Documente Academic
Documente Profesional
Documente Cultură
QUE PRESENTA:
La literatura encontrada muestra la eficiencia del proyecto como las cosas que
deben hacerse para terminar o completar un proyecto, mientras que el xito del
proyecto es mostrado como es presentado como los resultados o negocios,
sostenibilidad y claramente como la satisfaccin del cliente, sin embargo no hay
parmetros o factores claramente observables que puedan determinar o
comprobar mediante ellos mismos la satisfaccin del cliente.
1
Figura 1.1 Mtodo cientfico Adaptacin (Alvira 2015)
1.3 OBJETIVOS
Llevar a cabo la investigacin de los modelos que apoyan a la gestin y ejecucin
de proyectos industriales a travs del tiempo y as proponer un modelo que incluya
los factores crticos ms importantes para cumplir con la satisfaccin del cliente en
el xito de la gestin de los proyectos industriales.
Adems incluir la aplicacin de las herramientas estadsticas para la evaluacin de
los resultados de los artculos y encuestas a travs de la utilizacin de software
estadstico (SPSS Amos).
Fortalecer al departamento de Ingeniera Industrial con al menos una publicacin a
nivel Nacional o Internacional, participando como coautor del artculo siendo
estudiante del departamento antes mencionado.
2
1.3.1 Objetivo general
Encontrar la correlacin existente entre los factores y criterios de xito, en la
satisfaccin del cliente de los proyectos industriales. Determinar los factores y
criterios crticos involucrados en la gestin de proyectos industriales, as como la
relacin de los factores o indicadores con los criterios de evaluacin y la relacin
con el criterio de xito como variable de salida llamada satisfaccin del cliente.
3
1.4 JUSTIFICACIN.
4
2. DESARROLLO DEL PROCEDIMIENTO Y DESCRIPCIN
DE ACTIVIDADES DESARROLLADAS.
2.1 HIPTESIS
Una vez conocido el mtodo cientfico, el problema a resolver se puede establecer
como el encontrar mediante herramientas matemticas, instrumentos de medicin
y comprobacin adems de la verificacin de conceptos y argumentacin, si la
hiptesis aqu planteada es no rechazable; esto quiere decir, si se pueden
presentar los argumentos racionales adems de pruebas que manifiestan la
veracidad de lo que se plantea como problema de investigacin.
5
2. Datos continuos. Son los que resultan de hacer mediciones y pueden asumir
cualquier valor de la recta real.
6
estimador combinado del efecto factores con un Meta-Anlisis (Labb, 1987).
7
Tabla 2Correlacin elemento - Total Corregida
8
Entre los muchos usos de SEM est la intencin de estimar los efectos causales
entre variables, explicando porque SEM es citado como un modelado causal. En
un caso futuro, una de las variables dependientes es tambin una variable
independiente, es decir, usada para predecir a otra variable dependiente. Como
una extensin natural de regresin (para ser demostrado en breve), debera ser
claro que SEM es una herramienta estadstica, ortogonal al dominio sustantivo de
datos en los que aplica el modelado estructural; el anlisis factorial arroja
resultados observables los cuales se expondrn dentro de este mismo artculo.
La correlacin lineal entre las variables es la relacin existente entre cada uno de
los elementos, en la tabla 3 encontramos lo que permite establecer los factores
que afectan a otros y permite crear un modelo. Si las variables no estuvieran
asociadas linealmente, las correlaciones entre ellas serian nulas.
Tabla 3Matriz de correlacin entre elementos
2.5 Correlacin
Es frecuente que se estudie sobre una misma poblacin los valores de dos
variables estadsticas distintas, con el fin de ver si existe alguna relacin entre
ellas, es decir si los cambios de una de ellas influyen en los valores de la otra. Si
ocurre esto se dice que las variables estn correlacionadas o bien que hay
correlacin entre ellas.
2.6 Covarianza
La covarianza es una medida de asociacin lineal entre dos variables que resume
la informacin existente en un grfico de dispersin. Es un indicador de si los
valores estn relacionados entre s, se simboliza por y se calcula por medio
10
de:
=1( )( )
=
Esta medida refleja la relacin lineal que existe entre dos variables. El resultado
numrico flucta entre los rangos de [, ]. Al no tener unos lmites establecidos
no puede determinar el grado de relacin lineal que existe entre las dos variables,
solo es posible ver la tendencia.
Una covarianza positiva significa que existe una relacin lineal positiva entre las
dos variables. Es decir, los valores bajos de la variable x se asocian con los
valores bajos de la variable y, mientras los valores altos de x se asocian con los
valores altos de la variable y.
Una covarianza de negativa significa que existe una relacin lineal inversa
(negativa) entre las dos variables. Lo que significa que los valores bajos en x se
asocian con los valores altos de y, mientras los valores altos en x se asocian con
los valores bajos en y.
Una covarianza de cero se interpreta como la no existencia de una relacin lineal
entre las dos variables estudiadas.
11
variabilidad se puede predecir para otra variable, el procedimiento Estimacin
ponderada puede calcular los coeficientes de un modelo de regresin lineal por
mnimos cuadrados ponderados (MCP), de tal manera que se dan las
observaciones ms precisas (es decir, los que tienen menos variabilidad) se les da
mayor peso en la determinacin de los coeficientes de regresin.
Concepto Definicin
Anlisis de Trata de la inclusin y exclusin de estudios especficos. Consiste en la repeticin del anlisis de
sensibilidad combinacin para valorar si se alcanzan los mismos resultados y si estos se alteran por la calidad
de los estudios individuales y el sesgo de publicacin.
Magnitud del Estimador estandarizado (no escalar) de la relacin entre una exposicin y un efecto. Este trmino
efecto se aplica a cualquier medida de la diferencia en el resultado entre los grupos de estudio, de tal
manera que el riesgo relativo y la diferencia de riesgos son "magnitudes de efecto".
Meta regresin Coleccin de mtodos estadsticos para valorar la heterogeneidad en los que la magnitud del
efecto se enfrenta a una o ms covariables. Esta herramienta se puede aplicar cuando el nmero
de estudios es menor a veinte.
Heterogeneidad Significa que hay variabilidad estadstica entre los estudios que se combinan, pueden proceder de
muchas fuentes.
Homogeneidad La prueba de homogeneidad fue desarrollada para determinar la probabilidad de que la varianza
entre los tamaos del efecto es debido al error de muestreo.
Mtodo de Primer modelo de efectos aleatorios aplicado modelo a un modelo aditivo ponderado por el
DerSimonian- a un inverso de la varianza.
Laird
Mtodo de Procedimiento para detectar un sesgo de publicacin. Consiste en de represin lineal simple de la
Egger magnitud del efecto dividida por su error estndar sobre el inverso del mismo en la que se prueba
si la ordenada el origen es estadsticamente significativa con p<0.1.
Mtodo Es mejor que el mtodo de Egger para detectar un sesgo en la publicacin
Macaskill, Se realiza una regresin lineal simple entre magnitud del efecto y el tamao del estudio. Se
Walter e Irwig recomienda ponderar la regresin por el inverso de la varianza del efecto global observado en
cada estudio individual.
Mtodo de Mtodo estadstico de conminacin de riesgos relativos y razn de odds de estudios individuales.
Mantel- Hay que conocer la distribucin cruda de los datos por lo que suele ser apropiado para los
Haenszel estudios experimentales aleatorios.
Mtodo de Peto Mtodo estadstico para combinar estudios individuales, derivado del mtodo de Mantel-
Haenszel, en el que la heterogeneidad se incorpora estimador resumen mediante la incisin de un
componente de la variabilidad entre los estudios.
Mtodo de Mtodo de conminacin de magnitudes de efecto individuales, en el que la
efectos Heterogeneidad se incorpora al estimador resumen mediante la inclusin de un componente de la
aleatorios variabilidad entre los estudios. Supone que la muestra de estudios incluidos en el anlisis se
12
extrae de una poblacin de estudios.
13
2.8 Anlisis Factorial Confirmatorio
14
Especificacin del Modelo AFC
15
i. Avance a reporte de residencias profesionales.
j. Preparacin de reporte de acuerdo a los requerimientos de
Academia Journals.
k. Avance de reporte de residencias y envi de documento completo a
publicarse en Academia Journals.
16
3. RESULTADOS
3.1 Los Criterios ms Importantes del M.A.
Como podr observase en las pruebas de bondad de ajuste en el anlisis
confirmatorio las cargas mayores de los indicadores (variables endgenas)
muestran en cules de ellos habr que poner mayor atencin para obtener mayor
resultado en los valores de F (variables latentes) y por consecuencia el tamao del
error disminuir en cada caso.
17
180 172 170
Nmero de Respuestas por
160
134
140
114
120
Indicador
97 101 97
100 89 88 91
91 81-100% Demasiado
75 73 77
80 61-80% Mucho
63 64 63
60 50 47 48 4853 41-60% Suficiente
41 41
29 34 33 21-40% Poco
40 24
17 20
20 8 9 62 10 9 0-20% Nada
51 0 1 0 300 42 32 0 1
0
Indicadores de xito.
13%
81-100% Demasiado
40% 61-80% Mucho
41-60% Suficiente
21-40% Poco
44% 0-20% Nada
81-100% Demasiado
23% 34% 61-80% Mucho
41-60% Suficiente
21-40% Poco
0-20% Nada
40%
Tabla 7Porcentaje de respuesta sobre indicador "Administrador Manejo los Recursos Correctamente"
81-100% Demasiado
21% 29%
61-80% Mucho
41-60% Suficiente
21-40% Poco
0-20% Nada
46%
Tabla 8 Porcentaje de respuesta sobre indicador "Comunicacin entre el Equipo de Trabajo fue
Precisa y Oportuna"
19
Terminar a Tiempo el Proyecto
3% 1% 0%
0%
Cumplir con la Calidad
1%
0%
20
Terminar el Proyecto con el
Presupuesto Programado
2% 1%
8%
81-100% Demasiado
61-80% Mucho
29% 41-60% Suficiente
60% 21-40% Poco
0-20% Nada
Tabla 11 Porcentaje de respuestas del indicador "Terminar el Proyecto con el Presupuesto Programado"
Tabla 12 Porcentaje de respuestas del indicador "Administrador con Conocimientos y Habilidades para Dirigir el
Proyecto"
21
Herramientas y Equipo Suficiente y
Adecuado
0%
4%
81-100% Demasiado
19% 33% 61-80% Mucho
41-60% Suficiente
21-40% Poco
11%
22% 81-100% Demasiado
Tabla 14 Porcentaje de respuestas del indicador "El Cliente Particip en la Ejecucin del Proyecto"
22
Proyecto Apoyado por Alta Gerencia
0%
4%
9%
81-100% Demasiado
61-80% Mucho
41-60% Suficiente
52%
35% 21-40% Poco
0-20% Nada
Tabla 15 Porcentaje de respuestas del indicador "Proyecto Apoyado por Alta Gerencia"
P rue ba de KM O y B a rt le t t
Kaiser-M eyer-Olkin M easure o f
0.866
Sampling A dequacy.
A ppro x. Chi-
668.874
Square
B artlett's Test o f
Sphericity df 45
Sig. 0
23
En la tabla 5 podemos sealar que el resultado de dicha prueba alcanza la cifra de
0.866, lo que nos indica una proximidad a la unidad, corroborando as la alta
relacin entre variables. La prueba de esfericidad de Bartlett contrasta la hiptesis
de que los elementos fuera de la diagonal principal (las correlaciones) de la matriz
de correlaciones sean cero. En este caso el valor estadstico 668.874 con un P-
valor p=.000, prximo a la significatividad y 45 grados de libertad.
24
Figura 3.2 Seleccin de Propiedades de Anlisis
25
Figura 3.3 Modelo Inicial a Partir de la Matriz de Configuracin Usando SPSS Amos.
26
3.5 ndices de Ajuste
P-VALUE
Est definido como la probabilidad de obtener un resultado al menos tan extremo
como el que realmente se ha obtenido (valor del estadstico calculado),
suponiendo que la hiptesis nula es cierta. Es fundamental tener en cuenta que el
valor P se basa asumiendo la hiptesis de partida o hiptesis nula.
27
Tabla 18 Discrepancia Mnima (CMIN)
Saturated model 55 0 0
Independence
10 681.787 45 0 15.151
model
CFI
El ndice de ajuste comparativo o CFI por sus siglas en ingls, es nico en su
clase con respecto a estadsticos de ajuste, estn entre los ms utilizados en
SEM. Una regla de oro para el CFI y otros ndices de ajuste comparativos es que
los valores mayores a 0.90 pueden indicar razonablemente un buen ajuste en el
modelo del investigador Hua y Beltler, (1999).
( ,0)
Esta dado por: = 1 ( = 1 Ecuacin 1
,0)
La ilustracin 9 compara de forma grfica la dimensin para los ndices CFI del
modelo de ecuaciones estructurales en el cuales se puede identificar un estudio
con un buen ajuste del modelo.
28
Tabla 19 Comparaciones Principales de Ajuste
RMSEA
El error cuadrtico medio de aproximacin o RMSEA por sus siglas en ingls,
mide la aproximacin del error, y por esta razn, algunas veces es referido como
un ndice basado en la poblacin. El RMSEA es un ndice de maldad de ajuste
en el que un valor de 0 indica mejor ajuste y valores ms altos indican un peor
ajuste. Un valor prximo a 0 y menor que 0.06 indica una cercana proximidad de
ajuste.
La frmula de RMSEA es:
2
( )1
=
Ecuacin 2
1
RMSEA0.06 indica una cercana proximidad de ajuste. Valores entre 0.06 y 0.08
sugieren un razonable error de aproximacin. RMSEA1 sugiere un ajuste
deficiente (Hoyle, 2012).
29
Figura 3.6 RMSEA obtenido y sus rangos comparativos
Modelo Estructural:
F3 = F1+F2+ D3
1 = 1 1 + 1
2 = 2 1 + 2
30
3 = 3 1 + 3
4 = 4 1 + 4
5 = 5 1 + 5
6 = 6 1 + 6
7 = 7 2 + 7
8 = 8 2 + 8
9 = 9 3 + 9
10 = 10 3 + 10
Dnde:
3.7 Publicacin
Agregado al trabajo de investigacin realizada, se presentan los resultados
obtenidos de dicha investigacin para darlos a conocer, a travs de la publicacin
en un Journal el cual est relacionado con el tema de investigacin, esto implica
una problemtica en la cual se debe de investigar y localizar el medio apropiado
en el cual los resultados puedan ser transmitidos con el propsito de reforzar
31
dichos conocimientos, que estn disponibles y sean de utilidad para
investigaciones futuras, ya sea del mismo investigador o investigadores ajenos a
este artculos presentado.
Las siguientes figuras representan el sitio del Journal elegido para realizar las
publicaciones de los resultados, y que adems se utiliza para la entrega del
extenso pedido por el Journal, algunos de los pasos a seguir y un ejemplo de la
publicacin en el formato solicitado.
32
Figura 3.7 Registro Congreso Journals Jurez 2016
Figura 3.8 Documentacin elaborada para entrega en Academia Journals Congredo Ciudad Jurez 2016
33
En las siguiente imagine estn sealados los datos ms importantes que se
introdujeron para asignar un nmero de registro a la publicacin, entre los cuales
se encuentran el ttulo del proyecto, los autores y coautores, la institucin que
resguarda la investigacin, la informacin de contacto del autor, as como el
alcance de la publicacin, la importancia, el enfoque, los resultados y las
conclusiones, as como el rea especfica en la que se desarrolla la investigacin.
Figura 3.9 Documentacin para el seguimiento en edicin del artculo en Academia Journals 2016 Congreso Ciudad
Jurez adaptacin
34
4. CONCLUSIONES Y RECOMENDACIONES
La metodologa Meta-Anlisis (MA) se propone como piedra angular para hacer
acopio de informacin, como artculos Journals, bibliografa, sitios web, tesis
doctorales, etc., tambin el MA sirve para evaluar qu informacin es til y cual no
para sta investigacin llamndose la estrategia como fase de sensibilidad para la
inclusin y exclusin de informacin. Por lo tanto este trabajo implica mayor
investigacin desde identificar inicialmente los criterios de xito o metas y los
factores crticos implcitos en el modelo a desarrollar, hasta que el modelo incida
como gua representativa para la gestin exitosa de los proyectos industriales.
Figura 4.1 Cargas de Regresin entre Factores Crticos y Criterios de xito de los Proyectos.
Para este modelo se obtuvieron los siguientes ndices de ajuste, que se muestran
en las tablas:
36
Tabla 21 Valor P
Valor CFI (ndices de ajuste) CFI = 0,975 para el modelo predeterminado, este
excede el rango donde se indica un ajuste bueno de forma razonable.
Tabla 23 RMSEA (Raz Cuadrada de la Media del Error de Aproximacin)
37
En la tabla 13 se muestra las correlaciones entre las variables latentes en la cual
podemos apreciar que para PRESUPUESTO y TIEMPO se estimada la
correlacin en 0.347.
Tabla 25 Covarianzas
Par
M.I.
Change
e9 <--> TIEMPO 7.403 0.05
e3 <--> e8 4.434 0.037
e1 <--> e9 4.618 -0.069
Para la tabla 15 podemos apreciar las cargas de regresin para el modelo con los
tres factores latentes con cada uno de los criterios y sus estimaciones
correspondientes.
38
Tabla 27 Cargas de Regresin Estandarizadas: Modelo Propuesto
Estimate
T.CEPO <--- PRESUPUESTO 0.658
C.PMC <--- PRESUPUESTO 0.703
P.PAA <--- PRESUPUESTO 0.665
P.ACH <--- PRESUPUESTO 0.728
C.HEA <--- PRESUPUESTO 0.684
P.AMR <--- PRESUPUESTO 0.715
T.TTP <--- TIEMPO 0.6
C.CCP <--- TIEMPO 0.789
P.TPP <--- CALIDAD 0.477
C.CPEP <--- CALIDAD 0.613
39
5. COMPETENCIAS DESARROLLADAS Y/O APLICADAS
40
6. REFERENCIAS BIBLIOGRFICAS Y VIRTUALES.
42
Anexos
43
ENCUESTA EXPLORATORIA PARA EVALUAR LA SATISFACCIN DEL
CLIENTE EN EL XITO DE LOS PROYECTOS INDUSTRIALES TERMINADOS.
Datos generales
Fecha:____________________________________________________________
Nombre: __________________________________________________________
Empresa:__________________________________________________________
Giro de la Empresa:__________________________________________________
Experiencia en ejecucin de proyectos: (aos)_____________________________
Puesto que desempea actualmente____________________________________
Objetivo de la encuesta: Es conocer el porcentaje aproximado del criterio de
xito del proyecto respecto a la satisfaccin del cliente.
Notas: Este cuestionario deber ser contestado slo por personas que hayan
participado en la ejecucin de los proyectos industriales, chicos, medianos o
grandes.
La evaluacin de los resultados estar disponible para todo participante que lo
solicite.
1. El proyecto fue monitoreado constantemente respecto al programa?
44
0-20% nada 21-40% poco 41-60% suficiente 61-80% mucho 81-100%
demasiado
45
0-20% nada 21-40% poco 41-60% suficiente 61-80% mucho 81-100%
demasiado
46