[Ide@s CONCYTEG 7

(83): Mayo, 2012]

ISSN: 2007-2716
Como citar: Caicedo Solano, N.E. (2012), Caso de estudio: Modelo Seis
Sigma, un aporte a la gestin eficiente de los costos empresariales, Ide@s
CONCYTEG, 7 (83), pp. 669-682.

669
Caso de estudio: Modelo
Seis Sigma, un aporte a la
gestin eficiente de los costos
empresariales


Nstor E. Caicedo Solano

Resumen

Este artculo presenta el uso de la metodologa DMAMC de programas Seis Sigma de calidad para disminuir
consumos de disolvente qumico Lule 10 utilizado en procesos de limpieza de equipos especializados para
litografa sobre hojalata. El objetivo fue minimizar los costos de produccin, el impacto negativo sobre el
medio ambiente y el recurso humano, a partir del uso de la metodologa DMAMC como modelo para el
desarrollo sostenible; mejorando los niveles de calidad del material impreso en produccin litogrfica y la
productividad de la compaa. Como resultado se obtuvo una reduccin significativa del consumo del
disolvente, mejorando los procesos de limpieza de equipos de produccin y por tanto, una disminucin de los
costos asociados.

Palabras clave: calidad, costos, desarrollo sostenible, productividad, Seis Sigma

Summary

This paper presents the use of DMAIC methodology of Six Sigma quality programs to reduce solvent
consumption Lule 10 used in chemical cleaning processes of specialized equipment for lithography on tin.
The aim was to use the DMAIC methodology as a model for sustainable development while minimizing the
impact on its components: environment, human resource and business costs, improving quality levels of
printed material in the production line lithography and productivity of the company. The result was a
significant reduction in solvent consumption, improving the cleaning process equipment production line and
therefore a reduction in costs.

Keywords: cost, productivity, quality, Six Sigma, sustainable development.

Ingeniero Industrial. Especialista en Ingeniera de Calidad. Magister en Ingeniera Industrial. Master Black
Belt. Profesor Asociado, Universidad Autnoma del Caribe. Nestor.Caicedo@uac.edu.co
[Ide@s CONCYTEG 7 (83): Mayo, 2012]

670
Introduccin

l entorno actual, altamente
competitivo, exige a las empresas
de cualquier sector, concentrar
esfuerzos de manera constante en la mejora
de sus procesos. Para lograr la mejora deben
hacerse inversiones que busquen lograr
calidad en los productos o servicios que
ofrecen; sin embargo, hoy es conocido que
para lograr calidad no basta con cumplir con
las normas establecidas en el diseo, sino que
adems debe ser el resultado de un adecuado
estudio de mercado, de un sistema de
promocin, de distribucin y de la gestin de
venta, la prestacin de un conjunto de
servicios asociados posteriores a las ventas,
que satisfagan al cliente. Estas inversiones,
por tanto, pueden convertirse en gastos
necesarios para generar esta satisfaccin y en
consecuencia generar altos costos en su
inversin. An cuando desaparecieran las
posibilidades de defectos, estos ltimos
seguiran existiendo para lograr calidad.

Por otro lado, la calidad total es un estilo de
gestin que afecta a todos los colaboradores
de la empresa, y que persigue producir al
menor costo posible productos o servicios
que satisfagan las necesidades de los clientes,
y que simultneamente busca la mxima
motivacin y satisfaccin de los empleados.
Los principales objetivos de un programa de
calidad total se definen en: producir al
mnimo costo consiguiendo la mxima
satisfaccin, tanto de clientes internos como
externos.


Para mantener un buen desempeo
econmico, las organizaciones necesitan
emplear sistemas de la calidad cada vez ms
eficientes, encaminados a minimizar los
desperdicios, re-procesos, devoluciones y
quejas, previniendo los errores y cumpliendo
los requerimientos del cliente dentro de un
marco de productividad, costo y tiempo que
garantice las utilidades de las mismas.

La estructura de costos de calidad es una
posibilidad que resulta ser eficaz e
imprescindible para conseguir la mejora de la
relacin calidad/precio. El conocimiento de
las causas de los problemas es un paso
necesario para resolverlos, pero slo su
conocimiento no basta sino que se hace
necesario establecer las acciones correctivas
adecuadas para eliminarlos. Con el costo de
la calidad ocurre lo mismo; su simple
implantacin y clculo no mejora la
situacin. Son las acciones correctivas y
preventivas adoptadas las que de verdad
producen mejoras.

A pesar de los beneficios que puede generar
el montaje de un sistema de costos de
calidad, aun hoy en da hay muchas empresas
que no lo utilizan. Esta situacin tiene su
origen en la infravaloracin del importe al
que puede ascender el coste de la no calidad
y en la carencia de datos reales sobre los
mismos. Por ello, en este trabajo se pretende
aportar una herramienta de apoyo a la
gestin, utilizando el modelo Seis Sigma,
E
Caso de estudio: Modelo Seis Sigma, un aporte a la gestin eficiente de los costos empresariales
Nstor E. Caicedo Solano
671
como estrategia para mejorar procesos,
productos o servicios que a su vez minimizan
costos de calidad que inciden de manera
directa en la economa, la productividad y
rentabilidad de las empresas.


Metodologa

El desarrollo de este trabajo estuvo
enmarcado en la metodologa propia
DMAMC (Definir, Medir, Analizar, Mejorar
y Controlar) de los programas Seis Sigma,
alineando las actividades de definir, medir,
analizar, mejorar y controlar el problema,
buscando alternativas estadsticas y
administrativas especificas que permitieran
obtener resultados satisfactorios acordes con
los objetivos propuestos.

La metodologa que se propuso en este
sentido sigue descrita a continuacin:
a. Iniciando con las primeras etapas de
la metodologa DMAMC; definir y
medir, se identificaron las variables
que afectaban significativamente el
alto consumo de un disolvente
utilizado para la limpieza de rodillos
de impresin en empresas
litogrficas, reconociendo la
caracterizacin de los procedimientos
que la compaa tena enmarcados en
su sistema de gestin de calidad
certificado para el uso del disolvente
en las actividades de limpieza.

Estas actividades propias del proceso
litogrfico para la fabricacin de envases de
hojalata y sus indicadores, se evidenciaron a
travs de la observacin directa sobre los
registros de los departamentos de costos,
produccin, gestin ambiental, despacho,
control de calidad y salud ocupacional.

La obtencin de informacin del disolvente
fue importante, y para ello se revisaron las
fichas tcnicas y hojas de seguridad del
producto, con el fin de caracterizar su
aplicacin y manipulacin dentro del proceso
litogrfico de la empresa, para adoptar
mtodos de trabajo adecuados buscando la
proteccin de la salud de los empleados y del
medio ambiente.
b. Luego se procedi al desarrollo de
las siguientes fases: analizar y
mejorar. En esta fase de evaluaron
factores relevantes, utilizando la
tcnica diagrama de Pareto para
priorizarlos y evaluarlos
estadsticamente por medio del
diseo experimental. Luego,
diseando y ejecutando estrategias
experimentales, se lograron
establecer niveles ptimos de los
factores, construyendo un modelo
matemtico representativo del
consumo.
c. Por ltimo, se lleg a la fase
controlar; donde se dise y
document un plan de manejo del
disolvente a partir de la evaluacin
del modelo matemtico propuesto
anteriormente, utilizando el software
[Ide@s CONCYTEG 7 (83): Mayo, 2012]


672
Minitab como herramienta
informtica de anlisis de datos,
soportado en pruebas de hiptesis
que evidenciaron los cambios en los
consumos y los grficos de control
de consumos implementados en la
empresa, as como tambin un
anlisis de costo/beneficio a partir de
la caracterizacin de los nuevos
parmetros de manipulacin y uso
del disolvente.


Desarrollo

Con el diagrama de Pareto se consideraron
los factores que incidan en los consumos de
disolvente.

Figura 1. Grfica de Pareto segn consumos




















Fuente: elaboracin propia. Minitab.

En el grfico anterior se observa cmo un
20% de los factores (falta de entrenamiento,
capacidad de envases, tiempo de exposicin y
viscosidad de los recubrimientos) representan
un 80% sobre las razones de consumo de
disolvente, por lo que si se centra el diseo
de experimento en estos cuatro factores, se
puede llegar a reducirlo en un 80% de las
posibilidades.



Diseo de experimento

De una forma sistemtica se disearon los
experimentos que permitieron conocer los
efectos sobre los consumos, representados
como variable de respuesta. Para la ejecucin
del experimento se codificaron los factores
principales asociados a los consumos con sus
niveles bajos y altos como -1 y 1
respectivamente. A continuacin:
Viscosidades de los recubrimientos
(A): bajas y altas (-1,1).
Caso de estudio: Modelo Seis Sigma, un aporte a la gestin eficiente de los costos empresariales
Nstor E. Caicedo Solano
673
Entrenamiento del personal (B): no
capacitado y capacitado. (-1,1).
Capacidad de envases (C): volumen de
3 y 5 galones. (-1,1).
Tiempo de exposicin (D): nocturno y
diurno (-1,1).
El clculo de la rplica gener 48
muestras, extrado de las curvas
caractersticas y los planes de muestreo
de las funciones de Minitab.

Cuadro 1. Matriz doe 2
K
sin aleatorizacin
Factores Consumo en galones
1.(1, 1, -1 -1) 3,5 4 3
2.(1, 1, -1 1) 3 3,5 3
3.(1, 1, 1 -1) 4 4,5 3,5
4.(1, 1, 1, 1) 4 4 3,5
5.(1, -1, -1 -1) 4,5 3,5 4
6.(1, -1, -1 1) 4 4 4,5
7.(1, -1, 1 -1) 4,5 5 4
8.(1, -1, 1, 1) 4 4,5 4
9.(-1, 1, -1 -1) 2,5 2 3
10.(-1, 1, -1 1) 2 2,5 2
11.(-1, 1, 1 -1) 3,5 3,5 4
12.(-1, 1, 1, 1) 3 3,5 3,5
13.(-1, -1, -1 -1) 3,5 3 3
14.(-1, -1, -1 1) 4 3,5 3,5
15.(-1, -1, 1 -1) 4,5 4 3,5
16.(-1, -1, 1, 1) 3 3,5 3
Fuente: elaboracin propia.

El cuadro anterior nos muestra todas las
iteraciones existentes con tres replicas de 16
combinaciones cada una y un total de 48
datos para una distribucin normal, probada
mediante la prueba de KolmogorovSmirnov,
con aleatorizaciones que tienen un orden de
corrida para la toma de dichos datos de
consumos. El modelo se ajusta a un nivel
aceptable explicado a partir de los resultados
obtenidos ilustrados a continuacin:
R-cuad. = 79,08% R-cuad. (Pred.) = 52,94%
R-cuad. (Ajustado) = 69,28%

De esta forma se puede expresar
parcialmente el modelo matemtico de la
siguiente forma:
Y = 3.5625 + 0.3542A 0.2917B + 0.2708C
0.1042D + 0.0000AB 0.0625AC +
0.0208AD + 0.1667BC 0.0417BD
0.1042CD 0.0833ABC 0.0000ABD +
0.0625ACD + 0.1250BCD 0.0417ABCD
[1]


Obtencin del modelo reducido

Dentro del diseo de anlisis factorial era
necesario conocer los trminos significativos
para nuestra variable de respuesta (consumo
de disolvente/en galones) para nuestro
modelo matemtico. Para esto se hicieron
pruebas de hiptesis que determinaran esta
condicin.

De esta forma se eliminan trminos que no
son significativos y as se obtiene una
reduccin del modelo matemtico. Desde
Minitab se obtuvo:
R-cuad. = 72,74% R-cuad. (Pred.) = 62,63%
R-cuad. (Ajustado) = 68,75%

Y nuestro modelo matemtico reducido
quedara de la siguiente forma:
Y = 3.5625 + 0.3542A 0.2917B + 0.2708C
+ 0.1667BC + 0.1250BCD [2]


[Ide@s CONCYTEG 7 (83): Mayo, 2012]


674
Resultados

Ya que el objetivo fue optimizar el consumo
del disolvente a travs de una disminucin de
su uso; en el modelo matemtico reducido se
tomaron muestras que evidenciaran la
estimacin realizada por el modelo
matemtico. Para esto se dise un plan de
muestreo conservando la distribucin normal,
teniendo en cuenta los niveles bajos (-1) para
cada factor e iteracin.

Del modelo matemtico se obtuvieron los
siguientes resultados:

De nuestro valor esperado 3.5 y minimizado
en 3.27 galones para el consumo de
disolvente en el lavado de equipos y piezas
mecnicas, segn el modelo matemtico se
logr obtener un promedio de 2.9687 3
galones de consumo, una vez tomada dos
replicas de 16 datos cada una.

Para la comprobacin de la evidente
disminucin de los consumos se procedi a
plantear una prueba de hiptesis para
verificar si los nuevos datos se ajustaban al
modelo matemtico.


Cuadro 2. Consumos antes y despus
Consumo
antes Consumo despus
3,5 4 3,75 2,75
3 3,5 3,25 2,5
4 4,5 3,5 2,75
4 4 2,75 3
4,5 3,5 3 2,5
4 4 3,5 3,5
4,5 5 2,5 3,75
4 4,5 3,75 3
2,5 2 2,75 2,25
2 2,5 2,25 2,5
3,5 3,5 3,75 2,75
3 3,5 2,5 2,5
3,5 3 2,25 3,75
4 3,5 2,5 3
4,5 4 3 2,75
3 3,5 3,25 3,5
Desviacin 0,729560186 0,498990917
Promedio 3,625 2,96875
Fuente: elaboracin propia.

A continuacin se muestra cada uno de los
datos asociados a los resultados de la prueba
de hiptesis para medias en las cuales se
probaron los consumos de los disolventes
Caso de estudio: Modelo Seis Sigma, un aporte a la gestin eficiente de los costos empresariales
Nstor E. Caicedo Solano
675
antes y despus de las actividades de mejora
desarrolladas a travs de los anlisis
estadsticos.

Cuadro 3. Prueba de medias para verificacin de disminucin de consumos
Prueba z para medias de dos muestras
Parmetros Variable 1 Variable 2
Media 3,625 2,96875
Varianza (conocida) 0,72 0,49
Observaciones 32 32
Diferencia hipottica de las medias 0
Z 3,374827819
P(Z<=z) una cola 0,000369309
Valor crtico de z (una cola) 1,644853627
Valor crtico de z (dos colas) 0,000738619
Valor crtico de z (dos colas) 1,959963985
Fuente. elaboracin propia.

A partir del anlisis con un nivel de
confianza del 95% no exista suficiencia
estadstica para aceptar (H
0
: El promedio de
los consumos de mantenan iguales), por lo
tanto se poda comprobar que los consumos
anteriores al proyecto eran evidentemente
mayores que los nuevos.





Plan de manejo para el consumo de
disolvente

Representando de una forma grfica la
secuencia en que quedaran las actividades
segn el modelo matemtico, se propuso un
plan de manejo de las actividades de limpieza
de los rodillos de la lnea de produccin
ilustrado en el siguiente flujograma, que
ayuda a identificar claramente las
actividades, a partir de la caracterizacin de
los nuevos parmetros de manipulacin y
uso.












[Ide@s CONCYTEG 7 (83): Mayo, 2012]


676
Figura 2. Flujograma propuesto para el consumo de disolvente

Fuente: elaboracin propia.

Control estadstico para el proceso

Esta herramienta estadstica fue propuesta
para controlar el consumo de este disolvente
pretendiendo cubrir los objetivos orientados
al seguimiento y vigilancia del proceso,
reduccin de la variacin y menores costos
por consumo.


De esta forma se calcularon los lmites de
control superior e inferior para la media y
rango de los datos nuevos obtenidos,
buscando ilustrar las diferencias de los
consumos del disolvente antes y despus de
las mejoras.











Caso de estudio: Modelo Seis Sigma, un aporte a la gestin eficiente de los costos empresariales
Nstor E. Caicedo Solano
677
Figura 3. Grfico de control para los datos antes de la mejora








Fuente: elaboracin propia.

Figura 4. Grfico de control para los datos despus de la mejora


Fuente: elaboracin propia.

Analizando los grficos anteriores se infiere
que el control sobre los consumos de
disolvente se logra luego de las mejoras
propuestas para el proceso, ya que los
resultados se obtienen dentro de los lmites
de control sin mostrar tendencias o
referencias de datos atpicos en el consumo.

Las capacidades de procesos (Cp),
representan las capacidades de los procesos
de cumplir con las especificaciones de
variables de calidad de productos. Para este
caso se definieron los consumos como
especificaciones con lmites mximos y
mnimos tolerables para los consumos del
disolvente a partir del nuevo procedimiento
de manipulacin, uso y limpieza de los
rodillos. De esta forma se ilustra el cambio en
el proceso de limpieza y consumo del
disolvente, pasando de una capacidad de
procesos de Cp = 0.38 a un Cp = 1.02,
teniendo en cuenta que los consumos
mximos de la tolerancia fueron los
clculados por el proceso de optimizacin a
travs del modelo matemtico. De estos
resultados se muestra la capacidad del
proceso de cumplir con los consumos
hallados luego de la mejora, sin incurrir en la
[Ide@s CONCYTEG 7 (83): Mayo, 2012]


678
generacin de productos no conformes,
sabiendo que el proceso de limpieza es
eficiente an con menos cantidad de
disolvente.


Cuadro 4. Lmites de control estadstico de consumos
Muestras
1 2 3 4
V
o
l
u
m
e
n

3,75 2,75 2,75 2,25
3,25 2,25 2,5 2,5
3,5 3,75 2,75 2,75
2,75 2,5 3 2,5
3 2,25 2,5 3,75
3,5 2,5 3,5 3
2,5 3 3,75 2,75
3,75 3,25 3 3,5
Promedio 3,25 2,78125 2,96875 2,875
Limite de control superior 3,6521875
Limite de control inferior 2,2853125
Fuente: elaboracin propia.

Anlisis costo beneficio

Dado que es una tcnica importante dentro
del mbito de la teora de la decisin se
determin valorar la conveniencia de los
cambios en trminos econmicos derivados
de los costos y beneficios deseables e
indispensables.

Cuadro 5. Costos de produccin consumo de
disolvente
Costos de produccin
Lista de costos
Consumo
/ mes
(2011)
Costo
unitario
(US$)
Costo total
(US$)
Paros de
produccin
0,35
tambores 1100 385
Cambios de
referencias
23,56
tambores 1100 25920
Mantenimiento
inventario
24
tambores 165 165
Total 26470
Fuente: elaboracin propia.

































Caso de estudio: Modelo Seis Sigma, un aporte a la gestin eficiente de los costos empresariales
Nstor E. Caicedo Solano
679


Cuadro 6. Costos de consumo por factor
Consumo por factores antes de mejoras
Factores Consumos (gal.)
Costo unitario
(US$)
Costo total
(US$)
%
Falta de entrenamiento 198 20 3960 22,93
Capacidad de envase 165 20 3300 19,1
Tiempo de exposicin 161,44 20 3228 18,69
Viscosidad 132 20 2640 15,28
Limitacin de desechos 99 20 1980 11,46
No se reutilizan 66 20 1320 7,64
Desajuste en cuchillas 36 20 720 4,16
Traslados innecesarios 2,5 20 50 0.32
Bajo control de consumo 2 20 40 0.23
Derrames 1,5 20 30 0,17
Total 863,44 200 17268 100
Fuente: elaboracin propia.

Cuadro 7. Costo consumo de factores segn Pareto despus de mejora
Consumo segn pareto despus de mejora
Factores Consumos (gal.)
Costo unitario
(US$)
Costo total
(US$) %
Falta de entrenamiento 165 20 3300 22,93
Capacidad de envase 154,44 20 3088 19,1
Tiempo de exposicin 121,08 20 2421 18,69
Viscosidad 109,56 20 2191 15,28
Total 550,08 80 11001 76
Fuente: elaboracin propia.

Evidentemente existe un ahorro en los costos
de consumo despus de la mejora en una
cantidad significativa de US$6.267/mes
US$75.206/ao.


















[Ide@s CONCYTEG 7 (83): Mayo, 2012]

680
Cuadro 8. Relacin costo-beneficio
Costos de producto de calidad Beneficios de producto de calidad
Costos Costo unitario/mes(US$) Beneficios Costo unitario/mes(US$)
Capacitacin 375 Capacitacin 660
Tiempo
Exposicin
110
Tiempo
exposicin
807
Viscosidad
recubrimiento
108
Viscosidad
recubrimiento
448
Desechos
(estopas)
87
Desechos
(estopas)
2
No se reutilizan 21 No se reutilizan 21
Cuchillas 56 Cuchillas 56
Control de
Consumo
108 Derrames 11

Control de
consumo
40
Control consumo 108
Costo total US$ 867 Beneficio total US$ 2.156
Fuente: elaboracin propia.

Se puede evidenciar segn los clculos de
costo-beneficio, que por cada dlar gastado
se obtiene US$2.48 de retorno positivo.


Conclusiones

El desarrollo del primer objetivo especfico
dio lugar a que se identificaran los factores
que producen el alto consumo de este
disolvente, por medio de la caracterizacin o
acciones que suelen realizarse y ser
aplicables a dicho proceso en funcin de las
dos primeras fases definir y medir de la
metodologa propuesta.

Una vez obtenido los factores causantes del
alto consumo de este disolvente se procedi
al desarrollo de las siguientes fases analizar y
mejorar, para el cumplimiento del segundo
objetivo especfico, utilizando herramientas
como:
La grfica de Pareto, que represent el
grado de importancia o peso que tienen
estos factores. Observndose como un
20% de los factores (falta de
entrenamiento, capacidad de envases,
tiempo de exposicin y viscosidad de
los recubrimientos) representan un
80% de los defectos por consumo de
disolvente, por lo que si se construa el
diseo de experimento con estos cuatro
factores se podra reducir en un 80% el
consumo y por ende los costos
asociados.
Caso de estudio: Modelo Seis Sigma, un aporte a la gestin eficiente de los costos empresariales
Nstor E. Caicedo Solano
681
El DOE de sus siglas en ingls (Design
of Experiments), diseo de
experimento; en el software Minitab.
Para el diseo y ejecucin de
estrategias, como todas las posibles
combinaciones entre estos factores
cada uno con dos niveles de
significancia, se obtuvo la
construccin de un modelo matemtico
que con el objetivo de minimizar el
consumo de este disolvente, se logr
pasar de 3.62 a 2.96 galones
aproximadamente.

Se plante una prueba de hiptesis donde se
comprob estadsticamente que los consumos
despus de la mejora realmente son menores
que los de antes.

3. Luego de concluir que la mejora
propuesta es confiable para la
reduccin del consumo se propuso un
diagrama de flujo de procesos para la
manipulacin y uso del disolvente.
4. Se logr demostrar que los datos
anteriores el proceso se encuentran por
fuera de los lmites de control mientras
que con los datos despus de la mejora
se demostr que estaban dentro de los
lmites, lo que significaba un control
del consumo del disolvente para la
limpieza de los equipos de produccin.
5. Con el anlisis costo-beneficio se
determin la valoracin y conveniencia
en trminos econmicos, con una
relacin de $2.48 de beneficio por cada
US$1 invertido con un beneficio hasta
de US$ 25,526 en el primer ao.


Bibliografa

Acuerdo 19 de 1996 SIAC (Sistema Ambiental
del Distrito Capital)
Estatuto General de Proteccin Ambiental del
Distrito Capital
Ciencias ambientales decreto 186794
Cdigo de Trabajo en su artculo 197 28 de
diciembre de 1990
DECRETO 2 DE 1982. (Enero 11).
MINISTERIO DE SALUD. Por el cual se
reglamentan parcialmente el Ttulo I. de la
Ley 09 de 1979 y el Decreto Ley 2811 de
1974Aire (emisiones atmosfricas)
Decreto 948 de 1995. Prevencin contaminacin
atmosfrica
Decreto1753 de 1994. Gestin de manejo
ambiental en Colombia ley 99 del 93
Gua tcnica Colombiana para la separacin en la
fuente GTC 24 8 Jun. 2010
Gua tcnica Colombiana para panoramas de
riesgos GTC 45 22 Jul. 2009
Ley 373 de 1997 Resolucin 2309/86 Residuos
(residuos especiales).
Norma internacional de gestin ambiental ISO
14000. (Primera actualizacin) ratificada por
el Consejo Directivo del 2004-12-01, Norma
internacional de gestin de la calidad ISO
9001.
Norma internacional de gestin de la salud y
seguridad ocupacional BS OHSAS 18001:
2007.
Reglamenta Consejo Nacional Ambiental del
Ministerio del Medio Ambiente.
Residuos Decreto 0605/96 Residuos. 1996.
Salud y seguridad industrial
Ley 9 enero 24 de 1979
Antony, J., M. Kumar and M. Tiwari (2005), An
application of Six Sigma methodology to
reduce the engine-overheating problem in an
automotive company, Proceeding of the
Institution of Mechanical Engineers, 219(8),
pp. 633-644.
Bauelas, R., J. Antony and M. Brace (2005),
An Application of Six Sigma to Reduce
Waste, Quality & Reliability Engineering
International, 21(6), pp. 553-570.
Brady, J. and T. Allen (2006), Six Sigma
Literature: A Review and Agenda for Future
Research, Quality and Reliability
Engineering International. 22, pp. 335-367.
Frings, G. and L. Grant (2005), Who moved My
SigmaEffective Implementation of the Six
[Ide@s CONCYTEG 7 (83): Mayo, 2012]


682
Sigma Methodology to Hospitals, Quality &
Reliability Engineering International, 21(3),
pp. 311-328.
Kumar M., J. Antony and C.N. Madu (2005), Six
Sigma in small- and medium-sized UK
manufacturing enterprises, International
Journal of Quality and Reliability
Management, 22(8), pp. 860874.
Pyzdek, T. (2003), The Six Sigma Project
Planner: A Step-by-Step Guide to Leading a
Six Sigma Project Through DMAIC, USA,
McGraw-Hill.
Hayler, R. (2009), What is Six Sigma Process
Management? USA, McGraw-Hill.
Besterfield, D. (2009), Control de calidad,
Mxico, Pearson.
Gmez Fraile, F., J.F. Vilar Barrio y M. Tejero
Monzn (2003), Seis Sigma, Espaa,
Fundacin Confemetal.
Vrtice (1996), Gestin medioambiental:
manipulacin de residuos y productos
qumicos, Espaa, autor.
Montgomery D. (2007), Probabilidad y
estadstica aplicada a la ingeniera; Mxico,
Limusa.
Lowenthal, J. N. (2002), Gua para la aplicacin
de un proyecto Seis Sigma, Espaa,
Fundacin Confemetal.
Weininger S. y F. Stermitz F. (1976), Qumica
orgnica, Nueva York, Thomson.