A última hora de la tarde del 26 de septiembre de 2024, el huracán Helene tocó tierra en la región Big Bend de Florida. En ese momento, era una tormenta de categoría 4 y causó importantes impactos en el sureste de los Estados Unidos, con importantes repercusiones en el oeste de Carolina del Norte. Los Centros Nacionales de Información Ambiental (NCEI) de la Administración Nacional Oceánica y Atmosférica (NOAA), con sede en Asheville, Carolina del Norte, sufrieron cortes de energía y pérdida de conectividad de red durante varias semanas después de que se disipara la tormenta.
La mayoría de los servicios de datos se restablecieron a mediados de octubre y se proporcionaron actualizaciones en el sitio web del NCEI. Durante la interrupción, muchos modeladores de dispersión del aire no pudieron realizar el procesamiento necesario de los datos meteorológicos porque los datos de entrada proporcionados por el NCEI estaban fuera de línea y no estaban disponibles en ningún otro lugar.
Junto con la interrupción del NCEI se produjo la pérdida de un recurso de datos de larga data: la base de datos de radiosonda del Laboratorio de Sistemas de Pronóstico (FSL) de la NOAA. Anteriormente alojada en https://ruc.noaa.gov/raobs/, la base de datos FSL proporcionaba un fácil acceso a un largo registro histórico de observaciones de radiosonda globales. Los datos de FSL se han utilizado durante mucho tiempo en muchos preprocesadores meteorológicos como AERMET y CALMET.
Durante el esfuerzo de la EPA de EE. UU. por recodificar el modelo AERMET desde cero (publicado en 2022 como versión 22112), se agregó al modelo un nuevo formato de datos de la atmósfera superior: el Archivo Global Integrado de Radiosonda (IGRA) del NCEI. La inclusión fue fortuita porque la pérdida del archivo FSL habría dejado a los modeladores con pocas opciones alternativas. Siga leyendo para obtener más información sobre IGRA y su uso para el modelado de la calidad del aire.
El sitio web del NCEI tiene una página dedicada a IGRA en https://www.ncei.noaa.gov/products/weather-balloon/integrated-global-radiosonde-archive.
En la sección Data de la página web de IGRA, el bloque Sounding Data contiene enlaces para descargar datos de sondeo en formato IGRA. Se pueden descargar datos de períodos recientes (actualmente 2021-presente) o del período completo del registro de la estación seleccionada. A diferencia de la base de datos FSL, no se pueden descargar datos de un rango de fechas específico.
El formato es texto ASCII similar al FSL (aunque no idéntico). Los detalles del formato se especifican en el enlace Sounding Data Format que se encuentra en la página web.

Sección Sounding Data Section de la Página Web del IGRA
La base de datos de IGRA contiene una carpeta de documentación que detalla información sobre los datos. Dentro de esta carpeta, encontrará un documento de lista de estaciones que detalla los números de identificación de las estaciones, los nombres, las coordenadas geográficas y los períodos de registro. Utilice esa lista para identificar la identificación de la estación de interés. Los archivos se nombran por el número de identificación de la estación.
¡Sí! Cualquier versión de AERMET View que incluya los modelos AERMET con fecha 22112 o 23132 puede leer datos IGRA. Vaya a la sección de datos Upper Air, seleccione IGRA en el menú desplegable Format e inserte el archivo de datos descargado como de costumbre.

La disponibilidad de herramientas como Maple nos permite introducir un enfoque experimental en la investigación que hacemos en matemáticas, cuando es apropiado. En esta charla presentamos cuatro ejemplos concretos en los que el uso de Maple ha sido esencial para descubrir, conjeturar y, en algunos casos, demostrar nuevas propiedades de los objetos matemáticos que estábamos considerando, principalmente polinomios y matrices.
En el primer ejemplo mostraremos cómo el uso de Maple nos permitió proporcionar los primeros resultados no triviales sobre la Conjetura de Casas-Alvero, que pregunta si todo polinomio que tiene una raíz en común con cada una de sus derivadas (no siempre la misma raíz) es necesariamente una potencia de un factor lineal.
El segundo ejemplo mostrará cuán útil es Maple para determinar la estructura de los polinomios que describen la proyección de la intersección de un toro y una cuádrica.
El tercer ejemplo ilustrará cómo Maple ayuda a generar y caracterizar matrices de correlación cuando sus entradas son -1, 0 y 1.
El último ejemplo estará dedicado a presentar el uso de Maple para intentar probar (o refutar) una conjetura sobre la dispersión de una matriz simétrica (es decir, el valor absoluto máximo de la diferencia entre dos valores propios) con entradas en el intervalo cerrado [a,b].
Biografía del Dr. Laureano González Vega
El Dr. Laureano González Vega es Director del Departamento de Métodos Cuantitativos de la Universidad CUNEF y Catedrático de Álgebra de la Universidad de Cantabria (en excedencia). Es uno de los cofundadores de las conferencias EACA (Meetings on Computational Algebra and its Applications), y editor de La Columna de Matemática Computacional en La Gaceta de la Real Sociedad Matemática Española. Su actividad investigadora se centra en temas relacionados con el Álgebra Computacional, la Computación Simbólica y el Diseño Geométrico Asistido por Ordenador. Entusiasta de Maple desde la década de los 90, el Dr. González Vega ha hecho muchas contribuciones importantes al campo de las matrices y polinomios en álgebra computacional. Además, ha sido un firme defensor del uso de Maple en la investigación, promoviendo el enfoque experimental cuando es apropiado, y en la enseñanza para aumentar la comprensión y el interés de los estudiantes por las matemáticas. Este entusiasmo ha quedado plasmado en sus múltiples colaboraciones con Addlink Software Científico para dar a conocer las bondades de Maple para su uso en la universidad y en la industria.
El estudio titulado “Simulation of fluid flow on natural biomass porous medium using COMSOL Multiphysics Software” [1] desarrollado por Turkman et al. y publicado en la revista “Desalination and Water Treatment“ de la editorial Elsevier, utiliza COMSOL Multiphysics® para la simulación de flujo de fluidos en un medio poroso constituido por residuos de vinagre de sidra, que se obtiene tras la fermentación de manzanas a temperatura ambiente (de 25 °C a 30 °C) en sistemas cerrados durante tres meses.
Como se muestra en la Figura 1, la geometría del medio poroso (residuo de vinagre de sidra) fue creada a partir de una imagen de microscopía electrónica de barrido (SEM) convertida a imagen binaria. Después la imagen. Para cargar la geometría en COMSOL, se convirtió la imagen a un archivo DXF. En el modelo, se añadió la porosidad del medio como característica principal, basada en estudios experimentales previos. El flujo de fluido se simuló tanto dentro de un microcanal como en un vaso de precipitados lleno de agua que contenía los residuos porosos (Figura 1). Las ecuaciones utilizadas fueron las de continuidad y ecuación de cantidad de movimiento en un fluido (ecuación de Navier Stokes) para un fluido incompresible, y newtoniano (agua) y régimen de flujo laminar.

Figura 1. Creación de geometría a partir de imagen SEM. (a) Imagen SEM original de los residuos de vinagre de sidra como medio poroso. (b) Imagen convertida a un mapa binario utilizando el software ImageJ. (c) Malla de elementos finitos dentro de un poro (microcanal). (d) Vaso de precipitados lleno de agua que contiene el residuo de vinagre de sidra.
Como se observa en la Figura 2, los resultados indicaron que la velocidad del fluido era máxima en los poros más estrechos (con un máximo de 0.085 m/s), con grandes pérdidas de carga. La velocidad era cero en las zonas donde el medio poroso estaba más compacto, lo que impide el paso del fluido. Este trabajo pone de manifiesto que COMSOL Multiphysics es una herramienta de gran utilidad para llevar a cabo simulaciones numéricas de la evolución de la velocidad y presión en medio porosos morfológicamente complejos.

Figura 2. Evolución de la velocidad del flujo de fluido y los campos de presión dentro de un poro (microcanal).
[1] M. Turkman, N. Moulai-Mostefa, O. Bouras. Simulation of fluid flow on natural biomass porous medium using COMSOL Multiphysics Software. Desalination and Water Treatment (2022), 279, 68-71.
Por Joshua Zable.
He escrito bastante sobre programas ambientales, sociales y de gobernanza (ESG) y cómo Minitab puede ayudar a impulsar o avanzar su esfuerzo. En este artículo, profundizamos un poco más en la reducción de emisiones, un componente cada vez más importante de los esfuerzos de sostenibilidad.
De hecho, mientras que la Directiva de la Comisión Europea sobre la presentación de informes de sostenibilidad corporativa (CSRD, por sus siglas en inglés) exige la presentación de nuevos informes sobre temas más amplios, como el clima (incluidas las cifras de emisiones de gases de efecto invernadero), la contaminación, los recursos hídricos, la biodiversidad, la fuerza laboral, los trabajadores en la cadena de valor y las comunidades afectadas, la SEC actualmente se centra únicamente en las emisiones y el cambio climático. A continuación, se muestra cómo las herramientas de Minitab pueden ayudar a su empresa a reducir las emisiones y cumplir con los requisitos de presentación de informes.
Como parte de la divulgación de emisiones, la SEC exige la presentación de informes sobre las emisiones de alcance 1, 2 y 3.
Las emisiones de alcance 1 son emisiones directas de fuentes que son propiedad de la empresa o están bajo su control. Esto incluye las emisiones de actividades como el funcionamiento de maquinaria, vehículos e instalaciones de propiedad de la empresa. Por ejemplo, si una empresa opera una fábrica, las emisiones de sus equipos y sistemas de calefacción son emisiones de alcance 1.
Las emisiones de alcance 2 son emisiones indirectas derivadas del consumo de electricidad, vapor, calor o refrigeración adquiridos. Si bien estas emisiones no son generadas directamente por la empresa, son resultado de la energía que utiliza. Por ejemplo, si una empresa compra electricidad de una red eléctrica que utiliza combustibles fósiles, las emisiones asociadas se clasifican como de alcance 2.
Las emisiones de alcance 3 son todas las demás emisiones indirectas que se producen a lo largo de la cadena de valor de la empresa que presenta el informe. Esto incluye las emisiones de actividades que no son propiedad de la empresa ni están bajo su control directo, como las producidas por proveedores, proveedores logísticos externos o el uso de productos vendidos. Las emisiones de alcance 3 suelen ser la categoría más importante para muchas empresas y abarcan todo, desde las operaciones de los proveedores hasta el transporte y la eliminación de productos al final de su vida útil.
Reducción de las emisiones de Alcance 1: atención a los residuos y la eficiencia
Para reducir las emisiones de Alcance 1, el mandato es simple: reducir las actividades que generan esas emisiones. ¿Cómo se reducen esas actividades? Reduciendo el desperdicio y creando eficiencias en la fabricación y la cadena de suministro. En la fabricación, mejorar los pronósticos para que coincidan con la producción requerida puede minimizar el desperdicio. Las herramientas de análisis de datos de Minitab ayudan a:
Reducción de las emisiones de Alcance 2: conservación de energía con análisis predictivos
En el caso de las emisiones de alcance 2, la conservación de la energía es fundamental. Minitab puede ayudar de la siguiente manera:
Cómo abordar las emisiones de Alcance 3: colaborar con la cadena de suministro
La gestión de las emisiones de alcance 3 implica colaborar con los proveedores y supervisar sus informes de emisiones. Minitab ofrece:
Reducir las emisiones es una parte integral de cualquier programa ESG. Ya sea que esté reduciendo las emisiones de alcance 1 a través de la eficiencia operativa, disminuyendo el consumo de energía de alcance 2 con análisis o minimizando las emisiones de alcance 3 al asociarse con proveedores con conciencia ecológica, Minitab proporciona las herramientas para optimizar sus esfuerzos.
Únase a Minitab hoy y descubra cómo nuestras soluciones basadas en datos pueden ayudarlo a alcanzar sus objetivos de sostenibilidad y, al mismo tiempo, cumplir con las cambiantes regulaciones globales.
Discovery StudioModelado y simulación integrales para la investigación en ciencias de la vidaBIOVIA Discovery Studio reúne más de 30 años de investigación revisada por pares y modelado y simulación 3D validados en un entorno común, proporcionando a los usuarios académicos un conjunto completo de herramientas para la investigación de descubrimiento de fármacos en fase inicial. |
Materials StudioUn entorno de modelado integrado y multiescalaMaterials Studio permite a los estudiantes y educadores de ciencia de materiales y química predecir y comprender las relaciones de la estructura atómica y molecular de un material con sus propiedades y comportamiento. |
Pipeline PilotSimplifique la ciencia y la ingeniería empresarialesPermite crear, probar y publicar rápidamente servicios científicos que automatizan el proceso de acceso, análisis y reporte de datos científicos, ya sea para uso personal del científico o para compartir con la comunidad científica. |
COSMO-RSLíderes en química de solvataciónCOSMO es un conjunto de soluciones de software basadas en la química cuántica y la termodinámica, que son probablemente las herramientas más avanzadas y predictivas disponibles en la actualidad (química orgánica, cribado de disolventes, predicción de presiones de vapor y energía libre de solvatación...) |
TURBOMOLEQuímica cuántica rápida y robustaTURBOMOLE es un paquete de programa de química cuántica de propósito general que se puede utilizar para optimizar y proporcionar los mejores catalizadores para reacciones químicas, comprender y mejorar los diodos emisores de luz orgánicos (OLED) o predecir espectros como ayuda general para la síntesis de compuestos y tareas analíticas. Permite una predicción precisa de propiedades como energías conformacionales, estructuras de clústeres, estados excitados, estados de transición y dipolos, que puede utilizar en una amplia variedad de aplicaciones. |
![]() Simulaciones Protocolos para simulaciones de dinámica molecular de última generación |
Diseño basado en estructuras Cartera completa y escalable de herramientas científicas para respaldar el diseño basado en estructuras y fragmentos |
Diseño basado en ligandos y farmacoforos Diseño de fármacos de novo, diseño de fármacos multidiana y perfilado de actividades |
Bioterapéutica y modelado de anticuerposUn amplio conjunto de herramientas in silico para respaldar el diseño de productos bioterapéuticos |
![]() Diseño y análisis de macromoléculas Amplia gama de herramientas científicas validadas para todos los aspectos de la investigación basada en macromoléculas |
QSAR, ADMET y Toxicología Predictiva Herramientas para el diseño de terapias con propiedades farmacocinéticas favorables y perfiles de seguridad |
VisualizaciónVisualizador molecular gratuito y rico en funciones |
| Cálculos de mecánica cuántica Las herramientas de mecánica cuántica de Materials Studio permiten predicciones precisas de la estructura electrónica, la energía y otras propiedades, esenciales para comprender y diseñar materiales con propiedades electrónicas específicas. |
Simulaciones de Dinámica Molecular Estas simulaciones permiten estudiar cómo los átomos y las moléculas se mueven e interactúan a lo largo del tiempo, proporcionando información valiosa sobre el comportamiento dinámico de los materiales a nivel atómico. |
Simulaciones de Monte Carlo Este método es particularmente útil para estudiar el comportamiento de los materiales a diferentes temperaturas y presiones, lo que lo convierte en una poderosa herramienta para investigar las transiciones de fase y las propiedades termodinámicas |
![]() Versatilidad en los sistemas de materiales El software se adapta a una amplia gama de sistemas de materiales, incluidas moléculas orgánicas, polímeros, metales, cerámicas y nanopartículas. Esta versatilidad permite a los investigadores y educadores explorar diversas clases de materiales y fenómenos, lo que lo hace adecuado para diversas disciplinas académicas, desde la química y la física hasta la ciencia y la ingeniería de materiales. |
Herramienta educativa Para los educadores, Materials Studio sirve como una herramienta educativa invaluable para enseñar conceptos fundamentales en ciencia de materiales y modelado computacional. A través de ejercicios prácticos y simulaciones, los estudiantes pueden obtener una comprensión más profunda de fenómenos complejos como las interacciones moleculares, las transiciones de fase y el comportamiento de los materiales en diferentes condiciones. |
![]() Apoyo a la investigación En el ámbito de la investigación, Materials Studio facilita la exploración de nuevos materiales y la optimización de los existentes. Los investigadores pueden utilizar el software para investigar las propiedades de los materiales, diseñar nuevos compuestos y simular condiciones experimentales, acelerando el ritmo del descubrimiento y la innovación en la ciencia de los materiales. |
![]() Integración con el trabajo experimental Materials Studio puede complementar la investigación experimental proporcionando información sobre los mecanismos a escala atómica y guiando el diseño experimental. Esta integración entre los enfoques computacional y experimental mejora la eficiencia y la eficacia de los proyectos de investigación, ofreciendo una perspectiva holística sobre el desarrollo y la caracterización de materiales. |
![]() Comunidad y colaboración BIOVIA Materials Studio cuenta con una próspera comunidad académica con numerosas publicaciones científicas que citan su uso. Investigadores y educadores de todo el mundo contribuyen a este cuerpo de conocimiento, aprovechando Materials Studio para avanzar en la comprensión y aplicación de los principios de la ciencia de los materiales. Además, existe una vibrante comunidad pública de BIOVIA Materials Studio que sirve como un valioso centro para que los usuarios, estudiantes y expertos de Materials Studio participen en debates, intercambien información, compartan consejos |
![]() Capacidades predictivas Una de las características clave de Materials Studio es su capacidad para predecir las propiedades de los materiales con precisión. Esta capacidad predictiva es invaluable tanto para fines docentes como de investigación, ya que permite a los estudiantes comprender principios y conceptos fundamentales, al tiempo que capacita a los investigadores para diseñar materiales novedosos con propiedades personalizadas |
La IA está cobrando importancia en todos los aspectos de nuestra vida, y esto es especialmente cierto en lo que respecta a los grandes modelos lingüísticos. Su promesa es facilitar nuestro trabajo y multiplicar por mil el impacto de nuestros esfuerzos. Sin embargo, también existe la amenaza implícita de que puedan reemplazar a los humanos por completo y hacer que la mayoría de nosotros seamos redundantes. Cuando se trata de matemáticas, tanto la promesa como la amenaza parecen ser más pronunciadas que en cualquier otro campo. Después de todo, la educación y la investigación en matemáticas tienen una larga historia de aprovechar la tecnología con gran efecto. Al mismo tiempo, un campo basado en la estructura y la lógica es un candidato ideal para que la IA lo absorba.
En esta presentación, investigaremos las posibles y probables implicaciones de la aparición de la IA en las matemáticas. Exploraremos en qué son buenas las IA, en qué podrían mejorar y cuál podría ser su relación con los humanos en el mundo de las matemáticas. Analizaremos las implicaciones en la enseñanza, el aprendizaje, la práctica y el aprovechamiento de las matemáticas, y cómo podrían ser las herramientas matemáticas en un mundo donde la IA sea omnipresente.
Biografía del Dr. Laurent Bernardin
El Dr. Laurent Bernardin es presidente y director ejecutivo de Maplesoft. Ha trabajado en Maplesoft durante más de 25 años y, antes de su nombramiento en su puesto actual, ocupó los puestos de director de tecnología y director de operaciones. Bernardin cree firmemente que las matemáticas son importantes. Bajo su liderazgo, Maple ha pasado de ser un proyecto de investigación en computación simbólica a un entorno completo para cálculos matemáticos utilizado por cientos de miles de ingenieros, científicos, investigadores y estudiantes de todo el mundo.
Por Joshua Zable.
Aunque nunca recibí una formación formal en metodologías o filosofías de mejora continua, mi mentalidad siempre ha sido la de encontrar formas de mejorar. Antes de incorporarme a Minitab, no conocía tantas metodologías formales para mejorar. Al igual que las artes marciales, muchas de las metodologías tienen similitudes y se componen tanto de filosofías como de técnicas. A continuación, realizamos un esfuerzo para presentarlas (y esta no es de ninguna manera una lista exhaustiva). Tal vez lo anime a profundizar en una que le resulte interesante y le ayude en su camino personal o profesional.
Planificar-Hacer-Verificar-Actuar (En inglés Plan-Do-Check-Act o PDCA). Este concepto, simple pero efectivo, es la base de la mayoría de los esfuerzos de mejora continua. Al establecer un objetivo, tomar medidas, medir el impacto e implementar la mejora, la mayoría de las metodologías se enmarcan en este método general. Sin embargo, más específicamente, el método PDCA también se refiere a una metodología utilizada para mejorar un proceso o producto dividiéndolo en pasos y mejorando cada uno de ellos.
Kata. De origen marcial, los "kata" son rutinas estructuradas que consisten en patrones. En lo que respecta a la mejora continua, el Kata es una rutina repetitiva de cuatro pasos, basada en la filosofía Planificar-Hacer-Verificar-Actuar (PDCA) que, cuando se practica, puede generar un hábito de pensar y trabajar de manera creativa y científica para construir una cultura de mejora e innovación en una organización. La metodología Kata es un concepto más amplio que se puede aplicar a varios campos para el desarrollo de habilidades y la mejora operativa.
Lean. Lean es tanto una mentalidad como una metodología. Filosóficamente, una organización Lean alienta a todos a detectar los desperdicios y a informar a la gerencia para que se aborden. La metodología se centra en maximizar el valor del cliente mientras se minimiza el desperdicio y se eliminan los defectos. Los métodos Lean utilizan datos, pero se basan más en herramientas Lean específicas para comprender mejor un proceso, buscar desperdicios y prevenir errores.
Six Sigma. Basado en el concepto de lograr la calidad Six Sigma (o mejorar los niveles a largo plazo por debajo de 3,4 defectos por millón de oportunidades), Six Sigma es una de las metodologías de mejora continua más populares. Conocida por su proceso DMAIC compuesto por Definir, Medir, Analizar, Mejorar y Controlar, los profesionales de Six Sigma utilizan estadísticas, análisis financieros y gestión de proyectos para identificar y reducir defectos y errores, minimizar la variación y aumentar la calidad y la eficiencia. Con el tiempo, Six Sigma se ha expandido desde un enfoque de calidad a un concepto empresarial más general que ayuda a las organizaciones a satisfacer mejor los requisitos de los clientes y mejorar los productos, procesos y servicios.
Lean Six Sigma. No es de sorprender que Lean Six Sigma combine lo mejor de ambos enfoques, aprovechando la velocidad y la reducción de desperdicios de Lean con el rigor (y el análisis estadístico) de Six Sigma para eliminar defectos. ¿Busca una guía? Aquí tiene un enlace a un libro de gran éxito que puede ayudarlo en su camino.
Kaizen. Traducido del japonés, Kaizen significa literalmente “buen cambio”, “cambio para mejor” o “mejora”. La filosofía Kaizen se centra en la mejora continua de todos los empleados de una empresa y se extiende a todas las funciones y procesos empresariales. Kaizen suele estar diseñado para abordar un problema en particular en el transcurso de una semana, lo que se conoce como “kaizen blitz” o “kaizen event”, que se centran en proyectos que pueden lograr mejoras revolucionarias en un corto período de tiempo.
Sistema de producción de Toyota (TPS). Según Toyota, el sistema de producción de Toyota es “una filosofía de fabricación original que tiene como objetivo eliminar el desperdicio y lograr la mayor eficiencia posible”. Al igual que Kaizen, el TPS es una cultura organizacional y un sistema operativo de fábrica enfocado en brindar la mejor calidad, el menor costo y el menor tiempo de entrega mediante la eliminación del desperdicio. Siempre a la vanguardia de la mejora de la calidad, conozca cómo Toyota implementó el control estadístico de procesos en tiempo real (SPC) de Minitab y el análisis predictivo para reducir la tasa de no conformidad de los ajustes frontales en el Yaris y Yaris Cross del 5 % al 0,15 % y cómo confía en Minitab para lograr su objetivo de una tasa de no conformidad del 0 %.
Toyota Kata. A diferencia del TPS, Toyota Kata no fue creado por Toyota. Toyota Kata es un enfoque sistemático para desarrollar hábitos de mejora continua que perduren, desarrollado por el experto en Lean Mike Rother en su libro de gestión: Toyota Kata: Managing People for Improvement, Adaptiveness, and Superior Results. Su método se basa en el proceso de Toyota, pero adapta las lecciones aprendidas en la línea de producción a una estrategia de mejora. A diferencia del Kata normal, Toyota Kata es una metodología específica con una estructura y un propósito claros, diseñada para la mejora continua en los negocios y la fabricación. Toyota Kata también implica roles específicos (aprendiz y entrenador) y una rutina altamente estructurada (Improvement and Coaching Kata).
Kanban. Otra rama de TPS, Kanban es un método de gestión visual del flujo de trabajo que se utiliza para la mejora continua, a menudo asociado con prácticas ágiles y eficientes. Ha evolucionado desde sus orígenes en la fabricación y ahora es popular en varias industrias, incluidas las de desarrollo de software y servicios. La herramienta principal de Kanban es el tablero Kanban, que representa visualmente el flujo de trabajo. Por lo general, incluye columnas como "Por hacer", "En progreso" y "Terminado".
Scrum. Popularizado en la industria del software, Scrum es un marco ágil que se utiliza para gestionar y completar proyectos complejos. Scrum integra la mejora continua mediante la inspección periódica, la adaptación y las reflexiones del equipo. Con esta metodología, los proyectos se dividen en sprints (que suelen durar entre 1 y 4 semanas) durante los cuales el equipo trabaja para completar el Sprint Backlog. Al dividir el proyecto en partes, con reuniones diarias, comentarios periódicos de las partes interesadas y transparencia, esta metodología permite a una organización abordar proyectos e impulsar mejoras.
Teoría de restricciones (TOC). La teoría de restricciones (TOC ) es una filosofía de gestión desarrollada para identificar y gestionar el cuello de botella o restricción (ya sea física, política o proceso) que limita el rendimiento de un sistema. Este enfoque estructurado implica identificar la restricción, explotar la restricción (es decir, optimizar su uso), subordinar todo lo demás (es decir, garantizar que los recursos que no son restricciones no produzcan más de lo que la restricción puede manejar), elevar la restricción (es decir, tomar medidas para aumentar la capacidad o habilidad de la restricción) y repetir el proceso para identificar la siguiente restricción.
Gestión de la calidad total (TQM). La gestión de la calidad total es un enfoque de gestión integral centrado en mejorar la calidad de los resultados de una organización, incluidos los bienes y servicios, mediante la mejora continua de las prácticas internas. La TQM hace hincapié en la satisfacción del cliente, la participación de los empleados y la resolución sistemática de problemas. Este enfoque aprovecha muchas de las metodologías mencionadas anteriormente, como Kaizen, PDCA, Six Sigma y más.