación (4). La tabla 10 muestra el resultado de todos estos D (FLSSRI, CR) = 3,48
valores. D (FLSSRI, AR) = 0,32
En nuestro caso de estudio, la función de membresía del Lean D (FLSSRI, LR) = 3,47
El índice de preparación Six Sigma (FLSSRI) es igual a (3.28; D (FLSSRI, NR) = 6,07
4,9; 6.7). Posteriormente, se convierte de nuevo en una lengua
plazo, para determinar el nivel de Lean Six Sigma Readiness de El índice de preparación para la implementación de LSS para la empresa
empresa A, usamos el método de la distancia euclidiana usando A se conoce como "preparación promedio" porque la distancia más corta es la
ecuación (5). que hay entre FLSSRI y el nivel de preparación promedio como
ilustrado en la Fig. 4. De hecho, este resultado significa que la organización
D (FLSSRI, R) = [(3,28–7) 2 + (4,9–8,5) 2 + (6,7–10)2] ø se encuentra en un estado intermedio de preparación para LSS. Así que nosotros
= 6,07 necesaria para identificar los habilitadores débiles.
Machine Translated by Google
Nuevo modelo de evaluación de preparación Lean Six Sigma utilizando lógica difusa: estudio de caso dentro de la industria de la confección 9089
(ILSS1) (ILSS11) (AT111) (0,3; 0,5; 0,7) (0,2; 0,35; 0,5) (0.3 ; 0.5 ; 0.7) (2 ; 3.5 ; 5)
(AT112) (0.1 ;0.2 ;0.3) (0 ; 0.5 ; 1.5)
(AT113) (0.3 ; 0.5 ; 0.7) (2 ; 3.5 ; 5)
(AT114) (0.3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8)
(AT115) 0.2 ;0.35 ;0.5) (3 ; 5 ; 7)
(ILSS2) (ILSS21) (AT121) (0.3 ; 0.5 ; 0.7) (0,3; 0,5; 0,7) (0.2 ;0.35 ;0.5) (3 ; 5 ; 7)
(ILSS3) (ILSS31) (AT311) (0.2 ;0.35 ;0.5) (0,1; 0,2; 0,3) (0.1 ; 0.2 ; 0.3) (2 ; 3.5 ; 5)
(AT312) (0.1 ; 0,2 ; 0,3) (2 ; 3.5 ; 5)
(AT313) (0,5 ;0,65 ;0,8) (3 ; 5 ; 7)
(AT314) (0,2 ;0,35 ;0,5) (3 ; 5 ; 7)
(AT315) (0,1 ; 0,2 ; 0,3) (0 ; 0.5 ; 1.5)
(AT316) (0,1 ; 0,2 ; 0,3) (2 ; 3.5 ; 5)
(AT317) (0,3 ; 0,5 ; 0,7) (5 ; 6.5 ; 8)
(AT318) (0,3 ; 0,5 ; 0,7) (1; 2; 3)
(AT319) (0,3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8)
(AT3110) (0.3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8)
(ILSS32) (AT321) (0,3; 0,5; 0,7) (0.3 ; 0.5 ; 0.7) (3 ; 5 ; 7)
(AT322) (0.5 ;0.65 ;0.8) (2 ; 3.5 ; 5)
(AT323) (0.1 ; 0.2 ; 0.3) (5 ; 6.5 ; 8)
(AT324) (0.3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8)
(AT325) (0.3 ; 0.5 ; 0.7) (3 ; 5 ; 7)
(AT326) (0.3 ; 0.5 ; 0.7) (3 ; 5 ; 7)
(AT327) (0.5 ;0.65 ;0.8) (2 ; 3.5 ; 5)
(AT328) (0.2 ;0.35 ;0.5) (5 ; 6.5 ; 8)
(AT329) (0.1 ; 0.2 ; 0.3) (5 ; 6.5 ; 8)
(AT3210) (0.1 ; 0.2 ; 0.3) (0 ;0.5 ;1.5)
(AT3211) (0.3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8)
(AT3212) (0.3 ; 0.5 ; 0.7) (1; 2; 3)
(ILSS33) (AT331) (0,5; 0,65; 0,8) (0.3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8)
(AT332) (0.5 ;0.65 ;0.8) (1; 2; 3)
(AT333) (0.3 ; 0.5 ; 0.7) (2 ; 3.5 ; 5)
(AT334) (0.1 ; 0.2 ; 0.3) (5 ; 6.5 ; 8)
(AT335) (0.1 ; 0.2 ; 0.3) (0 ;0.5 ;1.5)
(AT336) (0.7 ;0.8 ;0.9) (0.2 (5 ; 6.5 ; 8)
(AT337) ;0.35 ;0.5) (0.3 ; (5 ; 6.5 ; 8)
(AT338) 0.5 ; 0.7 ) (0.3 ; (3 ; 5 ; 7)
(AT339) 0.5 ; 0.7) (0.1 ; (2 ; 3.5 ; 5)
(AT3310) 0.2 ; 0.3) (0.2 (5 ; 6.5 ; 8)
(ILSS4) (ILSS41) (AT411) (0,1; 0,2; 0,3) (0,3; 0,5; 0,7) ;0.35 ;0.5) (0.2 (0 ;0.5 ;1.5)
(AT412) ;0.35 ;0.5) (0.3 ; (2 ; 3.5 ; 5)
(AT413) 0.5 ; 0.7) (0.3 ; (2 ; 3.5 ; 5)
(AT414) 0.5 ; 0.7) (0.1 ; (5 ; 6.5 ; 8)
(AT415) 0.2 ; 0.3) (0,1 ; (2 ; 3.5 ; 5)
(AT416) 0,2 ; 0,3) (0,1 ; (1; 2; 3)
(AT417) 0,2 ; 0,3) (0,2 (0 ;0.5 ;1.5)
(AT418) ;0,35 ;0,5) (0 ;0.5 ;1.5)
Usando la ecuación (6) y la ecuación (7) calculamos el Flujo de información fluido (AT111)
Índice de importancia del rendimiento difuso (FPII) y la puntuación Gestión de equipos para la toma de decisiones (AT112)
de cada atributo (ATijk) respectivamente. El resultado de estos cálculos se Participación de la dirección (AT113)
presenta en la Tabla 11. Mantenimiento de máquinas (AT313)
El puntaje de clasificación para los atributos a evaluar se calcula utilizando el Aplicación de los principios de Lean manufacturing para la eliminación de
principio anterior. Identificar algunas barreras críticas para mejorar el nivel de residuos (AT315)
preparación Lean Six Sigma en el Sostenibilidad de las mejoras (AT318)
organización, establecimos una puntuación de 2 como la puntuación mínima para Simplificación del trabajo (AT322)
distinguir las barreras críticas para la mejora. Cada atributo con un Aplicación del método KAI-ZEN (AT327)
puntuación de menos de 2 se considera un obstáculo crítico para mejorar. Planificación de recursos (AT3210)
Después de todo, el cálculo está hecho de que 20 atributos tienen puntajes Flexibilidad de diseños (AT3212)
por debajo del límite como: Sistema de producción de flujo de tracción (AT332)
Machine Translated by Google
Tabla 10 Índice borroso de cada habilitador, criterio e índice de preparación LSS para la empresa A.
FLSSRI Habilitadores (ILSSi) Criterios (ILSSij)
(3.28; 4.9; 6.7) ILSS1 (4.1 ,5.9 ; 7.9) ILSS11 (2.7; 4,1; 5.7)
ILSS2 (3 ; 5 ; 7) (3.1 ; ILSS21 (3 ; 5 ; 7)
ILSS3 4.6 ; 6.1) ILSS31 (3.2 ; 4.6 ; 6.1)
ILSS32 (2,8; 4,5; 6,1)
ILSS33 (3.3 ; 4.7 ; 6.1)
ILSS4 (1.8; 2.9; 4.1) ILSS41 (1.8; 2.9; 4.1)
Fig. 4 Niveles lingüísticos para coincidir con la preparación difusa para la implementación de LSS de índice LSS.
Producir lotes pequeños (AT333) debe introducir políticas de calidad y beneficios y conducta
Adaptación a VSM (AT336) revisión de gestión. Esta empresa necesita mejorar su nivel de preparación
Eliminación de diferentes tipos de fuentes de residuos (AT339) priorizando la comunicación sobre los beneficios de la LSS y otorgando la
Mano de obra flexible para aceptar la adopción de nuevas tecnologías participación y contribución de
(AT411) administración. Por otra parte, para superar el problema de
Mano de obra polivalente (AT413) la resistencia a los cambios por parte de los empleados y su falta de flexibilidad,
Cooperación de los empleados (AT416) es necesaria, sin embargo; para iniciar el proyecto LSS mediante la formación
Actitud positiva de los empleados (AT417) e integración de estos empleados en el programa LSS. En
Formación y educación (AT418) para fomentar la participación de los empleados, un gratificante
sistema para ellos debe distribuirse de acuerdo con sus niveles de rendimiento.
El modelo LSRACI se desarrolló en base a los CSF y Esto a cambio, esta estrategia reducirá el
los factores LSS de la literatura como se muestra en la Tabla 5. Los CSF resistencia al cambio y mejorar la cooperación entre
se determinaron mediante un cuestionario distribuido a 85 PYME del sector de los diferentes empleados. Esta empresa necesita capacitación en
la confección. Este es uno de los puntos fuertes de este estudio, para LSS herramientas y técnicas periódicamente y tecnologías. Por lo tanto, se
incluir MCA específicos para las PYME del sector de la confección en nuestro modelo y debe realizar un mantenimiento regular dependiendo de
no de la literatura. el tiempo de inactividad de las máquinas. El modelo LSRACI ayuda a saber
Basado en los valores FLSS, el nivel de preparación de la empresa el nivel de preparación actual de la empresa antes de iniciar el
A está "promedio listo", con 20 atributos más débiles de 48 atributos proceso de mejora. Al comparar nuestro resultado con el
identificados usando FPII (Tabla 11). Estos atributos necesitan estudio realizado por (Sreedharan et al. 2019), los autores utilizaron
atención de la gerencia para mejorar la preparación de LSS 4 habilitadores, 16 criterios y 46 atributos de LSS en tres empresas [58]. La
nivel de esta organización. ''Gestión de equipos para la decisión preparación de los tres fabricantes A, B,
decisiones'' (AT112) y ''Participación de la dirección'' (AT113) y C fueron: Malo, Favorable y Favorable respectivamente.
estaban en la parte superior de los atributos más débiles. Significa que esta “Bienestar de los empleados” y “aprendizaje en la organización”
organización no es consciente de los beneficios del enfoque LSS de fueron identificados como áreas pobres. Mientras que (V Vaishnavi y M Sur
la alta dirección. Para superar este problema, la empresa esh. 2020) identificaron en su estudio ''Implicación de la gestión
Machine Translated by Google
Nuevo modelo de evaluación de preparación Lean Six Sigma utilizando lógica difusa: estudio de caso dentro de la industria de la confección 9091
Tabla 11 FPII de preparación para la implementación de la LSS para la empresa A la implementación de la LSS.
(AT111) (0,3 ; 0,5 ; 0,7) (2 ; 3.5 ; 5) (0,3 ; 0,5 ; 0,7) (0,6 ; 0,875 ; 3,5) 1,27
(AT112) (0,1 ; 0,2 ; 0,3) (0 ; 0.5 ; 1.5) (0,7 ; 0,8 ; 0,9) (0 ; 0,4 ; 1,35) 0,49
(AT113) (0,3 ; 0,5 ; 0,7) (2 ; 3.5 ; 5) (0,3 ; 0,5 ; 0,7) (0,6 ; 1,75 ; 3,5) 1,85
(AT114) (0,3 ; 0,5 ; 0,7) (5 ; 6.5 ; 8) (0,3 ; 0,5 ; 0, 7) (1,5 ; 3,25 ; 5,6) 3,35
(AT115) 0,2 ; 0,35; 0,5) (3 ; 5 ; 7) (3 ; (0,5 ; 0,65 ; 0,8) (1 ,5 ; 3,25 ; 5,6) 3,35
(AT121) (0,2 ; 0,35 ; 0,5) 5 ; 7) (2 ; 3.5 ; (0,5 ; 0,65 ; 0,8) (1,5 ; 3,25 ; 5,6) 3,35
(AT311) (0,1 ; 0,2 ; 0,3) 5) ( 2 ; 3.5 ; (0,7 ; 0,8 ; 0,9) (1,4 ; 2,8 ; 4,5) (1 ; 2,85
(AT312) (0,1 ; 0,2 ; 0,3) 5) (3 ; 5 ; 7) (0,5 ; 0,65 ; 0,8) 2,275 ; 4) (0,6 ; 1 2,35
(AT313) (0,5 ; 0,65 ; 0,8) (3 ; 5 ; 7) (0 ; (0,2 ; 0,35 ; 0,5) ,75 ; 3,5) (1,5 ; 1,85
(AT314) (0,2 ; 0,35 ; 0,5) 0.5 ; 1.5) (2 ; (0,5 ; 0,65 ; 0,8) 3,25 ; 5,6) (0 ; 3,35
(AT315) (0,1 ; 0,2 ; 0,3) 3.5 ; 5) (5 ; (0,7 ; 0,8 ; 0,9) 0,4 ; 1,35) (1,4 ; 0,49
(AT316) (0,1 ; 0,2 ; 0,3) ) 6.5 ; 8) (1 ; (0,7 ; 0, 8 ; 0,9) 2,8 ; 4,5) (1,5 ; 3 2,85
(AT317) (0.3 ; 0.5 ; 0.7) 2 ; 3) (5 ; 6.5 ; (0,3 ; 0,5 ; 0,7) ,25 ; 5,6) (0,3 ; 1 ; 3,35
(AT318) (0.3 ; 0.5 ; 0.7) 8) (5 ; 6.5 ; 8) (0,3 ; 0,5 ; 0,7) 2,1) (1,5 ; 3,25 ; 1,07
(AT319) (0.3 ; 0.5 ; 0.7) (3 ; 5 ; 7) (2 ; (0,3 ; 0,5 ; 0,7) 5,6) (1,5 ; 3,25 ; 3,35
(AT3110) (0.3 ; 0.5 ; 0.7) 3.5 ; 5) (5 ; (0,3 ; 0,5 ; 0,7) 5,6) (0,9 ; 2 ,5 ; 3,35
(AT321) (0.3 ; 0.5 ; 0.7) 6.5 ; 8) (5 ; (0,3 ; 0,5 ; 0,7) 4,9) (0,4 ; 1,225 ; 2,63
(AT322) (0.5 ; 0.65 ; 0.8) 6.5 ; 8) (3 ; (0,2 ; 0,35 ; 0,5) 2,5) (3,5 ; 5,2 ; 1,30
(AT323) (0.1 ; 0.2 ; 0.3) 5 ; 7) (3 ; 5 ; (0,7 ; 0,8 ; 0,9) 7,2) (0,9 ; 2,5 ; 5,25
(AT324) (0.3 ; 0.5 ; 0.7) 7) (2 ; 3.5 ; 5) (0, 3 ; 0,5 ; 0,7) 4,9) (0,9 ; 2 ,5 ; 2,63
(AT325) (0.3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8) (0,3 ; 0,5 ; 0,7) 4,9) (0,9 ; 2,5 ; 2,63
(AT326) (0.3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8) (0,3 ; 0,5 ; 0,7) 4,9) (0,4 ; 1,225 ; 2,63
(AT327) (0.5 ; 0.65 ; 0.8) (0 ; 0.5 ; 1.5) (0,2 ; 0,35 ; 0,5) 2,5) (2,5 ; 4,225 ; 1,30
(AT328) (0.2 ; 0.35 ; 0.5) (5 ; 6.5 ; 8) ( 0,5 ; 0,65 ; 0,8) 6,4) (3,5 ; 5,2 ; 4,30
(AT329) (0.1 ; 0.2 ; 0.3) (1 ; 2 ; 3) (5 ; (0,7 ; 0,8 ; 0,9) 7,2) (0 ; 0,4 ; 1,35) 5,25
(AT3210) (0.1 ; 0.2 ; 0.3) 6.5 ; 8) (1 ; (0,7 ; 0,8 ; 0,9) (1,5 ; 3,25 ; 5,6) 0,49
(AT3211) ( 0.3 ; 0.5 ; 0.7) 2 ; 3) (2 ; 3.5 ; (0,3 ; 0,5 ; 0,7 ) (0,3 ; 1 ; 2,1) (1,5 ; 3,35
(AT3212) (0.3 ; 0.5 ; 0.7) 5) (5 ; 6.5 ; 8) (0,3 ; 0,5 ; 0,7) 3,25 ; 5 ,6) (0,2 ; 1,07
(AT331) (0.3 ; 0.5 ; 0.7) (0 ; 0.5 ; 1.5) (0,3 ; 0,5 ; 0,7) 0,7 ; 1,5) (0,6 ; 3,35
(AT332) (0.5 ; 0.65 ; 0.8) (5 ; 6.5 ; 8) (0,2 ; 0,35 ; 0,5) 1,75 ; 3,5) (3,5 ; 0,75
(AT333) (0.3 ; 0.5 ; 0.7) (5 ; 6.5 ; 8) (0,3 ; 0,5 ; 0 ,7) 5,2 ; 7,2) (0 ; 0,4 ; 1,85
(AT334) (0.1 ; 0.2 ; 0.3) (3 ; 5 ; 7) (2 ; (0,7 ; 0,8 ; 0,9) 1 ,35) (0,5 ; 1,3 ; 5,25
(AT335) (0.1 ; 0.2 ; 0.3) 3.5 ; 5) (5 ; (0,7 ; 0,8 ; 0,9) 2,4) (2,5 ; 4,225 ; 0,49
(AT336) (0.7 ; 0.8 ; 0.9) 6.5 ; 8) (0 ; (0,1 ; 0,2 ; 0,3) 6,4) (0,9 ; 2,5 ; 1,35
(AT337) (0.2 ; 0.35 ; 0.5) 0.5 ; 1.5) (2 ; (0,5 ; 0,65 ; 0,8) 4,9) (0,6 ; 1,75 ; 3 4,30
(AT338) (0.3 ; 0.5 ; 0.7) 3.5 ; 5) (2 ; (0,3 ; 0,5 ; 0,7) ,5) (3,5 ; 5,2 ; 7,2) 2,63
(AT339) (0.3 ; 0.5 ; 0.7) 3.5 ; 5) (5 ; (0,3 ; 0,5 ; 0,7) (0 ; 0,325 ; 1,2) 1,85
(AT3310) (0.1 ; 0.2 ; 0.3) 6.5 ; 8) (2 ; (0,7 ; 0,8 ; 0,9) (1 ; 2,275 ; 4) 5,25
(AT411) (0.2 ; 0.35 ; 0.5) 3.5 ; 5 ) (1 ; (0,5 ; 0 ,65 ; 0,8) (0,6 ; 1,75 ; 3,5) 0,42
(AT412) (0.2 ; 0.35 ; 0.5) 2 ; 3) (0 ; 0.5 ; (0,5 ; 0,65 ; 0,8) (1,5 ; 3,25 ; 5,6) 2,35
(AT413) (0.3 ; 0,5 ; 0,7) 1.5) (0 ; 0.5 ; (0,3 ; 0,5 ; 0,7) (1,4 ; 2,8 ; 4,5) 1,85
(AT414) (0,3 ; 0,5 ; 0,7) 1.5) (0,3 ; 0,5 ; 0,7) (0,7 ; 1,6 ; 2,7) (0 ; 3,35
(AT415) (0,1 ; 0,2 ; 0,3) (0,7 ; 0,8 ; 0,9) 0,4 ; 1,35) (0 ; 2,85
(AT416) (0,1 ; 0,2 ; 0,3) (0,7 ; 0,8 ; 0,9) 0,325 ; 1,2) 1,63
(AT417) (0,1 ; 0,2 ; 0,3) (0,7 ; 0,8 ; 0,9) 0,49
(AT418) (0,2 ; 0,35 ; 0,5) (0,5 ; 0,65 ; 0,8) 0,42
para la implantación de la LSS', y, 'Confianza entre los empleados' como butes. Estos factores se identifican a través de los CSF que son
atributos más débiles [35]. determinado mediante el uso de cuestionarios y, a partir de la literatura. los
En nuestro estudio, hemos notado que entre los principales obstáculos que El uso de CSF especificados para las PYME del sector de la confección puede ser uno de los
citamos está la resistencia de los empleados a los cambios, la falta puntos fuertes de este estudio. El factor crítico más importante encontrado fue la
de tiempo para poner en marcha proyectos LSS, así como la baja madurez de implicación de la alta dirección. Por lo tanto,
sector PYME de confecciones, y el desconocimiento de la nuestro modelo se discute con la alta dirección y luego se hace circular entre los
herramientas y técnicas de Lean Six Sigma. expertos participantes. Su calificación y ponderación.
para diferentes factores se dará usando indicadores de la tabla
4. Implicaciones prácticas/de gestión 6. Las respuestas lingüísticas seleccionadas elegidas se transforman en
conjuntos de números borrosos utilizando el enfoque borroso para calcular el
FLSS y el FPII. LSRACI encontró la PYME de confección
El conocimiento de preparación para Lean Six Sigma es un paso importante
"promedio listo", con 20 atributos más débiles y barreras identificados en base a
hacia la implementación exitosa de LSS. el presente trabajo
los valores FLSS. Para mejorar el nivel de preparación
comienza con la identificación de los habilitadores, criterios y atributos
Machine Translated by Google
para LSS de la empresa, debe tomar las acciones correctivas necesarias para Herramientas y técnicas. Se requiere compartir información sobre LSS con los
superar las barreras y obstáculos. Luego, una vez que se completan los pasos empleados para mejorar su aceptación del cambio y mejorar la accesibilidad con
de mejora, el modelo de evaluación se vuelve a probar para conocer el nivel de ellos. Esto anima a los empleados a cooperar y participar en la toma de decisiones.
preparación de la empresa para la aplicación LSS. Este estudio ayuda a los
gerentes a identificar las principales barreras y proporciona margen para Además, se deben identificar y discutir los tipos de desechos para tomar las
mejorarlas. medidas necesarias. Por lo tanto, la función de cada PYME de confección es
Además, métodos como Delphi requieren más tiempo y compromiso de los centrarse en estos parámetros.
participantes para compartir información y habilidades. Las principales limitaciones de nuestro trabajo son que el estudio utiliza solo
Por lo tanto, las contribuciones del modelo LSRACI son: una industria de la confección y utiliza un número borroso triangular. Por lo tanto,
en el futuro, se deben realizar varios estudios de casos en otras industrias de la
Un nuevo método para evaluar la preparación de las PYME del sector de la confección en diferentes regiones. Además, este modelo también podría probarse
confección para la aplicación de LSS; Identificar los CSF de LSS especificados en grandes industrias de la confección y, con el mismo modelo, podrían usarse
de las PYME del sector de la confección que se utilizarán en el modelo de otras teorías difusas.
evaluación; FLSS y FPII para evaluación; Realizar un estudio piloto en PYME
de confecciones; Identificar el área débil de la empresa; y El modelo Información de los autores
propuesto ayuda a los gerentes a evaluar la preparación de la empresa Nedra ABBES: Doctora en ingeniería textil, Laboratorio de Ingeniería Textil
antes de la implementación de LSS. (LGTEX), Instituto Superior de Estudios Técnicos de ksar hellal (ISET),
Universidad de Monastir, Túnez.
Nejib SEJRI: Profesor adjunto de ingeniería textil, Laboratorio de Ingeniería
Textil (LGTEX), Instituto Superior de Estudios Técnicos de ksar hellal (ISET),
Universidad de Monastir, Túnez.
5. Conclusión
Jun XU: Profesor asociado, Escuela de Ciencias Textiles y
Ingeniería, Universidad TianGong, Tianjin, China.
Lean Six Sigma es una combinación de dos enfoques: Lean para reducir el
Morched CHEIKHROUHOU: Profesor, Laboratorio de Ingeniería Textil
desperdicio y Six Sigma para mejorar la calidad. El conocimiento del nivel de
(LGTEX), Instituto Superior de Estudios Técnicos de ksar hellal (ISET),
preparación LSS ayuda a las organizaciones a conocer el nivel de preparación
Universidad de Monastir, Túnez.
actual de la empresa antes de iniciar el proceso de mejora. El análisis de la
literatura demuestra que es difícil localizar investigaciones publicadas sobre el
modelo de evaluación de preparación LSS en textiles y prendas de vestir. El Declaración de interés en competencia
estudio actual desarrolló un modelo de evaluación de preparación LSS para las
industrias de la confección (LSRACI) usando lógica difusa. El uso de la lógica Los autores declaran que no tienen intereses financieros en competencia ni
difusa para dar respuesta al descuido de la ambigüedad está relacionado con relaciones personales conocidas que pudieran haber influido en el trabajo
individuos, imprecisión o datos que no pueden expresarse como números informado en este documento.
exactos. El modelo se basó en el éxito crítico
Referencias
factor de LSS determinado a partir de las PYME del sector de la confección
mediante un cuestionario, y factores de LSS identificados a partir de la [1] B. Smith, Lean y Six Sigma-a One-two Punch, Quality Progress 36
bibliografía. Identifica 5 habilitadores, 6 criterios y 46 atributos, y se selecciona (2003) 37–41.
una PYME de ropa para evaluar su nivel de preparación LSS. El uso de CSF [2] R. Ben Ruben, S. Vinodh, P. Asokan, Implementación del marco Lean
identificados de las PYME del sector de la confección hace que el modelo de Six Sigma con consideraciones ambientales en una empresa india de
evaluación de LSRACI sea único y específico para las PYME del sector del fabricación de componentes automotrices: un estudio de caso,
Planificación
sector de la confección de otros modelos de preparación para el LSS. Nuestro modelo considera la crítica y control de producción 28 (15) (2017) 1193– 1211.
factores de éxito de LSS de PYMES de confección, que se considera uno de [3] DC Krueger, M. Mellat Parast, S. Adams, Implementación de Six
Sigma: un estudio de caso cualitativo utilizando la teoría fundamentada.
los puntos fuertes de este estudio. El índice de nivel de preparación Fuzzy LSS
(T. a. Fransis, E´ d.), Production Planning & Control 25 (10) (2014)
se calcula como promedio (3.28; 4.9; 6.7). Este resultado muestra que la
873–889.
empresa necesita mejorar su preparación para LSS. A partir de 46 atributos, el
[4] W. Timans, J. Antony, K. Ahaus, R. van Solingen, Implementación de
modelo ayuda a los gerentes a identificar 20 atributos más débiles en la empresa Lean Six Sigma en pequeñas y medianas empresas manufactureras
utilizando el FPII. La 'Gestión de equipos para la toma de decisiones' (AT112) y de los Países Bajos, Journal of the Operational Research Society 63
la 'Participación de la dirección' (AT113) y la aplicación de los principios de (3) (2012) ) 339–353.
producción ajustada para la eliminación de residuos (AT315) estaban entre los [5] NC Anderson, JV Kovach, Reducción de defectos de soldadura en
atributos más débiles. El modelo Readiness tiene como objetivo aumentar la proyectos de recuperación: un estudio de caso de Lean Six Sigma,
posibilidad de una implementación exitosa de LSS y garantizar la mejora continua Quality Engineering 26 (2) (2014) 168–181.
de dos maneras: producción y calidad. [6] M. Kumar, J. Antony, RK Singh, MK Tiwari, D. Perry, Implementing
the Lean Sigma framework in an Indian SME: a case study, Production
Planning & Control 17 (4) (2006) 407– 423.
Nuevo modelo de evaluación de preparación Lean Six Sigma utilizando lógica difusa: estudio de caso dentro de la industria de la confección 9093
organización: un estudio de caso, Planificación y control de producción: la [28] MA Khan, HB Marri, A. Katri, Estudio preliminar sobre la identificación, el
gestión de operaciones 22 (7) (2011) 708–722. análisis y la eliminación de desechos de fabricación ajustada mediante
[9] VSM, J. Antony, Six-sigma para mejorar el puntaje de satisfacción del cliente prácticas de fabricación ajustada en la industria de fabricación de hilados,
para un centro de llamadas bancarias, producción, planificación y control 26 Actas de la Conferencia internacional sobre ingeniería industrial y gestión de
(16) (2015) 1291–1305. operaciones, 2020.
[10] V. Sunder M., Gestión de proyectos Lean Six Sigma: una perspectiva de gestión
de las partes interesadas, The TQM Journal 28 (1) (2016) 132–150. [29] NG Neha Gupta, Una aplicación de la metodología DMAIC para aumentar la
calidad del hilo en la industria textil, IOSR Journal of Mechanical and Civil
[11] J. Arturo Garza-Reyes, A. Flint, V. Kumar, J. Antony, H. Engineering (IOSR-JMCE) 6 (1) (2013) 50–65.
Soriano-Meier, Un enfoque DMAIRC para la reducción del tiempo de entrega
en un proceso de ensamblaje de motores aeroespaciales, Journal of [30] Raja Elboq, Mouhsene Fri, Mustapha Hlyal,Jamila El Alami: MODELANDO LA
Manufacturing Technology Management 25 (1) (2014) 27–48. INTEGRACIÓN LEAN Y SIX SIGMA UTILIZANDO EL APRENDIZAJE
[12] M. Zhang et al, Aplicación integral de Six Sigma: un estudio de caso, producción, PROFUNDO. Revista de investigación de Autex 2020.
planificación y control 26 (2015) 219–234. [31] Nedra, A., Ne´jib, S., Yassine, C., & Morched, C: Un nuevo método híbrido Lean
[13] G. Improta, G. Balato, C. Ricciardi, MA Russo, I. Santalucia, M. Triassi, M. Six Sigma basado en la combinación de PDCA y DMAIC para mejorar el
Cesarelli, Lean Six Sigma en el cuidado de la salud: Cirugía acelerada para rendimiento del proceso: Aplicación a PYME de confecciones . Industria Textil
pacientes que se someten a una cirugía de reemplazo protésico de cadera , 2019;70(5): 447–456.
The TQM Journal 31 (4) (2019) 526–540. [32] Rhonda L. Hensley Kathryn Dobie: Evaluación de la preparación para Six Sigma
[14] G. Jose Arturo et al, Un marco Lean Six Sigma para la reducción del tiempo en un entorno de servicio. Rhonda L. Hensley Kathryn Dobie. 1, 2005, Gestión
comercial de carga de barcos en la industria de peletización de mineral de de la calidad del servicio: una revista internacional 2005; 15(1): 82 - 101.
hierro , Production Planning & Control 27 (2016) 1–
20 [33] Y. Lagrosen, R. Chebl, M. Rios Tuesta, Aprendizaje organizacional y evaluación
[15] G. Clapp, A. Blanton Godfrey, G. Dale, et al, Tejiendo una industria de calidad: de preparación para el despliegue de Six Sigma: un estudio de caso,
las iniciativas de calidad remodelan la industria textil, Quality Digest 21 (2001). International Journal of Lean Six Sigma 2 (1) (2011) 23–40.
[34] TY Lee, WK Wong, KW Yeung, Desarrollo de un modelo de autoevaluación de
[16] S. Karthi, SR Devadasan, K. Selvaraju, NM Sivaram, CG preparación (RSM) para Six Sigma para empresas de China, International
Sreenivasa, Implementación de Lean Six Sigma a través de QMS basado en Journal of Quality & Reliability Management 28 (2) (2011) 169–194.
ISO 9001: 2008: un estudio de caso en una fábrica textil, The Journal of The
Textile Institute 104 (10) (2013) 1089–1100. [35] V. Vaishnavi, M. Suresh, Modelado de factores de preparación para la
[17] M. Uluskan, JA Joines, AB Godfrey, Visión integral de la calidad del proveedor implementación de Lean Six Sigma en organizaciones de atención médica,
y el impacto de las estrategias de calidad de los proveedores en las decisiones International Journal of Lean Six Sigma 11 (4) (2020) 597–633.
de subcontratación, Supply Chain Management: An International Journal 21 [36] M. Elnadi, E. Shehab, Un modelo conceptual para evaluar la esbeltez de los
(1) (2016) 92–102. sistemas de productos y servicios en las empresas manufactureras del Reino
[18] Adikorley, RD, Rothenberg, L. y Guillory: Aplicaciones de Lean Six Sigma en la Unido , Proc CIRP 22 (1) (2014) 281–286.
industria textil: un estudio de caso. [37] S. Vinodh, UR Madhyasta, T. Praveen, Puntuación y evaluación difusa
Revista Internacional de Lean Six Sigma 2017; 8(2): 210-224. multigrado de la agilidad en una organización india de fabricación de
[19] A. Prashar, Teñido correcto por primera vez en textiles usando métodos Six automóviles eléctricos, Int J Prod Res 50 (3) (2012) 647–660.
Sigma, International Journal of Scientific & Engineering Research 4 (8) (2013)
1517–1525. [38] S. Vinodh, S. Kumar Chintha, Aplicación de QFD difusa para permitir la esbeltez
[20] Rucker y asociados. Combustibles de fabricación 'Lean' de Rucker en una organización de fabricación, Int J Prod Res 49 (6) (2011) 1627–1644.
Eficiencias Unifi 2011.
[21] R. Ajmera, P. Umarani, KG Valase, Implementación de Lean Six [39] MA Almomani, A. Abdelhadi, A. Mumani, A. Momani, M.
Sigma en la industria textil, International Research Journal of Aladeemy, Un modelo integrado propuesto de evaluación lean y
Engineering and Technology (IRJET) 4 (4) (2017) 1670–1677. proceso de jerarquía analítica para una hoja de ruta dinámica de
implementación lean, Int J Adv Manuf Technol 72 (1-4) (2014) 161–
[22] R. Rodrigues Nogueira, S. Lemos Cotrim , CL Leal, G,, Implementación 172.
de Lean Six Sigma en una industria textil de hilados (2017) 67–94. [40] MM Ravikumar, K. Marimuthu, P. Parthiban, Evaluating lean
deployment performance in Indian MSMEs using ISM and AHP
[23] A. Rahman, SUC Shaju, SK Sarkar, MZ Hashem, SMK models, Int J Serv Oper Manag 22 (1) (2015) 21–39.
Hasan, R. Mandal, U. Islam, Un estudio de caso de Six Sigma DefineMeasure- [41] O. Bayazit, Uso de AHP en la toma de decisiones para sistemas de
Analyze-Improve-Control (DMAIC) fabricación flexibles, J Manuf Technol Manag 16 (7) (2005) 808–819.
Methodology in Garment Sector, Independent Journal of Management
& Production 8 (4) (2017) 1309, https://doi.org/ 10.14807/ijmp.v8i4.650. [42] H. Hosseini Nasab, T. Aliheidari Bioki, H. Khademi Zare, Encontrar
un enfoque probabilístico para analizar la fabricación ajustada, J
[24] Kurniawan, AR y Prestianto, B: Planificación para el control de calidad de Clean Prod 29 (30) (2012) 73–81.
productos de ropa para bebés con el método Six Sigma en CV. AGP. JEMAP [43] WP Wong, J. Ignatius, KL Soh, Soh KL: ¿Cuál es el nivel de eficiencia
2020. de su organización en la implementación de la transformación lean?
[25] M. Mohan Prasad, JM Dhiyaneswari, J. Ridzwanul Jamaan, S. Un índice lean integrado usando el enfoque ANP, Prod Plan Control
Mythreyan, SM Sutharsan, Un marco para la implementación de la 25 (4) (2014) 273–287.
fabricación ajustada en la industria textil india, Materials Today: [44] G. Yadav, D. Seth, TN Desai, Priorización de soluciones para las
Proceedings 33 (2020) 2986–2995. barreras de adopción de Lean Six Sigma a través del marco TOPSIS
[26] En la pinta. Alkatiri, HA, Adianto, H., & Novirani, D: Implementación de Control modificado por AHP difuso, Int J Lean Six Sigma 9 (3) (2018) 270–300.
de Calidad para Reducir el Número de Productos Defectuosos Utilizando [45] S. Vinodh, NH Prakash, KE Selvan, Evaluación de la delgadez
Tejidos Textiles de Algodón. Six Sigma Online Journal del Instituto Nacional mediante la minería de reglas de asociación difusa, Int J Adv Manuf
de Tecnología. Technol 57 (1-4) (2011) 343–352.
[27] Khan, M. A: Estudio preliminar sobre prácticas de fabricación ajustada en la [46] SL Yang, TF Li, Evaluación de la agilidad de la fabricación de
industria de fabricación de hilados: un estudio de caso. de Ingeniería y productos de personalización en masa, Journal of Materials
Tecnología, Jamshoro, 76062, Sindh, Pakistán, 2018., 2018. Processing Technology 129 (1-3) (2002) 640–644.
Machine Translated by Google
[47] S. Vinodh, SR Balaji, Evaluación de la delgadez basada en la lógica difusa y su instituciones: un estudio de caso, International Journal of Production Economics
sistema de soporte de decisiones, International Journal of Production Research 197 (2018) 123–142.
49 (13) (2011) 4027–4041. [60] AM Almutairi, K. Salonitis, A. Al-Ashaab, Evaluación de la agilidad de una
[48] KEK Vimal, S. Vinodh, Evaluación de la delgadez usando las reglas IF-THEN, cadena de suministro utilizando lógica difusa multigrado: un estudio de caso
Int J Adv Manuf Technol 63 (1-4) (2012) 407–413. de atención médica, International Journal of Lean Six Sigma 10 (1) (2019) 81–
105.
[49] SM Zanjirchi, HS Tooranlo, LZ Nejad, Midiendo la esbeltez organizacional [61] D. Setijono, A. Laureani, J. Antony, Factores críticos de éxito para la
usando un enfoque difuso, en: Actas de la Conferencia Internacional de 2010 implementación efectiva de Lean Sigma: Resultados de un estudio empírico y
sobre Ingeniería Industrial y Gestión de Operaciones, 2010, pp. 144–156. agenda para futuras investigaciones, International Journal of Lean Six Sigma 3
(4) (2012) 274–283.
[50] B. Singh, SK Garg, SK Sharma, Desarrollo del índice para medir la delgadez: [62] J. Antonio, G. Manville, R. Greatbanks, R. Krishnasamy, DW
estudio de una industria india de componentes de automóviles , Meas Bus Parker, Factores críticos de éxito para los programas Lean Six Sigma: una
Excell 14 (2) (2010) 46–53. visión desde la gerencia intermedia, International Journal of Quality & Reliability
[51] S. Vinodh, SK Chintha, Evaluación de la delgadez utilizando un enfoque difuso Management 29 (1) (2012) 7–20.
multigrado, International Journal of Production Research 49 (2) (2011) 431–445. [63] JF Rockart, Los directores ejecutivos definen sus propias necesidades de datos,
Harvard Business Review 12 (1979) 81–93.
[52] M. Delgado, JL Verdegay, MA Vila, Modelos lingüísticos de toma de decisiones, [64] J. Antony, RJ Hilton, A. Sohal, Un modelo conceptual para la implementación
International Journal of Intelligent Systems 7 (5) (1992) 479–492. exitosa de Lean Six Sigma, International Journal of Quality & Reliability
Management 29 (1) (2012) 54–70.
[53] S. Vinodh, KEK Vimal, Evaluación de la delgadez basada en treinta criterios [65] EV Gijo, J. Antony, Reducción del tiempo de espera del paciente en el
utilizando un enfoque de lógica difusa, The International Journal of Advanced departamento ambulatorio utilizando la metodología Lean Six Sigma. Quality
Manufacturing Technology 60 (9-12) (2012) 1185–1195. and Reliability Engineering international 30 (2014) 1481–1491.
[66] G. Yadav, TN Desai, Lean Six Sigma: una revisión categorizada de la literatura,
[54] ME Bayou, A. de Korvin, Midiendo la delgadez de los sistemas de International Journal of Lean Six Sigma 7 (1) (2016) 2–24.
fabricación: un estudio de caso de Ford Motor Company y General
Motors, Journal of Engineering and Technology Management 25 (4) [67] G. Yadav, TN Desai, Un enfoque difuso de AHP para priorizar las barreras de
(2008) 287–304. Lean Six Sigma integrado, Int J Qual Reliab Manag 34 (8) (2017) 1167–1185.
[55] S. Bhasin, Rendimiento de lean en grandes organizaciones, Journal of
Sistemas de fabricación 31 (2012) 349–357. [68] C.-T. Lin, H. Chiu, Y.-H. Tseng, Evaluación de la agilidad mediante lógica difusa,
[56] J. Antony, Factores de preparación para el viaje Lean Six Sigma en el Int. J. Producción 101 (2) (2006) 353–368.
sector de la educación superior, International Journal of Productivity [69] JA Can, La ciencia de los métodos de encuesta de opinión es investigación,
and Performance Management 63 (2) (2014) 257– 264. Turgeon: Gregory L. Bryson 59 (2012) 736–742.
[70] A. Albliwi et al, revisión sistemática de Lean Six Sigma para la industria
[57] A. Shokri, TS Waring, F. Nabhani, Investigación de la disposición de manufacturera, Business Process Management 2 (2015) 665–691.
las personas en las PYME manufactureras para embarcarse en
proyectos Lean Six Sigma : un estudio empírico en el sector [71] S. Albliwi, J. Antony, S. Abdul Halim Lim, T. van der Wiele, Factores
manufacturero alemán, International Journal of Operations and críticos de falla de Lean Six Sigma: una revisión sistemática de la
Production Management 36 (8) (2016) 850–878. literatura, International Journal of Quality & Reliability Management 31
[58] R. Sreedharan V., R. Raju, V. Sunder M., J. Antony, Assessment of (9) (2014) 1012-1030.
lean six sigma readiness (LESIRE) for manufacturing industries using [72] S. Vinodh, S. Aravindraj, Evaluación de la legibilidad en las cadenas
fuzzy logic”, International Journal of Quality and Reliability Management de suministro utilizando un enfoque de lógica difusa, International
36 (2 ) (2019) 137–161. Journal of Production Research 51 (4) (2013) 1186–1195.
[73] HW Guesgen, J. Albrecht, Razonamiento impreciso en sistemas de
[59] G. Narayanamurthy, A. Gurumurthy, N. Subramanian, R. información geográfica, Conjuntos y sistemas borrosos 113 (1) (2000)
Moser, Evaluación de la preparación para implementar Lean en el cuidado de la salud 121–131.