Traducido del inglés al español - www.onlinedoctranslator.

com

Recibido el 21 de agosto de 2020, aceptado el 8 de septiembre de 2020, fecha de publicación 11 de septiembre de 2020, fecha de
la versión actual 24 de septiembre de 2020.

Identificador de objeto digital 10.1109/ACCESS.2020.3023633

Factores Críticos de Éxito de Lean Manufacturing para

la Industria de Fabricación de Equipos de Transporte
en México

MARINA DE LA VEGA1, YOLANDA BÁEZ-LÓPEZ1, JORGE LIMÓN-ROMERO1, DIEGO

TLAPA1, DORA-LUZ FLORES1, (Miembro, IEEE), MANUEL IVÁN RODRÍGUEZ
BORBÓN2, Y AIDÉ ARACELY MALDONADO-MACÍAS2

1Facultad de Ingeniería, Arquitectura y Diseño, Universidad Autónoma de Baja California, Ensenada 22860, México
2Departamento de Ingeniería Industrial y Manufactura, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez 32310, México

Autora para correspondencia: Yolanda Báez-López ( yolanda@uabc.edu.mx )

El trabajo de Yolanda Baez-Lopez fue apoyado por el Programa para el Desarrollo Profesional Docente (PRODEP) (Estancias cortas de
investigación).

ABSTRACTOEsta investigación se realizó en la industria manufacturera mexicana, la segunda actividad más importante
del sector industrial del país, específicamente en el subsector de fabricación de equipos de transporte, que genera el 19%
de los empleos de esta industria. Por ello, es importante desarrollar estrategias de mejora para fortalecer la
competitividad del sector. Actualmente, los proyectos de Lean Manufacturing se consideran la estrategia más importante
para que las empresas manufactureras logren un desempeño de clase mundial. Sin embargo, dichos proyectos arrojan
resultados diferentes, dependiendo del nivel de implementación del Factor Crítico de Éxito (CSF, por sus siglas en inglés)
durante su desarrollo. Este trabajo propone el diseño y validación de un instrumento para evaluar la implementación de
los MCE durante la fase de mejora del proyecto en la producción de equipos de transporte en la industria manufacturera
mexicana. El instrumento está compuesto por seis CSF seleccionados de la literatura revisada sobre metodología Lean
Manufacturing y proyectos de mejora y medidos a través de 31 ítems. El instrumento fue verificado y validado
empíricamente mediante análisis factorial exploratorio, análisis factorial confirmatorio y análisis de confiabilidad,
utilizando el SPSS Amos© Rsoftware y una muestra de 240 encuestas válidas aplicadas a
Desarrolladores experimentados de proyectos de mejora de Lean Manufacturing. Los resultados muestran que el
instrumento propuesto tiene suficiente validez estadística para ser utilizado por las empresas del sector para evaluar el
impacto de los factores críticos de éxito en el desarrollo de proyectos de mejora. Además, la encuesta puede ayudar a las
empresas a identificar áreas de oportunidad mediante la adopción de la metodología Lean Manufacturing y modelos de
ajuste, para evaluar la interacción de las FCE en el logro de los resultados esperados de los proyectos de mejora.

TÉRMINOS DEL ÍNDICEFactores críticos de éxito, manufactura esbelta, análisis factorial confirmatorio, validación de
constructo, industria manufacturera mexicana, proyectos de mejora.

I. INTRODUCCIÓN
Hoy en día, la gestión de proyectos se ha convertido en una actividad clave en
la mayoría de las organizaciones modernas. Generalmente, los proyectos
deben cumplir una amplia variedad de objetivos; involucran a numerosos
actores internos y externos y se llevan a cabo a lo largo de diversas áreas de
actividad [1]. Sin embargo, el objetivo más importante para los gerentes de
proyecto es la calidad, que puede garantizarse identificando y eliminando los
factores que dan como resultado un proyecto deficiente.
El editor asociado que coordinó la revisión de este manuscrito y lo
aprobó para su publicación fue Shih-Wei Lin.
actuación. Por lo tanto, una mejor comprensión de los factores críticos de
éxito (CSF) y cómo medirlos es esencial [2]. Desde finales de la década de
1960, los investigadores de gestión de proyectos han estado investigando
los factores que normalmente conducen al éxito del proyecto y sus
conclusiones impregnan la literatura publicada para los profesionales de
gestión de proyectos. [3]. Debido a que los CSF son las pocas áreas clave
en las que "las cosas deben ir bien" para que se logren los objetivos del
gerente y para que el negocio prospere [4], es necesario comprender
cómo identificarlos y abordarlos de manera efectiva para garantizar que
se cumplan los objetivos prometidos. se pueden lograr beneficios y que
se pueden evitar fallas [5].

Este trabajo tiene una licencia Creative Commons Attribution 4.0 License. Para obtener más información, consulte https://creativecommons.org/licenses/by/4.0/
168534 VOLUMEN 8, 2020
M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México
Algunos estudios, como el de Achanga [6], han enfatizado la
necesidad de examinar y ejecutar factores importantes que se
consideran críticos para la implementación exitosa de cualquier
nueva iniciativa de productividad en una organización.
Como resultado, hay numerosos estudios que investigan los CSF
como una iniciativa de calidad [7] e identifican y sugieren CSF para
Lean, Just In Time, Total Quality Management, Six Sigma, etc.
Además, la literatura y la práctica de gestión de operaciones han
demostrado y continúan mostrar un gran interés por estos temas, lo
que ha dado lugar a las numerosas descripciones disponibles en la
actualidad. [8]. Además, se han propuesto numerosas listas y
modelos de factores críticos de éxito a lo largo de la literatura [2].
Entre los proyectos de mejora continua que describen los factores
críticos de éxito se encuentran los de Six Sigma [9]–[11]. Además, el
CSF para Lean Six Sigma ha sido discutido por [7], [12]–[14]; para
Kaizen, por [15], [16]; para Gestión de calidad total (TQM), por [17]–
[20]; para el Mantenimiento Productivo Total (TPM), por [21]; para la
planificación de recursos empresariales (ERP), por [4]; y para Lean
Manufacturing (LM), por [22]–[25]. Identificar los Factores Críticos de
Éxito (CSF) para cualquier iniciativa de mejora continua es
importante, ya que permite a las organizaciones centrarse en dichos
factores para garantizar el éxito [26].
Actualmente, las empresas manufactureras enfrentan una
presión constante por los requisitos de sus clientes para entregas
rápidas, desarrollo e innovación de nuevos productos, entregas más
frecuentes de lotes más pequeños, mayor variedad de productos,
precios más bajos, cero defectos de calidad, mayor confiabilidad y, a
veces, fabricación personalizada. En algunos casos, estos requisitos
se establecen en un contrato que incluye cláusulas penales con
cargos monetarios por incumplimiento en el tiempo de entrega,
cantidades, variedad de productos, calidad o confiabilidad [27]. Por
lo tanto, las empresas necesitan adoptar metodologías como Lean
Manufacturing, considerada la estrategia más importante para las
empresas manufactureras que buscan un desempeño de clase
mundial, que les permita ser más ágiles en sus respuestas y poder
adaptarse rápidamente a cambios inesperados.
En este sentido, los beneficios que reportan las empresas que
aplican LM son tales, especialmente dentro de la industria japonesa,
que muchas empresas occidentales decidieron implementarlo en
sus propias plantas. Sin embargo, como lo menciona [28],
comenzaron a notar diferencias en sus resultados, lo que podría
deberse a factores externos o específicos de cada región. Teniendo
en cuenta tales diferencias en el proceso de implementación de Lean
Manufacturing, se puede suponer que hay una serie de elementos
que deben estar presentes al desarrollar proyectos de mejora
utilizando herramientas LM.
Por otro lado, en México, el sector manufacturero es el más
importante en términos de producción bruta total ya que
genera el 43% del total nacional, posee el 12.2% de las unidades
económicas y el 24.7% del personal ocupado [29]. A su vez, el
subsector más importante dentro de la manufactura es la
fabricación de equipos de transporte, que engloba la fabricación
de automóviles y camiones; carrocerías y remolques; partes de
vehículos de motor tales como sistemas de dirección, sistemas
de frenos y sistemas de transmisión; equipo aeroespacial;
VOLUMEN 8, 2020
equipo ferroviario; y botes y otros equipos de transporte, entre
otros [30]. Debido a la importancia del sector y los beneficios
reportados de implementar la metodología de mejora, es
común que las grandes empresas manufactureras mexicanas
busquen implementar Lean Manufacturing como una estrategia
para reducir los costos de producción y eliminar desperdicios
innecesarios del proceso productivo.
Lo anterior revela la necesidad de identificar los FCE que inciden
en el éxito de los proyectos de LM en el sector de Fabricación de
Equipos de Transporte en México con el fin de diseñar y validar un
instrumento de medición que pueda ser de utilidad a las empresas
en la medida en que recolecten los datos necesarios para evaluar la
implementación de LM en sus proyectos de mejora.
Este artículo describe los pasos necesarios para el diseño y
validación estadística de un instrumento que pueda medir de
manera confiable el grado de implementación de los MCE en
proyectos de Manufactura Esbelta en México. Está organizado de la
siguiente manera: la Sección I presenta el tema, la Sección II
proporciona una revisión de la literatura de antecedentes, la
metodología seguida se informa en la Sección III. Los resultados y
discusión se reportan en la sección IV, las limitaciones del trabajo se
presentan en la Sección V. Finalmente, en la Sección VI se presentan
las conclusiones y el trabajo futuro.
II. REVISIÓN DE LITERATURA
A. FACTORES CRÍTICOS DE ÉXITO
Los factores críticos de éxito (CSF) son características, condiciones o
variables que, si se mantienen o gestionan adecuadamente, pueden
tener un impacto significativo en el éxito de una empresa competidora en
un tipo de industria [31]. Según [32], aparte de algunas ligeras
variaciones, los factores críticos de éxito son similares en todas las
iniciativas de mejora de la calidad y parecen relativamente constantes a
lo largo del tiempo. Otro hallazgo importante es que los CSF tienden a
estar más relacionados con la forma en que una organización aborda los
factores específicos del esfuerzo de cambio que con los métodos de
cambio en sí mismos. El apoyo de la gerencia y los temas de cultura
organizacional a menudo se enfatizan como especialmente críticos.
Factores como la participación y el compromiso de la alta
dirección, la formación y la educación, el liderazgo de proyectos,
el enfoque en el cliente y la vinculación de Lean con los
proveedores se conocen como ingredientes clave; es decir,
factores que son esenciales para la implementación exitosa de
cualquier iniciativa de mejora de la calidad [10]. Por lo tanto,
comúnmente se encuentran o trasladan a las diferentes
estrategias de mejora. De hecho, la razón principal por la que se
trasladan conceptos como Six Sigma, LeanManufacturing u
otras estrategias de mejora a otras organizaciones es el éxito
que han tenido en empresas como Motorola y Toyota [33].
Para lograr el éxito o beneficio esperado en la implementación de
proyectos de mejora de LM, se deben proporcionar los recursos
necesarios y los empleados deben comprender los proyectos
asociados con LM [34], siendo el Compromiso y participación de la
alta dirección un FCE de implementación Lean [32], [ 34]. Asimismo,
debe tener en cuenta que el éxito de LeanManufacturing depende
en gran medida del Proyecto
168535
 M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México

Liderazgo [35], ya que son los líderes quienes deben tomar las TABLA 1.Definición conceptual de constructos.

medidas necesarias para lograr que el programa Lean se

incorpore dentro de una organización para lograr un avance e
implementación eficiente del proyecto de mejora [36].
Asimismo, es importante considerar la Formación y la Educación
como FCE [11], [32], [37]. Se requiere capacitar a los trabajadores en
los principios de LM, ya que al recibir capacitación de calidad y
poseer calificaciones educativas esenciales, los empleados pueden
llevar a cabo una implementación exitosa, aumentar su experiencia
y aprender a tomar decisiones utilizando su propio entendimiento.

Por otro lado, los clientes son quienes determinan el flujo

de valor en el proceso de manufactura esbelta, por lo tanto,
la empresa debe ser capaz de reconocer los requerimientos
de los clientes y debe organizar las actividades que pondrían
a su disposición los productos [38]. ], en este sentido
estudios como los de Flynny otros. [39], aclaró que el
Customer Focus es un FCE que permite una comunicación
abierta con los clientes y les ayuda a monitorear sus
requisitos, además de ayudar a identificar las mejoras
necesarias si no se cumplen.
De la misma manera, la vinculación de Lean a los Proveedores
se considera un factor crítico de éxito para el desarrollo de
proyectos de LM [40], en su propósito de reducir costos y
desperdicios en toda la red de la cadena de suministro de la
empresa, para asegurar el éxito de Lean Manufactura [34], que
se puede lograr creando una relación entre proveedores y
fabricantes.
Por lo anterior, es importante el desarrollo y validación de un
A. DISEÑO DEL INSTRUMENTO
instrumento confiable que permita la recolección de datos sobre
el FCE que inciden en el desarrollo de proyectos LM en el sector El primer paso en el diseño del instrumento es identificar los
de estudio especificado. Esto está de acuerdo con lo constructos que se considerarán para el estudio. Así, se realizó
mencionado por [15], quien afirma que al comprender los CSF una extensa revisión bibliográfica utilizando las bases de datos
para la implementación de un sistema, una organización puede Ebsco Host, Elsevier, Emerald, Gale, IEEE, Springer, Wiley y
determinar con éxito las dificultades que afectan críticamente Google Scholar. El estudio utilizado incluyó publicaciones de los
el proceso, eliminando o evitando cualquier problema que pueda últimos diez años sobre los FCE en la Implementación de
contribuir a su fracaso. proyectos de mejora utilizando técnicas y herramientas de LM.
Las palabras clave utilizadas en la búsqueda de artículos fueron
tercero MÉTODO
Lean Manufacturing, Critical Success Factors, Lean Six Sigma,
Este estudio utilizó un diseño de encuesta transversal para Kaizen, Total Quality Management y Just in time.
recopilar datos sobre la implementación de los CSF de LM al Se revisaron ciento sesenta y cinco (165) artículos para
desarrollar proyectos destinados a mejorar la industria de obtener los CSF con mayor número de menciones en la
fabricación de equipos de transporte en México. La metodología literatura; se identificó un total de 21 CSF. A continuación, se
adoptada para el desarrollo y validación del instrumento de seleccionaron los factores que componían poco más del 65% de
recolección de datos (encuesta) es la comúnmente utilizada en las menciones para que sirvieran de base para el diseño del
las ciencias sociales para medir variables a través del método instrumento de recolección de datos. La Tabla 1 enumera estos
psicométrico [41]. Este método ha sido utilizado por researcher CSF con sus respectivas definiciones conceptuales y referencias.
s como referencia para el desarrollo y validación de encuestas Los factores resultantes de este análisis y que conforman el
[42], [43]. El proceso de diseño y validación de la encuesta se objeto de este estudio son: Involucramiento y Compromiso de la
desarrolló en tres etapas, las cuales se analizan a continuación: Alta Dirección (TMIC), Liderazgo de Proyecto (PL), Capacitación y
A) Diseño del instrumento, que consta de las definiciones del Educación (TE), Enfoque al Cliente (CF), Vinculación Lean a los
constructo y del indicador, B) Administración del instrumento, w Proveedores (LLS). ) y Beneficios (B).
que incluye la recolección de datos y, C) Análisis estadístico para
la validación de instrumentos, que consiste en la verificación de 1) OPERACIONALIZACIÓN DE VARIABLES
supuestos, análisis de datos a través del análisis factorial y Los seis CSF representan las variables latentes estudiadas a través de la
validación de constructo. encuesta. Dado que estas variables no se pueden medir directamente,

168536 VOLUMEN 8, 2020

M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México

era necesario operacionalizarlos [58], [59]; es decir, convertir las TABLA 2.Operacionalización de las seis variables latentes.

variables subjetivas en objetivas directamente observables [60],

[61]. La encuesta final sería el producto de dicha
operacionalización. Para lograrlo, fue necesario trabajar a partir
de las definiciones conceptuales de la Tabla 1. A continuación, se
debían enumerar una serie de indicadores para cada constructo
y luego se debía proporcionar al menos un ítem que permitiera
medir el indicador.
A continuación se explica a modo de ejemplo el proceso de
operacionalización de la variable latente Project Leadership (PL).
La variable PL está definida por tres indicadores de acuerdo con
el grado en que: fomenta la participación, identifica necesidades
de formación y busca el bienestar de los miembros del grupo. A
cada indicador le siguen, a su vez, los ítems utilizados para
medirlo, junto con sus respectivas referencias. Así, el indicador
etiquetado como ''Fomenta la participación'' se mide a través del
ítem PL1; e ''Identifica las necesidades de formación'', por los
ítems PL2 y PL3. Por otro lado, los ítems PL4 y
PL5 mide la ''Busca el bienestar de los miembros del grupo''
indicador. La operacionalización de las seis variables latentes y,
consecuentemente, la encuesta completa, está disponible en la
Tabla 2.
El instrumento de puntuación desarrollado en este estudio utiliza una
escala de Likert de cinco puntos, que representa un rango de percepción
de nunca (1) a siempre (5). El uso de la escala Likert de cinco puntos en
este tipo de estudio de gestión de operaciones es una opción popular
para medir variables latentes a través de un conjunto de elementos
relacionados [56], [71].

2) VALIDEZ DEL CONTENIDO

La encuesta fue revisada por seis expertos de LM, tanto en el campo
académico como en el industrial, para verificar la validez del
contenido. La pertinencia y claridad de las preguntas, el significado
claro de lasj argón de uso común en la industria, y se evaluó el
tiempo requerido para completar todo el levantamiento.
Luego, con base en los comentarios de los seis expertos, se modificó el
instrumento. Su estructura final constaba de cinco secciones: La primera
sección ofrece una breve introducción a los objetivos de la encuesta, mientras
que la segunda recoge información sobre los datos demográficos de las
empresas. La sección tres evalúa el uso de CSFs en proyectos LM, y la sección
cuatro contiene una análisis de las herramientas LM. La última sección tiene
como objetivo conocer los beneficios para
empresas que implementan proyectos de mejora utilizando LM.

B. ADMINISTRACIÓN DEL INSTRUMENTO

Este estudio se centra en las grandes empresas manufactureras (aquellas
quecon más de 250 trabajadores) dentro del transporte sector de
fabricación de equipos en México. Las empresas fueron iden-
tificado a travést a base de datos del INEGI (Instituto Nacional de
Estadística y Geografía) y representan el 23% del total de las grandes
empresas del sector manufacturero mexicano [29]. Los participantes
objetivo de la encuesta eran empleadoss en puestos gerenciales de
nivel medio a alto; es decir, empleados clasificados desde
supervisores, en el extremo inferior, hasta líderes de proyectos,
ingenieros, gerentes y directores ejecutivos con
mixperiencia en la implementación del proyecto LM ts. Un total
de 1.580 encuestas se enviaron a través de diferentes medios como
SurveyGizmo, correo electrónico, visitas personales y LikedIn. La tasa
de respuesta fue del 17%, con 270 encuestas completadas de 102
empresas diferentes. La demografía de las respuestas fue la
siguiente: El puesto que reportó la mayor participación fue el de
Ingeniero de Producto y Procesos, con un 20%; y hubo mayor
participación masculina (85%); por otro lado, el 71% de los
encuestados tenía menos de 5 años de experiencia en el sector
estudiado; y el subsector con mayor participación fue la fabricación
de equipos aeroespaciales (39%). Las características de la muestra se
pueden ver en la Tabla 3 a continuación.

VOLUMEN 8, 2020 168537

 M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México
TABLA 3.Características de la muestra.
C. ANÁLISIS ESTADÍSTICO PARA VALIDACIÓN DE INSTRUMENTOS
La validación del cuestionario involucra dos pruebas: confiabilidad y
validez. Factoríayo El análisis se utilizó para medir la fiabilidad y la validez
de las variables indirectamente observables [72]. Primero, cuatro
Se verificaron aspectos importantes a considerar en la validación de
encuestas [73], [74]: datos faltantes, valores atípicos, supuestos de
normalidad univariante y multivariante, y multicolinealidad. Para evitar la
falta de datos, solo se registraron las encuestas completas en el
programa utilizado para administrar la encuesta. Luego se verificó la base
de datos para identificar valores atípicos, observaciones con una
combinación única de características identificables que claramente
difieren de las otras observaciones [74]. esto se logró
utilizando la distancia de Mahalanobis. Se eliminaron un total de 30
encuestas identificadas como outliers por no cumplir con un nivel
conservador de significancia estadística, donde de acuerdo a lo
recomendado por Kline, p<0,001 [75]. Por lo tanto, los siguientes
cálculos para la validación de la encuesta se realizaron considerando
solo 240 respuestas. Lo anterior fue necesario con el fin de mejorar
la normalidad de la base de datos ya que al cumplir con este
supuesto se puede utilizar el método de máxima verosimilitud para
extraer el factor [76] tal como lo hizo este trabajo de investigación.
Se requería la verificación de la normalidad univariante como
condición necesaria, aunque insuficiente, para la normalidad
multivariante. [77]. Para medir la normalidad de los datos variables,
DeCarlo [77] sugiere confiar en la asimetría y la curtosis; por lo
tanto, esos dos índices se utilizaron para medir la normalidad
univariada de cada una de las variables del instrumento. Esto dio
como resultado valores absolutos inferiores a 1,96 (que corresponde
a un nivel de error de 0,05) para la asimetría y el valor absoluto.
168538
TABLA 4.Resultados de las pruebas de validez de constructo.
valores inferiores a 3 para la curtosis, como se puede observar en la
Tabla 4. Dichos resultados muestran que los datos tienen
normalidad univariada, como lo sugieren [77] al afirmar que, bajo
distribución normal, la medida de asimetría debe tener un valor de±
1,96 y la curtosis estandarizada, un valor igual o inferior a 3.
A continuación, se evaluó la normalidad multivariante
mediante la prueba de Mardia, que se basa en el valor
normalizado de la curtosis multivariante [78]. El
procedimiento consiste en comparar el coeficiente de
Mardia para los datos en estudio con un valor calculado
obtenido de la fórmula p (p + 2), donde p es el número de
variables observadas en el modelo [72]. Esta suposición
se verificó contrastando el valor de la curtosis
multivariable obtenido a través del programa SPSS Amos
con el valor calculado a través de la fórmula propuesta.
Considerando las 31 variables contenidas en la encuesta,
el cálculo arrojó un valor de 1023; es decir, un valor
mayor que el índice de curtosis multivariante obtenido
mediante SPSS Amos. Al cumplir la condición de que el
valor calculado sea mayor que el valor obtenido de
184.347,
VOLUMEN 8, 2020
M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México

Finalmente, el estudio verificó la presencia de TABLA 5.Estructura factorial de los 31 ítems.

multicolinealidad en los datos para eliminar la posibilidad de

que dos o más variables estén altamente correlacionadas y,
por lo tanto, midan la misma construcción [79]. Para ello se
utilizaron dos pruebas: la primera calculó las correlaciones
bivariadas ya que según Kline [75], cualquier par de
variables con una correlación superior a 0,85 debe
interpretarse como evidencia de posibles problemas; eso,
sin embargo, no ocurrió en este análisis, donde la
correlación bivariada más alta fue de 0,79. La segunda
prueba analizó los factores de inflación de la varianza (VIF),
que verifican si la variable podría ser redundante al tener
valores superiores a 10 [75]. En el estudio, los resultados del
VIF indicaron un valor máximo de 5.022 (ver Tabla 4). Así, en
base a las dos pruebas realizadas,

1) ANÁLISIS FACTORIAL
El análisis factorial exploratorio (AFE) de la matriz de correlación
estableció las dimensiones latentes y los resultados se utilizaron
como indicador de la validez de cada construcción estudiada. Según
[80], la validez de un instrumento es el grado en que un instrumento
mide realmente lo que pretende medir. En el análisis factorial, se
utilizó la estimación de máxima verosimilitud para extraer el factor y
la rotación varimax. La rotación de factores es esencial en EPT. De
hecho, muchos la consideran la herramienta más importante en la
interpretación de la EPT [73]. En este estudio, se realizó una rotación
varimax ya que, aparte de los supuestos de distribución, es menos
probable que produzca rotaciones inadecuadas.
soluciones o factores que no están correlacionados [81].
El primer paso al realizar un EFA es evaluar la muestra
adecuación mediante el cálculo del índice Kaiser Meyer Olkin
(KMO), que proporciona una medida que determina si las
correlaciones parciales entre las variables son pequeñas. La
adecuación del muestreo resultante de 0,938, que es superior a
0,9, indica que los datos actuales son adecuados para el análisis
[82]. La prueba de esfericidad de Bartlett es otro método
utilizado para determinar la viabilidad de un análisis factorial, la muestra; El presente trabajo se basa en 240 encuestas válidas, por
que también resultó significativo (p<0.001) mostrando suficiente lo que se consideran significativos valores de carga superiores a 0,40
correlación entre los elementos, lo que confirma la aplicabilidad (α=0.05) [74].
del análisis factorial. El próximo paso importante de un AFE es la Después del EFA, se realizó un análisis factorial confirmatorio
eliminación de cargas factoriales insignificantes. Al respecto, (CFA) utilizando SPSS Amos, versión 23. Nuevamente, se probaron la
Hatcher [83] menciona que al menos 0.4 cargas de cada normalidad univariante y multivariante, y se buscaron valores
elemento en su respectivo factor se consideran adecuadas para atípicos y multicolinealidad de los datos. Se descartaron problemas
ese factor. Las cargas factoriales de los 31 ítems fueron con los dos primeros supuestos y se mantuvo el tamaño de la
significativas, por lo que no fue necesario eliminar ítems. La EFA muestra de 240 encuestas para pruebas posteriores.
permitió la i Identificación de seis factores, que consta de un La validez de un modelo de medida depende de establecer
total de 31 variables con cargas significativas y que explican el niveles aceptables de bondad de ajuste y encontrar evidencia
71,707% de la varianza total de los datos. Cabe mencionar que específica de validez de constructo. Según Kline [75], al validar
los autovalores de todos los factores fueron mayores a 1. La un modelo de medida se deben estimar al menos los siguientes
Tabla 5 muestra la estructura factorial resultante para los 31 índices de ajuste en el modelo:x2estadístico /df, el error
ítems de la muestra total. cuadrático medio de aproximación (RMSEA), la raíz residual
Se utilizaron dos criterios para probar la adecuación del tamaño media estandarizada (SRMR) y el índice de ajuste comparativo
de la muestra: el primero es el N crítico de Hoelter [84], que indicó (CFI); y se debe informar al menos un índice incremental y un
167 encuestas como tamaño de muestra suficiente paraα= 0.01; el índice absoluto. Además, se recomienda agregar el índice de
segundo criterio fue el sugerido por Hairet al.[74] en el que el valor ajuste de parsimonia estándar (PNFI) para comparar modelos de
apropiado de un factor de carga es de acuerdo con el tamaño de diferente complejidad.

VOLUMEN 8, 2020 168539

 M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México

TABLA 6.Estimaciones de los índices de ajuste del modelo para el modelo de medición.

TABLA 7.Correlaciones entre constructos, varianza media extraída y

correlaciones al cuadrado.

Los resultados del análisis factorial confirmatorio (CFA) indican un

exexcelente ajuste, conx2/df siendo inferior a 2.0. Además, los
elvalores de e CFI y TLI son superiores a 0,9, el RMSEA
el valor es inferior a 0,08 y el valor de SRMR cae por debajo
0.05. Tales índices de bondad de ajuste confirman la validez de la
metromodelo de medida. Finalmente, un valor de PNFI de 0.788 muestra
un nivel aceptable de complejidad (ver Tabla 6), y el
R2valor para cada indicador está entre 0,52 y 0,90. El
Los resultados sugieren que estas seis construcciones se pueden utilizar para
metroFacilitar la implementación de LM en proyectos de mejora
dede la industria de equipos de fabricación y transporte.
en Mexico. Estas construcciones se muestran gráficamente en la
modelo de medida opuesto (Fig. 1).
relaciones públicas

La validez de constructo se midió a través de los resultados

fadel análisis ctor. La siguiente es la evaluación nomológica
unconvergente y discriminante recomendada por Hair [57].

2) VALIDEZ CONVERGENTE
C La validez convergente se mide a través del índice de varianza FIGURA 1. Modelo de medición propuesto para LM CSF para el
expromedio tratado (AVE), en el que cualquier valor de AVE mayor que industria manufacturera de equipos de transporte en México.
0,5 indica una buena validez convergente, lo que confirma que un conjunto
elementos son indicadores de una construcción específica [74] como
elTienen una alta proporción de varianza en común. Los valores AVE validez convergente en todas las variables latentes al presentar

de los constructos o variables latentes en este estudio son

Virginia
valores de alfa de Cronbach iguales o superiores a 0,850 y valores de

mostrado por la diagonal principal en la matriz concentrada en RC superiores a 0,832 (tabla 4).

En el cuadro 7, como puede verse, todos ellos son mayores de 0,5.

Ejército de reserva

Asimismo, se rificó la consistencia interna del instrumento 3) VALIDEZ DISCRIMINANTE

vemediante el alfa de Cronbach y el Coeficiente de Fiabilidad
idad
Compuesto (CR), este último con la característica de no
dependiendo del número de ítems en la variable latente [81].
En ambos criterios la regla de aceptación mínima, según
norteunally [89], es una fiabilidad de 0,7 en las primeras etapas de
investigación y de un estricto 0,8 en investigación básica. Fue encontrado
que el instrumento desarrollado por este estudio muestra suficiente
La validez discriminante prueba hasta qué punto un constructo es
realmente diferente de los demás. Una forma de estimar este
indicador es comparando los valores de AVE para una de las dos
construcciones con la correlación al cuadrado. Entonces, el AVE debe
ser mayor que la correlación al cuadrado para confirmar que las dos
construcciones son independientes entre sí. La tabla 7 muestra que
las construcciones tienen un valor de AVE superior a

8540
dieciséis VOLUMEN 8, 2020
M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México

el cuadrado de todas sus correlaciones. Por lo tanto, la validez TABLA 8.Calificación promedio de CSF por grado de implementación de LM.

discriminante muestra evidencia de que cada construcción de

instrumento es única y puede utilizarse para analizar parte del fenómeno.

4) VALIDEZ NOMOLÓGICA
Finalmente, se evaluó la validez nomológica y se pudo
confirmar que las correlaciones entre constructos, dentro de
una teoría de la medición, tenían sentido ya que eran
positivas y significativas. Esto tiene sentido ya que se
definieron los constructos para lograr una implementación
exitosa de proyectos de mejora bajo la metodología LM. La
matriz de la Tabla 7 muestra cómo se relacionan los
constructos entre sí.

IV. RESULTADOS Y DISCUSIÓN

El objetivo de esta investigación fue diseñar y validar un instrumento
de recolección de datos (encuesta) que permitiera evaluar el efecto
de los CSF en la implementación de proyectos de mejora de LM en el
sector de fabricación de equipos de transporte en México. El diseño
del instrumento incluyó el proceso de operacionalización de
variables, que permite medir directamente variables no observables
a través de indicadores medibles [59], como es el caso de los CSF.
Para verificar la validez del instrumento se realizaron análisis
factoriales exploratorios y confirmatorios, y se estimaron índices de
bondad de ajuste, todos ellos confirmando el buen ajuste del
modelo de medida con respecto a los datos. La validez de constructo
se evaluó mediante el AFC que confirmó que los elementos medidos
reflejan fielmente las variables latentes teóricas que se iban a medir.
Finalmente, el estudio evaluó los tres tipos de validez de constructo
(convergente, discriminante y nomológica), y cada uno arrojó un
resultado estadísticamente satisfactorio.
resultado.
Durante la etapa de validación del instrumento, fue posible
realizar un análisis de las respuestas obtenidas, lo que permitiór
una evaluación del nivel percibido de implementación de los
MCA al llevar a cabo proyectos de mejora de LM en el st sector
estudiado. La Tabla 8 muestra la media general y la desviación
estándar de cada factor, que se utilizaron para investigar el nivel
o f Implementación de MCA percibida por los encuestados.
Los valores promedio oscilan entre 3,774 y 4,243 con una
desviación estándar promedio de 0,807, lo que muestra un buen
nivel de implementación.norte en la práctica de LM. La información
arrojó que Beneficios CSF (B), junto con Involucramiento y
Compromiso de la Alta Dirección (TMIC), con valores de 4.243 (±
0.861) y 4.240 (±0.884) respectivamente, fueron percibidos como los
más importantest factores a la hora de llevar a cabo LMProjects. Esto
es consistente wi a lo informado por [90] [91]. El tercer lugar lo
ocupa el factor Liderazgo de Proyectos (LP), con un valor promedio
de 4.080 y desviación estándar de 0.925, seguido de los factores
Capacitación y Educación (3.920±0,916) y la Orientación al Cliente
(3,868±0,995); finalmente, los encuestados percibieron que el CSF
Linking Lean to the Suppliers (LLS) tiene muchow er nivel de
implementación con valores que van desde 4.816 a 2.71, con una
evaluación promedio de 3.774. Cabe señalar que los seis factores
fueron considerados por los encuestados
como ''siempre'' y ''casi siempre'', es decir, como suele estar
presente cuando se implementa este tipo de proyecto de mejora.
Los encuestados percibieron la participación y el compromiso
de la alta dirección como uno de los elementos más importantes
al llevar a cabo proyectos de LM. Cualquier iniciativa exitosa
como LM requiere la participación de la alta gerencia, así como
el despliegue de recursos y capacitación apropiados [44]. El
compromiso de la alta gerencia con la comprensión, la
implementación y los objetivos dentro de la organización tiene
la mayor influencia en el desempeño y el éxito de cualquier
proyecto de mejora de LM. Sin el apoyo y el compromiso
continuos de la alta dirección, la verdadera importancia de la
iniciativa parecerá cuestionable y el empuje detrás de ella se
debilitará [10], [45].
El liderazgo de proyectos se considera un CSF muy importante
cuando se implementan proyectos de LM, ya que aborda el papel
crítico de fomentar la mejora de la calidad y el compromiso de los
empleados, comunicarse de manera efectiva, participar en la
selección y evaluación de proyectos y garantizar el logro de las
metas y objetivos del proyecto por un determinado tiempo. fecha de
vencimiento. Por ello, autores como de Kuei y Madu [92] consideran
que el liderazgo es clave para el éxito de cualquier proyecto de
mejora. Sin un liderazgo adecuado, no hay razón para implementar
el proyecto. Esta última afirmación es apoyada por Eckes [93], quien
afirma que los proyectos de mejora

VOLUMEN 8, 2020 168541

 M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México
como LM fallan debido a la debilidad del liderazgo en las habilidades de
gestión de proyectos.
Como se mencionó anteriormente, una iniciativa exitosa como LM
requiere una capacitación adecuada, ya que un programa integral de
capacitación en LM proporciona las herramientas, el conocimiento y la
metodología necesarios para un enfoque sistémico de la resolución de
problemas [46]. Un buen programa de capacitación debe estar bien
definido y tener la duración adecuada para equipar a los empleados con
los conocimientos necesarios relacionados con la calidad y las habilidades
de resolución de problemas para desarrollar un proyecto de mejora de
LM exitoso. Así lo sostiene Jafari [94], quien también cree que la
formación continua debe aplicarse a través de seminarios, cursos de
formación y congresos, sin olvidar el papel de la Educación en la
formación. La opinión de Netland [8] respalda lo anterior ya que sostiene
que sin la capacitación y educación adecuadas, es poco probable que una
planta tenga éxito en la implementación eficiente de proyectos de mejora
como LM.
According to the respondents’ perception, the next most
important CSF for the successful implementation of LM is
Customer Focus. In fact, CF is considered the most important
part of the continuous improvement process. Consequently,
focusing on customer needs and satisfaction should be the
most important practice for implementing quality initiatives
[47]–[49]. Therefore, organizations must be aware of
customers opinions and be responsible for heeding them
[50], [94], meeting their needs and expectations [51] and
predicting their demands [52]. The need to consult clients
has become increasingly important when trying to
successfully implement a project [95]. In fact, Manley [96]
found that the degree to which clients are personally
involved in the implementation process will impact on the
variation in their support for that project.
Por otro lado, el CSF Linking Lean a los proveedores
presentó el nivel más bajo de implementación según la
percepción de los encuestados. Esto es consistente con
Antony y Desai [97], quienes también encontraron que los
encuestados prestaron menos atención al factor Linking
Lean to the Suppliers. La razón es que se produce una
relación de colaboración con los proveedores cuando la alta
dirección prioriza la calidad del producto y el tiempo de
entrega sobre el precio en la selección de proveedores, el
reconocimiento del sistema de gestión de calidad y la
medición de la preparación de herramientas para evaluar la
calidad de los proveedores de la empresa [39]. Por lo tanto,
es fundamental contar con un mecanismo que asegure que
solo se recibirá de los proveedores buena calidad.
Especialmente durante la etapa inicial,
V. LIMITACIONES
Este trabajo de investigación logró el objetivo de diseñar y validar un
instrumento para evaluar la implementación de los MCA en
proyectos de mejoramiento de LM en el sector estudiado. Sin
embargo, existen dos limitaciones principales en este trabajo.
Primero, esta encuesta abarcó solo el sector de fabricación de
equipos de transporte de la industria manufacturera mexicana. Sin
embargo, los autores consideran que el instrumento podría ser
168542
utilizados en otros sectores industriales de cualquier país o
países con condiciones similares a las de México. No obstante,
recomiendan comprobar primero la validez del instrumento y,
en su caso, ajustarlo, antes de utilizarlo en sectores diferentes
de aquel para el que fue diseñado y validado. En segundo lugar,
los CSF considerados para el desarrollo del instrumento fueron
producto de una extensa revisión bibliográfica. Se utilizó una
lista considerable de CSF, y solo se eligieron los CSF con mayor
número de menciones. Por lo tanto, es probable que existan CSF
que influyan en los proyectos de mejora de LM, aunque en
menor medida, que no se incluyeron en el instrumento.
VI. CONCLUSIÓN Y TRABAJO FUTURO
El objetivo del estudio fue desarrollar una encuesta
estadísticamente válida para evaluar los FCE que influyen
en la implementación de proyectos de mejora que siguen
la metodología Lean Manufacturing en la industria
manufacturera de equipo de transporte en México.
Además, la administración de esta encuesta puede
ayudar a identificar áreas de mejora al llevar a cabo
proyectos de LM. Los datos para el estudio se obtuvieron
de una muestra de 240 encuestados y el modelo de
medición se probó mediante SEM. Con base en AVE y
CFA, se confirmó que todas las construcciones son
válidas y confiables para la investigación. En cuanto al
nivel de implementación del CSF, percibido por los
encuestados al realizar el proyecto de mejoramiento del
LM, se encontró que los seis factores son considerados
por los encuestados como “siempre” y “casi siempre”, es
decir, como presente al implementar este tipo de
proyecto de mejora, lo que puede considerarse un
avance positivo en la implementación de proyectos de
LM. Los MCA con mayor nivel de implementación son
Beneficios e Involucramiento y Compromiso de la Alta
Dirección. Por lo tanto, se puede concluir que al realizar
un proyecto de LM se pueden esperar mayores
beneficios si existe un mayor nivel de compromiso por
parte de la alta dirección. Como nuevas oportunidades
de investigación, los autores están interesados en
estudiar las relaciones estructurales entre los proyectos
LM y los beneficios que se obtienen al desarrollarlos, en
el subsector de fabricación de equipos de transporte. La
encuesta desarrollada en este estudio puede ser utilizada
en industrias manufactureras relevantes con
características similares a este subsector; de este modo,
DECLARACIÓN DE DIVULGACIÓN
Los autores declaran no tener conflicto de intereses.
REFERENCIAS
[1] A. Belout y C. Gauvreau, "Factores que influyen en el éxito del proyecto: El
impacto de la gestión de recursos humanos",En t. J. Gestión de Proyectos., vol.
22, núm. 1, págs. 1 a 11, enero de 2004.
[2] W. Belassi y OI Tukel, ''Un nuevo marco para determinar los factores críticos de éxito/
fracaso en los proyectos''En t. J. Gestión de Proyectos., vol. 14, núm. 3, págs. 141 y 151,
junio de 1996.
[3] T. Cooke-Davies, "Los factores de éxito 'reales' en los proyectos",En t. J. Gestión de
Proyectos., vol. 20, núm. 3, págs. 185–190, 2002.
VOLUMEN 8, 2020
M. De la Vegaet al.: Factores Críticos de Éxito de Lean Manufacturing para la Industria de Fabricación de Equipos de Transporte en México
[4] EWT Ngai, CCH Law y FKT Wat, "Examen de los factores críticos de éxito en la
adopción de la planificación de recursos empresariales",computar Indiana, vol.
59, núm. 6, págs. 548–564, agosto de 2008.
[5] R. Eid, ‘‘Factors affecting the success of world class manufacturing
implementation in less developed countries: The case of Egypt,’’ J. Manuf.
Technol. Manage., vol. 20, no. 7, pp. 989–1008, Sep. 2009.
[6] P. Achanga, E. Shehab, R. Roy, and G. Nelder, ‘‘Critical success factors for
lean implementation within SMEs,’’ J. Manuf. Technol. Manage., vol. 17,
no. 4, pp. 460–471, Jun. 2006.
[7] N. F. Habidin and S. M. Yusof, ‘‘Critical success factors of lean six sigma for
theMalaysian automotive industry,’’ Int. J. Lean Six Sigma, vol. 4, no. 1, pp.
60–82, Mar. 2013.
[8] T. H. Netland, ‘‘Critical success factors for implementing lean
production: The effect of contingencies,’’ Int. J. Prod. Res., vol. 54, no.
8, pp. 2433–2448, Apr. 2016.
[9] R. B. Coronado and J. Antony, ‘‘Critical success factors for the successful
implementation of six sigma projects in organisations,’’ TQM Mag., vol.
14, no. 2, pp. 92–99, Apr. 2002.
[10] J. Antony and R. Banuelas, ‘‘Key ingredients for the effective
implementation of six sigma program,’’ Measuring Bus. Excellence, vol. 6,
no. 4, pp. 20–27, Dec. 2002.
[11] A. Brun, ‘‘Critical success factors of six sigma implementations in Italian
companies,’’ Int. J. Prod. Econ., vol. 131, no. 1, pp. 158–164, May 2011.
[12] Q. Zhang, I. Muhammad, and A. Muhammad, ‘‘Critical success factors for
successful lean six sigma implementation in Pakistan,’’ Interd. J. Contemp. Res.
Bus, vol. 4, no. 1, pp. 117–124, 2012.
[13] N. K. Ali, C. Choong, and K. Jayaraman, ‘‘Critical success factors of lean six
sigma practices on business performance in Malaysia,’’ Int. J. Prod. Qual.
Manag., vol. 17, no. 4, pp. 456–473, 2016.
[14] I. Alhuraish, C. Robledo, and A. Kobi, ‘‘The key success factors for lean
manufacturing versus six sigma,’’ Res. J. Appl. Sci., Eng. Technol., vol. 12,
no. 2, pp. 169–182, Jan. 2016.
[15] W. J. Glover, J. A. Farris, E. M. Van Aken, and T. L. Doolen, ‘‘Critical
success factors for the sustainability of kaizen event human
resource outcomes: An empirical study,’’ Int. J. Prod. Econ., vol. 132,
no. 2, pp. 197–213, Aug. 2011.
[16] J. L. García, A. A. Maldonado, A. Alvarado, and D. G. Rivera, ‘‘Human critical
success factors for kaizen and its impacts in industrial performance,’’ Int.
J. Adv. Manuf. Technol., vol. 70, nos. 9–12, pp. 2187–2198, Feb. 2014.
[17] T. Sohal and M. Terziovski, ‘‘TQM in Australian manufacturing: Factors
critical to success,’’ Int. J. Qual. Reliab. Manag., vol. 17, no. 2, pp.
158–167, 2000.
[18] J. Motwani, ‘‘Critical factors and performance measures of TQM,’’ TQM Mag.
, vol. 13, no. 4, pp. 292–300, Aug. 2001.
[19] J. Antony, K. Leung, G. Knowles, and S. Gosh, ‘‘Critical success factors of
TQM implementation in Hong Kong industries,’’ Int. J. Qual. Rel. Manage.,
vol. 19, no. 5, pp. 551–566, Aug. 2002.
[20] S. Nitin, K. Dinesh, and S. Paul, ‘‘TQM for manufacturing excellence: Factors
critical to success,’’ Int. J. Appl. Eng. Res., vol. 2, no. 1, pp. 219–233, 2011.
[21] C. J. Bamber, J. M. Sharp, and M. T. Hides, ‘‘Factors affecting successful
implementation of total productive maintenance: A UK manufacturing
case study perspective,’’ J. Qual. Maintenance Eng., vol. 5, no. 3, pp. 162–
181, Sep. 1999.
[22] S. Vinodh and D. Joy, ‘‘Structural equation modelling of lean manufacturing
practices,’’ Int. J. Prod. Res., vol. 50, no. 6, pp. 1598–1607, Mar. 2012.
[23] G. Kundu and B. Murali Manohar, ‘‘Critical success factors for
implementing lean practices in IT support services,’’ Int. J. Qual. Res., vol.
6, no. 4, pp. 301–312, 2012.
[24] S. N. Hibadullah, N. F. Habidin, F. I. Zamri, N. M. Fuzi, and
A. F. N. Chiek, ‘‘Critical success factors of lean manufacturing practices for
the Malaysian automotive manufacturers,’’ Int. J. Qual. Innov., vol. 2, nos.
3–4, pp. 256–271, 2014.
[25] S. Zargun and A. Al-Ashaab, ‘‘Critical success factors for lean
manufacturing: A systematic literature review an international
comparison between developing and developed countries,’’ Adv. Mater.
Res., vol. 845, pp. 668–681, Dec. 2013.
[26] A. Laureani and J. Antony, ‘‘Critical success factors for the effective
implementation of lean sigma: Results from an empirical study and
agenda for future research,’’ Int. J. Lean Six Sigma, vol. 3, no. 4, pp. 274–
283, Nov. 2012.
VOLUME 8, 2020
[27] P. Reyes, ''Manufactura Delgada (Lean) y Seis sigma en Empresas
Mexicanas: Experiencias y reflexiones. Contaduría y administración''
Contaduría y Administración, vol. 205, págs. 51 a 69, 2002.
[28] C.-C. Chen y W.-Y. Cheng, ''Medición del rendimiento de la fabricación centrada en el
cliente y basada en la línea de productos''En t. j adv. Fabricación Tecnología, vol. 34, nn.
11–12, págs. 1236–1245, octubre de 2007.
[29] Instituto Nacional de Estadística y Geografía. (2020).Directorio Estadístico
Nacional de Unidades Económicas. Consultado: 11 de junio de 2020. [En línea].
Disponible: https://www.inegi.org.mx/app/mapa/denue/
[30] Sistema de Clasificación de la Industria de América del Norte (2007).336
Fabricación de equipos de transporte. Consultado: 11 de junio de 2020.
[En línea]. Disponible: https://www.census.gov/cgi-bin/sssd/naics/
naicsrch? code=336&search=2007%20NAICS%20Buscar
[31] JK Leidecker y AV Bruno, ''Identificación y uso de factores críticos de éxito''.
Planificación a largo plazo, vol. 17, núm. 1, págs. 23 y 32, febrero de 1984.
[32] D. Näslund, "Lean y Six Sigma: revisión de los factores críticos de éxito",En t.
J. Cal. Servicio de ciencia., vol. 5, núm. 1, págs. 86 a 100, 2013.
[33] RD Snee y RW Hoerl,Six Sigma: una guía paso a paso basada en la
experiencia en GE y otras empresas de Six Sigma. Upper Saddle River, NJ,
USA: Prentice-Hall, 2003.
[34] M. Scherrer-Rathje, T. A. Boyle, and P. Deflorin, ‘‘Lean, take two! Reflections
from the second attempt at lean implementation,’’ Bus. Horizons, vol. 52,
no. 1, pp. 79–88, Jan. 2009.
[35] M. Dora, M. Kumar, D. Van Goubergen, A. Molnar, and X. Gellynck,
‘‘Operational performance and critical success factors of lean
manufacturing in European food processing SMEs,’’ Trends Food Sci.
Technol., vol. 31, no. 2, pp. 156–164, Jun. 2013.
[36] U. Dombrowski and T. Mielke, ‘‘Lean leadership–fundamental principles
and their application,’’ Procedia CIRP, vol. 7, pp. 569–574, Jan. 2013.
[37] K. M. Henderson and J. R. Evans, ‘‘Successful implementation of six sigma:
Benchmarking general electric company,’’ Benchmarking, Int. J., vol. 7, no.
4, pp. 260–282, Oct. 2000.
[38] R. Čiarnienė and M. Vienažindienė, ‘‘An empirical study of lean concept
manifestation,’’ Procedia-Social Behav. Sci., vol. 207, pp. 225–233, Oct.
2015.
[39] B. B. Flynn, S. Sakakibara, and R. G. Schroeder, ‘‘Relationship between JIT
and TQM: Practice and performance,’’ Acad. Manage. J., vol. 38, no. 5, pp.
1325–1360, Oct. 1995.
[40] K. L. Keller and D. R. Lehmann, ‘‘Brands and branding: Research findings
and future priorities,’’ Marketing Sci., vol. 25, no. 6, pp. 740–759, Nov.
2006.
[41] L. Price, Psychometric Methods: Theory Into Practice. London, U.K: The
Guilford Press, 2017.
[42] B. B. Flynn, S. Sakakibara, R. G. Schroeder, K. A. Bates, and E. J. Flynn,
‘‘Empirical research methods in operations management,’’ J. Oper.
Manage., vol. 9, no. 2, pp. 250–284, Apr. 1990.
[43] M. K. Malhotra and V. Grover, ‘‘An assessment of survey research in POM:
From constructs to theory,’’ J. Oper. Manage., vol. 16, no. 4, pp. 407–425,
Jul. 1998.
[44] S. Halliday, ‘‘So what exactly is six-sigma?’’ Works Manag., vol. 54, pp.
1–15, 2001.
[45] R. P. Neuman, and R. Cavanagh, The Six Sigma Way: How GE, Motorola,
and Other Top Companies Are Honing Their Performance. New York, NY,
USA: McGraw-Hill, 2000.
[46] K. Jeyaraman and L. K. Teo, ‘‘A conceptual framework for critical success
factors of lean six sigma: Implementation on the performance of
electronic manufacturing service industry,’’ Int. J. Lean Six Sigma, vol. 1,
no. 3, pp. 191–215, Aug. 2010.
[47] J. Antony and C. Fergusson, ‘‘Six sigma in the software industry: Results
from a pilot study,’’ Managerial Auditing J., vol. 19, no. 8, pp. 1025–1032,
Oct. 2004.
[48] J. Antony, M. Kumar, and C. N. Madu, ‘‘Six sigma in small-and mediumsized
UK manufacturing enterprises: Some empirical observations,’’ Int. J. Qual.
Rel. Manage., vol. 22, no. 8, pp. 860–874, Oct. 2005.
[49] Y. Sujar, P. Balachandran, and N. Ramasamy, ‘‘Six sigma the level of quality
characteristics—A study on Indian software industries,’’ AIMS Int. J.
Manag., vol. 2, no. 1, pp. 17–27, 2008.
[50] R. Snee and E. Gardner, ‘‘Putting all together-continuous improvement is
better than postponed perfection,’’ in Proc. Qual. Prog., 2008, pp. 56–59.
[51] E. Sadikoglu and C. Zehir, ‘‘Investigating the effects of innovation and
employee performance on the relationship between total quality
management practices and firm performance: An empirical study of
Turkish firms,’’ Int. J. Prod. Econ., vol. 127, no. 1, pp. 13–26, Sep. 2010.
168543
 M. De la Vega et al.: Lean Manufacturing Critical Success Factors for the Transportation Equipment Manufacturing Industry in Mexico
[52] N. Habidin, S. Yusof, C. Omar, S. Mohamad, S. Janudin, and B. Omar, ‘‘Lean
six sigma initiative: Business engineering practices and performance in
Malaysian automotive industry,’’ IOSR J. Eng., vol. 2, no. 7, pp. 13–18, Jul.
2012.
[53] S. Li, S. S. Rao, T. S. Ragu-Nathan, and B. Ragu-Nathan, ‘‘Development and
validation of a measurement instrument for studying supply chain
management practices,’’ J. Oper. Manage., vol. 23, no. 6, pp. 618–641, Sep.
2005.
[54] H. Zadry and S. Yusof, ‘‘Total quality management and theory of constraints
implementation in Malaysia automotive suppliers: A survey result,’’ Total.
Qual. Manag. Bus. Excell., vol. 17, no. 8, pp. 999–1022, 2006.
[55] R. Abdullah, R. Abdullah, M. Keshavlall, and K. Tatsuo, ‘‘Supplier
development framework in the Malaysia automotive industry: Proton’s
experience,’’ Int. J. Econ. Manag., vol. 2, no. 1, pp. 29–58, 2008.
[56] M. Maciel-Monteon, J. Limon-Romero, C. Gastelum-Acosta, D. Tlapa,
Y. Baez-Lopez, and H. A. Solano-Lamphar, ‘‘Measuring critical success
factors for six sigma in higher education institutions: Development and
validation of a surveying instrument,’’ IEEEAccess, vol. 8, pp. 1813–1823,
2020.
[57] E. Barboza. (2013). Metodología Para la Integración de Seis Sigma y Lean
en Una Empresa PyME: Un Enfoque Participativo Entre la Academia y las
PyMEs Tamaulipecas. Accessed: Jun. 9, 2020. [Online]. Available: https://
buleria.unileon.es/bitstream/handle/10612/2681/tesis_998027.pdf?
sequence=1
[58] R. Hernández, C. Fernández, and P. Baptista, Metodología de la
Investigación. Mexico City, México: McGraw-Hill, 2010.
[59] J. Padua, Técnicas de Investigación Aplicadas a las Ciencias Sociales.
Mexico City, México: FCE—Fondo de Cultura Económica, 2018.
[60] T. Condori, ‘‘Operacionalización de las variables psicológicas,’’ Revista de
Investigacion Psicologica, vol. 13, pp. 63–78, 2015.
[61] R. Jöreskog, U. Olsson, and F. Wallentin, Multivariate Analysis With
LISREL. New York, NY, USA: Springer, 2016.
[62] M. Yi-Zhong, Y. Gang, W. Li-Lin, and S. Ree, ‘‘The critical success factors of
six sigma in China manufacturing industry,’’ Asian J. Qual., vol. 9, no. 2,
pp. 39–56, Aug. 2008.
[63] D. A. Desai, J. Antony, and M. B. Patel, ‘‘An assessment of the critical
success factors for six sigma implementation in Indian industries,’’ Int. J.
Productiv. Perform. Manage., vol. 61, no. 4, pp. 426–444, Apr. 2012.
[64] J. Arnold, S. Arad, J. Rhoades, and F. Drasgow, ‘‘The empowering leadership
questionnaire: The construction and validation of a new scale for
measuring leader behaviors,’’ J. Organ. Behav., vol. 21, no. 3, 2000.
[65] J. A. Arnold, S. Arad, J. A. Rhoades, and F. Drasgow, ‘‘The empowering
leadership questionnaire: The construction and validation of a new scale
for measuring leader behaviors,’’ J. Org. Behav., vol. 21, no. 3, pp. 249–
269, May 2000.
[66] T. Laosirihongthong, S.-U. Rahman, and K. Saykhun, ‘‘Critical success
factors of six-sigma implementation: An analytic hierarchy process based
study,’’ Int. J. Innov. Technol. Manage., vol. 3, no. 3, pp. 303–319, Sep.
2006.
[67] T. L. Doolen, M. E. Hacker, and E. M. Van Aken, ‘‘The impact of organizational
context on work team effectiveness: A study of production team,’’
IEEE Trans. Eng. Manag., vol. 50, no. 3, pp. 285–296, Aug. 2003.
[68] S. S. Chakravorty, ‘‘Six sigma failures: An escalation model,’’ Oper. Manage.
Res., vol. 2, nos. 1–4, pp. 44–55, Dec. 2009.
[69] S. V. Deshmukh and R. R. Lakhe, ‘‘Development and validation of an
instrument for six sigma implementation in small and medium sized
enterprises,’’ in Proc. 2nd Int. Conf. Emerg. Trends Eng. Technol. (ICETET).
Piscataway, NJ, USA: IEEE Computer Society, 2009, pp. 790–797.
[70] S. Ismail Salaheldin, ‘‘Critical success factors for TQM implementation and
their impact on performance of SMEs,’’ Int. J. Productiv. Perform. Manage.
, vol. 58, no. 3, pp. 215–237, Mar. 2009.
[71] M. Carpita and M. Manisera, ‘‘Constructing indicators of unobservable
variables from parallel measurements,’’ Electron. J. Appl. Stat. Anal., vol. 5,
no. 3, pp. 320–326 Nov. 2012.
[72] T. Raykov and G. Marcoulides, An Introduction to Applied Multivariate
Analysis. New York, NY, USA: Routledge, 2012.
[73] B. Byrne, Structural Equation Modeling With Amos: Basic Concepts,
Applications, and Programming. New York, NY, USA: Routledge, 2016.
[74] J. Hair, W. Black, B. Babin, R. Anderson, and R. Tatham, Multivariate Data
Analysis. Upper Saddle River, NJ, USA: Pearson Education, 2014.
[75] R. Kline, Principles and Practice of Structural Equation Modeling. New
York, NY, USA: The Guilford Press, 2016.
168544
[76] R. Schumacker and R. Lomax, A Beginner’s Guide to Structural Equation
Modeling. New York, NY, USA: Routledge, 2016.
[77] L. T. DeCarlo, ‘‘On the meaning and use of kurtosis,’’ Psychol. Methods, vol.
2, no. 3, pp. 292–307, 1997.
[78] K. V. Mardia, ‘‘Applications of some measures of multivariate skewness and
kurtosis in testing normality and robustness studies,’’ Sankhy, Indian J.
Statist. B, vol. 36, no. 2, pp. 115–128, 1974.
[79] M. Khine, Application of Structural Equation Modeling in Educational
Research and Practice. Rotterdam, The Netherlands: Sense Publishers,
2013.
[80] T. Brown, Confirmatory Factor Analysis for Applied Research. London,
U.K.: The Guilford Press, 2015.
[81] M. B. Vandenbosch, ‘‘Confirmatory compositional approaches to the
development of product spaces,’’ Eur. J. Marketing, vol. 30, no. 3, pp.
23–46, Mar. 1996.
[82] H. F. Kaiser and J. Rice, ‘‘Little jiffy, mark IV,’’ Educ. Psychol. Meas., vol.
34, no. 1, pp. 111–117, Apr. 1974.
[83] I. Hatcher, A Step-By-Step Approach to Using the SAS System for Factor
Analysis and Structural Equation Modeling. Cary, NC, USA: SAS Institute,
1994.
[84] J. W. Hoelter, ‘‘The analysis of covariance structures: Goodness-of-fit
indices,’’ Sociol. Methods Res., vol. 11, no. 3, pp. 325–344, Feb. 1983.
[85] K. A. Bollen, ‘‘A new incremental fit index for general structural equation
models,’’ Sociol. Methods Res., vol. 17, no. 3, pp. 303–316, Feb. 1989.
[86] M. Browne and R. Cudeck, ‘‘Alternative ways of assessing model fit,’’ in
Testing Structural Equation Model, K. A. Bollen and J. S. Long, Eds.
Newbury Park, CA, USA: Sage, 1993.
[87] J. H. Steiger, ‘‘Point estimation, hypothesis testing and interval estimation
approach,’’ Multivar. Behav. Res., vol. 25, pp. 173–180, 1990.
[88] S. A. Mulaik, L. R. James, J. Van Alstine, N. Bennett, S. Lind, and
D. C. Stilwell, ‘‘Evaluation of goodness-of-fit indices for structural equation
models,’’ Psychol. Bull., vol. 105, no. 3, pp. 430–445, 1989.
[89] J. C. Nunnally, Psychometric Theory. New York, NY, USA: McGraw-Hill, 1978.
[90] I. Alhuraish, C. Robledo, and A. Kobi, ‘‘A comparative exploration of lean
manufacturing and six sigma in terms of their critical success factors,’’
J. Cleaner Prod., vol. 164, pp. 325–337, Oct. 2017.
[91] C. C. Hong, T. Ramayah, and C. Subramaniam, ‘‘The relationship between
critical success factors, internal control and safety performance in the
Malaysian manufacturing sector,’’ Saf. Sci., vol. 104, pp. 179–188, Apr.
2018.
[92] C. Kuei, C. N. Madu, and C. Lin, ‘‘The relationship between supply chain
quality management practices and organizational performance,’’ Int. J.
Qual. Rel. Manage., vol. 18, no. 8, pp. 864–872, Nov. 2001.
[93] G. Eckes, The Six Sigma Revolution: How General Electric and Others
Turned Process into Profits. New York, NY, USA: Wiley, 2001.
[94] M. Jafari, P. Akhavan, M. N. Fesharaki, and M. Fathian, ‘‘Iran aerospace
industries’ KM approach based on a comparative study: A benchmarking
on successful practices,’’ Aircr. Eng. Aerosp. Technol., vol. 79, no. 1, pp.
69–78, Jan. 2007.
[95] J. Pinto and D. Slevin, ‘‘Critical success factors in effective project
implementation,’’ IEEE Trans. Eng. Manag., vol. 34, no. 1, pp. 22–27, 1987.
[96] J. Manley, ‘‘Implementation attitudes: A model and a measurement
methodology,’’ in Implementing Operating Research and Management
Science, vol. 1973, R. L. Schultz and D. P. Slevin, Eds. New York, NY, USA:
Elsevier, 1973, pp. 183–202.
[97] J. Antony and D. Desai, ‘‘Assessing the status of six sigma implementation in the
Indian industry: Assessing the status of six sigma implementation in the Indian
industry,’’ Manag. Res. News, vol. 32, no. 5, pp. 413–423, 2009.
MARINA DE LA VEGA received the bachelor’s degree
in industrial engineering and the M.S. degree in
industrial engineering from the Autonomous
University of Baja California (UABC), Mexico, in 2006
and 2016, respectively, where she is currently
pursuing the Ph.D. degree with the Faculty of
Engineering, Architecture and Design. Her research
focuses on processes improvement projects
including lean manufacturing projects and
structural equation models.
VOLUME 8, 2020
M. De la Vega et al.: Lean Manufacturing Critical Success Factors for the Transportation Equipment Manufacturing Industry in Mexico
YOLANDA BAEZ-LOPEZ received the B.S. degree in
industrial engineering from the Technological
Institute of Los Mochis, Mexico, in 2002, and the
M.S. degree in industrial engineering and the D.Sc.
degree from the Autonomous University of Baja
California (UABC), in 2008 and 2014, respectively.
She is currently a Professor of industrial engineering
with the Faculty of Engineering, Architecture and
Design, Autonomous University of Baja California.
She has been a Coordinator
of the Department of Vocational and University Linkage in the Ensenada
Campus. Her research interests include six sigma methodology, lean
manufacturing, and human reliability. She has participated in several research
projects related to process improvement and is author/coauthor of more than
25 journal articles, book chapters, and conference papers. She is a member of
the National System of Researches of the National Council of Science and
Technology in Mexico.
JORGE LIMON-ROMERO received the degree in
industrial engineering from the Te logical
Institute of Los Mochis, Mexico in the M.S.
degree in industrial engineering from the
Technological Institute of Hermosillo, in 2004,
and the D.Sc. degree from the Autonomous
University of Baja California, Mexico, in 2013. He
is currently a Professor of industrial engineering
with the Faculty of Engineering, Architecture and
Design, Autonomous University of Baja Califor-
nia. He is member of the National System of Researchers of the National
Council of Science and Technology in Mexico and a member of the optimization
of industrial processes network (ROPRIN). His research focuses on processes
and products optimization working with methodologies such as six sigma and
lean manufacturing. He has participated in several research projects related to
process improvement and is author/coauthor of more than 30 journal articles,
book chapters, and conference papers.
DIEGO TLAPA received the B.S. degree in industrial
engineering from the Technological Institute of
Ciudad Juarez, Mexico, in 2002, and the M.S. degree
in industrial engineering and the
D.Sc. degree from the Autonomous University of
Baja California (UABC), in 2007 and 2013,
respectively. He is currently a Professor of industrial
engineering with the School of Engineering,
Architecture and Design, Autonomous University of
Baja California, Mexico. His research focuses
on supply chain management, and processes improvement projects including
six sigma and lean manufacturing. He is a member of the National System of
Researchers of the National Council of Science and Technology in Mexico and a
member of the optimization of industrial processes network (ROPRIN). He has
participated in several research projects related to process improvement and is
author/coauthor of more than 30 journal articles, book chapters, and
conference papers.
VOLUME 8, 2020
DORA-LUZ FLORES (Member, IEEE) is currently a full-
time Professor with the Universidad Autonoma de
Baja California. Her research interests are on
machine learning and artificial intelligence.
Specifically, her experience is using statistical
methods for learning from data, including data
mining in bioengineering, computational biology,
and design of experiments of nanomaterials. She is
a member of the National System of Researches of
the National Council of Science and
Technology in Mexico and the Mexican Society of Biomedical Engineering. She
earned a Fulbright-García Robles award for conducting a research stay at the
University of California Irvine.
MANUEL IVÁN RODRÍGUEZ BORBÓN received the
Ph.D. degree in industrial engineering from New
Mexico State University, Las Cruces, USA, in 2011. He
is currently a Professor with the Autonomous
University of Ciudad Juarez. His research interests
focus on quality statistics, reliability analysis, and
design of experiments, where he addresses
industrial application problems. He is a coauthor of
more than 50 papers published in journals, and
conference proceedings. He has been
invited to give lectures and courses in different cities in Mexico and the USA,
both academic and professional events. He is also an Industrial Consultant on
issues such as statistical process control, design of experiments, measurement
system analysis, quality systems, reliability, among others. The type of industry
includes automotive, aerospace, and medical companies. He is currently a
Research Professor with the Autonomous University of Ciudad Juarez, Mexico.
His research interests are applied statistics, reliability, bayesian statistics, and
statistical quality control.
AIDÉ ARACELY MALDONADO-MACÍAS received the
bachelor’s degree in industrial engineering, and the
M.Sc. degree in industrial engineering and the Ph.D.
degree in sciences in industrial engineering from
the Technological Institute of Ciudad Juárez. She is
currently a full-time Professor-Investigator with the
Autonomous University of Ciudad Juárez. Her
research interests are the evaluation and ergonomic
design, cognitive ergonomics anthropometric
studies and work-related stress
studies, multicriteria and multi-attribute decision-making with fuzzy logic and
axiomatic design applications, as well as the ergonomic evaluation for the
selection of technology of advanced manufacturing and structural equation
models. She has published in indexed journals in English and Spanish; such as
the International Journal of Industrial Engineering and the International Journal
of Advanced Manufacturing Technology, Expert Systems with Applications,
Work a Journal of Prevention, Assessment and amp; Rehabilitation,
International Journal of Environmental Research and Public Health, IEEE ACCESS,
Complexity, Sustainability, among others. She has also collaborated with books
and book chapters for Springer Editorial. She received the State Science and
Technology Award 2018 and received the ‘‘Chihuahuense Destacada’’
distinction in the Scientific Field in Mexico. She is actually recognized as an
investigator SNI 2 by the National Science and Technology Institute.
168545