6
Luis Alfredo Aragón Guía  
Universidad Tecnológica del Perú  
aqpmjinnova@gmail.com  
Yordi Jesús Díaz Callo  
Universidad Tecnológica del Perú  
ydiaz0402a@gmail.com  
https://orcid.org/0000-0002-5915-8174  
https://orcid.org/0000-0002-2503-8297  
Marilyn Fabiola Juarez Flores  
Universidad Tecnológica del Perú  
e19100531@postgradoutp.edu.pe  
https://orcid.org/0000-0002-3149-0263  
RECIBIDO 15/11/2019 ● ACEPTADO 20/12/2019 ● PUBLICADO 30/03/2020  
RESUMEN  
Es importante para pequeñas empresas textiles que están creciendo tomar decisiones clave  
basadas en información precisa y confiable del proceso productivo presente y cómo los cambios  
futuros podrían afectarlas. Utilizando métodos matemáticos tradicionales no se logra reflejar de  
manera precisa y confiable el comportamiento real estocástico de procesos y actividades  
realizadas en esta industria. Sin embargo, existen tecnologías de información como la técnica de  
simulación por ordenador que permite obtener dicha información tomando en cuenta este  
comportamiento. La investigación realizó un estudio de simulación del proceso de confección de  
prendas de vestir de una pequeña empresa textil con el fin de proponer una mejor distribución  
de los recursos a través de experimentar con un modelo de simulación del proceso, además se  
presenta parte de la información cuantitativa que se obtiene con esta técnica. Los resultados  
obtenidos muestran que realizando cambios en asignar tareas y recursos se reduce el tiempo de  
producción de un lote de 120 unidades en una hora y se reduce aproximadamente 30 minutos el  
tiempo promedio que una unidad permanece en el sistema. Toda la información se obtuvo  
mediante un modelo de simulación verificado y validado sin la necesidad de experimentar dichos  
cambios con el sistema real.  
Palabras claves: Simulación, textil, eventos discretos.  
ABSTRACT  
It’s important for small textiles companies to take key decisions based on accurate and confidence  
information from the productive present process and future changes could they affect it. Using  
traditional maths methods it doesn’t reflect the real process behavior of activities from that  
industry. Although there are information technologies as simulation techniques by computers  
which permit obtain this information taking into account this behavior. This research performed  
a study of clothing process simulation from a small textile company in order to propose a better  
distribution of resources through experiencing with a process simulation model also it presents a  
part of quantitative information which is obtain with that technique. The results from that tests  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 1 Nº 1 Marzo - Agosto 2020 ISSN Nº 2708-0935  
7
obtained show changes in assignment tasks and resources that reduce production time of a block  
of 120 units in an hour and reduce approximately 30 minutes the average time that unit remains  
in the system. All this information was obtained through a simulation model verified and validated  
without experiment changes with the real system.  
Keywords: Textile, simulation, discrete events.  
INTRODUCCIÓN  
Una de las principales fuentes de empleo en el Perú es el sector textil y confección que representa  
el 8.9 % del total de la población económicamente activa (PEA). Gran parte de este empleo es  
generado por micro, pequeñas y medianas empresas (MIPYMEs) que contratan cerca de 302 mil  
trabajadores solamente en el rubro confecciones [1].  
En [2] presenta cómo la contribución al valor agregado manufacturero es mayor en sectores  
productivos donde el índice de adopción-uso de tecnologías de información y comunicación (TICs)  
es alto. El sector textil y confección poseen índices de 0.69 y 0.52. Incrementar este índice  
generará que la productividad de las MIPYMES peruanas aumente.  
Las TICs realizan la tarea de procesar información de manera rápida y confiable para la toma  
óptima de decisiones [3]. Dentro de las TICs se encuentra a la Simulación de Eventos Discretos  
(SED). Esta técnica es reconocida en [4] como la herramienta de investigación de operaciones  
más frecuentemente utilizada en industrias de manufactura, finanzas, salud, entre otras. Una  
encuesta realizada muestra en [5] que el modelado de simulación es usado en todos los niveles  
gerenciales de las 500 corporaciones más grandes en Estados Unidos. Además, donde la  
simulación se utilizó, se ahorró entre 5 % y 10 % del costo de capital.  
La SED representa cuantitativamente sistemas del mundo real, simula sus dinámicas sobre una  
base de evento por evento y genera información detallada sobre su desempeño. Utilizándola se  
busca mejorar la productividad a través de rendimientos más altos, leads times más cortos,  
trabajos en proceso bajos y alta utilización de recursos. La SED evalúa, sin experimentar con el  
sistema real, el comportamiento de un proceso de manufactura bajo diferentes grupos de  
condiciones; analiza escenarios para identificar mejores condiciones físicas y políticas  
operacionales [5].  
A partir de esta introducción, el artículo se basa en el estudio de SED desarrollado en la línea de  
confección de prendas de una pequeña empresa textil de Arequipa-Perú. Este trabajo tiene 4  
secciones. La siguiente sección presenta el resumen de la metodología utilizada. La tercera  
sección presenta los resultados y discusión del estudio. Finalmente, la cuarta sección presenta  
las conclusiones.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 1 Nº 1 Marzo - Agosto 2020 ISSN Nº 2708-0935  
8
MATERIALES Y MÉTODOS O METODOLOGÍA COMPUTACIONAL  
El estudio de SED se desarrolló bajo la metodología propuesta en [6] que consta de 8 pasos  
presentados en la Figura 1.  
Figura 1. Pasos en un estudio de simulación  
Mediante entrevistas al gerente, supervisor y visitas al proceso se evidenció el bajo nivel de  
utilización de recursos (operarios), cuellos de botella, tiempos de ciclo y tiempos totales de  
producción fuera del límite teórico establecido. Estos factores ocasionan la baja productividad en  
la línea y retrasos en la entrega de pedidos. El problema formulado nació por la necesidad del  
gerente de saber: ¿Cuánto va afectar a los factores de productividad el realizar cambios en la  
asignación de tareas y distribución física del personal? El objetivo es medir el impacto que tendrán  
los cambios propuestos en la productividad de la línea.  
El modelo conceptual de la Figura 2 se diseñó recopilando información de la lógica y secuencia  
de operaciones del proceso para confeccionar un pedido de 120 polos cuello camisa. Este modelo  
establece que la línea trabaja con 13 operarios (cada letra de la Figura 2 representa un operario)  
distribuidos en 17 estaciones, algunos operarios trabajan en más de una estación. Se recolectó  
la información mediante un estudio de tiempos don- de se tomaron 100 muestras de tiempos por  
cada operación para generar con el analizador de datos Input Analyser distribuciones de  
probabilidad por cada operación. Cada distribución pasó la prueba Chi-cuadrado y Kolmogorov-  
Smirnov (K-S) con un p-value mayor a 0.05 (5 %) que indica un buen ajuste de los datos con la  
distribución [7]. La Tabla 2 muestra las distribuciones de probabilidad por cada operación.  
El modelo de simulación se programó en el Software Arena versión libre. La verificación busca  
que el modelo se comporte como se planeó y la validación es asegurar que se comporta de la  
misma forma que el sistema real [8]. Ejecutando una réplica donde una sola entidad fluye por el  
modelo se comprobó que la lógica y datos son correctos. Para Validar el modelo se utilizó una  
prueba de hipótesis que comparó datos reales contra datos generados por el modelo [9]. La  
variable de comparación fue el número de polos cuello camisa producidos en un turno (8 horas).  
Se ejecutaron 10 réplicas del modelo y se comparó con los datos reales. Hechas las pruebas se  
concluyó que el modelo es válido. Con un modelo verificado y validado se planteó experimentar  
el escenario de mejora de la Figura 2 que mantiene la misma cantidad de recursos (13 operarios)  
pero se modifica el ordenamiento físico y la asignación de ciertas operaciones.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 1 Nº 1 Marzo - Agosto 2020 ISSN Nº 2708-0935  
9
Figura 2. Distribución  
y flujo en la línea de confección  
RESULTADOS Y DISCUSIÓN  
Se realizó 35 réplicas independientes del modelo de simulación del sistema actual y modificado  
(escenario de mejora) para evaluar el desempeño de la línea en producir un pedido de 120 polos  
cuello camisa. Variables como tiempo de ciclo promedio, tiempo en el sistema promedio y tiempo  
total de producción promedio y sus intervalos de confianza (IC) al 95 % se muestran en la Tabla  
1, además del valor mínimo, máximo y % de reducción entre escenarios. El Escenario propuesto  
de mejora reduce en 12 %, 19 % y 10 % el tiempo promedio de ciclo, en el sistema y total de  
producción respectivamente.  
Tabla 1. Comparativo de las variables de estudio entre escenarios (tiempo en minutos)  
Escenario Actual  
Escenario de mejora  
%
de  
reducció  
n
Promedio  
4.43  
95 % IC  
MínimoMáximo Promedio  
1.78 53.23 3.91  
95 % IC  
Mínimo Máximo  
1.62 53.63  
Tiempo de ciclo  
(4.42,4.44)  
(3.90,3.92)  
12 %  
Tiempo en el  
sistema  
1
72.67 (171.23,174.11) 48.86 304.12  
139.74 (138.28,141.20) 49.92 242.23  
19 %  
Tiemp  
de producción  
o total  
5
80  
(578.93,581.07) 573  
587  
520  
(518.54,521.46) 512  
531  
10 %  
CONCLUSIONES  
A través del modelo de simulación generado esta pequeña empresa textil podrá experimentar  
otras configuraciones de trabajo, medir el impacto productivo de adquirir nuevos activos  
(maquinaria), de contratar nuevo personal o de experimentar con la fabricación de nuevos  
productos, entre otras situaciones con el fin de evaluar que escenarios son los más adecuados  
para incrementar la productividad.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 1 Nº 1 Marzo - Agosto 2020 ISSN Nº 2708-0935  
10  
Tabla 2. Distribuciones de probabilidad por cada operación  
Código Operaciones  
Distribución (seg.)  
Distribución (seg.)  
NORM(213, 29.1)  
Código Operaciones  
F
G
H
H
I
Preparar + Asentar +  
Pespuntar pechera SET ON  
Preparar + Asentar +  
A
B
B
C
C
Pegar pechera SET ON  
listado+Revisión  
Acomodar prenda y pechera  
NORM(145, 25.8)  
155 + 103 * BETA(1.14,  
1.12)  
40 + 102 * BETA(1.03,  
1.33)  
NORM(85.7, 23.5)  
Pespuntar pechera SET ON  
+
Marcar para embolsar  
Atracar pechera listado interior25.5 + WEIB(27.3, 2.51)  
Recortar  
Embolsar pechera superior SET  
ON base + Revisión  
Igualar hombros con tijera  
+
Atracar pechera rectangular  
SET ON  
Preparacion y marcado de  
recubre  
NORM(120, 25.2)  
TRIA(13.5, 27, 40.5)  
Recortar abertura de pechera + 35.5 + WEIB(22.3, 2.49)  
Piquetear + Recortar pechera  
superior SET ON + Voltear  
39.5 + 34 * BETA(1.07,  
0.858)  
I
Recubrir basta faldon listado 49.5 + 64 * BETA(0.918,  
prenda  
fino long tail  
0.837)  
C
Embolsar puntas de cuello +  
Revisión  
27.5 + WEIB(18.5, 2.64)  
I
Recortar basta faldon  
14.5 + 10 * BETA(0.819,  
1.14)  
C
D
D
Unir hombros listado con tira  
NORM(24.2, 1.07)  
Pespuntar hombros con cadeneta NORM(16.8, 2.26)  
Pespuntar hombros con cadeneta 10.5 + WEIB(6.51, 2.56)  
especial  
J
J
G
Preparar el pegado de mangas NORM(24, 7.53)  
Pegar manga corta listado fino NORM(98.5, 8.98)  
Recubrir sisa manga corta  
47.5 + 15 * BETA(1.02,  
1.17)  
D
D
D
Corte de pespunte de cadeneta  
Marcar centro de cuello  
Pegar cuello box con cinta  
2.5+11* BETA(7.19, 6.91)  
4.5 + WEIB(4.3, 2.76)  
54.5 + 80 *BETA(0.901,  
K
L
L
Cerrar costados manga corta TRIA(211, 248, 275)  
listado fino long tail  
Fijar costados + Piquetear  
costados  
0
.945)  
(NORM(13.3, 2.75))+  
(NORM(13.3, 2.75))  
(19.5 + 28 * BETA(4.78,  
5.15))+ (19.5 + 28 *  
BETA(4.78, 5.15))  
E
E
Recortar cinta de cuello + Marcar NORM(40, 3.74)  
para pegado de etiqueta  
Formar pinzas  
Asentar cinta cuello box con 2  
etiquetas  
NORM(119, 15.5)  
REFERENCIAS  
[
[
[
1] J. M. G. Carpio, “Estudio de investigación del sector textil y confecciones,” 2015-12.  
2] P. PRODUCE, “Boletín de producción manufacturera, marzo 2017,” 2017.  
3] P. E. de la Situación Actual, “de las empresas peruanas [en línea] ministerio de la producción:  
Perú. recuperado de (2015).”  
[4] B. W. Hollocks, “Forty years of discrete-event simulation a personal reflection,” Journal of the  
Operational Research Society, vol. 57, no. 12, pp. 1383–1399, 2006.  
[5] E. Ing, E. Babulak, and M. Wang, “Trends in discrete event simulation.”  
[6] P. Sharma, “Simulación de evento discreto,” Revista internacional de investigación científica  
y tecnológica, vol. 4, no. 4, pp. 136–140, 2015.  
[7] P. J. T. Vega, Simulación de Sistemas con el software Arena. Fondo editorial Universidad de  
Lima, 2017.  
[8] W. D. Kelton, Simulation with ARENA. McGraw-hill, 2002.  
[9] A. Goti, Discrete Event Simulations. BoD–Books on Demand, 2010.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 1 Nº 1 Marzo - Agosto 2020 ISSN Nº 2708-0935