No abstract

En esta investigación se diseñó un método de control para el rendimiento de las dimensiones de calidad de un centro de atención del servicio en una institución de educación superior. Se apoyó en los planteamientos teóricos de calidad del servicio, Seis Sigma y carta de control multivariante T-cuadrado. Partiendo de la recepción total de las solicitudes presentadas en la unidad de prestación de servicios durante 11 periodos, se estructuró un método para integrar las dimensiones de calidad, contextualizando el cálculo del nivel de desempeño asociado con las métricas Seis Sigma. Las dimensiones de calidad con menor desempeño incluyeron: 1) Recepción y registro información oportuna y 2) Organización y respuesta pertinente. La dimensión Redacción y estructura del comunicado se mostro como una de las dimensiones de más alto rendimiento teniendo en cuenta el desempeño deseado de las variables. El método permitió establecer el límite de control estándar multivariante del servicio.

Esta investigación propone un método de evaluación de la calidad del servicio en un centro de atención documental en una universidad. Desde un enfoque cuantitativo y racional se estableció un método fundamentado en las teorías de calidad del servicio y el concepto de Seis sigma. Se analizaron dos periodos de estudio y se contextualizaron las métricas asociadas con los criterios de evaluación. Se determinaron tres métricas de Seis Sigma, valor de defectos por partes por millón (DPMO), el nivel Z y el rendimiento. En los resultados, todas las dimensiones evaluadas en febrero presentaron un nivel de sigma mayor con respecto al que obtuvieron en enero, así como una disminución de los defectos por partes por millón de un periodo al otro, es decir mejoró la calidad del servicio y se disminuyeron costos, salvo para la dimensión de calidad 'Respuesta pertinente'. Adicionalmente, mediante el cálculo del rendimiento se encontró, que para la mayoría de los criterios de evaluación de la calidad se mantuvieron por encima del 90%. Esta investigación evidencia la pertinencia de articular conceptos de calidad del servicio con las métricas de Seis Sigma, permitiendo diseñar un estándar de rendimiento del servicio para el mejoramiento de la calidad.

This research presents a methodology for classification, forecasting and prediction of healthcare providers accredited in Colombia. For this purpose, a quantitative, descriptive and predictive analysis was carried out of 27 institutions accredited in Colombia by 2016. Consequently, the machine learning techniques cluster analysis and artificial neural networks were used to define business profiles of the institutions under study. The method classifying, forecasting and predicting the membership of a healthcare provider to a business profile, previously created based on the high-quality patterns of accreditation. The input variables were assets, account receivable, inventory, property and equipment and the output variables health service sales and net profit. The cluster analysis defined two main groups. 1) accredited institutions in the process of financial consolidation; 2) accredited institutions financially sound. The process of forecasting and prediction through the creation of an artificial neural network yielded a 95% CI (088, 0.9975) precision in the classification, and 100% and 80% for sensitivity and specificity values respectively. The results evidence the capacity of the proposed methodology to recognise the characteristics and association patterns of HCP accredited in high quality.

This research presents a methodology for classification, forecasting and prediction of healthcare providers accredited in Colombia. For this purpose, a quantitative, descriptive and predictive analysis was carried out of 27 institutions accredited in Colombia by 2016. Consequently, the machine learning techniques cluster analysis and artificial neural networks were used to define business profiles of the institutions under study. The method classifying, forecasting and predicting the membership of a healthcare provider to a business profile, previously created based on the high-quality patterns of accreditation. The input variables were assets, account receivable, inventory, property and equipment and the output variables health service sales and net profit. The cluster analysis defined two main groups. 1) accredited institutions in the process of financial consolidation; 2) accredited institutions financially sound. The process of forecasting and prediction through the creation of an artificial neural network yielded a 95% CI (088, 0.9975) precision in the classification, and 100% and 80% for sensitivity and specificity values respectively. The results evidence the capacity of the proposed methodology to recognise the characteristics and association patterns of HCP accredited in high quality.