Análisis de inversión y reducción de costos en un contexto de Lean Accounting
Notice bibliographique
Résumé
En la presente investigación, se desarrolla y explica paso a paso cómo identificar el ahorro de costos en una empresa que usa lean accounting, y cómo esos ahorros se integran para evaluar un proyecto de inversión. Actualmente, no hay mucha información sobre el uso de herramientas de lean accounting en pequeñas y medianas empresas de economías regionales de América Latina; por ello, este estudio busca seguir expandiendo el conocimiento sobre el tema. Se usó la herramienta value stream mapping, que permite identificar el ahorro de costos. Esta es la primera etapa para calcular los flujos de fondos recurrentes para luego aplicar las herramientas tradicionales de evaluación de proyectos. Este estudio, basado en un caso real, vincula aspectos del método de producción y mejoras aplicando lean manufacturing e indicadores financieros del proyecto. El desarrollo del proyecto de inversión permitió que la empresa que fue objeto de estudio mejore los tiempos de entrega, la seguridad de la operación, la estabilidad productiva, la automatización del proceso y el aumento de la capacidad de procesamiento de la planta a nivel global. También hizo visibles focos de ineficiencia del proceso actual que impactaban en el manipuleo de piezas, los costos de operación, los retrabajos y la mano de obra directa.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».