Análise das etapas de implementação do Seis Sigma incorporando atributos promotores de aprendizagem organizacional

A crescente competitividade no mundo dos negócios que se apresenta nos dias de hoje, motivada principalmente pela globalização da economia em conjunto com a revolução tecnológica, requer uma busca acelerada por métodos, modelos e ferramentas que conduzam as organizações à excelência de seus bens e serviços. Neste contexto, Programas Seis Sigma vem sendo adotados como estratégia de negócio por empresas que buscam otimizar seus processos e atingir um nível de sucesso empresarial reconhecido por seus clientes, capaz de classificá-las como de classe mundial. Conforme orientam programas de premiação em reconhecimento às práticas gerencias de empresas que primam pela qualidade, uma organização que pratica a Aprendizagem Organizacional avalia periodicamente seu sistema de gestão e implementa melhorias ou inovações em suas práticas, se adapta mais facilmente às mudanças e tem mais condições de atingir e manter a excelência no seu desempenho. Esta dissertação foi desenvolvida com o objetivo de analisar as etapas e sub-etapas de implementação do Programa Seis Sigma incorporando atributos promotores de Aprendizagem Organizacional. A justificativa para este trabalho é demonstrar o potencial do Seis Sigma em trazer às empresas muito mais do que resultados financeiros diretos, apresentando suas etapas de implementação com a incorporação de atributos capazes de promover Aprendizagem Organizacional. Desta forma, a análise da implementação de uma estratégia relacionada à qualidade, sob o enfoque da Aprendizagem Organizacional, deve auxiliar as organizações que buscam atingir e manter elevados níveis de qualidade e competitividade.

Aspectos matemáticos do problema de aprendizagem em inteligência artificial

O objetivo deste trabalho é apresentar a base teórica para o problema de aprendizagem através de exemplos conforme as ref. [14], [15] e [16]. Aprender através de exemplos pode ser examinado como o problema de regressão da aproximação de uma função multivaluada sobre um conjunto de dados esparsos. Tal problema não é bem posto e a maneira clássica de resolvê-lo é através da teoria de regularização. A teoria de regularização clássica, como será considerada aqui, formula este problema de regressão como o problema variacional de achar a função f que minimiza o funcional Q[f] = 1 n n Xi=1 (yi ¡ f(xi))2 + ¸kfk2 K; onde kfk2 K é a norma em um espa»co de Hilbert especial que chamaremos de Núcleo Reprodutivo (Reproducing Kernel Hilbert Spaces), ou somente RKHS, IH definido pela função positiva K, o número de pontos do exemplo n e o parâmetro de regularização ¸. Sob condições gerais a solução da equação é dada por f(x) = n Xi=1 ciK(x; xi): A teoria apresentada neste trabalho é na verdade a fundamentação para uma teoria mais geral que justfica os funcionais regularizados para a aprendizagem através de um conjunto infinito de dados e pode ser usada para estender consideravelmente a estrutura clássica a regularização, combinando efetivamente uma perspectiva de análise funcional com modernos avanços em Teoria de Probabilidade e Estatística.