1. Historia y principios de Lean Six Sigma
  2. La metodología DMAIC: Definir, Medir, Analizar, Mejorar y Controlar
  3. Roles y responsabilidades en un equipo de Lean Six Sigma
  4. Importancia de la calidad y la mejora continua
  5. Visión general de las herramientas estadísticas básicas

  1. Selección y definición de proyectos Lean Six Sigma
  2. Elaboración de la Carta del Proyecto (Project Charter)
  3. Identificación de las necesidades del cliente (Voz del Cliente - VOC)
  4. Mapeo de procesos y flujos de valor
  5. Definición de métricas clave de rendimiento (KPIs)

  1. Recopilación y validación de datos
  2. Análisis exploratorio de datos y estadística descriptiva
  3. Uso de software para análisis estadístico
  4. Herramientas de calidad: diagramas de Pareto, Ishikawa y hojas de verificación
  5. Análisis de capacidad del proceso y estudios de medición

  1. Generación de ideas y soluciones creativas
  2. Diseño de experimentos (DOE) y optimización de procesos
  3. Implementación de soluciones Lean para eliminar desperdicios
  4. Técnicas de solución de problemas y toma de decisiones
  5. Pilotos y pruebas de concepto

  1. Sistemas de control y gestión de procesos
  2. Planes de control y documentación
  3. Uso de gráficos de control y análisis de tendencias
  4. Estrategias para asegurar la sostenibilidad de las mejoras
  5. Lecciones aprendidas y transferencia de conocimientos

  1. Impacto de la digitalización en Lean Six Sigma
  2. Big Data y Analytics en la mejora de procesos
  3. Automatización y robótica en Lean Six Sigma
  4. Casos de estudio de Lean Six Sigma en entornos digitales
  5. Futuro y tendencias en Lean Six Sigma Analytics

  1. Introducción a R y Python como herramientas de análisis de datos
  2. Manipulación y limpieza de datos con pandas y dplyr
  3. Visualización avanzada de datos con ggplot2 y matplotlib
  4. Análisis estadístico y pruebas de hipótesis en R y Python
  5. Integración de R y Python con herramientas de Lean Six Sigma