UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

FACULTAD DE INGENIERÍA

PROGRAMA ACADÉMICO DE INGENIERÍA INDUSTRIAL

IN397 SEMINARIO DE INVESTIGACIÓN APLICADA II

REVISIÓN SISTEMÁTICA DE LA LITERATURA

AUTOR(ES)

Cornejo Acaro, Rayshell Irina (U20201B465)

Jimenez Garcia, Edwin Carlos

(U201510852) ASESOR

Duilio Angel Aranda Ipince

Lima, 21 de abril del 2024

SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

DATOS GENERALES
Apellidos y nombres estudiante 1: Cornejo Acaro Rayshell Irina Código: U20201B465
Apellidos y nombres estudiante 2: Jimenez Garcia Edwin Carlos Código: U201510852
Carrera profesional: Ingeniería Industrial
Sección: IS85
Asesor Metodológico: Gina Roxana Liendo Aranibar
Asesor Temático: Duilio Angel Aranda Ipince

1.TÍTULO DEL TEMA DE INVESTIGACIÓN:

Título: Mejora de la producción de bandejas portacable para la reducción de

productos defectuosos mediante la herramienta Kanban en una empresa
metalmecánica.

Para (Yalico-Luciano et al., 2023) hay diferentes problemas presentes en el sistema

productivo de las empresas metalmecánicas, uno de ellos que presenta porcentajes mayor al
promedio (1,6%) es la presencia de productos defectuosos, ya que para la empresa que
estaba en estudio presentaba un porcentaje de 9,91%.

Según (Cavone et al., 2022) la calidad de los procesos es susceptible a diferentes

problemas y estos pueden causar desperdicios e ineficiencia en la fabricación, lo que lleva
a pérdidas económicas considerables para las empresas.

Problemática en la empresa de estudio

Empresa: CB Metal SA
Sector: Metalmecánico

Problema: Presencia mayor al promedio de productos defectuosos

Tabla 1:
Producción 2023

PRODUCTO TOTAL % Acu

GRATING 97049 22,93% 22,93%
BANDEJAS 164766 38,93% 61,86%
BARANDAS 43758 10,34% 72,20%
ESTRUCTURAS 103740 24,51% 96,71%
PERNOS 903 0,21% 96,92%
CLIPS 11026,94 2,61% 99,53%
vigas 1991 0,47% 100,00%
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

423235 100%

Figura 1:

Gráfico de producción 2023

En la figura 1 se puede evidenciar la cantidad de producción para sus diferentes productos,

donde el principal de ellos es la bandeja portacable, la cual presenta el 38,93 % del total de
producción como se muestra en la tabla 1.

Tabla 2:

Problemas en línea de producción

PROBLEMA CANTIDAD % ACU

PRODUCTOS
16092 91,23% 91,23%
DEFECTUOSOS

RETRASOS DE ENTREGAS 1538 8,72% 99,95%

MAQUINARIA EN MAL
6 0,03% 99,98%
ESTADO
ACCIDENTES LABORALES 3 0,02% 100,00%
TOTAL 17639 100,00%
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

Figura 2:

Gráfico de barras de las problemáticas

En la figura 2 se puede observar que el principal problema en la línea de bandejas

portacable es la presencia de productos defectuosos. Además, en la tabla 2 se ve que este
ocupa el 91,23% del total de los problemas.

Figura 3:

Gráfico de fallas
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

En la figura 3 se puede observar que la mayoría de las fallas ocurren en los procesos de
Punzado, Corte y Soldadura del proceso productivo de bandejas portacable.

Figura 4:

Árbol de problemas

En la figura 4 se puede observar el árbol de problemas donde se encuentra la brecha técnica

y el impacto económica de la problemática.
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

Tabla 3:
Artículos de revisión
Nº SEMANA TÍTULOS AUTORES Q /AÑO DOI FUENTE PROBLEMA HERRAMIENTA RESULTADOS Y
DE SOLUCIONADO S APLICADAS MEJORAS
ENTREGA CUANTITATIVAS
01 03 A six sigma and system Díaz-Ruiz, Q2/ 10.2 Internat
Incremento de -DMAIC Reducción de
dynamic integration for Gonzalo 2022 4874 ional pérdidas de -seis sigmas variabilidad de
process variability TrujilloGa /IJQ Journal
clientes por -dinámica de 1,8 micras en
reduction in industrial llego, R16. for variabilidad sistemas para promedio en el
processes Mariana 04- Quality
del proceso del la reducción de espesor del
13 ReReseestaño la variabilidad recubrimiento
arch electrónico y la en del estaño
disminución características electrónico
del 10% en las críticas de
utilidades. calidad
02 03 MPC-Based Process Cavone, Q1/202 10.1 IEEE Eliminación de Control de Piezas
Control of Deep Graziana 2 109/ Transac defectos en el procesos estampadas sin
Drawing: An Industry Bozza, TAS tions proceso basado defectos en la
4.0 Case Study in Augusto E.20 on de embutición. en MPC prensa de
Automotive Carli, 22.3 Automa embutición.
Raffaele 1773 tion
Dotoli, 62 Science
Mariagrazi and
a Engine
ering
03 03 Production Gebeyehu, Q1/202 10.1 Cogent Plazos de Lean Reducción del
lead time Sisay G.; 2 080/ Engine producción manufacturing, tiempo de
improveme Abebe, 2331 ering elevados en VSM, producción en
nt through Muluken y 191 Hibret Diagrama de 23,66%
lean Gochel, 6.20 Manufacturing Spaghetti trabajo en
manufacturi Amdewor 22.2 & proceso (WIP)
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

ng k 0342 Machine en 8,6%, los

55 Building tiempos que
Industries no agregan valor
(HMMNI) en
37,74% y la
distancia total
recorrida en
61,2%
04 03 Proposed Oktavia, Q2/202 10.3 Journal Eliminar o DMAIC Reducción de
quality Sherly 3 3536 of reducir los Six Sigma DPMO de
improveme / Industri defectos en los 81 636 a 28 081
nt of acrylic jiem. al productos
resin v8i Engine acrílicos
products 2.14 ering ,
with six 48 Manage los cuales
sigma (at pt. ment presentan
xyz) un 8,94% de
defectos
en la resina
acrílica y un
DPMO de 81
636
por millón de
producción.
05 03 Lean Six Chiarini Q1/202 10.1 Product Usar el ERP Se logro que las
Sigma and A, 1 080/ ion proceso de empresas
Industry 4.0 Kumar, M. 0953 Plannin Lean Six manufactureras
integration 728 g and Sigma y las logren un
for 7.20 Control tecnologías del incremento en la
Operational 20.1 de la producción en la
Excellence: 7844 industria 4.0 compañía
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

evidence 85 con la con la

from Italian finalidad de implementación
manufacturi obtener de
ng un nuevo la tecnología de
companies patrón la
operacional en industria 4.0 y
toda la así lograr
estructura de la un nuevo patrón
empresa de estudio
manufacturera. para otras ramas
06 03 The Zhuoyu Q2/202 10.1 Internat El estado de VSM El uso de
implementa Huang, 2 007/ ional los sensores en el
tion of Casey s001 Journal sensores de las área de plegado
Industry 4.0 Jowers, 70 of maquinas del logro
in Damon - Advanc área de minimizar el
manufactur Kent, Ali 022 ed plegado de tiempo en la
ing: from Dehghan- - Manufa chapa se estación de
lean Manshadi, 0951 cturin limitaba su uso plegado
manufacturing to Matthew 1 g en los logrando en que
product S. - Techno sensores que se la chapa
design Dargusch. 7 logy unían muestre una
en todo el reducción
proceso y significante en
con esto se toda la
pudo línea.
realizar un
mapeo
correcto de
todo el
proceso de
plegado y
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

realizar un
VSM
correcto
07 03 Enhancing Ly Duc Q2/202 10.1 Advanc A logrado DMAIC La
manufacturi M., 3 4743 es in mejorar la Six Sigma productividad y
ng Hlavaty / Product calidad, la el
excellence L., Bilik APE ion productividad correcto uso de
with Lean P., M2 Engine y el las
Six Sigma Martinek 023. ering rediseño de las herramientas en
and zero R. 1.45 and herramientas, las líneas
defects 5 Manage también de producción y
based on ment logra eliminar esto
Industry 4.0 el ocasiona que el
desperdicio en desperdicio se
las vea
líneas de reducido
producción
usando las
herramientas
del
modelo
DMAIC y las
6s.
08 03 Implementi Anna Q1/202 10.1 Internat Lograr DMAIC, Si hubo una
ng a Trubetska 1 108/ ional disminuir los VSM, Six relación de
customised ya, Olivia IJ Journal costos Sigma disminución
Lean Six McDermot LSS of crecientes para entre los
Sigma t, Padraig -08- Lean el compuesto recursos que
methodolog Brophy 2022 Six para entran en la
y at a - Sigma animales. fabricación del
compound 0169 Usando el compuesto
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

animal feed marco del 6 s para las

manufacture ejecutando en mascotas. El uso
r in Ireland un de VSM pudo
enfoque hallarse cual
simplificado de todas las
que controle estaciones se
los logra disminuir
recursos dentro el tiempo
de la de estas.
fabricación de
los
compuestos
09 05 A conceptual Sodhi, H; Q2/202 10.1 World Se logro Lean Six Se logro una
examination of Lean, Singh, D; 0 108/ Journal realizar un Sigma. mejora en la
Six Sigma and Lean Six Singh, B. WJS of estudio para productividad de
Sigma models for TSD Science que sirva de la empresa y la
managing waste in -10- , guía para los calidad de los
manufacturing SMEs 2019 Techno gerentes para productos en la
- logy que logren empresa
and reducir el mediante la
0073
Sustain desperdicio a reducción de los
able través del desechos de la
Develo estudio línea.
pment meticuloso del
diseño,
metodología y
enfoque.
10 05 Managing industrial Singh, J; Q1/202 10.1 Manage Usar el VSM, Six Se pudo reducir
operations by lean Singh, H; 0 108/ ment enfoque de Sigma, el tiempo de
thinking using value Singh, J MD- Decisio fabricación DMAIC producción de
stream mapping and six 04- n ajustada para los productos en
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

sigma in manufacturing 2017 lograr la empresa y a la

unit: Case studies - identificar y vez se pudo
0332 eliminar los reducir la
desperdicios a cantidad de
través de una productos
mejora defectuosos que
continua en ocurrían en toda
la línea de
todo el proceso
producción.
de fabricación
de las latas de
los
contenedores
del refresco.

11 05 Achieving operational Muhamma Q1/202 10.1 Internat ofreció una Lean Six Hubo un
excellence through the d, N; 2 108/ ional solución Sigma incremento en el
lens of lean and Six Muhamma IJL Journal enfocada a la correcto
Sigma during the d, N; M- of crisis debido a desarrollo de las
COVID-19 pandemic. Kumar, A; 06- Logisti la pandemia empresas
Gilani, H. 2021 cs del COVID en mediante el
- Manage empresas desarrollo de las
0343 ment
manufactureras eficiencias,
de pequeñas y desarrollo y
medianas ganancias de
empresas en la estas, pero no se
medida de la puede
eficiencia e generalizar con
incremento de respecto a otras
empresas fuera
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

las empresas. de este rubro, ya

que se necesita
más datos
cuantitativos
para hacer un
estudio más
detallado.

12 05 Optimization Skėrė, S; Q1/202 10.3 Sensors Ofrece una DSM, Matlab Con la
Experiment of Žvironienė 3 390/ solución a los combinación de
Production Processes , A; s230 problemas los factores
Using a Dynamic Juzėnas, 9449 complejos que técnicos y
Decision Support K; 8 se manifiestan humanos se
Method: A Solution to Petraitienė en los entornos logró optimizar
Complex Problems in , S. industriales y la planificación
Industrial manufacturero
dinámica de la
Manufacturing for s y que se
línea de
Small and Medium- pueden
Sized Enterprises. mejorar en la producción. Este
producción método logro
mediante el que las
uso de los empresas,
datos que se PYME, generen
recopilan en la mejorar en la
nube gracias a producción y
los sensores que todo esto
que se conllevaría a
encuentran en una mayor
las líneas de rentabilidad de
fabricación. todo el proceso
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

en la
producción.

13 05 Advanced uncertainty Lee, Q1/202 10.1 Knowle Solucionar los Algoritmo En comparación
based approach for Chanhee 2 016/ dge- problemas UEP con los
discovering erasable Baek, j.kno Based financieros que algoritmos ya
product patterns Yoonji sys.2 System surgen a raíz existentes, el
Lin, Jerry 022. s de la propuesto
Chun Wei 1081 producción de presenta mayor
Truong, 34 productos rapidez de
Tin defectuosos. ejecución, de
Yun, Unil memoria y
escalabilidad, lo
que lo hace más
eficiente.
14 05 Real-time deep learning Avola, Q1/202 10.1 Comput Detectar y Red neuronal Para el punto
method for automated Danilo 2 016/ ers & localizar de de 2 ramas referencial
detection and Cascio, J.CI Industri manera para la indutsrial
localization of Marco E.20 al automatizada detección y MVTec-AD la
structural defects in Cinque, 22.1 Engine los defectos localización de red obtuvo un
manufactured products Luigi 0851 ering estructurales defectos 98% en
Fagioli, 2 en imágenes en AUROC y 94%
Alessio productos en SSIM
Foresti, fabricados.
Gian Luca
Marini,
Marco
Raoul
Rossi,
Fabrizio
 SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

15 05 Shu Q1/202 10.1 Journal Reducir costos Sistema de El sistema

Visual analytics and Wang, Pan 4 016/ of por la mala análisis visual propuesto
intelligent reasoning for Zou, j.kn Industri calidad y y razonamiento mejora la
smart manufacturing Xuejian osys al mejorar la inteligente. calidad,
defect detection and Gong, .202 Informa eficiencia y eficiencia y
judgement: A meta- Mulang 2.10 tion consistencia de consistencia de
learning approach with Song, 813 Integrat la producción la producción en
knowledge graph Jianyuan 4 ion la detección de
embedding case-based (Wang et al., 2024)
Peng, . defectos en los
reasoning Jianxin productos.
Roger Jiao

16 05 Implementing lean Mohamma Q1/202 10.1 Results Mejorar el -VSM Implementar las
manufacturing for d Ahsan 2 016/ in desempeño de - SMED herramientas
improvement of Habib,Rat j.rin Engine la organización - Kanban lean redujeron
operational ul eng. ering los desperdicios
performance in a Rizván,Ah 2022 y mejoró su
labeling and packaging med .100 tiempo de
plant: A case study in Shamsudd 818 entrega en un
Bangladesh in 7,1% de la
organización.
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

2.1. RESUMEN COMPARADOS POR CATEGORIA

A) APORTE:

Hay artículos que comparten similitudes en sus aportes como la reducción de tiempos en la
fabricación, mejora de la detección de defectos en los procesos productivos, mejora de las
finanzas de las organizaciones provocadas por la producción de productos defectuosos,
mejorar la rentabilidad de las empresas y disminución de defectos en la producción.

Un aporte diferente en los artículos presentes es la reducción en el tiempo de entrega.

B) PROBLEMA SOLUCIONADO:
Entre las principales soluciones que se hallaron son la disminución de productos
defectuosos, optimización de los desempeños de las maquinarias, reducción de los costos
por productos defectuosos, mejorar la eficiencia de los procesos, determinación de la causa
raíz de los productos defectuosos, reducción de los tiempos perdidos en los procesos de
elaboración de productos, uso de la nube de datos que se interpreta de los sensores en la
línea de producción, uso de la DMAIC y el uso de las 6s, flujo del VSM para poder
interpretar el sistema productivos del sistema y así realizar el mapeo correspondiente y el
uso del Kanban para ver los procesos de flujos y carga del proceso del trabajo para lograr
una reducción de los desperdicios que se generan por el no tener un sistema que ejecute los
procesos correspondientes de cada terminal. En síntesis, se pudo apreciar que si bien hay
diferentes soluciones por cada problemática que se manifiesta en los artículos todos brindan
una solución mediante el uso de Lean Six Sigma para poder así reducir los productos
defectuosos o identificar que procesos en las líneas de producción generan retrasos.

C) HERRAMIENTAS/TÉCNICAS APLICADAS:

En la revisión de los artículos la mayoría de ellos coinciden en el uso de algunas

herramientas que se encuentran dentro del sistema Lean manufacturing y Six sigma como:
VSM, DMAIC, SMED y Kanban.

Los artículos también presentan herramientas particulares o distintas a las demás como:
Red neuronal, algoritmo UEP, DSM, Matlab, Control de procesos basado en MPC, ERP y
sistema de analisis visual.
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

2.2. CONCLUSIONES COMPARADAS POR CATEGORÍA

PARA DIFERENCIAS utilizar formas comparativas como la siguiente: **Mientras que
(cita narrativa de un autor) se ocupa de… (cita narrativa del autor)
PARA SEMEJANZAS O HALLAZGOS **Los hallazgos en el lugar de… muestran que el
uso de… es efectivo para… (cita paréntesis). De igual manera los resultados
experimentales usados en el lugar… comprueban que el uso de la técnica es fundamental
en… (cita paréntesis)
Semejanzas
De los articulos hallados encontramos que los del tipo automatizacion, procesos en la
industria y procesos de ingenieria (Cavone, G; Cavone, G; Cavone, G; Trubetskaya, A;
Brophy, P; Oktavia, S) y gestion de ingenieria (Chiarini A; Singh, J; Lee, Ch) muestran
una similitud en nuestra problematica de productos defectuosos y logran hallar una solucion
al problema de productos defectuosos gracias al uso de las herramientas de DMAIC, Six
Sigma, control de procesos en MPC, Lean Manufacturing, VSM y Kanban.

Diferencias
Por otro lado, los demas articulos si bien cuentan con una solucion en Lean Six Sigma (Ly
Duc, M.; Maia, D.R.P.; Avola, D; Srivastava, K.), sensores (Skėrė, S.; Hall, R.). industria
4.0 (Huang, Z; Hall, R) tecnologia sustentable (Anna, T) todos estos indican que las
herramientas usadas por ellos muestran una reducción del problema financieros, uso de
datos de la empresa dentro de la nube, eliminación de desperdicios de todas las líneas, uso
de las ERP y MPC para la detección de los defectos en los procesos y implementación de
sensores en cada línea de la estación.

Conclusión
En conclusión, se logra hallar diferentes escenarios a los problemas de la industria
manufacturera, que se también abarca a la metalmecánica, y que dichos problemas se
logran solucionar gracias a las diferentes herramientas. Se debe de tomar en cuenta las
soluciones de las herramientas del Six Sigma y de Lean Manufacturing y como estas se
pueden interpretar en un Kanban. En vista de todo esto, es recomendable usar herramientas
que nos ayude a identificar cuales ocasionan productos defectuosos y mostrarlos en una
tabla como es el Kanban para poder solucionarlo rápidamente.
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

3. Aprobación de la empresa
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

4. Declaraciones juradas de los alumnos

SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

5. Referencias Bibliográficas

Yalico-Luciano, R., Herrada-Gálvez, J., & Castro-Rangel, P. (2023). Reduction of the Rate
of Defective Products in A Metalworking Company, Through the
Implementation of TPM, 5S And Process Standardization Tools. ACM
International Conference Proceeding Series, 417–425.
https://doi.org/10.1145/3629378.3629394

Avola, D., Cascio, M., Cinque, L., Fagioli, A., Foresti, G. L., Marini, M. R., & Rossi, F.
(2022). Real-time deep learning method for automated detection and localization of
structural defects in manufactured products. Computers & Industrial Engineering,
172, 108512. https://doi.org/10.1016/J.CIE.2022.108512

Cavone, G., Bozza, A., Carli, R., & Dotoli, M. (2022). MPC-Based Process Control of
Deep Drawing: An Industry 4.0 Case Study in Automotive. IEEE Transactions on
Automation Science and Engineering, 19(3).
https://doi.org/10.1109/TASE.2022.3177362

Chiarini, A., & Kumar, M. (2021). Lean Six Sigma and Industry 4.0 integration for
Operational Excellence: evidence from Italian manufacturing companies.
Production Planning and Control, 32(13), 1084–1101.
https://doi.org/10.1080/09537287.2020.1784485

Díaz-Ruiz, G., & Trujillo-Gallego, M. (2022). A SIX SIGMA AND SYSTEM DYNAMIC
INTEGRATION FOR PROCESS VARIABILITY REDUCTION IN
INDUSTRIAL PROCESSES. International Journal for Quality Research, 16(4).
https://doi.org/10.24874/IJQR16.04-13

Gebeyehu, S. G., Abebe, M., & Gochel, A. (2022). Production lead time improvement
through lean manufacturing. Cogent Engineering, 9(1).
https://doi.org/10.1080/23311916.2022.2034255

Hall, R., Schumacher, S., & Bildstein, A. (2022). Systematic Analysis of Industrie 4.0
Design Principles. Procedia CIRP, 107.
https://doi.org/10.1016/j.procir.2022.05.005

Huang, Z., Jowers, C., Kent, D., Dehghan-Manshadi, A., & Dargusch, M. S. (2022). The
implementation of Industry 4.0 in manufacturing: from lean manufacturing to
product design. International Journal of Advanced Manufacturing Technology,
121(5–6). https://doi.org/10.1007/s00170-022-09511-7

Karakutuk, S. S., & Ornek, M. A. (2023). A goal programming approach to lean production
system implementation. Journal of the Operational Research Society, 74(1).
https://doi.org/10.1080/01605682.2022.2046518
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

Kumar, N., Shahzeb Hasan, S., Srivastava, K., Akhtar, R., Kumar Yadav, R., & Choubey,
V. K. (2022). Lean manufacturing techniques and its implementation: A review.
Materials Today: Proceedings, 64, 1188–1192.
https://doi.org/10.1016/j.matpr.2022.03.481

Lee, C., Baek, Y., Lin, J. C. W., Truong, T., & Yun, U. (2022). Advanced uncertainty
based approach for discovering erasable product patterns. Knowledge-Based
Systems, 241. https://doi.org/10.1016/j.knosys.2022.108134

Ly Duc, M., Hlavaty, L., Bilik, P., & Martinek, R. (2023). Enhancing manufacturing
excellence with Lean Six Sigma and zero defects based on Industry 4.0. Advances
in Production Engineering And Management, 18(1), 32–48.
https://doi.org/10.14743/APEM2023.1.455

Maia, D. R. P., Lizarelli, F. L., & Gambi, L. D. N. (2024). Industry 4.0 and Six Sigma: a
systematic review of the literature and research agenda proposal. Benchmarking,
31(3), 1009–1037. https://doi.org/10.1108/BIJ-05-2022-0289

Muhammad, N., Upadhyay, A., Kumar, A., & Gilani, H. (2022). Achieving operational
excellence through the lens of lean and Six Sigma during the COVID-19 pandemic.
International Journal of Logistics Management, 33(3).
https://doi.org/10.1108/IJLM-06-2021-0343

Oktavia, S. (2023). PROPOSED QUALITY IMPROVEMENT OF ACRYLIC RESIN

PRODUCTS WITH SIX SIGMA (AT PT. XYZ). Journal of Industrial Engineering
Management, 8(2), 167–173. https://doi.org/10.33536/jiem.v8i2.1448

Singh, J., Singh, H., Singh, A., & Singh, J. (2020). Managing industrial operations by lean
thinking using value stream mapping and six sigma in manufacturing unit: Case
studies. Management Decision, 58(6). https://doi.org/10.1108/MD-04-2017-0332

Skėrė, S., Žvironienė, A., Juzėnas, K., & Petraitienė, S. (2023). Optimization Experiment
of Production Processes Using a Dynamic Decision Support Method: A Solution to
Complex Problems in Industrial Manufacturing for Small and Medium-Sized
Enterprises. Sensors, 23(9). https://doi.org/10.3390/s23094498

Sodhi, H. S., Singh, D., & Singh, B. J. (2020). A conceptual examination of Lean, Six
Sigma and Lean Six Sigma models for managing waste in manufacturing SMEs.
World Journal of Science, Technology and Sustainable Development, 17(1), 20–32.
https://doi.org/10.1108/WJSTSD-10-2019-0073
Trubetskaya, A., McDermott, O., & Brophy, P. (2023). Implementing a customised Lean
Six Sigma methodology at a compound animal feed manufacturer in Ireland.
International Journal of Lean Six Sigma, 14(5). https://doi.org/10.1108/IJLSS-08-
2022-0169

Wang, S., Zou, P., Gong, X., Song, M., Peng, J., & Jiao, J. R. (2024). Visual analytics and
intelligent reasoning for smart manufacturing defect detection and judgement: A
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

meta-learning approach with knowledge graph embedding case-based reasoning.

Journal of Industrial Information Integration, 37, 100536.
https://doi.org/10.1016/J.JII.2023.100536

Yalico-Luciano, R., Herrada-Gálvez, J., & Castro-Rangel, P. (2023). Reduction of the Rate
of Defective Products in A Metalworking Company, Through the Implementation
of TPM, 5S And Process Standardization Tools. ACM International Conference
Proceeding Series, 417–425. https://doi.org/10.1145/3629378.3629394
Yalico-Luciano, R., Herrada-Gálvez, J., & Castro-Rangel, P. (2023). Reduction of the Rate
of Defective Products in A Metalworking Company, Through the
Implementation of TPM, 5S And Process Standardization Tools. ACM
International Conference Proceeding Series, 417–425.
https://doi.org/10.1145/3629378.3629394

Avola, D., Cascio, M., Cinque, L., Fagioli, A., Foresti, G. L., Marini, M. R., & Rossi, F.
(2022). Real-time deep learning method for automated detection and localization of
structural defects in manufactured products. Computers & Industrial Engineering,
172, 108512. https://doi.org/10.1016/J.CIE.2022.108512

Cavone, G., Bozza, A., Carli, R., & Dotoli, M. (2022). MPC-Based Process Control of
Deep Drawing: An Industry 4.0 Case Study in Automotive. IEEE Transactions on
Automation Science and Engineering, 19(3).
https://doi.org/10.1109/TASE.2022.3177362

Chiarini, A., & Kumar, M. (2021). Lean Six Sigma and Industry 4.0 integration for
Operational Excellence: evidence from Italian manufacturing companies.
Production Planning and Control, 32(13), 1084–1101.
https://doi.org/10.1080/09537287.2020.1784485

Díaz-Ruiz, G., & Trujillo-Gallego, M. (2022). A SIX SIGMA AND SYSTEM DYNAMIC
INTEGRATION FOR PROCESS VARIABILITY REDUCTION IN
INDUSTRIAL PROCESSES. International Journal for Quality Research, 16(4).
https://doi.org/10.24874/IJQR16.04-13

Gebeyehu, S. G., Abebe, M., & Gochel, A. (2022). Production lead time improvement
through lean manufacturing. Cogent Engineering, 9(1).
https://doi.org/10.1080/23311916.2022.2034255

Hall, R., Schumacher, S., & Bildstein, A. (2022). Systematic Analysis of Industrie 4.0
Design Principles. Procedia CIRP, 107.
https://doi.org/10.1016/j.procir.2022.05.005

Huang, Z., Jowers, C., Kent, D., Dehghan-Manshadi, A., & Dargusch, M. S. (2022). The
implementation of Industry 4.0 in manufacturing: from lean manufacturing to
product design. International Journal of Advanced Manufacturing Technology,
121(5–6). https://doi.org/10.1007/s00170-022-09511-7
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

Karakutuk, S. S., & Ornek, M. A. (2023). A goal programming approach to lean production
system implementation. Journal of the Operational Research Society, 74(1).
https://doi.org/10.1080/01605682.2022.2046518

Kumar, N., Shahzeb Hasan, S., Srivastava, K., Akhtar, R., Kumar Yadav, R., & Choubey,
V. K. (2022). Lean manufacturing techniques and its implementation: A review.
Materials Today: Proceedings, 64, 1188–1192.
https://doi.org/10.1016/j.matpr.2022.03.481

Lee, C., Baek, Y., Lin, J. C. W., Truong, T., & Yun, U. (2022). Advanced uncertainty
based approach for discovering erasable product patterns. Knowledge-Based
Systems, 241. https://doi.org/10.1016/j.knosys.2022.108134

Ly Duc, M., Hlavaty, L., Bilik, P., & Martinek, R. (2023). Enhancing manufacturing
excellence with Lean Six Sigma and zero defects based on Industry 4.0. Advances
in Production Engineering And Management, 18(1), 32–48.
https://doi.org/10.14743/APEM2023.1.455

Maia, D. R. P., Lizarelli, F. L., & Gambi, L. D. N. (2024). Industry 4.0 and Six Sigma: a
systematic review of the literature and research agenda proposal. Benchmarking,
31(3), 1009–1037. https://doi.org/10.1108/BIJ-05-2022-0289

Muhammad, N., Upadhyay, A., Kumar, A., & Gilani, H. (2022). Achieving operational
excellence through the lens of lean and Six Sigma during the COVID-19 pandemic.
International Journal of Logistics Management, 33(3).
https://doi.org/10.1108/IJLM-06-2021-0343

Oktavia, S. (2023). PROPOSED QUALITY IMPROVEMENT OF ACRYLIC RESIN

PRODUCTS WITH SIX SIGMA (AT PT. XYZ). Journal of Industrial Engineering
Management, 8(2), 167–173. https://doi.org/10.33536/jiem.v8i2.1448

Singh, J., Singh, H., Singh, A., & Singh, J. (2020). Managing industrial operations by lean
thinking using value stream mapping and six sigma in manufacturing unit: Case
studies. Management Decision, 58(6). https://doi.org/10.1108/MD-04-2017-0332

Skėrė, S., Žvironienė, A., Juzėnas, K., & Petraitienė, S. (2023). Optimization Experiment
of Production Processes Using a Dynamic Decision Support Method: A Solution to
Complex Problems in Industrial Manufacturing for Small and Medium-Sized
Enterprises. Sensors, 23(9). https://doi.org/10.3390/s23094498

Sodhi, H. S., Singh, D., & Singh, B. J. (2020). A conceptual examination of Lean, Six
Sigma and Lean Six Sigma models for managing waste in manufacturing SMEs.
World Journal of Science, Technology and Sustainable Development, 17(1), 20–32.
https://doi.org/10.1108/WJSTSD-10-2019-0073
Trubetskaya, A., McDermott, O., & Brophy, P. (2023). Implementing a customised Lean
Six Sigma methodology at a compound animal feed manufacturer in Ireland.
SEMINARIO DE INVESTIGACIÓN ACADÉMICA II 2024-01

International Journal of Lean Six Sigma, 14(5). https://doi.org/10.1108/IJLSS-08-

2022-0169

Wang, S., Zou, P., Gong, X., Song, M., Peng, J., & Jiao, J. R. (2024). Visual analytics and
intelligent reasoning for smart manufacturing defect detection and judgement: A
meta-learning approach with knowledge graph embedding case-based reasoning.
Journal of Industrial Information Integration, 37, 100536.
https://doi.org/10.1016/J.JII.2023.100536

Yalico-Luciano, R., Herrada-Gálvez, J., & Castro-Rangel, P. (2023). Reduction of the Rate
of Defective Products in A Metalworking Company, Through the Implementation
of TPM, 5S And Process Standardization Tools. ACM International Conference
Proceeding Series, 417–425. https://doi.org/10.1145/3629378.3629394