Gracias a todos por acompañarme. El título de esta presentación es Diagrama de flujo para la toma de decisiones sobre la capacidad del proceso. Soy Patrick Giuliano y mi coautor de esta presentación es el Dr. Charles Chen.
Muy bien. Esta será una presentación a nivel de sistemas. Incluye muchos aspectos de JMP, pero gran parte del análisis, de hecho, todo el análisis, estará documentado y disponible en la página del Proyecto Discovery para su consulta. En general, el objetivo de este proyecto es crear un diagrama de flujo de decisiones para evaluar la capacidad del proceso de principio a fin en un entorno de fabricación de alta tecnología.
En el sentido de que, en general, estamos considerando un enfoque muy sistemático y basado en datos, con especial énfasis en un método eficaz para aproximar y estimar estadísticas, así como en realizar análisis de causa raíz de manera significativa y efectiva para poder mejorar algo. Nuestro alcance aquí es adoptar la metodología de proyecto DMAIC, que es un enfoque clásico de ingeniería, Six Sigma. También es muy sistemática y basada en datos, y queremos demostrarlo mediante un diagrama de flujo eficaz para guiar la selección de plataformas JMP apropiadas y utilizar estadísticas de aproximación normal adecuadas para poder estimar la capacidad del proceso de manera precisa.
Finalmente, una vez que hayamos codificado el proceso, aprovecharemos el Generador de Flujos de Trabajo de JMF para estandarizarlo y registrar eficazmente todos los pasos, de modo que cualquiera pueda reproducir el análisis desde el principio. Para mayor claridad a lo largo de esta presentación, PCFC es el diagrama de flujo de capacidad del proceso, y debe diferenciarse claramente de cualquier tipo de flujo o flujo de trabajo asociado con JMP, al que nos referiremos como flujo de trabajo de JMP o generador de flujos de trabajo.
Esta diapositiva trata sobre la inspiración de este proyecto. De hecho, este proyecto, que pueden ver en rojo aquí abajo e indicado por JCT-13, forma parte de un proyecto mucho más amplio, enmarcado dentro de la Universidad JMP, ideada por mi coautor. La idea es que esta presentación se enmarque en la figura de un líder que impulse, desarrolle y perfeccione la metodología.
Cada proyecto respectivo que se integra en este concepto de JMP University estará asociado e interactuará con este proyecto en particular. En esta presentación se entrelazan otros elementos del análisis de causa raíz y la toma de decisiones basada en datos que se superponen o complementan con la medición de la capacidad del proceso en un entorno de fabricación.
El concepto de JMP University se organiza en torno a tres etapas. La primera consiste en trabajar con los líderes del equipo central para definir el alcance, el mapa y el cuadro de mando. La segunda etapa consiste en demostrar el diagrama de flujo de la capacidad del proceso del proyecto del equipo central, que es uno de ellos. A continuación, se presenta el proyecto en formato de cumbre de descubrimiento o en otros formatos internos de la empresa, y finalmente se amplía su alcance enseñando a otros empleados en una planta de fabricación específica cómo implementarlo en su propio escenario de producción o proyecto.
Siguiendo la tradición DMAIC, definimos el enunciado del problema y los objetivos de forma muy precisa. No entraré en detalles; pueden leerlo más adelante. En resumen, el objetivo es construir este diagrama de flujo e implementar un sistema de puntuación para evaluar la capacidad del ingeniero o analista para seguirlo. Ese es el objetivo principal, y es fundamental desarrollar la metodología.
El segundo paso es la plantilla del cuadro de mando, que es la metodología para ejecutar este diagrama de flujo de forma consistente y luego desarrollar el flujo de trabajo de principio a fin en JMP Workflow Builder.
Uno de los temas que queremos destacar aquí, en el contexto de la definición del problema, su ampliación y su resolución, es el liderazgo eficaz, que implica la toma de decisiones interfuncionales y la creación de equipos con las partes interesadas. Para la toma de decisiones por consenso, una herramienta clave es seguir un diagrama de flujo o un mapa de procesos. De esta manera, todos pueden apoyar y estar de acuerdo con la decisión tomada.
Nos centramos en el diagrama de flujo con los aspectos adicionales que hemos descrito aquí. En definitiva, esto nos permite implementar un marco de toma de decisiones sobre el terreno para más personas, de modo que podamos ampliarlo eficazmente y garantizar su coherencia.
¿Qué elementos intervienen en la fase de definición? Al ser una fase tan crucial, se centra en la definición del problema, algo fundamental en la metodología DMAIC. Solemos visualizarla mediante lo que denominamos un diagrama del cuerpo del JMP.
Básicamente, existen tres áreas clave: la visión, el pensamiento y la práctica. A esto lo llamamos visión, pensamiento y práctica de JMP, visión a largo plazo, pensamiento crítico basado en datos y práctica directa. Para lograr una visión a largo plazo, debemos comenzar definiendo claramente el problema, evaluando críticamente nuestros objetivos y dominando las herramientas de JMP para probar y validar nuestros conceptos. Este es el primer tema: la visión, el pensamiento y la práctica.
Este enfoque conecta directamente con el segundo tema, que sería JMP nariz, orejas, boca y piernas, el cual enfatiza la presentación eficaz de datos en JMP para una revisión clara y objetiva por parte de las partes interesadas.
Por supuesto, al presentar datos, la flexibilidad es clave. Este es el tercer tema que abordamos en el diagrama del cuerpo de JMP. Los brazos de decisión de JMP, el poder de decisión y negociación, requieren flexibilidad y la capacidad de ser flexibles pero firmes. Los pies, la capacidad de mantenerse firmes en decisiones basadas en datos y respaldadas por el análisis de JMP.
Para ello, debemos estar preparados para adaptarnos y utilizar análisis adicionales o nuevos métodos de presentación del mismo análisis o de los mismos datos, a fin de fundamentar nuestra toma de decisiones basada en el riesgo en nuestro entorno de calidad. Todo esto se basa en un profundo deseo de superación personal y de mejorar los procesos y a las personas que nos rodean. Este es el corazón de JMP, su esencia, su pasión y su convicción.
¿De qué estamos hablando aquí? Aquí profundizamos un poco más en la fase de definición. Lo que no he mencionado en las diapositivas anteriores son la voz del talento, la voz del proceso, la voz del negocio y la voz del cliente. Nos resulta útil considerar a todos los grupos de interés clave en este formato de componentes de alto nivel. Podemos utilizar el análisis de problemas de alto valor y oportunidades de alto valor (HVP/HVO).
Las empresas suelen comenzar evaluando sus niveles de madurez de esta manera, lo que nos permite identificar directrices para la mejora continua en general e incorporarlas a nuestro proceso de madurez de la calidad, lo que conduce a una gestión eficaz de la calidad dentro del marco del sistema de gestión de la calidad. Esta es, en realidad, otra metodología para un enfoque holístico, que debería incorporar herramientas analíticas como el análisis de sistemas de medición, el control estadístico de procesos y la evaluación de la capacidad de los procesos, que es el tema central de esta presentación y de esta metodología analítica.
Aquí hay una diapositiva que les da una idea de cómo podría verse este marco de madurez de calidad si lo planificáramos. Podemos establecer la madurez de la calidad del proceso. Podemos identificar los componentes de diseño, introducción de nuevos productos y fabricación a la derecha, y podemos identificar puntos de control, o podríamos llamarlos revisiones de etapas, donde como equipo multifuncional, determinaríamos si tenemos o no ciertos componentes en cada nivel en cada fase, ya sea diseño, introducción de nuevos productos o fabricación.
Cada uno de nuestros objetivos y entregables se puede definir claramente según el nivel de madurez de nuestro diseño o proceso. Un tema recurrente, que mi compañero suele recalcar, es pensar en grande, empezar poco a poco y luego actuar. Parte de este pequeño comienzo consiste en detallar lo que necesitamos para poder ponerlo en práctica.
Aquí hay otra diapositiva sobre la fase de definición en relación con este proyecto, y aquí la idea es práctica, ¿cómo traducimos estas cuatro voces (VOC, VOB, VOT, VOP) en atributos críticos para la calidad? Bueno, algunas de las herramientas que podemos usar son la evaluación de fortalezas, debilidades y oportunidades, que se encuentra en la esquina inferior derecha. O podemos usar la metodología SIPOC, y pueden ver un ejemplo de ella en la esquina inferior izquierda: proveedor, entrada, proceso, salida, cliente.
El ejemplo de la parte inferior izquierda, cuyo contexto se proporciona, se centra en la construcción de un modelo DOE. El aspecto procesual del SIPOC incluye el refinamiento del modelo en sí. El ejemplo del análisis FODA. Es un ejemplo diferente, pero podemos considerarlo... Es un ejemplo diferente en este contexto relativo al proyecto, pero podemos pensar en esto en el sentido de la salida del cuadro de mando que vamos a utilizar para calificar la coherencia del análisis del diagrama de flujo entre los analistas. Podemos utilizarlo en un marco FODA.
Volviendo a nuestro proyecto, si pensamos en la fase de definición, hoy estamos más centrados en la etapa 1, que consiste en demostrar la metodología para un análisis PPK riguroso.
Ahora pasamos a la fase de medición. Nuevamente, el componente clave de esta fase es el desarrollo de un cuadro de mando para que podamos sistematizar el diagrama de flujo de la capacidad del proceso y ayudar a garantizar la coherencia entre las personas, usándolo para reducir su sesgo al calificar nuestro propio desempeño, el desempeño de cada persona y el desempeño de nuestro colega con un cuadro de mando. Tenemos que tener en cuenta que no necesariamente tenemos un estándar objetivo. También puedes pensar en esto. Si calificaras algo con un uno, en términos de tu capacidad para ejecutarlo, ¿qué significa esa calificación? O 3 o 5 o 10.
No se trata solo de garantizar la coherencia en la evaluación, sino también de la reproducibilidad entre evaluadores. Otra forma práctica de entenderlo mejor es que alguien podría tener una tendencia a autoevaluarse con puntuaciones más altas porque percibe que cumple mejor con un estándar que otros. O quizás un experto en un dominio específico, como la capacidad de proceso, podría evaluar a otros con mayor severidad que otro evaluador, debido a su mayor conocimiento del tema y su capacidad para analizar y examinar minuciosamente el trabajo de los demás. Debemos establecer un estándar. Este es un componente clave para la evaluación mediante el cuadro de mando integral.
Parte de este diagrama de flujo de toma de decisiones, en el que nos centraremos con más detalle, trata sobre la evaluación de lo que llamamos un modo de violación de la normalidad. Aquí analizamos los datos y decimos que, en general, esperamos que sigan una distribución normal, pero ¿cuáles son los mecanismos por los que podrían no seguir esa distribución supuesta? ¿Cuáles son las posibles señales que podemos observar en los datos que indicarían que existe alguna causa especial en ellos?
Los seis modos clave que hemos identificado son: posible problema de valores atípicos en los datos, problema de asimetría, problema bimodal, problema de curtosis, problema de resolución de la medición y problema de tamaño de la muestra.
En el contexto del estudio de caso utilizado para desarrollar el diagrama de flujo, realizamos dos casos: el número 1 y el número 3. En el número 1, creamos una composición de datos simulados, donde teníamos valores atípicos que se encontraban en diferentes grados, un 5% cada uno, en lo que podríamos llamar una distancia regular, marginal y extrema de la mediana. Luego, también analizamos un caso bimodal donde el 80% de los datos, nuevamente simulados (nada específico de la empresa ni de propiedad exclusiva), se distribuían de manera que el 80% de los datos caían en un solo modo y otro 20% en un modo diferente.
Aquí tenemos lo que llamamos una tabla de modos de violación de la normalidad. Podemos pensar en esto como cuando analizamos nuestro conjunto de datos particular e identificamos estadísticamente cuál es el problema, tal como se describió en la diapositiva anterior, estos seis posibles modos de violación, asimetría atípica, asimetría de un carácter diferente, asimetría, asimetría positiva versus asimetría en ambas direcciones, bimodal, cola pesada o ligera, que se refiere a la curtosis, resolución de la medición y tamaño de la muestra.
En la filosofía de JMP, lo primero que haríamos sería analizar la herramienta de visualización adecuada, cómo abordaríamos la medición del punto medio de esta distribución que presenta una desviación, cómo abordaríamos la medición de la dispersión, qué esperaríamos en términos del diagnóstico de la forma en términos de las estadísticas de asimetría y curtosis, qué ajuste aplicaríamos en JMP y, a continuación, cómo aproximaríamos la normalidad en términos de la media y la desviación estándar si utilizáramos una aproximación normal.
En cada uno de estos casos, hemos reflexionado detenidamente sobre cómo sería una estadística de aproximación normal válida y por qué. Hemos realizado simulaciones para comprender y confirmar cómo se comportan estas estadísticas en los diferentes contextos de violación de la distribución.
La clave está en la visualización del modo de violación. Las dos primeras columnas confirman si existe una violación y cómo se manifiesta. En las tres últimas columnas, no solo identificamos el problema, sino que, al realizar este análisis, ayudamos a encontrar la mejor estimación de PBK para el modo de violación de normalidad específico. Posteriormente, se analizará la causa raíz y se intentará mejorar el proceso para eliminar la violación. En mi opinión, esta es la diapositiva clave que sustenta este proyecto.
Lo que verán en la comunidad es un documento de Word que es como un cuaderno que detalla este análisis en el contexto de los dos estudios de caso a los que aludí anteriormente. Esto es mucho. ¿Qué estamos viendo, especialmente para alguien que no ha visto esto antes? Estoy tratando de animar esto. El primero, al que llamamos grupo, es A.
Esta es la primera fase. De hecho, como pueden ver, hay que ser coherentes con el grupo de terminología. Se trata realmente de establecer los criterios de éxito en torno a PPK y realizar la prueba de normalidad y determinar cuáles deberían ser las estadísticas para diagnosticar la distribución, ejecutar una prueba de bondad de ajuste para encontrar la distribución que mejor se ajuste, realizar el bootstrapping, que podemos hacer en ciertos contextos, a los que aludiré un poco más adelante, observar esa tabla de modos de violación del proceso de normalidad que les acabo de mostrar, y usarla como nuestra rúbrica, y luego usarla para impulsar la mejora del proceso para reducir o eliminar los modos de violación de la normalidad que vemos. Ese es el primer grupo, A.
Una vez hecho esto, pasamos al grupo B o al grupo C. El grupo B corresponde a la situación en la que, según el análisis PPK, no alcanzamos el objetivo, es decir, nuestro proceso está fuera de su punto medio o centro. Tenemos una especificación bilateral y, equidistante de los límites inferior y superior, tenemos un punto medio. Si, en promedio, nos desviamos de ese punto medio en más del 20 %, entonces debemos analizar lo que denominamos un problema de incumplimiento del objetivo.
Seguiríamos este flujo de trabajo para abordar ese problema. De manera similar, cuando hablamos del grupo C, nos referimos a un problema de dispersión. Esto significa que tal vez estemos en el camino correcto, pero hay demasiada variación. Si hay demasiada variación, ¿cómo lo diagnosticamos? ¿Cómo lo abordamos, lo evaluamos y, en última instancia, buscamos mejorar el proceso? Grupos A, B y C, este es el diagrama de flujo.
Grupo A, esto es solo un acercamiento al grupo A. Creo que hemos hablado bastante sobre el grupo A, y he aludido a los estudios de caso, que encontrarán en la página de nuestro proyecto.
Comenzamos con una evaluación PPK después de analizar el grupo A, y elegimos un método de aproximación normal apropiado para estimar el PPK. Luego, si surge algún problema, que en última instancia es el objetivo principal, evaluamos si podemos resolverlo y abordar un problema de objetivo faltante o un problema de dispersión.
Este es el grupo B con más detalle. En resumen, lo que haríamos sería realizar una prueba de media muestral contra el objetivo en JMP, en la plataforma de distribución. Si no superáramos esa prueba, es decir, si nuestro valor p fuera inferior al criterio de 0,05 o al criterio alfa que elijamos, realizaríamos una prueba de equivalencia contra un umbral.
Si no superáramos la prueba de equivalencia con respecto al umbral práctico que determinamos, tendríamos que realizar mejoras adicionales en el proceso hasta cumplir con los criterios de la prueba de equivalencia con respecto al umbral que establecimos.
Esto encajará en el análisis del grupo C, de forma muy similar al anterior. En este caso, si tuviéramos un problema de dispersión, si la dispersión de nuestro proceso fuera estadísticamente inferior a 1,33, realizaríamos una prueba de varianza igual para una muestra frente a un rango de especificación dividido por 8. Si no se cumpliera, realizaríamos una prueba de equivalencia de la desviación estándar. Suponiendo que no se cumpliera, pasaríamos al modo de mejora de la dispersión del proceso, donde analizaríamos mejoras prácticas sobre el terreno antes de volver a este diagrama de flujo de toma de decisiones para reevaluar.
Como puede observarse, la fase de mejora del proceso es un componente clave, y el análisis de la causa raíz, junto con el conocimiento del dominio y una evaluación minuciosa de los modos de violación de la normalidad, resulta fundamental. Esto concuerda con esta sólida metodología de proceso.
Aquí hay un ejemplo de esa tarjeta de puntuación a la que me referí antes, que es fundamental, y la coherencia de los analistas que siguen el diagrama de flujo. Cada paso del diagrama de flujo está etiquetado. Cuando se agrupan las columnas A, B y C, como hicimos antes, la primera columna indica esencialmente el paso y el nombre del diagrama de flujo, el qué, el objetivo de realizar el paso se detalla aquí, el por qué, y luego las herramientas sugeridas para ejecutar ese paso, el cómo, se detallan aquí.
Esta es otra forma, quizás más detallada, de reformular el diagrama de flujo y asegurar una evaluación justa de su ejecución. La idea es tomar estos índices, de la A a la C, y etiquetar el diagrama de flujo con esos elementos específicos para aumentar la coherencia en su ejecución.
Hablamos de repetibilidad y reproducibilidad. Una de las herramientas clave que utilizaremos para ello, y que en la industria en general usamos, es el análisis Gauge R&R. En este caso, dado que estamos realizando una revisión por pares y utilizando una metodología de puntuación, no vamos a usar un sistema de calificación continuo. Necesitamos algo discreto o basado en atributos.
De hecho, como estamos usando una escala, ya sea una escala de 5 niveles o una de 10 niveles, en este caso una escala de 5 niveles asumida, necesitamos tratar el tipo de datos como ordinal en JMP, y para ese propósito probablemente haríamos algún análisis de Gauge R&R ordinal usando análisis de tabla de contingencia en el ajuste, personalidad de contingencia y ajuste Y por X de JMP.
Este es un ejemplo de cómo podría verse. Por cierto, existen otras herramientas para el análisis de repetibilidad y reproducibilidad de indicadores ordinales. El coeficiente de concordancia de Kendall es una de ellas. La prueba de significancia del coeficiente de concordancia de Kendall es otra. El coeficiente Kappa de Fleis también se puede utilizar para el análisis de repetibilidad y reproducibilidad de indicadores ordinales, aunque generalmente se utiliza para el análisis de repetibilidad y reproducibilidad de indicadores de atributos. Esto es algo que la plataforma de gráficos de indicadores de atributos de variabilidad de JMP aprovecha y utiliza.
Aquí se describe con más detalle el análisis de la causa raíz y lo que haríamos sistemáticamente con respecto a la fase analizada. Hablamos mucho sobre la utilización del grupo A para validar posibles X basándonos en los modos de violación de la normalidad y para comprender los modos de fallo del proceso disociados mediante el análisis de la distribución y también utilizando las herramientas de visualización dinámica de JMP en el contexto de la distribución.
Ya hemos abordado brevemente este tema, pero profundizamos en el análisis de la causa raíz, identificando las variables clave que explican las violaciones de la normalidad. Como pueden ver, estamos incorporando los tres grupos, A, B y C, y renombrando los modos de violación y sus métricas. Por supuesto, en general, el análisis de la causa raíz y el conocimiento de los expertos son fundamentales para evaluar y mitigar estas métricas de violación en nuestro paradigma de resolución de problemas JMP.
Esta diapositiva sirve para ofrecer un ejemplo más de cómo revisar el alcance del proyecto y los criterios de éxito, y cómo se ve esto en la práctica. Se trata de un contexto diferente, concretamente del cálculo de intervalos de tolerancia estadística, pero el mecanismo para documentar y sistematizar el proceso de toma de decisiones sería similar. De nuevo, se trata de un mecanismo similar al de la metodología de cálculo de PPK, donde utilizamos los datos existentes y negociamos siguiendo la metodología de los grupos B y C, o bien, volvemos atrás, mejoramos el proceso, eliminamos los datos erróneos identificando la causa raíz y suprimiendo su presencia en el proceso, para luego volver a realizar el análisis.
Este es un ejemplo muy analítico y prescriptivo de cómo podríamos revisar los límites de especificación y cómo se verían las estadísticas bajo la metodología actual y la nueva, incluyendo, en este caso específico, el enfoque en la relación P/T de Gauge R&R en un contexto de Gauge R&R variable. Nuevamente, no en el contexto de este diagrama de flujo, sino en un contexto de medición continua. Aquí hay una tabla de ocurrencia y detectabilidad de DFMEA. Esta es otra herramienta de análisis clave que podemos usar. Queríamos mostrarla como ejemplo.
Aquí entramos en la fase mejorada, de alto nivel, y abordamos temas similares, como la eliminación de variaciones específicas debidas a causas raíz conocidas. En este caso, podemos simular esa situación filtrando puntos de datos en nuestros datos simulados y, a partir de ellos, desarrollar nuestra metodología, que es precisamente lo que hicimos en nuestro estudio de caso.
Por supuesto, hemos definido una estrategia para gestionar cada tipo de infracción, la cual hemos codificado en la tabla a la que me referí en el grupo A. Luego, en la fase de mejora, también podemos implementar iniciativas de mejora continua. Nuevamente, lo hacemos de forma prescriptiva, definiendo entregables, tareas, responsables, expertos en la materia y fechas de finalización.
Aquí tenéis un ejemplo de algunas de las herramientas que podríamos utilizar en el contexto de la validación de la verificación del diseño y del proceso para la fase de mejora, algunas de las herramientas de JMP que podríamos utilizar.
Aquí es donde entramos en la transferencia de conocimiento, la fase de control, donde tomamos el diagrama de flujo, capacitamos en estadística, en el análisis de la variación por causas especiales, en enfocarnos en el análisis JMP y la metodología de creación de flujos de trabajo correspondiente. Documentamos toda la capacitación y desarrollamos líderes para que puedan seguir el diagrama de flujo de manera consistente.
Ya veo. Otro componente clave en esta fase es el plan de control, que nos permite medir la eficacia con la que seguimos la metodología de análisis y reconocer a quienes obtienen buenos resultados en relación con dicho plan, cuantificando el éxito y reconociéndolo entre quienes implementaron el marco de análisis. Esta diapositiva destaca el concepto de desarrollar este paquete de creación de flujos de trabajo. De hecho, es bastante práctico.
Básicamente, lo que estamos haciendo es desarrollar este diagrama de flujo. Siguiendo este diagrama, guardamos cada parte del análisis como un script de tabla de datos en JMP. Luego, abrimos un nuevo flujo de trabajo. Abrimos la tabla, ejecutamos cada uno de los scripts guardados desde la tabla después de grabar al inicio del flujo de trabajo y, finalmente, lo detenemos. Esta es una forma sencilla de capturar el flujo de trabajo en JMP de forma consistente y en una sola operación.
Aquí, el análisis va más allá de la evaluación PPK. Nos centramos en la capacidad y estabilidad del proceso Gauge R&R, así como en la cuantificación de los instrumentos de medición. Esto complementa el ejercicio PPK y es el tema de un proyecto independiente con una metodología y un marco de implementación similares.
En conclusión, queremos destacar el valor, explicar la importancia y proporcionar el contexto y los mecanismos necesarios para tomar una decisión consensuada utilizando un diagrama de flujo de capacidad de proceso. Un ejemplo podría estar relacionado con Gauge R&R, pero hemos incluido... O tal vez Gauge R&R sería un complemento para un ejemplo. Pero hemos incluido un ejemplo sin considerar el contexto de Gauge R&R como estudios de caso dentro del alcance de este proyecto, como describí anteriormente y como se incluirá en nuestro paquete de proyecto en la comunidad.
En cuanto al trabajo futuro, queremos añadir un análisis de repetibilidad y reproducibilidad de indicadores (Gauge R&R) en nuestra sección del próximo diagrama de flujo de capacidad de proceso. Con el objetivo de la mejora continua, queremos perfeccionar aún más el diagrama de flujo, ya que sabemos con certeza que la capacidad de medición influye en la variabilidad del proceso. Posteriormente, también podremos vincular este problema de desplazamiento K con el concepto de diseño robusto y las herramientas de diseño robusto.
Mi coautor y yo debemos reflexionar más a fondo sobre cómo conectar los diferentes equipos centrales en el contexto del marco de la Universidad JMP, que describí al comienzo de la presentación, para crear oportunidades conjuntas que permitan mejorar y perfeccionar aún más esta metodología de resolución de problemas.
Muchas gracias por su tiempo. Si tiene alguna pregunta, no dude en contactarnos. Gracias de nuevo.
