Fatores críticos para o sucesso do seis sigma: um levantamento do impacto do tempo de empresa e do treinamento na indústria alimentícia
Notice bibliographique
Résumé
A metodologia Seis Sigma apresenta um crescente interesse por parte de empresas dos diversos setores. Isso se dá, principalmente, em virtude dos seus resultados atrelados à redução de custos, aumento da confiabilidade e do padrão de qualidade. Porém, para que os resultados do Seis Sigma sejam alcançados e sustentados, faz-se necessária a gestão de alguns fatores críticos de sucesso (FCS) do Seis Sigma. O presente artigo tem por objetivo investigar os FCS para implantação da metodologia Seis Sigma e identificar quanto o tempo de empresa e o nível de formação Seis Sigma influenciam nos FCS. Para atingir o objetivo proposto foi realizada uma pesquisa de campo com 80 respondentes, com formação em Seis Sigma, de uma indústria alimentícia de grande porte localizada no Sul do Brasil. Os dados foram analisados por meio de estatística descritiva, teste de correlação, análise multivariada por meio da análise fatorial e análise de regressão múltipla. Com base na amostra pesquisada, os resultados evidenciaram que os FCS estudados apresentam uma contribuição significativa para o sucesso do programa Seis Sigma. Além disso, pode-se verificar que o tempo de empresa dos funcionários apresenta correlação positiva para o constructo treinamento, e o nível de formação em Seis Sigma apresenta correlação negativa com os constructos Treinamento, Comunicação e Revisão e Operação.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».