Machine Translated by Google

Revista de ingeniería de Alejandría (2022) 61, 9079–9094

ALOJADO POR

Universidad de Alejandría

Revista de ingeniería de Alejandría

www.elsevier.com/locate/aej
www.sciencedirect.com

Nuevo modelo de evaluación de preparación Lean Six Sigma

utilizando lógica difusa: estudio de caso dentro de la industria de la
confección

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

Recibido el 11 de febrero de 2021; revisado el 20 de diciembre de 2021; aceptado el 16 de febrero de 2022

Disponible en línea el 25 de febrero de 2022

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

9080 N. Abbes et al.

1. Introducción La revisión de los artículos de Lean Six Sigma ha informado de la

decepción de la filosofía y la complejidad de la evaluación de la
delgadez en estas industrias.
Lean, Six Sigma y Lean Six Sigma son enfoques populares en la
En el segundo paso, se definieron criterios y palabras clave para
mejora continua de la producción y la calidad en las empresas
seleccionar la literatura. Para la búsqueda bibliográfica se ha utilizado
manufactureras. Este desarrollo se realiza mediante la combinación de
como punto de partida Google Scholar, el cual nos proporciona varias
la reducción en la variación del proceso utilizada en Six Sigma y la
bases de datos, y mediante una lectura manual del resumen se
eliminación del valor no agregado por el enfoque Lean. Lean Six Sigma
seleccionan estos artículos. Para tener el máximo número de artículos,
proporciona una combinación de medición: calidad, eficiencia del
se selecciona el idioma inglés. Las palabras clave utilizadas fueron:
proceso, capacidad de respuesta y costo [1]. De hecho, este método
Lean, Six Sigma, Lean Six Sigma, leanness, Assessment, textile
se usa ampliamente en las empresas manufactureras de todo el mundo
industry, clothing, lean performance, fuzzy logic y framework. Otras
y se aplica en diferentes campos industriales, que incluyen la fabricación
palabras clave elegidas para la búsqueda fueron: implementación,
[2–8] , los servicios [9–10], el comercio [11] , la atención médica [12–
nivel Lean, índice de Leanness, LSS en SME y CSF. Finalmente, se
13] y la logística . [14]. Sin embargo, la literatura sobre LSS y su
llevó a cabo la fase de análisis de la literatura revisada para obtener
aplicación en pequeñas y medianas empresas es limitada [15–17].
una idea de la literatura mediante análisis descriptivos y de contenido.
Además, el examen de la bibliografía ha demostrado que solo se han
La mayoría de los trabajos revisados fueron artículos revisados por
publicado unos pocos estudios sobre las aplicaciones de LSS en las
pares y actas de congresos, y algunas de las secciones seleccionadas
industrias textil y de la confección [16–18].
ya se han tomado de libros.

La recopilación del artículo revisado se ha realizado a través de

tres fases diferentes (Fig. 1): identificación del problema, selección de
palabras clave y base de datos, y análisis y síntesis de la literatura.
En la fase de identificación del problema, encontramos una falta de
literatura de evaluación de la delgadez en las industrias textiles y la
Según (Adikorley et al. 2017), hay algunos ejemplos de éxito de
proyectos LSS en industrias textiles [18]. El primero es informado por
(Prashar, 2013) en una gran empresa de teñido de telas en India [19].
El segundo se implementa en un productor de poliéster multifilamento
ubicado en los EE . UU . [20]. El reciente

Fig. 1 Metodología de investigación adoptada para el estudio.

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
años ha sido testigo de la implementación exitosa de LSS en las industrias textiles
para reducir los defectos que ocurren en la línea de productos de la industria textil
[21–23] y mejorar el proceso de fabricación. Los métodos cuantitativos y cualitativos
se introdujeron mediante la integración de herramientas y técnicas Lean, como
mapeo de flujo (VSM), 5S, kanban, kaizen, poka-yoke y controles visuales con la
metodología Six Sigma [24–25]. (Adikorley et al., 2017) también ha propuesto un
marco que pasa por las fases DMAIC. Este estudio proporcionó una visión
comprensiva del efecto de la aplicación de LSS en la industria textil de las PYME.
Esto último contribuye a una reducción del 27 % en el tiempo de cambio en la línea
de producción, así como a una reducción en el aumento del nivel sigma de 4,36
sigma a 3,74 sigma [18]. Mientras que (Alkatiri et al., 2015) reducen el DPMO en
productos textiles de tela gris en un (27,13 %), el resultado del valor sigma muestra
un aumento del (27,6 %) [26]. Un estudio realizado por (Khan.2018) en la industria
de fabricación textil que tenía como objetivo eliminar/reducir el desperdicio de
defectos más significativo de la fabricación ajustada se llevó a cabo mediante el
uso de herramientas Lean y técnicas estadísticas para identificar y analizar los
desperdicios de producción ajustada. fabricación [27]. Lean Six Sigma se
implementó en las industrias de hilo utilizando herramientas estadísticas para
aumentar la calidad del hilo en la industria textil [28–29].
Otro proyecto LSS se implementó con éxito en la industria textil de Marruecos
utilizando un modelo de red neuronal [30].
(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].
Para garantizar el éxito de la implementación de LSS, es vital evaluar el nivel
de preparación Lean Six Sigma para identificar debilidades y desviaciones al iniciar
aplicaciones de proyectos LSS en una organización. Esta identificación del índice
de preparación ayuda a las organizaciones a conocer sus potencialidades y
preparación para llevar a cabo mejoras de manera eficiente. Este método se
implementó en varios sectores, como servicios [32–33], manufactura [34] y atención
médica [35]. Se utilizaron varias técnicas y métodos para evaluar el nivel de
delgadez. Los modelos de puntuación también se utilizaron en diferentes estudios
para determinar los niveles de delgadez.
que se lleva a cabo mediante el uso de tres niveles de criterios de evaluación:
habilitador lean, criterios y atributos de interés [36–37]. Otros estudios se han
aplicado en los métodos de toma de decisiones multicriterio (MCDM) para evaluar
la evaluación Lean, como el método Delphi para sopesar la importancia de Lean
[38]. La metodología del proceso de jerarquía analítica (AHP) también se integró
con técnicas de evaluación Lean para proponer una hoja de ruta de implementación
Lean [39–41].
En otros estudios, se realizó una contribución significativa entre los dominios
MCDM y LSS. Las herramientas de MCDM se han integrado con AHP para facilitar
la evaluación de evaluación ajustada, las barreras LSS y proporcionar soluciones.
Por ejemplo (Hosseini Nasab et al. 2012) desarrolló un modelo de red neuronal
artificial (ANN) utilizando AHP para la evaluación del nivel de delgadez en una
empresa de automóviles [42]. En ese mismo contexto, (Wong et al. 2014) aplicó
ANP entre los criterios de decisión para producir un índice de delgadez [43]. (Yadav
et al. 2018) proporcionaron en su estudio en India 27 barreras LSS que utilizan un
marco TOPSIS híbrido modificado con AHP. Para la evaluación de estas barreras,
los rankings de pesos se extraen de revisiones bibliográficas y de expertos [44].
Sin embargo, cuando se usan estas técnicas, la inclusión de métricas e
insumos subjetivos puede complicar aún más el proceso y crear vaguedad en la
toma de una decisión. Por lo tanto
9081
estas técnicas no pueden proceder con preferencias subjetivas.
Para resolver el problema, la lógica difusa es la herramienta apropiada conocida
por la representación de medidas subjetivas, por su capacidad de responder al
descuido de la ambigüedad relacionada con los individuos, la imprecisión o los
datos que no pueden expresarse como números exactos [45–46] . Se usó para
determinar el peso relativo de la importancia de los criterios de evaluación y calificar
el desempeño de las alternativas según estos criterios [47–50] a través de
cuestionarios adoptados por expertos [51]. En otro estudio, la evaluación se realizó
utilizando un enfoque difuso de varios niveles [47]. (Ruben et al. 2017) también
presentó un modelo de base difusa para la evaluación de la esbeltez mediante el
uso de habilitadores y criterios de esbeltez sostenible para producir un índice de
sostenibilidad esbelto [2]. La lógica difusa y las variables lingüísticas proporcionan
una evaluación más precisa de la agilidad organizacional, utilizando una escala de
agilidad de varios niveles. Estos niveles son explicados subjetivamente por las
variables lingüísticas como palabras léxicas comunes para evaluar el índice de
delgadez y luego relacionar cada variable lingüística con una función de pertenencia
difusa.
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
fácilmente. En este estudio actual, utilizamos el conjunto borroso triangular gracias
a su simplicidad en el cálculo.
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
difusa de la organización se calculó utilizando el método de la distancia euclidiana
y se encuentra el nivel de delgadez. Usando el Índice de Importancia del
Desempeño Fuzzy (FPII), identificaron 19 atributos débiles entre 59 atributos.
En el mismo contexto, (Zanjirchi et al, 2010) han desarrollado una metodología
para medir el grado de Lean en empresas manufactureras utilizando variables
lingüísticas y lógica difusa [49].
El método desarrollado y los resultados demuestran el poder y la precisión de este
enfoque. Utilizaron números borrosos triangulares para identificar los valores límite
para cada parámetro determinado. (Bayou y de Korvinl, 2008) han demostrado que
la manufactura esbelta tiene siete características: relativa, dinámica, a largo plazo,
lógica difusa, objetiva, integradora y completa [54]. Utilizaron un enfoque de lógica
difusa para medir la delgadez. (Bhasin, 2012) realizó una extensa encuesta para
interpretar el desempeño de Lean en organizaciones pequeñas, medianas y
grandes [55]. El autor analizó principalmente datos primarios recopilados de 68
cuestionarios de encuestas de organizaciones manufactureras en Gran Bretaña.
En consecuencia, se llevaron a cabo estudios de casos en siete empresas.
Pocos estudios proporcionaron la evaluación del modelo de preparación para
LSS [56–57]. En el sector manufacturero, (Sreedharan et al.2019) desarrolló un
modelo de evaluación de la preparación de LSS utilizando lógica difusa [58].
Aplicaron el modelo desarrollado (LESIRE) 4 habilitadores, 16 criterios y 46
atributos de LSS en tres empresas manufactureras. Este modelo se basa en el
estudio realizado por Antony (2014) en instituciones educativas [56] para determinar
los siguientes habilitadores: cultura organizacional, compromiso y liderazgo de la
dirección, impacto de LSS y vinculación de LSS con el negocio. LESIRE encontró
la empresa A ''Mala'', la empresa B ''Favorable'' y la empresa C ''Favorable. En un
estudio similar, se utiliza lógica difusa para identificar el nivel de preparación para
la implementación de LSS en hospitales [59–60]. Estos estudios utilizaron los CSF
identificados en la literatura para fortalecer su
Machine Translated by Google

9082 N. Abbes et al.

modelo de evaluación, no sus propios CSF. En nuestro estudio, el modelo de
preparación se basa en los CSF entendidos correctamente y especificados para
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
conocimiento de las herramientas y técnicas de Lean Six. Nuestro modelo de
preparación tiene como objetivo aumentar la posibilidad de una implementación
exitosa de LSS y garantizar una mejora continua en la calidad.
Esta sería la motivación para el presente estudio. Sus hallazgos son difíciles
de ubicar en investigaciones publicadas sobre el modelo de evaluación de
preparación LSS en las industrias textil y de la confección.
preparación de las industrias textiles utilizando lógica difusa. Los principales
objetivos de este trabajo son:
Determinar los CTF de las pequeñas y medianas industrias del vestido a ser
utilizados en el modelo de evaluación LSRACI;
Desarrollar una nueva evaluación Lean Six Sigma y un modelo de evaluación
para medir la preparación de LSS utilizando lógica difusa en el ámbito de las
industrias de la confección; y
Examina los estudios de casos en la industria de la confección y documenta
los resultados obtenidos de la evaluación LSRACI
modelo.

En otros términos, el conocimiento de los factores críticos de éxito (CSF) en
las empresas manufactureras juega un papel importante para mantener sus
esfuerzos en estos factores para asegurar mejoras exitosas. Estos factores que
contribuyen a una implementación exitosa de Lean Six Sigma [61–62] (Tabla 1) se
han identificado en varios estudios. Los CSF se han definido como factores
esenciales para asegurar el éxito de un programa y si no se logran los objetivos
asociados con estos factores, la aplicación de la técnica se considera fallida [63].
Por lo tanto, la identificación de LSS CSF y barreras ayuda a las organizaciones a
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 estudio actual contribuye a desarrollar la introducción de un nuevo modelo
de evaluación Lean Six Sigma para medir el LSS
Para lograr los objetivos anteriores, se propone un nuevo marco de modelo de
evaluación de preparación de LSS difuso. El modelo se basó en el factor crítico de
éxito de LSS determinado a partir de las PYME del sector de la confección mediante
un cuestionario, y los factores de LSS (facilitadores, criterios y atributos) identificados
a partir de la literatura.
Se utiliza un conjunto borroso triangular para evaluar las preferencias del tomador
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
aceptar con éxito la implantación de LSS.
El remanente de este documento es el siguiente: La segunda sección explora
los materiales y métodos incluidos en los diferentes pasos involucrados en el
desarrollo del modelo LSRACI. La sección 3 expone el resultado y la discusión en
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.

Tabla 1 Principales CSF para el éxito de la implementación de

Lean Six Sigma.
2. Materiales y métodos
(Antonio y Compromiso e implicación de la
Bañuelas, 2002) dirección Comprensión de la metodología, las
herramientas y las técnicas de Six Sigma Vinculación En el presente trabajo se obtiene el método de lógica difusa siguiendo los estudios
Six Sigma a la estrategia empresarialLinking Six de Lin et al. (2006) para evaluar la evaluación de preparación Lean Six Sigma en
Sigma para los clientesSelección, revisión y la industria de la confección (LSRACI) utilizando el conjunto difuso triangular [68].
seguimiento de proyectos El marco propuesto comprende tres fases (Fig. 2). La primera fase es la
(Kwak y Anbari, 2006) & Implicación de la dirección y compromiso de identificación de los factores críticos de éxito de Lean Six
la organización
& Selección de proyectos
Implementaciones de Sigma dentro de una muestra bien definida de pequeñas y
& Habilidades de gestión y control;
medianas industrias de prendas de vestir tunecinas, y la identificación de
& Fomentar y aceptar el cambio cultural;
habilitadores, criterios y atributos de la revisión de la literatura. La segunda fase
& Educación continua consiste en la selección de la pequeña y mediana industria de la confección
y entrenamiento apropiada para probar el modelo propuesto. En la fase final, aplicamos nuestro
(Achanga et al., & Liderazgo y gestión modelo en la industria de la confección para que la industria esté lista para aceptar
2006) y finanzas la implementación de LSS con éxito.
& Habilidades y experiencia
y cultura organizacional El modelo de evaluación de la preparación propuesto se ha inspirado en varios
(Antony et al., & Compromiso de gestión implicación y
modelos de evaluación, como la evaluación de la delgadez, la evaluación de la
2008)
agilidad y la LSS de la preparación de la esbeltez.
& Compromiso de toda la empresa
y cambio cultural
2.1. Identificación de factores críticos de éxito CSFs de implementación de
& Vinculación de Six Sigma a la estrategia comercial
& Integrando Six Sigma con el sector financiero LSS
infraestructura;
& Infraestructura organizacional Para determinar los factores clave de éxito para la aplicación Lean Six Sigma,
& Formación y educación comenzamos con una revisión de la literatura de antecedentes relevante para
(Laureani y y compromiso de la dirección
definir y describir la importancia de las preguntas de investigación y sus objetivos.
Antonio, 2012) y cultura organizacional
Una vez formuladas las preguntas de investigación, identificamos las PYME de la
& Vinculación de LSS a la estrategia comercial
confección que reciben la encuesta, basándonos en una base de datos de CETTEX
y estilos de liderazgo
& Comunicación (Centro Técnico Textil de Túnez).
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 9083

Fig. 2 Hoja de ruta de evaluación de LSRACI.

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

9084 N. Abbes et al.

resultados de la encuesta y está en buen acuerdo con el

Tabla 2 Comparación de los 6 CSF principales.
PYMES tunecinas del sector de la confección
1-Compromiso de la dirección
intervención
2-Medición de rendimiento
3-Comunicación
4-cultura organizacional 5-
disponibilidad de recursos
6-Formación y educación
resultados encontrados en la literatura. La medición del desempeño es
Literatura muy importante para asegurar una implementación exitosa de Lean
1-Compromiso de la dirección Six Sigma en PYMES de confección. Basado en una literatura sistemática.
intervención revisión, (Albliwi et al. 2015) han identificado 33 fuentes sobre
2-Cultura organizacional los CSF discutidos, que se publican en LSS en la parte superior
3-Vincular LSS a los negocios revistas, de 2000 a 2012 [70]. identificaron más de
estrategia 20 diferentes factores críticos de éxito que aparecieron en el 21
4-Formación y educación
estudio de casos. Los principales MCA son la formación y la educación, la
5-Comunicación
comunicación, el compromiso de la dirección, la implicación y la cultura
6- Vinculación de LSS al cliente
organizativa [71].

2.2. Modelo conceptual

Con: e: un margen de error, N: el tamaño de la población, z: a

valor correspondiente al nivel de confianza deseado.
De lo contrario, si no hay datos de población, P = 0.5 puede ser
utilizado, siendo el resultado el tamaño de muestra máximo dado el otro
suposiciones
En nuestro caso, el tamaño de la muestra para una población de 777 pymes es
85. De hecho, sería difícil reunir un número suficiente
de resultados referentes al Lean, Six Sigma, y/o Lean
enfoque Six Sigma porque muy pocas de las PYMES de ropa
utilizar estos enfoques. Sobre la base de los CSF determinados a partir de la
literatura, se seleccionaron los 10 CSF principales para evaluarlos en las
industrias de PYME de la confección. El cuestionario contiene la op 10
CFS, y la información de la PYME, como nombre, dirección, tamaño,
fecha y especificación. Para identificar los CSF, los encuestados
Se les pidió que clasificaran los 10 factores críticos de éxito (CSF, por sus siglas en inglés) en un
Escala Likert 1–5 (1 = menos importante, 2 = menos importante,
3 = importante, 4 = muy importante y 5 = crucial).
El cuestionario se distribuyó a las empresas seleccionadas situadas en
diferentes regiones de Túnez. Para mejorar la precisión
de los resultados, estos cuestionarios fueron seguidos de entrevistas
con el director general de estas empresas. Para validar nuestra encuesta, un
Se ejecuta una prueba previa para garantizar que las preguntas sean relevantes y
consistentemente interpretado, facilidad de uso, flujo narrativo y tiempo
requerido. Después de realizar algunos cambios específicos, el cuestionario se
ha desarrollado y validado rigurosamente para ser presentado a las PYME
objetivo. Una comparación entre los
Los resultados de la encuesta y la revisión de la literatura en el campo de LSS son
se muestra en la Tabla 3. En la Fig. 3, se pueden ver los CSF para Lean
Aplicación de Six Sigma en PYMES de confección. El factor con el
la puntuación media más alta se considera la más importante.
Los CSF se han clasificado en función de su puntuación de importancia.
Los tres MCA más importantes son los siguientes: la implicación y el compromiso
de la alta dirección (4.1), Desempeño
medición (4.1) y comunicación (3.8). El compromiso de la Dirección es crucial
para la implantación de Lean
Six Sigma en PYMES de confección como se puede concluir de la
Cuadro 3 Distribución de las industrias del vestido según su
actividades.
Actividad Cantidad Certificado ISO 9001
Industrias de artículos técnicos 77 2 recomendación general, el número de variables lingüísticas
Industrias de artículos de punto 110 3 no debe exceder los 9 niveles, que se reconoce como el límite de
Industrias de artículos de mezclilla 85 0 reconocimiento humano. Las siguientes variables lingüísticas {Excelente [E],
Industrias de artículos mixtos 505 3 Muy bueno [VG], Bueno [G], Regular [F], Mal [P], Muy
Total 777 8 Pobre [VP], Peor [W]}, se seleccionan para evaluar la calificación de rendimiento
El conocimiento de los CSF antes de la implementación de LSS es
considerado muy importante para asegurar el éxito del proyecto.
Sin embargo, la preparación asegura la posibilidad creciente de éxito de la
implementación de LSS para un nuevo proyecto y ayuda al
gestión para determinar el nivel de preparación LSS en un
organización. Por lo tanto, los LSS CSF identificados en este estudio
se toman en consideración e integran para desarrollar la
modelo de evaluación.
Usando el método de lógica difusa, dos niveles de cálculo son
determinado como el índice de preparación Lean Six Sigma difuso
(FLSSRI), y el índice de importancia de rendimiento difuso
(FPII).
Para obtener el nivel de preparación LSS de la industria textil, el
Se ha utilizado el método de la distancia euclidiana haciendo coincidir la
FLSSRI con la expresión del lenguaje natural. Mientras que el FPII es
calculado para identificar los atributos más débiles. Para calcular el
modelo de lógica difusa, las notaciones utilizadas se presentan en la Tabla 4.
Paso 1: Definición de los factores Lean Six Sigma
Los factores básicos identificados se basan en la literatura
revisión. Estos factores fueron luego modificados y calificados con el
ayuda de expertos según las características de la ropa
pymes. Los expertos son los gerentes de diferentes prendas
industrias en Túnez: Se presenta el modelo conceptual final
en la Tabla 5.
Nuestro modelo se divide en tres niveles. el primer nivel
incluye cinco habilitadores de Lean Six Sigma (ILSSi) , como el nivel de
responsabilidad de gestión, el nivel de cliente, el nivel de organización,
y nivel de empleado. El segundo nivel incluye 6 Lean Six
criterios Sigma (ILSSij), seguido del tercer nivel que consta de 46 atributos
Lean Six Sigma (ATijk). Nuestro modelo cubre varias perspectivas de la
evaluación de la preparación para LSS.
Paso 2: Definición de la escala lingüística apropiada
En la mayoría de los casos, es virtualmente difícil para los expertos
determinar puntajes de indicadores vagos. Por esta razón, una variedad
de variables de lenguaje y funciones de membresía relevantes han
ha sido ampliamente utilizado por los investigadores para la evaluación del lenguaje.
Por lo tanto, en este estudio se utilizan los términos lingüísticos (conjunto difuso)
para determinar la calificación de desempeño y la importancia
peso de los factores de preparación Lean Six Sigma a evaluar.
El uso de estos términos y su correspondiente pertenencia
Las funciones todavía se consideran mediante lógica difusa. No obstante, como
de preparación para la implementación de LSS. También
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
Fig. 3 Los factores clave de éxito para la aplicación Lean Six Sigma.
Tabla 4 Notaciones utilizadas para el modelo de evaluación de preparación de
lógica difusa para la implementación de LSS.
Índices abreviaturas
Su ILS Calificación de importancia difusa para la preparación
para la implementación de LSS del habilitador i-ésimo
ILSSij Calificación de importancia difusa para la preparación
para la implementación del criterio LSS del j-ésimo en el
habilitador i-ésimo Calificación de importancia difusa para la
Tiempo preparación para la implementación de LSS del k-ésimo
atributo del criterio j-ésimo en el habilitador i-ésimo Peso de
importancia difusa para la preparación para la implementación
Wisconsin
de LSS del habilitador i-ésimo Peso de importancia difusa
para la preparación para la implementación de LSS del criterio
Nosotros j-ésimo en el habilitador i-ésimo Importancia difusa peso para
la preparación para la implementación de LSS del atributo k-
ésimo del criterio j-ésimo en el habilitador i-ésimo Índice de
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
(FPII) implementación de LSS. fFLSSRI (x) Número borroso
FLSSRI triangular de FLSSRI FRLSSLi (x) Número borroso triangular
RLSSLi de RLSSLi
ya que las variables lingüísticas {Muy Alto [VH], Alto [H], Bastante Alto [FH], Medio
[M], Bastante Bajo [FL], Bajo [L], Muy Bajo [VL]}, se seleccionan para evaluar la
pesos de importancia de la preparación para la implementación de la LSS. Las
funciones de pertenencia correspondientes se han definido utilizando funciones
triangulares. La Tabla 6 muestra las variables lingüísticas utilizadas con sus
correspondientes funciones de pertenencia. Una vez que hemos definido los
conjuntos borrosos y las funciones de pertenencia correspondientes, ahora
podemos determinar la importancia relativa de cada elemento (habilitador, criterio,
atributo), dependiendo de la estrategia y
9085
políticas de la organización, el conocimiento del experto y la experiencia de los
especialistas.
Paso 3: Medición de expertos de calificaciones de desempeño y
ponderación de importancia
Esta parte presenta una descripción detallada de las medidas de rendimiento
utilizadas para evaluar la preparación de la aplicación Lean Six Sigma de acuerdo
con el enfoque propuesto. Para llevar a cabo este paso, es necesario designar
expertos que estén familiarizados con las condiciones de trabajo de la empresa. El
grupo consta del jefe de producción, el ingeniero de procesos, el supervisor de
producción y el jefe del departamento de calidad de la industria manufacturera en
particular.
Así, para evaluar la calificación del desempeño, se utiliza la escala de puntos
[0-10] de las variables lingüísticas. La escala de puntos en [0–1] se usó para la
importancia de los pesos. El resultado obtenido de la calificación y los pesos
proporcionados por los expertos se utiliza para evaluar la preparación para la
implementación de LSS.
Paso 4: Conversión de términos lingüísticos en números borrosos apropiados
Luego, al aplicar la relación entre los términos lingüísticos y sus funciones de
pertenencia, los términos lingüísticos se transforman en números borrosos.
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:
Sra. K¼1ðWijk AijkÞ
ILSSij _ ð2Þ
Pn k¼1Wijk
Para calcular la calificación de importancia difusa para la preparación para la
implementación de LSS de i-th enabler (ILSSi), ahora es esencial integrar los
valores de los diferentes criterios, utilizando la siguiente ecuación:
Pm j¼1ðWij ILSSijÞ
ILSsi ¼ ð3Þ
PM j¼1Wij
Machine Translated by Google
9086
Tabla 5 Factores LSS para el modelo de evaluación LSRACI.
Habilitadores (ILSSi)
La responsabilidad de gestión
Nivel (ILSS1)
Nivel de cliente (ILSS2)
Nivel Organizacional (ILSS3) Tecnología Lean Six Sigma
Nivel de empleado (IL4)
Luego, el índice de preparación Fuzzy Lean Six Sigma (FLSSRI)
se puede calcular usando la ecuación (4). El FLSSRI es un índice
global difuso que agrupa los factores a evaluar en un solo índice.
FLSSRI ¼ Pl i¼1ðWi ILSSiÞ
Pl i¼1Wi
Criterios (ILSSij)
Estructura organizativa
(ILSS11)
Adopción de respuesta
del cliente (ILSS21)
(ILSS31)
LSS Estrategia de fabricación
(IL32)
Nivel de gestión (IL33)
Situación de los empleados (IL41)
N. Abbes et al.
Atributos (ATijk)
Flujo de información fluido (AT111)
Gestión de equipos para la toma de decisiones (AT112)
Participación de la dirección (AT113)
Intercambio de información (AT114)
Participación de la gerencia en inversiones (AT115)
Habilitación del personal para reservar problemas de clientes (AT121)
Configuraciones LSS flexibles (AT311)
Área de trabajo limpia, ordenada y despejada (AT312)
Mantenimiento de máquinas (AT313)
Control visual (AT314)
Aplicación de los principios de Lean Manufacturing para la eliminación de residuos (AT315)
Organización del puesto de trabajo (AT316)
Eliminación de herramientas innecesarias (AT317)
Sostenibilidad de las mejoras (AT318)
Uso de sistemas ERP (AT319)
Planificación de fabricación (AT3110)
Normalización del trabajo (AT321)
Simplificación del trabajo (AT322)
Sistematización del trabajo (AT323)
Uso de técnicas TQM (AT324)
La calidad del producto supera las expectativas del cliente (AT325)
Costes reducidos sin valor añadido (AT326)
Aplicación del método Kai-zen (AT327)
Aplicación de todo el concepto a la productividad (AT328)
Sistema de cálculo de costes centrado en la identificación de valor añadido VA y valor no añadido y
NAV
Planificación de recursos (AT3210)
Optimización del uso de recursos (AT3211)
Flexibilidad de diseños (AT3212)
Mejoras continuas (AT331)
Sistema de producción de flujo de tracción (AT332)
Producir lotes pequeños (AT333)
Entrega JIT a clientes (AT334)
Optimización de procesos productivos (AT335)
Adaptación a VSM (AT336)
Identificación de diferentes tipos de residuos (AT337)
Cuantificación de los diferentes tipos de residuos (AT338)
Eliminación de diferentes tipos de fuentes de residuos (AT339)
Clasificación de actividades AV y NAV (AT3310)
Fuerza de trabajo flexible para aceptar la adopción de nuevas tecnologías (AT411)
Aceptación de los empleados de una cultura de cambio (AT412)
Personal polivalente (AT413)
Comunicación (AT414)
Empoderamiento de los empleados (AT415)
Cooperación de los empleados (AT416)
Actitud positiva de los empleados (AT417)
Formación y educación (AT418)
Paso 6: Relacionar FLSSRI con un nivel apropiado
Ahora, el valor de FLSSRI se puede asociar con una variable
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
ð4Þ una variable lingüística predefinida. Sin embargo, se recomienda
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

evaluados con una puntuación de bajo rendimiento (Aijk) se clasifican

Tabla 6 Términos lingüísticos y números borrosos apropiados para
como restricciones críticas para la mejora. Así, en el proceso
calificación de rendimiento y pesos de importancia para la preparación de LSS
de calcular el FPII, no utilizamos los valores asignados a
modelo de evaluación.
los pesos de importancia de las actuaciones de Wijk , pero su
Calificación de rendimiento (A) Ponderación de importancia (W) complementariedades [(1, 1, 1) -Wijk] [68]. Por ejemplo, si un atributo se clasifica
Lingüístico Difuso Lingüístico Difuso con un Wijk alto (entonces, el valor de [(1, 1, 1) -
variable número variable número Wijk]) será más bajo) y tiene una calificación de desempeño Aijk baja,
entonces este atributo se considera una restricción crítica
excelente [ES] (8,5; 9,5; Muy alto [VH] (0,85; 0,95;
10) 1) y FPIIijk toma un valor bajo. Para cada atributo de Aijk , el fuzzy
Muy bueno (7; 8; 9) Alto [H] (0,7; 0,8; El índice de importancia del desempeño (FPII) se define de la siguiente manera:
[VG] 0.9)
FPII ¼ W0 ð6Þ
Buen g] (5 ; 6.5 ; 8) Bastante alto (0,5; 0,65; ijk aijk
[FH] 0.8)
Con:
Justo [F] (3 ; 5 ; 7) Medio [M] (0,3; 0,5;
0.7) W0 coeficiente intelectual
1; 1; 1 Distrito
pobre [P] (2 ; 3.5 ; 5) Bastante bajo [FL] (0,2; 0,35;
0.5) Todos los valores de FPII deben ser clasificados. La clasificación de estos
Muy pobre [PV] (1 ; 2 ; 3) Bajo [B] (0,1; 0,2; Los números borrosos se basan en el método del centroide para la función de
0.3) pertenencia (a, b, c), donde a, b y c son los niveles inferior, medio y superior de
peor [W] (0 ; 0.5 ; 1.5) Muy Bajo [VL] (0 ; 0.05 ; los valores de los números borrosos triangulares.
0.15)
respectivamente. La puntuación se puede calcular usando la siguiente
ecuación [53]:

1 + 4b + C
Puntuación ¼ ð7Þ
la percepción más intuitiva de la proximidad humana [68–72 48 6

73]. En este estudio, usamos cinco conjuntos de expresiones de lenguaje natural

como: incluyendo listo (R) casi listo (CR) promedio listo 3. Resultado y discusión
(AR) bajo listo (LR), y no listo (NR), (Cuadro 7).
La distancia euclidiana entre los miembros triangulares
El sector de la confección en Túnez se enfrenta a muchos desafíos, como la
función asociada con el conjunto borroso FLSSRI y cada Fuzzy
variedad de artículos producidos, el cambio frecuente de artículos, la
número de expresión de lenguaje natural conjunto de nivel de preparación
aparición frecuente de artículos defectuosos en la línea de producción, requisitos
para la implementación de LSS se puede calcular utilizando la siguiente
del cliente, etc. La elección de las empresas de ropa
ecuación:
para la aplicación del modelo se basó en varios criterios.
D FLSSRI ð ; Þ¼ Estas empresas están interesadas en métodos modernos de
RLSSLi XðfFLSSRI xð ÞfRLSSLi xð ÞÞ21=2 hola
mejorar los procesos de trabajo para optimizar su producción y
ð5Þ sistemas de calidad para cumplir con los requisitos del cliente. Por lo tanto a

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

mejoras los conceptos para obtener resultados cercanos a la realidad.

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
índice (FPII) que combina las puntuaciones de rendimiento (Aijk)
y los pesos de importancia del desempeño (Wijk) de cada
atributo. Según este índice, todos los atributos que son
importancia relativa a cada elemento están bien presentados. Posteriormente,
un estudio DELPHI que incluye los datos de la empresa
peritajes se lleva a cabo para fijar los términos lingüísticos correspondientes
a la importancia de los pesos y puntajes de desempeño de cada

clasificado con pesos de importancia de alto rendimiento y luego
Tabla 7 Números borrosos para diferentes
niveles de preparación.
Términos del lenguaje de preparación
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.
Ahora bien, aplicando la relación entre términos lingüísticos
y sus funciones de pertenencia (Tabla 6), los términos lingüísticos son
transformados en números borrosos y se presentan en la Tabla 9.

variable lingüística
Listo (R) (7; 8.5; 10)
Casi listo (CR) (5.5; 7; 8.5)
Listo Promedio (AR) (3,5; 5; 6,5)
Listo bajo (LR) (1,5; 3; 4,5)
No Listo (NR) (0; 1,5; 3)
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
criterio (ILSSij) .
Al aplicar la ecuación (3), el Lean Six Sigma asociado
Se calcula el índice para cada indicador (ILSSi) .
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

9088 N. Abbes et al.

Tabla 8 Calificación de desempeño agregada y ponderaciones de importancia para la Compañía A.

Ponderación de importancia (W) Calificación de rendimiento (A)

Indicador (ILSSi) Criterio (ILSSij) Atributo (ATijk) Wisconsin

Nosotros Vecindario Tiempo

(ILSS1) (ILSS11) (AT111) METRO Florida METRO PAGS

(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

(AT328) Florida GRAMO

(AT329) LG
(AT3210) LW
(AT3211) mg
(AT3212) METRO Vicepresidente

(ILSS33) (AT331) FH METRO GRAMO

(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
valores.
En nuestro caso de estudio, la función de membresía del Lean
El índice de preparación Six Sigma (FLSSRI) es igual a (3.28;
4,9; 6.7). Posteriormente, se convierte de nuevo en una lengua
plazo, para determinar el nivel de Lean Six Sigma Readiness de
empresa A, usamos el método de la distancia euclidiana usando
ecuación (5).
D (FLSSRI, R) = [(3,28–7) 2 + (4,9–8,5) 2 + (6,7–10)2] ø
= 6,07
D (FLSSRI, CR) = 3,48
D (FLSSRI, AR) = 0,32
D (FLSSRI, LR) = 3,47
D (FLSSRI, NR) = 6,07
El índice de preparación para la implementación de LSS para la empresa
A se conoce como "preparación promedio" porque la distancia más corta es la
que hay entre FLSSRI y el nivel de preparación promedio como
ilustrado en la Fig. 4. De hecho, este resultado significa que la organización
se encuentra en un estado intermedio de preparación para LSS. Así que nosotros
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

Tabla 9 Términos lingüísticos aproximados por números borrosos para la Empresa A.

Ponderación de importancia (W) Calificación de rendimiento (A)

Habilitadores (ILSSi) Criterios (ILSSij) Atributos (ATijk) Wi Nosotros Vecindario Tiempo

(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
9090
Tabla 10 Índice borroso de cada habilitador, criterio e índice de preparación LSS para la empresa A.
FLSSRI Habilitadores (ILSSi)
(3.28; 4.9; 6.7) ILSS1
ILSS2
ILSS3
ILSS4
Fig. 4 Niveles lingüísticos para coincidir con la preparación difusa para la implementación de LSS de índice LSS.
Producir lotes pequeños (AT333)
Adaptación a VSM (AT336)
Eliminación de diferentes tipos de fuentes de residuos (AT339)
Mano de obra flexible para aceptar la adopción de nuevas tecnologías
(AT411)
Mano de obra polivalente (AT413)
Cooperación de los empleados (AT416)
Actitud positiva de los empleados (AT417)
Formación y educación (AT418)
El modelo LSRACI se desarrolló en base a los CSF y
los factores LSS de la literatura como se muestra en la Tabla 5. Los CSF
se determinaron mediante un cuestionario distribuido a 85 PYME del sector de
la confección. Este es uno de los puntos fuertes de este estudio, para
incluir MCA específicos para las PYME del sector de la confección en nuestro modelo y
no de la literatura.
Basado en los valores FLSS, el nivel de preparación de la empresa
A está "promedio listo", con 20 atributos más débiles de 48 atributos
identificados usando FPII (Tabla 11). Estos atributos necesitan
atención de la gerencia para mejorar la preparación de LSS
nivel de esta organización. ''Gestión de equipos para la decisión
decisiones'' (AT112) y ''Participación de la dirección'' (AT113)
estaban en la parte superior de los atributos más débiles. Significa que esta
organización no es consciente de los beneficios del enfoque LSS de
la alta dirección. Para superar este problema, la empresa
N. Abbes et al.
Criterios (ILSSij)
(4.1 ,5.9 ; 7.9) ILSS11 (2.7; 4,1; 5.7)
(3 ; 5 ; 7) (3.1 ; ILSS21 (3 ; 5 ; 7)
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)
(1.8; 2.9; 4.1) ILSS41 (1.8; 2.9; 4.1)
debe introducir políticas de calidad y beneficios y conducta
revisión de gestión. Esta empresa necesita mejorar su nivel de preparación
priorizando la comunicación sobre los beneficios de la LSS y otorgando la
participación y contribución de
administración. Por otra parte, para superar el problema de
la resistencia a los cambios por parte de los empleados y su falta de flexibilidad,
es necesaria, sin embargo; para iniciar el proyecto LSS mediante la formación
e integración de estos empleados en el programa LSS. En
para fomentar la participación de los empleados, un gratificante
sistema para ellos debe distribuirse de acuerdo con sus niveles de rendimiento.
Esto a cambio, esta estrategia reducirá el
resistencia al cambio y mejorar la cooperación entre
los diferentes empleados. Esta empresa necesita capacitación en
LSS herramientas y técnicas periódicamente y tecnologías. Por lo tanto, se
debe realizar un mantenimiento regular dependiendo de
el tiempo de inactividad de las máquinas. El modelo LSRACI ayuda a saber
el nivel de preparación actual de la empresa antes de iniciar el
proceso de mejora. Al comparar nuestro resultado con el
estudio realizado por (Sreedharan et al. 2019), los autores utilizaron
4 habilitadores, 16 criterios y 46 atributos de LSS en tres empresas [58]. La
preparación de los tres fabricantes A, B,
y C fueron: Malo, Favorable y Favorable respectivamente.
“Bienestar de los empleados” y “aprendizaje en la organización”
fueron identificados como áreas pobres. Mientras que (V Vaishnavi y M Sur
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.

(ATik) Vecindario Tiempo (1 ; 1 ; 1) - Barrio FPII Rango

(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
atributos más débiles [35].
En nuestro estudio, hemos notado que entre los principales obstáculos que
citamos está la resistencia de los empleados a los cambios, la falta
de tiempo para poner en marcha proyectos LSS, así como la baja madurez de
sector PYME de confecciones, y el desconocimiento de la
herramientas y técnicas de Lean Six Sigma.
4. Implicaciones prácticas/de gestión
El conocimiento de preparación para Lean Six Sigma es un paso importante
hacia la implementación exitosa de LSS. el presente trabajo
comienza con la identificación de los habilitadores, criterios y atributos
butes. Estos factores se identifican a través de los CSF que son
determinado mediante el uso de cuestionarios y, a partir de la literatura. los
El uso de CSF especificados para las PYME del sector de la confección puede ser uno de los
puntos fuertes de este estudio. El factor crítico más importante encontrado fue la
implicación de la alta dirección. Por lo tanto,
nuestro modelo se discute con la alta dirección y luego se hace circular entre los
expertos participantes. Su calificación y ponderación.
para diferentes factores se dará usando indicadores de la tabla
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
"promedio listo", con 20 atributos más débiles y barreras identificados en base a
los valores FLSS. Para mejorar el nivel de preparación
Machine Translated by Google
9092
para LSS de la empresa, debe tomar las acciones correctivas necesarias para
superar las barreras y obstáculos. Luego, una vez que se completan los pasos
de mejora, el modelo de evaluación se vuelve a probar para conocer el nivel de
preparación de la empresa para la aplicación LSS. Este estudio ayuda a los
gerentes a identificar las principales barreras y proporciona margen para
mejorarlas.
Además, métodos como Delphi requieren más tiempo y compromiso de los
participantes para compartir información y habilidades.
Por lo tanto, las contribuciones del modelo LSRACI son:
Un nuevo método para evaluar la preparación de las PYME del sector de la
confección para la aplicación de LSS; Identificar los CSF de LSS especificados
de las PYME del sector de la confección que se utilizarán en el modelo de
evaluación; FLSS y FPII para evaluación; Realizar un estudio piloto en PYME
de confecciones; Identificar el área débil de la empresa; y El modelo
propuesto ayuda a los gerentes a evaluar la preparación de la empresa
antes de la implementación de LSS.
5. Conclusión
Lean Six Sigma es una combinación de dos enfoques: Lean para reducir el
desperdicio y Six Sigma para mejorar la calidad. El conocimiento del nivel de
preparación LSS ayuda a las organizaciones a conocer el nivel de preparación
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
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
difusa para dar respuesta al descuido de la ambigüedad está relacionado con
individuos, imprecisión o datos que no pueden expresarse como números
exactos. El modelo se basó en el éxito crítico
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
bibliografía. Identifica 5 habilitadores, 6 criterios y 46 atributos, y se selecciona
una PYME de ropa para evaluar su nivel de preparación LSS. El uso de CSF
identificados de las PYME del sector de la confección hace que el modelo de
evaluación de LSRACI sea único y específico para las PYME del sector del
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
los puntos fuertes de este estudio. El índice de nivel de preparación Fuzzy LSS
se calcula como promedio (3.28; 4.9; 6.7). Este resultado muestra que la
empresa necesita mejorar su preparación para LSS. A partir de 46 atributos, el
modelo ayuda a los gerentes a identificar 20 atributos más débiles en la empresa
utilizando el FPII. La 'Gestión de equipos para la toma de decisiones' (AT112) y
la 'Participación de la dirección' (AT113) y la aplicación de los principios de
producción ajustada para la eliminación de residuos (AT315) estaban entre los
atributos más débiles. El modelo Readiness tiene como objetivo aumentar la
posibilidad de una implementación exitosa de LSS y garantizar la mejora continua
de dos maneras: producción y calidad.
El análisis del índice de preparación en las PYME de la confección ayudaría
a aumentar la adaptabilidad y la aceptación del proyecto LSS en esta industria.
El hallazgo clave de este trabajo muestra que la empresa necesita mejorar
su preparación para Lean Six Sigma al comunicar y enfatizar la importancia de
la implementación de LSS, LSS
N. Abbes et al.
Herramientas y técnicas. Se requiere compartir información sobre LSS con los
empleados para mejorar su aceptación del cambio y mejorar la accesibilidad con
ellos. Esto anima a los empleados a cooperar y participar en la toma de decisiones.
Además, se deben identificar y discutir los tipos de desechos para tomar las
medidas necesarias. Por lo tanto, la función de cada PYME de confección es
centrarse en estos parámetros.
Las principales limitaciones de nuestro trabajo son que el estudio utiliza solo
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
confección en diferentes regiones. Además, este modelo también podría probarse
en grandes industrias de la confección y, con el mismo modelo, podrían usarse
otras teorías difusas.
Información de los autores
Nedra ABBES: Doctora en ingeniería textil, Laboratorio de Ingeniería Textil
(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.
Jun XU: Profesor asociado, Escuela de Ciencias Textiles y
Ingeniería, Universidad TianGong, Tianjin, China.
Morched CHEIKHROUHOU: Profesor, Laboratorio de Ingeniería Textil
(LGTEX), Instituto Superior de Estudios Técnicos de ksar hellal (ISET),
Universidad de Monastir, Túnez.
Declaración de interés en competencia
Los autores declaran que no tienen intereses financieros en competencia ni
relaciones personales conocidas que pudieran haber influido en el trabajo
informado en este documento.
Referencias
[1] B. Smith, Lean y Six Sigma-a One-two Punch, Quality Progress 36
(2003) 37–41.
[2] R. Ben Ruben, S. Vinodh, P. Asokan, Implementación del marco Lean
Six Sigma con consideraciones ambientales en una empresa india de
fabricación de componentes automotrices: un estudio de caso,
Planificación
[3] DC Krueger, M. Mellat Parast, S. Adams, Implementación de Six
Sigma: un estudio de caso cualitativo utilizando la teoría fundamentada.
(T. a. Fransis, E´ d.), Production Planning & Control 25 (10) (2014)
873–889.
[4] W. Timans, J. Antony, K. Ahaus, R. van Solingen, Implementación de
Lean Six Sigma en pequeñas y medianas empresas manufactureras
de los Países Bajos, Journal of the Operational Research Society 63
(3) (2012) ) 339–353.
[5] NC Anderson, JV Kovach, Reducción de defectos de soldadura en
proyectos de recuperación: un estudio de caso de Lean Six Sigma,
Quality Engineering 26 (2) (2014) 168–181.
[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.
[7] G. Yadav, D. Seth, TN Desai, Aplicación de un marco híbrido para
facilitar la implementación de Lean Six Sigma: una experiencia
de caso de una empresa de fabricación, Planificación y control
de producción 29 (3) (2018) 185–201.
[8] S. Vinodh, SG Gautham, A. Ramiya R., Implementing lean sigma
framework in an Indian automotive valves manufacturing
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
organización: un estudio de caso, Planificación y control de producción: la
gestión de operaciones 22 (7) (2011) 708–722.
[9] VSM, J. Antony, Six-sigma para mejorar el puntaje de satisfacción del cliente
para un centro de llamadas bancarias, producción, planificación y control 26
(16) (2015) 1291–1305.
[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.
[11] J. Arturo Garza-Reyes, A. Flint, V. Kumar, J. Antony, H.
Soriano-Meier, Un enfoque DMAIRC para la reducción del tiempo de entrega
en un proceso de ensamblaje de motores aeroespaciales, Journal of
Manufacturing Technology Management 25 (1) (2014) 27–48.
[12] M. Zhang et al, Aplicación integral de Six Sigma: un estudio de caso, producción,
planificación y control 26 (2015) 219–234.
[13] G. Improta, G. Balato, C. Ricciardi, MA Russo, I. Santalucia, M. Triassi, M.
Cesarelli, Lean Six Sigma en el cuidado de la salud: Cirugía acelerada para
pacientes que se someten a una cirugía de reemplazo protésico de cadera ,
The TQM Journal 31 (4) (2019) 526–540.
[14] G. Jose Arturo et al, Un marco Lean Six Sigma para la reducción del tiempo
comercial de carga de barcos en la industria de peletización de mineral de
hierro , Production Planning & Control 27 (2016) 1–
20
[15] G. Clapp, A. Blanton Godfrey, G. Dale, et al, Tejiendo una industria de calidad:
las iniciativas de calidad remodelan la industria textil, Quality Digest 21 (2001).
[16] S. Karthi, SR Devadasan, K. Selvaraju, NM Sivaram, CG
Sreenivasa, Implementación de Lean Six Sigma a través de QMS basado en
ISO 9001: 2008: un estudio de caso en una fábrica textil, The Journal of The
Textile Institute 104 (10) (2013) 1089–1100.
[17] M. Uluskan, JA Joines, AB Godfrey, Visión integral de la calidad del proveedor
y el impacto de las estrategias de calidad de los proveedores en las decisiones
de subcontratación, Supply Chain Management: An International Journal 21
(1) (2016) 92–102.
[18] Adikorley, RD, Rothenberg, L. y Guillory: Aplicaciones de Lean Six Sigma en la
industria textil: un estudio de caso.
Revista Internacional de Lean Six Sigma 2017; 8(2): 210-224.
[19] A. Prashar, Teñido correcto por primera vez en textiles usando métodos Six
Sigma, International Journal of Scientific & Engineering Research 4 (8) (2013)
1517–1525.
[20] Rucker y asociados. Combustibles de fabricación 'Lean' de Rucker
Eficiencias Unifi 2011.
[21] R. Ajmera, P. Umarani, KG Valase, Implementación de Lean Six
Sigma en la industria textil, International Research Journal of
Engineering and Technology (IRJET) 4 (4) (2017) 1670–1677.
[22] R. Rodrigues Nogueira, S. Lemos Cotrim , CL Leal, G,, Implementación
de Lean Six Sigma en una industria textil de hilados (2017) 67–94.
[23] A. Rahman, SUC Shaju, SK Sarkar, MZ Hashem, SMK
Hasan, R. Mandal, U. Islam, Un estudio de caso de Six Sigma DefineMeasure-
Analyze-Improve-Control (DMAIC)
Methodology in Garment Sector, Independent Journal of Management
& Production 8 (4) (2017) 1309, https://doi.org/ 10.14807/ijmp.v8i4.650.
[24] Kurniawan, AR y Prestianto, B: Planificación para el control de calidad de
productos de ropa para bebés con el método Six Sigma en CV. AGP. JEMAP
2020.
[25] M. Mohan Prasad, JM Dhiyaneswari, J. Ridzwanul Jamaan, S.
Mythreyan, SM Sutharsan, Un marco para la implementación de la
fabricación ajustada en la industria textil india, Materials Today:
Proceedings 33 (2020) 2986–2995.
[26] En la pinta. Alkatiri, HA, Adianto, H., & Novirani, D: Implementación de Control
de Calidad para Reducir el Número de Productos Defectuosos Utilizando
Tejidos Textiles de Algodón. Six Sigma Online Journal del Instituto Nacional
de Tecnología.
[27] Khan, M. A: Estudio preliminar sobre prácticas de fabricación ajustada en la
industria de fabricación de hilados: un estudio de caso. de Ingeniería y
Tecnología, Jamshoro, 76062, Sindh, Pakistán, 2018., 2018.
9093
[28] MA Khan, HB Marri, A. Katri, Estudio preliminar sobre la identificación, el
análisis y la eliminación de desechos de fabricación ajustada mediante
prácticas de fabricación ajustada en la industria de fabricación de hilados,
Actas de la Conferencia internacional sobre ingeniería industrial y gestión de
operaciones, 2020.
[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
Engineering (IOSR-JMCE) 6 (1) (2013) 50–65.
[30] Raja Elboq, Mouhsene Fri, Mustapha Hlyal,Jamila El Alami: MODELANDO LA
INTEGRACIÓN LEAN Y SIX SIGMA UTILIZANDO EL APRENDIZAJE
PROFUNDO. Revista de investigación de Autex 2020.
[31] Nedra, A., Ne´jib, S., Yassine, C., & Morched, C: Un nuevo método híbrido Lean
Six Sigma basado en la combinación de PDCA y DMAIC para mejorar el
rendimiento del proceso: Aplicación a PYME de confecciones . Industria Textil
2019;70(5): 447–456.
[32] Rhonda L. Hensley Kathryn Dobie: Evaluación de la preparación para Six Sigma
en un entorno de servicio. Rhonda L. Hensley Kathryn Dobie. 1, 2005, Gestión
de la calidad del servicio: una revista internacional 2005; 15(1): 82 - 101.
[33] Y. Lagrosen, R. Chebl, M. Rios Tuesta, Aprendizaje organizacional y evaluación
de preparación para el despliegue de Six Sigma: un estudio de caso,
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
preparación (RSM) para Six Sigma para empresas de China, International
Journal of Quality & Reliability Management 28 (2) (2011) 169–194.
[35] V. Vaishnavi, M. Suresh, Modelado de factores de preparación para la
implementación de Lean Six Sigma en organizaciones de atención médica,
International Journal of Lean Six Sigma 11 (4) (2020) 597–633.
[36] M. Elnadi, E. Shehab, Un modelo conceptual para evaluar la esbeltez de los
sistemas de productos y servicios en las empresas manufactureras del Reino
Unido , Proc CIRP 22 (1) (2014) 281–286.
[37] S. Vinodh, UR Madhyasta, T. Praveen, Puntuación y evaluación difusa
multigrado de la agilidad en una organización india de fabricación de
automóviles eléctricos, Int J Prod Res 50 (3) (2012) 647–660.
[38] S. Vinodh, S. Kumar Chintha, Aplicación de QFD difusa para permitir la esbeltez
en una organización de fabricación, Int J Prod Res 49 (6) (2011) 1627–1644.
[39] MA Almomani, A. Abdelhadi, A. Mumani, A. Momani, M.
Aladeemy, Un modelo integrado propuesto de evaluación lean y
proceso de jerarquía analítica para una hoja de ruta dinámica de
implementación lean, Int J Adv Manuf Technol 72 (1-4) (2014) 161–
172.
[40] MM Ravikumar, K. Marimuthu, P. Parthiban, Evaluating lean
deployment performance in Indian MSMEs using ISM and AHP
models, Int J Serv Oper Manag 22 (1) (2015) 21–39.
[41] O. Bayazit, Uso de AHP en la toma de decisiones para sistemas de
fabricación flexibles, J Manuf Technol Manag 16 (7) (2005) 808–819.
[42] H. Hosseini Nasab, T. Aliheidari Bioki, H. Khademi Zare, Encontrar
un enfoque probabilístico para analizar la fabricación ajustada, J
Clean Prod 29 (30) (2012) 73–81.
[43] WP Wong, J. Ignatius, KL Soh, Soh KL: ¿Cuál es el nivel de eficiencia
de su organización en la implementación de la transformación lean?
Un índice lean integrado usando el enfoque ANP, Prod Plan Control
25 (4) (2014) 273–287.
[44] G. Yadav, D. Seth, TN Desai, Priorización de soluciones para las
barreras de adopción de Lean Six Sigma a través del marco TOPSIS
modificado por AHP difuso, Int J Lean Six Sigma 9 (3) (2018) 270–300.
[45] S. Vinodh, NH Prakash, KE Selvan, Evaluación de la delgadez
mediante la minería de reglas de asociación difusa, Int J Adv Manuf
Technol 57 (1-4) (2011) 343–352.
[46] SL Yang, TF Li, Evaluación de la agilidad de la fabricación de
productos de personalización en masa, Journal of Materials
Processing Technology 129 (1-3) (2002) 640–644.
Machine Translated by Google
9094
[47] S. Vinodh, SR Balaji, Evaluación de la delgadez basada en la lógica difusa y su
sistema de soporte de decisiones, International Journal of Production Research
49 (13) (2011) 4027–4041.
[48] KEK Vimal, S. Vinodh, Evaluación de la delgadez usando las reglas IF-THEN,
Int J Adv Manuf Technol 63 (1-4) (2012) 407–413.
[49] SM Zanjirchi, HS Tooranlo, LZ Nejad, Midiendo la esbeltez organizacional
usando un enfoque difuso, en: Actas de la Conferencia Internacional de 2010
sobre Ingeniería Industrial y Gestión de Operaciones, 2010, pp. 144–156.
[50] B. Singh, SK Garg, SK Sharma, Desarrollo del índice para medir la delgadez:
estudio de una industria india de componentes de automóviles , Meas Bus
Excell 14 (2) (2010) 46–53.
[51] S. Vinodh, SK Chintha, Evaluación de la delgadez utilizando un enfoque difuso
multigrado, International Journal of Production Research 49 (2) (2011) 431–445.
[52] M. Delgado, JL Verdegay, MA Vila, Modelos lingüísticos de toma de decisiones,
International Journal of Intelligent Systems 7 (5) (1992) 479–492.
[53] S. Vinodh, KEK Vimal, Evaluación de la delgadez basada en treinta criterios
utilizando un enfoque de lógica difusa, The International Journal of Advanced
Manufacturing Technology 60 (9-12) (2012) 1185–1195.
[54] ME Bayou, A. de Korvin, Midiendo la delgadez de los sistemas de
fabricación: un estudio de caso de Ford Motor Company y General
Motors, Journal of Engineering and Technology Management 25 (4)
(2008) 287–304.
[55] S. Bhasin, Rendimiento de lean en grandes organizaciones, Journal of
Sistemas de fabricación 31 (2012) 349–357.
[56] J. Antony, Factores de preparación para el viaje Lean Six Sigma en el
sector de la educación superior, International Journal of Productivity
and Performance Management 63 (2) (2014) 257– 264.
[57] A. Shokri, TS Waring, F. Nabhani, Investigación de la disposición de
las personas en las PYME manufactureras para embarcarse en
proyectos Lean Six Sigma : un estudio empírico en el sector
manufacturero alemán, International Journal of Operations and
Production Management 36 (8) (2016) 850–878.
[58] R. Sreedharan V., R. Raju, V. Sunder M., J. Antony, Assessment of
lean six sigma readiness (LESIRE) for manufacturing industries using
fuzzy logic”, International Journal of Quality and Reliability Management
36 (2 ) (2019) 137–161.
[59] G. Narayanamurthy, A. Gurumurthy, N. Subramanian, R.
Moser, Evaluación de la preparación para implementar Lean en el cuidado de la salud
N. Abbes et al.
instituciones: un estudio de caso, International Journal of Production Economics
197 (2018) 123–142.
[60] AM Almutairi, K. Salonitis, A. Al-Ashaab, Evaluación de la agilidad de una
cadena de suministro utilizando lógica difusa multigrado: un estudio de caso
de atención médica, International Journal of Lean Six Sigma 10 (1) (2019) 81–
105.
[61] D. Setijono, A. Laureani, J. Antony, Factores críticos de éxito para la
implementación efectiva de Lean Sigma: Resultados de un estudio empírico y
agenda para futuras investigaciones, International Journal of Lean Six Sigma 3
(4) (2012) 274–283.
[62] J. Antonio, G. Manville, R. Greatbanks, R. Krishnasamy, DW
Parker, Factores críticos de éxito para los programas Lean Six Sigma: una
visión desde la gerencia intermedia, International Journal of Quality & Reliability
Management 29 (1) (2012) 7–20.
[63] JF Rockart, Los directores ejecutivos definen sus propias necesidades de datos,
Harvard Business Review 12 (1979) 81–93.
[64] J. Antony, RJ Hilton, A. Sohal, Un modelo conceptual para la implementación
exitosa de Lean Six Sigma, International Journal of Quality & Reliability
Management 29 (1) (2012) 54–70.
[65] EV Gijo, J. Antony, Reducción del tiempo de espera del paciente en el
departamento ambulatorio utilizando la metodología Lean Six Sigma. Quality
and Reliability Engineering international 30 (2014) 1481–1491.
[66] G. Yadav, TN Desai, Lean Six Sigma: una revisión categorizada de la literatura,
International Journal of Lean Six Sigma 7 (1) (2016) 2–24.
[67] G. Yadav, TN Desai, Un enfoque difuso de AHP para priorizar las barreras de
Lean Six Sigma integrado, Int J Qual Reliab Manag 34 (8) (2017) 1167–1185.
[68] C.-T. Lin, H. Chiu, Y.-H. Tseng, Evaluación de la agilidad mediante lógica difusa,
Int. J. Producción 101 (2) (2006) 353–368.
[69] JA Can, La ciencia de los métodos de encuesta de opinión es investigación,
Turgeon: Gregory L. Bryson 59 (2012) 736–742.
[70] A. Albliwi et al, revisión sistemática de Lean Six Sigma para la industria
manufacturera, Business Process Management 2 (2015) 665–691.
[71] S. Albliwi, J. Antony, S. Abdul Halim Lim, T. van der Wiele, Factores
críticos de falla de Lean Six Sigma: una revisión sistemática de la
literatura, International Journal of Quality & Reliability Management 31
(9) (2014) 1012-1030.
[72] S. Vinodh, S. Aravindraj, Evaluación de la legibilidad en las cadenas
de suministro utilizando un enfoque de lógica difusa, International
Journal of Production Research 51 (4) (2013) 1186–1195.
[73] HW Guesgen, J. Albrecht, Razonamiento impreciso en sistemas de
información geográfica, Conjuntos y sistemas borrosos 113 (1) (2000)
121–131.