Mejora continua en empresas de agua potable a través del modelado de procesos: caso de estudio EP-EMAPAR
Bibliographic record
Abstract
La investigación que se presenta está basada en la implementación del modelado de procesos institucionales con un enfoque en la mejora continua en empresas públicas de servicios de agua potable y alcantarillado, una empresa pública enfocada en la gestión de servicios relacionados con el suministro de agua potable y el tratamiento de aguas residuales. a través de un análisis detallado, se examina cómo empresas públicas de servicios de agua potable y alcantarillado adoptó un enfoque sistemático en la investigación cualitativa para mapear y modelar sus procesos institucionales, con el objetivo de identificar y corregir ineficiencias, así como de capitalizar oportunidades de optimización. este proceso de transformación operativa no fue solo una iniciativa puntual, sino parte de un compromiso con la mejora continua, una estrategia que la empresa integró en su cultura organizacional. El artículo explora cómo, mediante la aplicación de herramientas para un control estadístico de los procesos administrativos de las empresas públicas de servicios de agua potable y alcantarillado encaminada a la metodología de la gestión de procesos de operaciones internas. este enfoque en la mejora continua permitiría a las empresas implementar cambios graduales pero sostenibles, que resulten en una mayor satisfacción del cliente y en una operativa más ágil y adaptable, preparándola para enfrentar desafíos futuros con mayor proactividad y flexibilidad.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".