Universidad de Lima

Facultad de Ingeniería y Arquitectura

Simulación de Procesos

PROYECTO DE SIMULACIÓN EN UNA

EMPRESA DE FABRICACION DE CALZADO
Sección: 821

Gamarra Vilchez Joaquin Leonardo

20194111

Monteza Ramos, Renatta Valentina

20203256

Requelme Castillo, Kimberly Giuriel

20201751

Oblitas Silva, Christian

20191413

Profesor
José Pérez Becerra

Lima – Perú

Diciembre de 2023
ii
SIMULATION PROJECT IN A FOOTWEAR
MANUFACTURING COMPANY

iii
 TABLA DE CONTENIDO

CAPÍTULO I: FORMULACIÓN DEL PROBLEMA ......................................................... 1

1.1. Identificación del problema ...................................................................................... 1
1.2. Necesidades del sistema bajo estudio ....................................................................... 3
1.2.1. Supuestos y restricciones ................................................................................... 3
1.3. Objetivo General y objetivos específicos ................................................................. 4
1.4. Entidades .................................................................................................................... 4
1.5. Atributos..................................................................................................................... 4
1.6. Actividades ................................................................................................................. 5
1.7. Recursos ..................................................................................................................... 5
1.8. Diagrama del Proceso ............................................................................................... 6
CAPÍTULO II: FORMULACIÓN DEL MODELO............................................................. 8
2.1. Condiciones Iniciales del modelo ............................................................................. 8
2.2. Modelo Arena .......................................................................................................... 10
CAPÍTULO III: ANÁLISIS Y RECOJO DE DATOS ....................................................... 11
3.1. Análisis de datos para Empaste ............................................................................. 11
3.2. Análisis de Datos para Secado................................................................................ 12
3.3. Análisis de Datos para Calentado .......................................................................... 13
3.4. Análisis de Datos para Armado de Punta ............................................................. 14
3.5. Análisis de Datos para Desarmado ........................................................................ 15
3.6. Análisis de Datos para Calentado de Talón .......................................................... 16
3.7. Análisis de Datos para Armado de Talón ............................................................. 17
CAPÍTULO IV: VERIFICACIÓN....................................................................................... 18
CAPÍTULO V: VALIDACIÓN ............................................................................................ 20
CAPÍTULO VI: DISEÑO DE EXPERIMENTOS ............................................................. 21
6.2 Indicadores para evaluar ............................................................................................. 21
6.3 Escenarios para evaluar............................................................................................... 21
CAPÍTULO VII: EXPERIMENTACIÓN Y ANÁLISIS DE LOS RESULTADOS ....... 24
7.1 Comparación con el Escenario 1 ................................................................................. 24
CAPÍTULO VIII: SATISFACCIÓN DEL OBJETIVO DEL PROYECTO .................... 25
CAPÍTULO IX: DOCUMENTACIÓN................................................................................ 27

iv
CONCLUSIONES.................................................................................................................. 29
RECOMENDACIONES........................................................................................................ 30
REFERENCIAS ..................................................................................................................... 31

v
 ÍNDICE DE FIGURAS

Figura 1. 1. Diagrama del proceso de armado de punta ...................................................... 6

Figura 2. 1. Simulación en arena del proceso ...................................................................... 10

Figura 3. 1. Gráfico de distribución de análisis de datos para empaste............................ 11

Figura 3. 2. Distribución de análisis de datos para empaste ............................................. 11

Figura 3. 3. Gráfico de distribución de análisis de datos para secado ............................. 12

Figura 3. 4. Distribución de análisis de datos para secado................................................. 12

Figura 3. 5. Gráfico de distribución de análisis de datos para calentado ........................ 13

Figura 3. 6. Distribución de análisis de datos para calentado............................................ 13

Figura 3. 7. Gráfico de distribución de análisis de datos para armado de punta ........... 14

Figura 3. 8. Distribución de análisis de datos para armado de punta............................... 14

Figura 3. 9. Gráfico de distribución de análisis de datos para desarmado....................... 15

Figura 3. 10. Distribución de análisis de datos para desarmado ...................................... 15

Figura 3. 11. Gráfico de distribución de análisis de datos para calentado de talón ....... 16

Figura 3. 12. Distribución de análisis de datos para calentado de talón .......................... 16

Figura 3. 13. Gráfico de distribución de análisis de datos para armado de talón............ 17

Figura 3. 14. Distribución de análisis de datos para armado de talón .............................. 17

vi
Figura 4.1 Verificación .......................................................................................................... 19
Figura 5.1 Intervalo de confianza......................................................................................... 20
Figura 6.1 Aumento de Capacidad de Recurso “ARMADORA”...................................... 22
Figura 6.2 Aumento de Capacidad de Recurso “OPERARIO25” .................................... 22
Figura 6.3 Aumento de Capacidad de Recurso “ARBOL”................................................ 22
Figura 6.3 Aumento de Capacidad de Recurso “ARMADOTALONMAQUINA” ......... 23
Figura 6.4 Aumento de Capacidad de Recurso “OPERARIO25” .................................... 23
Figura 7.1 Recursos del escenario 1 ..................................................................................... 24
Figura 9.1 Visita a Planta ...................................................................................................... 27

vii
 ÍNDICE DE TABLAS

Tabla 1. 1. Supuestos y Restricciones .................................................................................... 3

viii
 CAPÍTULO I: FORMULACIÓN DEL PROBLEMA

1.1. Identificación del problema

Manuel Valenzuela-Ramos, Alejandra Pacora-Valverde, Juan Quiroz-Flores, Martín

Collao-Díaz & Alberto Flores-Pérez. (2023). Model of Optimization of Production Based
on the Application of Lean Tools to Increase Productivity in Footwear Manufacturing
SMEs. Universidad de Lima.
En el presente artículo se nos menciona que el aumento significativo de la demanda de calzado
en Perú contrasta con una disminución en la producción nacional y un marcado crecimiento en
las importaciones. Esto sugiere dificultades en el sector nacional para proporcionar productos
de alta calidad, lo cual está asociado directamente con baja productividad y escasa innovación.
En respuesta, se propone un modelo integral Lean-SLP que combina herramientas como
rediseño de instalaciones, las 5S, estandarización de procesos, diseño de trabajo y Jidoka, con
el objetivo de mejorar la productividad actual, la cual es de 0.56 y se ve afectada por procesos
deficientes y no estandarizados. La validación del modelo se llevó a cabo a través del software
Arena, logrando una reducción del tiempo de ciclo del 42.95% y un aumento de la
productividad en un 22.5%. Esta propuesta posiciona a las pequeñas y medianas empresas en
el sector del calzado en Perú en una posición más competitiva en el mercado extranjero,
permitiéndoles producir artículos de mayor calidad de forma más eficiente.

Mulugeta Abayneh (2020). Modeling, Simulation, and Performance Analysis for

Footwear Manufacturing System. Dire Dawa University Institute of Technology.
En el presente artículo nos menciona que en la actual economía global, la competitividad de
las empresas es esencial, y para lograrlo, la optimización de los sistemas de producción es
fundamental. La supervivencia de las empresas en un entorno dinámico depende de factores
como el tiempo de respuesta, los costos de producción, los precios de mercado y la estabilidad
en la manufactura. La complejidad en el ensamblaje de productos y su impacto en el tiempo de
producción ha llevado a la investigación continúa en la modelización y evaluación de sistemas
de fabricación. Además, el uso de software de simulación desempeña un papel crucial en la
modelización y experimentación de sistemas de producción. Dado que la mayoría de los bienes,
incluyendo el calzado, se fabrican en líneas de ensamblaje, es esencial abordar el equilibrio de

1
línea de manera efectiva. Este trabajo se centra en la modelización y simulación del equilibrio
de línea en la empresa de calzado Jamaica-Ok, específicamente en la línea de costura,
utilizando el software Arena. Los resultados de la simulación indican tiem pos de espera
significativos en las estaciones de costura, lo que sugiere la necesidad de desarrollar
mecanismos para reducir estos tiempos y mejorar la eficiencia en la producción de calzado.

Jorge Borrell Méndez, David Cremades, Fernando Nicolas, Carlos Perez-Vidal & José
Vicente Segura-Heras (2021). Conceptual and Preliminary Design of a Shoe
Manufacturing Plan. Miguel Hernandez University.
Este artículo introduce un procedimiento para la planificación de plantas de producción de
calzado, que combina un Sistema de Soporte de Decisiones con un sistema experto y una
aproximación de simulación. Dada la naturaleza laboriosa y multifacética de la industria del
calzado, optimizar la disposición de la planta, maquinaria y recursos humanos es de vital
importancia para el diseño efectivo de sistemas de manufactura de calzado. Para reducir el
tiempo de proceso, el estudio se apoya en un Sistema de Soporte de Decisiones junto a un
sistema experto y simulación, con el fin de perfeccionar la planificación de la producción. El
trabajo incluye dos estudios de caso, la manufactura por inyección directa y los métodos de
ensamblaje y carburización, que se comparan con el propósito de analizar los recursos
necesarios y determinar la relación costo-beneficio óptima. En cada caso, se requiere un
conocimiento detallado sobre el tipo y la cantidad de maquinaria y recursos humanos para
estimar la producción. Esta comparación se lleva a cabo mediante simulaciones y el uso de una
base de conocimientos de un sistema experto. Las conclusiones demuestran una mejora en el
tiempo de producción al aplicar la metodología desarrollada en el estudio.

Muhammed Selman, Ali Osman, Haris Gavranovic & Fehim Findik. (2012). Analysis Of
Shoe Manufacturing Factory By Simulation Of Production Processes. International
University of Sarajevo, Sarajevo.
Este estudio utiliza el software Arena para analizar la eficiencia en la fabricación de calzado.
Se demuestra que la modelización y simulación son herramientas esenciales para optimizar
líneas de ensamblaje. Se examina una planta de ensamblaje en Etiopía que produce mocasines
en dos líneas (costura y duración). Tras analizar datos cronometrados, se mejora la eficiencia
de la línea al 93.5% y 86.3% en costura y duración, respectivamente. El Modelo de Simulación
de Arena puede aplicarse en industrias complejas para optimizar sistemas de producción.

2
Temesgen Garoma Abeya & Nahom Mulugeta. (2014). Modeling and Performance
Analysis of Manufacturing Systems in Footwear Industry. Science, Technology and Arts
Research Journal.
Este estudio emplea Arena Simulation para analizar la eficiencia en la fabricación de calzado.
Se demuestra que la simulación es esencial para experimentar con variables sin afectar la
producción real. Se seleccionó una planta en Etiopía que ensambla mocasines en dos líneas.
Tras recopilar y analizar datos, se ejecutaron 41 repeticiones del modelo validado. Los
resultados indican eficiencias de línea del 58.7% y 67.6%. Se identificaron y resolvieron
problemas, logrando mejoras de hasta el 93.5% y 86.3% en las líneas. Este modelo considera
recursos, relaciones de precedencia y métodos de producción, siendo aplicable a industrias
complejas para optimizar sistemas de producción.

1.2. Necesidades del sistema bajo estudio

En el presente proyecto de simulación nos centraremos en el análisis de la fábrica de zapatos
de C & AK REQUELME SAC. Donde nos centraremos principalmente en el proceso del
armado de punta.

1.2.1. Supuestos y restricciones

Tabla 1. 1

Supuestos y Restricciones

Supuestos Restricciones

Se asume que la máquina de armado de punta y la La máquina de armado de punta tiene una capacidad
manovia están en óptimas condiciones de máxima de producción y no puede exceder este límite.
funcionamiento y no experimentan fallos durante el
proceso de simulación.

Se considera que el flujo de zapatos entrantes es La Manovia debe estar disponible y lista para recibir
constante y no hay fluctuaciones significativas en la la horma después de ser liberada por la máquina.
cantidad de unidades a procesar.

Se asume que el proceso de preparación del corte y El trabajador debe llevar a cabo la tarea en el tiempo
colocación en la máquina toma un tiempo constante y estipulado, que incluye la preparación del corte y
no varía entre cada pieza. colocación en la máquina. y El flujo de producción
está limitado a 200 pares de zapatos por día.

3
1.3. Objetivo General y objetivos específicos
Objetivo General
Identificar una falla en el proceso con el fin de evaluarla y realizar mejoras en el proceso de
armado de punta de una fábrica de zapatos utilizando la simulación en el software Arena.

Objetivos Específicos

● Identificar y documentar los pasos y subprocesos del proceso de armado de punta de

una fábrica de zapatos, incluyendo la recopilación de datos sobre tiempos, recursos y
puntos críticos del proceso.
● Evaluar la eficiencia y eficacia del proceso actual mediante la recopilación de datos
reales y representación precisa en un modelo de simulación a través del uso del software
Arena.
● Validar las estrategias de mejora propuestas a través de nuevas simulaciones en Arena,
comparando los resultados previos a la simulación y los resultados después añadir las
mejores.

1.4. Entidades
Las entidades como definición son todas aquellos entes que interactúan en el procesos o
sistema que se modela. Las entidades pueden ser tanto físicas, clientes, productos dentro de
una línea de producción. Las entidades en un proceso de simulación son importantes, ya que
sirve para entender cómo funciona los eventos del sistema y cómo fluye la información a través
de un sistema propuesto. En el presente trabajo de investigación las entidades son las hormas
con cuero y salen en el día.

1.5. Atributos
El concepto de atributo se da a todas aquellas características que hacen especial o diferente a
un tipo de producto. Los atributos están relacionados a las entidades que se están simulando.
Estos proporcionan información adicional y pueden utilizarse para tomar decisiones en el
sistema que se modela. En este trabajo los atributos del sistema que se modela sería
comprobarse si el zapato está bien cortado y armada bien la punta.

4
1.6. Actividades
● El armado de punta con la máquina será una actividad que se simulará en este trabajo.
● El desarmado será una actividad que lo hará un empleado, esta actividad también será
parte del proceso.

1.7. Recursos

● La máquina será un recurso dentro de la simulación del proceso de armado de punta,

que sería de tipo seize delay release, ya que es un recurso reutilizable constante en la
simulación para el armado continuo de la punta de los zapatos entrantes.

● El empleado será un recurso dentro de la simulación del proceso de desarmado donde

se toma al empleado de tipo seize delay release porque es un recurso reutilizable
constante el cual se emplea dependiendo del estado de la punta del zapato si es que
pasan o no.

5
1.8. Diagrama del Proceso
A continuación, se presentará el diagrama del proceso de Armado de Punta.

Figura 1. 1

Diagrama del proceso de Armado de Punta

6
7
 CAPÍTULO II: FORMULACIÓN DEL MODELO

2.1. Condiciones Iniciales del modelo

Llegan las piezas de corte al área de empaste donde un operario realiza el trabajo durante un
tiempo de 19 segundos aproximadamente
• Se hacen 250 pares al día
• Solo 1 operario en cada proceso
• Entran 250 cortés al área de Empaste

Empaste
En esta actividad, un operario A se demora 19 segundos aproximadamente, en echarle
pegamento al corte, uno por uno. Para luego juntar 8 cortes y posteriormente pasar al secado.

Secado
En el secado, se deja 5 minutos los cortes en el “Árbol”, para luego separarlos y posteriormente
juntar 16 cortes en una bandeja.

Bandeja
En esta actividad, se deja los 16 cortes en una bandeja de la mano vía, que serán separados,
para luego juntarlos en grupos de 8 unidades.

Calentado
En grupos de 8 cortes, se da el calentado en una Estufa, durante 30 segundos. Al finalizar esta
actividad realizada por el operario “B”, se procederá a separar el grupo de 8 cortes y pasará a
la siguiente actividad.

Armado de Punta
En la máquina Armadora, un operario “C” hace la actividad de Armado de Punta, este se
demora 9 segundos aproximadamente. Entra y sale una unidad.

Inspección
En esta actividad, se hace una inspección rápida para ver si se hizo correctamente el armado.

8
Desarmado
En esta actividad, el operario “C” desarmará una por una las unidades que no pasaron la
inspección y tendrá una duración de 16 segundos. Se tiene 1% de unidades que serán
reprocesadas hacia el calentado (previamente juntado en un grupo de 8 cortes).

Calentado de Talón
En esta actividad entran un grupo de 8 unidades, previamente juntadas, y se pone en una estufa
durante 30 segundos, esto es realizado por el operario “D”.

Armado de Talón
En esta actividad, realizada por el operario “E” , las unidades previamente separadas, entran
una por una a la máquina, durante 13 segundos. Luego serán juntadas en un grupo de 16
unidades, para finalmente dar por terminada toda la operación.

9
2.2. Modelo Arena

Figura 2. 1

Simulación en arena del proceso

10
 CAPÍTULO III: ANÁLISIS Y RECOJO DE DATOS

3.1. Análisis de datos para Empaste

Figura 3. 1

Gráfico de distribución de análisis de datos para empaste

Figura 3. 2

Distribución de análisis de datos para empaste

Se escogió la distribución triangular debido a que cumplio con un p-value mayor a 0.1 en el
chi square test. Además que estaba dentro de las opciones restantes, siendo esta la más

11
conocida. Esto significa que posee parámetros los cuales son más fáciles de utilizar e
interpretar.

Por lo tanto para la actividad de empaste tenemos un square error de 0.011289 con una
expresión TRIA (15.5, 18.8 , 23.5).

3.2. Análisis de Datos para Secado

Figura 3. 3

Gráfico de distribución de análisis de datos para secado

Figura 3. 4

Distribución de análisis de datos para secado

12
Se escogió la distribución Empírica debido a que las demás distribuciones no cumplían con las
condiciones de poseer un p-value mayor a 0.1 en el chi square test. Por esto mismo la
distribución a elegir es la Empírica.

Por lo tanto para la actividad de Secado tenemos una expresión CONT or DISC (0.000,
4.500, 0.800, 5.500, 0.800, 6.500).

3.3. Análisis de Datos para Calentado

Figura 3. 5

Gráfico de distribución de análisis de datos para calentado

Figura 3. 6

Distribución de análisis de datos para calentado

13
Se escogió la distribución Empírica debido a que las demás distribuciones no cumplían con las
condiciones de poseer un p-value mayor a 0.1 en el chi square test. Por esto mismo la
distribución a elegir es la Empírica.

Por lo tanto para la actividad de Calentado tenemos una expresión CONT or DISC
(0.000, 29.500, 0.645, 30.500, 0.742, 31.500, 0.871, 32.500, 0.935, 33.500, 0.968, 34.500,
0.968, 35.500).

3.4. Análisis de Datos para Armado de Punta

Figura 3. 7

Gráfico de distribución de análisis de datos para armado de punta

Figura 3. 8

Distribución de análisis de datos para armado de punta

14
Se escogió la distribución Empírica debido a que las demás distribuciones no cumplían con las
condiciones de poseer un p-value mayor a 0.1 en el chi square test. Por esto mismo la
distribución a elegir es la Empírica.

Por lo tanto, para la actividad de Armado de Punta tenemos una expresión CONT or
DISC (0.000, 8.500, 0.690, 10.500, 0.862, 11.500, 0.931, 12.500, 0.931, 13.500).

3.5. Análisis de Datos para Desarmado

Figura 3. 9

Gráfico de distribución de análisis de datos para desarmado

Figura 3. 10

Distribución de análisis de datos para desarmado

15
Se escogió la distribución Empírica debido a que las demás distribuciones no cumplían con las
condiciones de poseer un p-value mayor a 0.1 en el chi square test. Por esto mismo la
distribución a elegir es la Empírica.

Por lo tanto para la actividad de Desarmado tenemos una expresión CONT or DISC
(0.000, 15.500, 0.533, 16.500, 0.700, 17.500, 0.967, 18.500, 0.967, 19.500).

3.6. Análisis de Datos para Calentado de Talón

Figura 3. 11

Gráfico de distribución de análisis de datos para calentado de talón

Figura 3. 12

Distribución de análisis de datos para calentado de talón

16
Se escogió la distribución Empírica debido a que las demás distribuciones no cumplían con las
condiciones de poseer un p-value mayor a 0.1 en el chi square test. Por esto mismo la
distribución a elegir es la Empírica.

Por lo tanto para la actividad de Calentado de Talón tenemos una expresión CONT or
DISC (0.000, 15.500, 0.533, 16.500, 0.700, 17.500, 0.967, 18.500, 0.967, 19.500).

3.7. Análisis de Datos para Armado de Talón

Figura 3. 13

Gráfico de distribución de análisis de datos para armado de talón

Figura 3. 14
Distribución de análisis de datos para armado de talón

17
 CAPÍTULO IV: VERIFICACIÓN

La verificación es el proceso de comparar dos o más resultados para garantizar su precisión.

Este proceso nos ayudará a verifcar la precisión e implementación del modelo.
Para verificar el proceso de armado de punta en la fábrica de zapatos modelado en
Arena se puede utilizar múltiples formas, se debe asegurar que los datos obtenidos sean los
verdaderos y reales. Para corroborar esta información se puede implementar múltipl es técnicas
y en este caso usamos las muestras reales y las muestras del modelo para poder obtener el
promedio y desviación estándar. Así, posteriormente obtuvimos los intervalos de confianza de
las diferencias, para así verificar si existían diferencias significativas o no .

18
Figura 4.1 Verificación
Verificación

19
 CAPÍTULO V: VALIDACIÓN

Para la validación del armado de punta, lo primero que hicimos fue comprobar si nuestros datos
de los tiempos obtenidos de forma empírica, tengan similitud con los datos reales. Por lo que
se mostró los datos a un trabajador de la empresa. Luego, con el modelo de Arena se validó
que todo el proceso y los datos que nos dan, sean parecidos al proceso real. Cabe mencionar
que anteriormente se hizo un diagrama del proceso para poder realizar ese modelo de Arena.
Con el trabajador pudimos comprobar que era muy parecido.
Para finalizar, con la verificación obtuvimos que el 0 estaba en el intervalo de confianza,
lo que nos indicaba que no había gran diferencia significativa.

Figura 5.1 Intervalo de confianza

Intervalo de confianza

20
 CAPÍTULO VI: DISEÑO DE EXPERIMENTOS

6.1 Justificación de los experimentos

El propósito principal de esta investigación es mejorar la eficiencia y aumentar la productividad

en las etapas de armado de punta y armado de talón en la producción de zapatos. La propuesta
planteada implica incrementar los recursos dedicados a estas etapas, añadiendo uno adicional
para cada escenario. Este aumento en máquinas y operarios tiene como objetivo acelerar los
procesos de armado de punta y armado de talón, permitiendo así la fabricación de un mayor
número de unidades finales. Esto no solo busca minimizar las esperas en la línea de producción,
sino también garantizar un proceso más fluido y eficiente en estas actividades clave.

Es importante considerar que reducir los tiempos de espera en estas fases no sólo
aumentará la producción, sino que también puede tener un impacto positivo en la calidad del
producto final y en la satisfacción del cliente al asegurar una producción más ágil y eficaz.

6.2 Indicadores para evaluar

Los indicadores por evaluar en el presente trabajo son:
• ARMADO PUNTA.Queue.NumberInQueue
• ARMADO TALON.Queue.NumberInQueue

Debido a que representan el número de unidades en cola a la hora de entrar a las actividades
de armado de punta y armado de talón para la siguiente unidad. Lo que una disminución en
dichos tiempos representa una mejora en la eficiencia y productividad de la fabricación de los
calzados.

6.3 Escenarios para evaluar

Para ambos escenarios se concluye que para mejorar la productividad y eficiencia de la
fabricación de calzados, debido a la baja capacidad de las máquinas y el hecho que solo un
operario realiza la mayoría de las actividades, optamos por aumentar el número de recursos.
En este caso, los recursos serían tanto el operario como las máquinas de armado de punta y
armado de talo.

21
Escenario 1: Se optó por aumentar la capacidad del recurso “ARMADORA”, que representa
la máquina de armado de punta. Además, el recurso “ARMADORATALONMAQUINA”, que
representa a la máquina de armado de talón. De tal manera que mejore la productividad diaria
y eficiencia. Además de aumentar la capacidad del recurso “OPERARIO25”, que representa al
operario encargado de la actividad armado de punta. Dicho aumento en ambos recursos se da
para evaluar el aumento en proactividad y eficiencia. Y por ultimo aumentar la capacidad del
“ARBOL”. Recurso en donde se da el secado posterior al empaste de cortes.

Figura 6.1 Aumento de Capacidad de Recurso “ARMADORA”

Aumento de Capacidad de Recurso “ARMADORA”

Figura 6.2 Aumento de Capacidad de Recurso “OPERARIO25”

Aumento de Capacidad de Recurso “OPERARIO25”

Figura 6.3 Aumento de Capacidad de Recurso “ARBOL”

Aumento de Capacidad de Recurso “ARBOL”

Escenario 2: Se optó por aumentar la capacidad del recurso “ARMADOTALONMAQUINA”,

que representa la máquina de armado de talón. De tal manera que mejore la productividad diaria
y eficiencia en este proceso final de la fabricación de calzado. Además de aumentar la
capacidad del recurso “OPERARIO25”, que representa al operario encargado de la actividad
armado de talón. Dicho aumento en ambos recursos se da para evaluar el aumento en
proactividad y eficiencia. Esto representado en una disminución de los números de unidades
en cola para dicha actividad.

22
Figura 6.3 Aumento de Capacidad de Recurso “ARMADOTALONMAQUINA”

Aumento de Capacidad de Recurso “ARMADOTALONMAQUINA”

Figura 6.4 Aumento de Capacidad de Recurso “OPERARIO25”

Aumento de Capacidad de Recurso “OPERARIO25”

23
CAPÍTULO VII: EXPERIMENTACIÓN Y ANÁLISIS DE LOS
RESULTADOS

7.1 Comparación con el Escenario 1

En el escenario 1, se propuso aumentar varios recursos con el fin de que el proceso sea más
rápido y eficiente.
Para esto, aumentamos el número de recursos a: 2 máquinas Armadora de punta, 2 máquinas
Armadora de talón, 2 árbol y 4 operarios.

Figura 7.1 Recursos del escenario 1

Recursos del escenario 1

Luego de hacer la simulación, obtuvimos los siguientes datos:

Tiempo en el sistema del modelo original:

62.03 +- 3.57
Tiempo en el sistema del escenario 1:
40.31 +- 3.62

Con estos datos nos dimos cuenta de que el tiempo en el sistema con la propuesta del escenario
1, es menor al del modelo original. Por lo que llegamos a la conclusión que nuestro escenario
es eficiente. Sin embargo, esta nueva propuesta tiene una gran inversión, por lo que se tendría
que decidir si es conveniente o no para la empresa, ya que los buenos resultados se obtendrían
a largo plazo.

24
 CAPÍTULO VIII: SATISFACCIÓN DEL OBJETIVO DEL
PROYECTO
Conclusiones:
1. Evaluación de Objetivos:
• El objetivo general de identificar y mejorar posibles fallas en el proceso de
armado de punta se logró satisfactoriamente. La simulación en Arena
proporcionó una visión detallada de los tiempos, recursos y puntos críticos del
proceso.
2. Eficiencia y Eficacia del Proceso:
• La evaluación de la eficiencia y eficacia del proceso actual, mediante la
simulación y comparación con datos reales, permitió identificar áreas de mejora.
Las estrategias propuestas se validaron mediante nuevas simulaciones,
demostrando mejoras significativas.
3. Entidades y Atributos:
• La identificación de entidades (hormas con cuero) y atributos (correcto armado
de la punta) se llevó a cabo de manera efectiva, permitiendo un seguimiento
preciso de la calidad del producto a lo largo del proceso.
4. Actividades y Recursos:
• La simulación de actividades como el armado de punta y armado de talón, junto
con la asignación adecuada de recursos como máquinas y operarios, demostró
ser clave para mejorar la productividad y reducir los tiempos de espera.
5. Condiciones Iniciales del Modelo:
• Las condiciones iniciales del modelo, como el tiempo de empaste, la capacidad
diaria y la cantidad de operarios, se ajustaron de manera efectiva para
representar el funcionamiento real del proceso de fabricación de zapatos.
6. Verificación y Validación:
• La verificación se realizó mediante la comparación de resultados entre el
modelo y datos reales, mientras que la validación se llevó a cabo al confirmar
la similitud de los datos empíricos con los resultados del modelo.

25
Satisfacción del Proyecto:
Aunque se lograron los objetivos establecidos, es importante reconocer las limitaciones del
modelo de simulación en Arena para ciertos aspectos específicos de la industria de fabricación
de zapatos:
• Interacción Humana:
• La simulación en Arena puede tener limitaciones para modelar las complejas
interacciones humanas presentes en un entorno de fabricación de zapatos.
Factores emocionales y sociales pueden no ser fácilmente representados por
modelos matemáticos.
• Flexibilidad en el Modelado:
• La variabilidad en los recursos y procesos específicos de cada fábrica de zapatos
puede requerir una personalización adicional del modelo. Arena, como
herramienta general, puede tener limitaciones en la adaptación a procesos
altamente personalizados.
• Validación Compleja:
• La validación del modelo puede enfrentar desafíos similares a los mencionados
en la industria de restaurantes. La complejidad de factores humanos y
variaciones en los procesos puede hacer que la validación sea más difícil.

En conclusión, aunque la simulación en Arena proporciona valiosa información para mejorar

la eficiencia del proceso de armado de punta y armado de talón, es crucial considerar estas
limitaciones y explorar herramientas adicionales o enfoques complementarios para abordar
aspectos específicos de la fabricación de zapatos.

26
 CAPÍTULO IX: DOCUMENTACIÓN

Para la elaboración de este proyecto nosotros como grupo nos planteamos una problemática
sobre un proceso que tuviera entradas y salidas controladas. Es por ello que escogimos una
empresa MYPE donde se nos facilitara el acceso para obtener los resultados de su proceso para
la elaboración de la punta de zapatos. Una vez escogida la empresa, nos dirigimos a establecer
una fecha donde pudiéramos ir a recolectar los datos. Esta etapa de recolección de datos nos
tomó aproximadamente 4 horas, donde evaluamos cada proceso para la elaboración del armado
de punta en la fábrica de zapatos. Después de tomar los datos sobre los tiempos en cada etapa,
nos dirigimos a dibujar el modelo a mano para luego moldearlo en el programa Arena.

Figura 9.1 Visita a Planta

Visita a Planta

Link del video

https://drive.google.com/file/d/1aTguYwo82_EG5TmSbUcZoDlVkjZzOoSI/view?usp=shari
ng

27
Luego, con los tiempos obtenidos, los pusimos en Input Analyzer para así tener los tiempos
para el Arena. Una vez hecho eso, procedimos a modelar en el Arena con ayuda de nuestro
diagrama y pusimos los tiempos que nos dio el Input Analyzer.
Cuando ya teníamos nuestro modelo, pensamos en el posible escenario que mejoraría nuestro
proceso. Luego, hicimos las modificaciones en nuestro Arena y obtuvimos los nuevos
resultados.

28
 CONCLUSIONES

• La simulación en Arena se ha revelado como una herramienta eficaz para alcanzar el

Objetivo General de identificar fallas en el proceso de armado de punta en la fábrica de
zapatos. La detección precisa de ineficiencias y áreas de mejora ha proporcionado una
base sólida para la toma de decisiones orientada a la optimización del proceso.

• La identificación y documentación detallada de los pasos y subprocesos del armado de

punta, junto con la recopilación de datos sobre tiempos, recursos y puntos críticos,
cumplieron con el Objetivo Específico de comprender exhaustivamente el
funcionamiento del proceso. Este conocimiento profundo sienta las bases para
intervenciones estratégicas y mejoras significativas.

• La evaluación de la eficiencia y eficacia del proceso actual mediante la simulación en

Arena ha sido fundamental para lograr los objetivos específicos. La representación
precisa del proceso en el modelo de simulación permitió cuantificar los resultados,
proporcionando una visión clara de las áreas que requerían atención y optimización.

• La validación exitosa de las estrategias de mejora propuestas a través de nuevas

simulaciones en Arena destaca la efectividad de esta herramienta en la toma de
decisiones fundamentada. Comparar los resultados previos a la simulación con los
resultados después de implementar mejoras ofrece una validación sólida de la eficacia
de las intervenciones propuestas.

29
 RECOMENDACIONES

• Se recomienda considerar la posibilidad de utilizar herramientas especializadas

adicionales que puedan abordar de manera más precisa la complejidad específica de la
fabricación de zapatos. Esto podría incluir soluciones diseñadas específicamente para
modelar la variabilidad en los procesos y la interacción humana, aspectos
fundamentales en la industria de calzado.

• Un enfoque más intensivo en la personalización del modelo de simulación es esencial

para adaptarse a las particularidades únicas de cada fábrica de zapatos. Ajustar el
modelo para reflejar con precisión la maquinaria utilizada, los procesos específicos y
las características distintivas de la producción garantizará resultados más aplicables y
relevantes para nuestra empresa.

• La integración continua de datos empíricos se presenta como una recomendación clave

para mejorar la validez y precisión del modelo de simulación. La retroalimentación
constante desde el entorno real de fabricación de zapatos permitirá realizar ajustes
continuos en el modelo, manteniendo su relevancia y confiabilidad a lo largo del
tiempo.

• Se sugiere establecer un programa de capacitación continua para el personal

involucrado en el proceso de armado de punta. La formación en la interpretación de los
resultados de simulación en Arena y la comprensión de cómo estas mejoras afectan
directamente a su trabajo cotidiano fortalecerá la implementación de cambios y
garantizará una mayor participación y compromiso del equipo en el proceso de mejora
continua.

30
 REFERENCIAS

Abeya, T. G., & Mulugeta, N. (2014). Modeling and performance analysis of manufacturing
systems in footwear industry. Science, Technology and Arts Research Journal, 3(3),
132. https://doi.org/10.4314/star.v3i3.23

Development of a lean manufacturing and SLP-based system for a footwear company. (2020,
14 diciembre). IEEE Conference Publication | IEEE Xplore.
https://ieeexplore.ieee.org/abstract/document/9309667

Eryilmaz, M. S. (2012). Analysis of shoe manufacturing factory by simulation of production

processes. Southeast Europe journal of soft computing, 1(1).
https://doi.org/10.21533/scjournal.v1i1.81

Méndez, J. B., Cremades, D., Fernando, N., Perez-Vidal, C., & Heras, J. V. S. (2021).
Conceptual and preliminary design of a shoe manufacturing plant. Applied sciences,
11(22), 11055. https://doi.org/10.3390/app112211055

Valenzuela-Ramos, M., Pacora-Valverde, A., Quiroz-Flores, J. C., Collao-Diaz, M., & Flores-
Perez, A. (2023). Model of Optimization of production based on the application of lean
tools to increase productivity in footwear manufacturing SMES. International Journal
of Modeling and Optimization, 66-71. https://doi.org/10.7763/ijmo.2023.v13.827

31