PROCESO DE OPTIMIZACIÓN EN LA
CARACTERIZACIÓN DE UNA PLANTA TEXTIL
A TRAVÉS DEL ANÁLISIS DE DATOS
OPTIMIZATION PROCESS IN THE CHARACTERIZATION OF A
TEXTILE PLANT THROUGH DATA ANALYSIS
Heidy Melisa Bautista Ojeda
Universidad América, Colombia
Angelica Maria Alzate Ibañez
Universidad América, Colombia
John Henry Bautista Segura
Fundación Universidad Agraria de Colombia, Colombia
pág. 5831
DOI: https://doi.org/10.37811/cl_rcm.v8i4.12740
Proceso de Optimización en la Caracterización de una Planta Textil a
través del Análisis de Datos
Heidy Melisa Bautista Ojeda 1
heidi.bautista@profesores.uamerica.edu.com
https://orcid.org/0000-0001-7109-2916
Universidad America
Bogota, Colombia
Angelica Maria Alzate Ibañez
angelica.alzate@investigadores.uamerica.edu.co
https://orcid.org/0000-0002-1854-2671
Universidad America
Bogota, Colombia
John Henry Bautista Segura
bautista.johnhe@uniagraria.edu.co
https://orcid.org/0000-0002-1470-5365
Fundación Universidad Agraria de Colombia
Bogota, Colombia
RESUMEN
La ciencia de datos se concibe como parte integral de la estrategia empresarial por su capacidad para
vislumbrar perspectivas profundas y procesables a partir de un conjunto de datos. En un entorno
empresarial cada vez más competitivo, la aplicación inteligente de la ciencia de datos permite a las
organizaciones tomar decisiones informadas, identificar oportunidades de mejora y mitigar riesgos de
manera proactiva. Este proyecto se centra en utilizar el análisis de datos para identificar áreas de mejora
y aplicar soluciones inteligentes que impulsen la productividad en una planta de producción textil. El
primer paso consistió en diagnosticar el proceso mediante la recopilación de datos relevantes, como
registros de producción, tiempos de ciclo, defectos de calidad y disponibilidad de recursos.
Posteriormente, se formuló un modelo matemático que describe el comportamiento del sistema de
producción y se llevó a cabo un análisis exhaustivo de los datos, considerando los tiempos de ciclo, la
eficiencia de la mano de obra y la utilización de recursos. Este análisis permitió identificar cuellos de
botella, áreas problemáticas y oportunidades de mejora dentro del sistema de producción. Las acciones
de mejora implementadas incluyen la instauración de un sistema de remuneración basado en el
cumplimiento de metas de producción por línea-planta, la implementación de controles de producción,
el manejo eficiente de la maquinaria y la definición de polivalencias y su distribución según los
requerimientos y especialidades dentro de la planta de confección. Los resultados obtenidos muestran
una reducción en el tiempo por unidad producida y una disminución en el costo unitario, indicando un
aumento en la eficiencia operativa y un impacto positivo en la rentabilidad, y, por ende, en la
competitividad de la empresa.
Palabras clave: eficiencia, optimización, ciencia de datos, mejora continua, gestión por proyectos
1
Autor princpal
Correspondencia: heidi.bautista@profesores.uamerica.edu.com
pág. 5832
Optimization Process in the Characterization of a Textile Plant through
Data Analysis
ABSTRACT
Data science is conceived as an integral part of business strategy because of its ability to glimpse deep
and actionable insights from a set of data. In an increasingly competitive business environment, the
intelligent application of data science enables organizations to make informed decisions, identify
opportunities for improvement, and proactively mitigate risks. This project focuses on using data
analytics to identify areas for improvement and apply intelligent solutions to boost productivity in a
textile production plant. The first step was to diagnose the process by collecting relevant data such as
production records, cycle times, quality defects and resource availability. Subsequently, a mathematical
model describing the behavior of the production system was formulated and an exhaustive analysis of
the data was carried out, considering cycle times, labor efficiency and resource utilization. This analysis
identified bottlenecks, problem areas and opportunities for improvement within the production system.
The improvement actions implemented include the establishment of a remuneration system based on the
fulfillment of production goals per line-plant, the implementation of production controls, the efficient
management of machinery and the definition of polyvalences and their distribution according to
requirements and specialties within the garment plant. The results obtained show a reduction in the time
per unit produced and a decrease in the unit cost, indicating an increase in operating efficiency and a
positive impact on profitability and, therefore, on the company's competitiveness.
Keywords: efficiency, optimization, data science, continuous improvement, project management
Artículo recibido 05 julio 2024
Aceptado para publicación: 07 agosto 2024
pág. 5833
INTRODUCCIÓN
En los procesos de análisis de tejido industria textil, se busca de manera permanente, parámetros de
eficiencia y rendimiento, como parte de la posibilidad de posicionamiento competitivo. Para lo cual, el
análisis de datos, y el uso de estos a través de metodologías y herramientas que contribuyen en la
optimización de la productividad, en la adaptación de las particularidades de producción y la posibilidad
de cuantificación de evolución de cada propuesta.
El módulo de producción textil, como centro neurálgico de cara a la demanda, los cuales son abordados
desde su complejidad diaria. En este ejercicio se acercan desde gestión de recursos y la optimización de
procesos hasta la definición de la calidad del producto final. Por lo que, en este ejercicio se abordan
como parte de la transformación y evaluación de efectividad mediante el análisis detallado de los datos
generados a partir de las particularidades asociados a la producción, a través del seguimiento a los
indicadores y a los planes de acción que, con una visión en la mejora continua, desarrolla actividades
que de manera oportuna están generando parámetros de medición de eficiencia, fomentando el trabajo
en equipo y la solución a problemas. Esta muestra nos da una visión de apertura para iniciar un análisis
de la operación interna e idear un mejor procedimiento para incrementar la producción por unidad de
tiempo y reducir los costos unitarios manteniendo la calidad de sus prendas de vestir, lo cual toma gran
relevancia para su sistema de gestión de producción.
Para nuestro caso de estudio se tuvo acceso a los datos de una planta de producción textil, con
características como la convergencia entre los datos, su seguimiento, la tradición y la tecnología, como
parte importante de la aplicación de un análisis mixto de investigación. Estos abordajes proponen una
forma de gestión que modulen la operación diaria en términos de eficiencia, productividad y bienestar,
con una verificación en el análisis de datos avanzados, y un seguimiento que desencadena un cambio
cultural hacia la innovación y la excelencia operativa en la industria textil.
METODOLOGÍA
Descripción del sistema o del entorno, que muestra el lugar del estudio
Se establece un análisis de la empresa que proporciona los datos a estudiar, para lo cual se define una
compañía de característica multinacional del sector retal con presencia en Colombia, Costa Rica,
Ecuador y Panamá; cuenta con operación en China, Bangladesh e India. Cuya sede principal está ubicada
pág. 5834
en Bogotá – Colombia, donde genera más de 8.000 empleos directos, temporales, aprendices y
practicantes.
Dentro de la sede principal se encuentran ubicado diversas plantas de confección y procesamiento de
los diferentes productos que se pueden encontrar dentro de las tiendas en donde se ofertan sus productos.
La planta de estudio, se denomina planta Saco, en donde se fabrica las líneas de Blazer, gabanes y
chalecos con los cuales la compañía espera generar un estilo diferenciador; bajo el cumplimiento de los
objetivos estratégicos (Calidad, estilo, precio y oportunidad de entrega) de la compañía de estudio.
Cada uno de estos parámetros están asociados a la producción, a través del seguimiento a los indicadores
y a los planes de acción que, con una visión en la mejora continua, desarrolla actividades que de manera
oportuna están generando parámetros de eficiencia, fomentando el trabajo en equipo y la solución a
problemas. Esta visión da apertura para iniciar un análisis de la operación interna e idear un mejor
procedimiento, para incrementar la producción por unidad de tiempo y reducir los costos unitarios
manteniendo la calidad de sus prendas de vestir, lo cual toma gran relevancia para su sistema de gestión
de producción.
Para nuestro caso de estudio se tuvo acceso a los datos de una de las plantas de producción, con
características como:
Planta Saco está programada para trabajar con:
• 2 líneas de producción en doble turno
• Con un total de 240 personas de mano de obra directa
• Y 23 de mano de obra indirecta
La planta de confección presenta una eficiencia promedio del 60.98%, lo que genera un aumento del
tiempo estándar de 50 min a 70 minutos en promedio; lo que hace incurrir a la planta de confección en
un sobrecosto por unidad producida de $3676 pesos, aproximadamente.
Para lo cual el análisis de mejora en la implementación de controles de producción para contextos en el
área de confección se definió bajo los siguientes pasos:
1. Se definieron los objetivos, lo cual determino cuál la especificidad de mejora sobre los controles
de producción en el área de confección. En este caso en términos de la eficiencia relacionada a la
reducción de tiempos, organización de los módulos, definición de incentivos para los recursos humanos,
pág. 5835
entre otros.
2. Se caracterizo el contexto, de una forma descriptiva y se recopilo la información definida como
los datos y evidencias sobre el funcionamiento actual de los controles de producción en el área de
confección. Lo que incluyo la revisión de registros de producción, la observación directa del proceso,
entrevistas con el personal involucrado y análisis de datos de desempeño.
3. Conforme la caracterización y el entendimiento del proceso se identificaron los parámetros de
mejora, analizando la información recopilada y la identificación de las áreas en las que los controles de
producción pueden ser mejorados. Lo que incluyo identificar cuellos de botella en el proceso, identificar
tareas o pasos que consumen mucho tiempo o identificar problemas recurrentes en la producción.
4. Se estableció metas y objetivos basado en las áreas identificadas para mejorar, definidos desde
la factibilidad del proceso y su alcance en un periodo de tiempo próximo.
5. Se definió una propuesta de plan de acción, indicando como cómo se llevarán a cabo las mejoras
en los controles de producción. Lo que implica la asignación de recursos, la implementación de nuevos
métodos, la capacitación del personal y la revisión de los procedimientos existentes.
6. Se espera que bajo los parámetros dispuestos se pueda implementar el plan de acción por medio
de una comunicación asertiva a todo el personal involucrado y proporcionar el apoyo necesario durante
el proceso de implementación.
7. Monitorear y medir los resultados estableciendo un seguimiento a los indicadores clave de
desempeño que son relevantes para evaluar el impacto de las mejoras implementadas.
8. Realizar ajustes y mejoras adicionales que se consideren necesarias con base en los resultados
y las lecciones aprendidas durante la implementación, así como el ejercicio constante de identifica
nuevas oportunidades de mejora y continuar con el ciclo de análisis, planificación, implementación y
seguimiento de manera continua.
Descripción del análisis de entrada y las pruebas empleadas
En el proceso de análisis de entrada y las pruebas empleadas se estableció un control estadístico de
procesos lo cual posibilita el uso de herramientas y técnicas estadísticas para monitorear y controlar la
variabilidad del proceso de confección. Esto incluyo el uso de gráficos de control para detectar
desviaciones y tomar acciones correctivas o preventivas (Universidad Pontificia Bolivariana;
pág. 5836
Universidad Nacional de Colombia; Universidad Santiago de Cali., 2017).
Así mismo el diseño de pruebas piloto que permite identificar el impacto de diferentes variables o
factores en el proceso de confección. La manipulación estadística adecua la planificación, identificando
las combinaciones óptimas de factores para mejorar el rendimiento del proceso.
Todo esto permite evaluar la capacidad del proceso para cumplir con los requisitos y especificaciones
establecidos. El análisis estadístico permite determinar la capacidad potencial y real del proceso de
confección, identificando oportunidades de mejora y estableciendo metas realistas (Doria Conde &
Santos Serrano, 2018).
En este caso para mejorar la implementación de controles de producción y aumentar la eficiencia en el
área de confección, se tuvieron en cuenta. La planificación de la producción en donde se establece un
plan de producción claro y detallado que tenga en cuenta los recursos disponibles, la capacidad de
producción y los plazos de entrega. Una planificación adecuada ayuda a evitar retrasos, optimizar los
recursos y mantener un flujo de producción constante. Así mismo la optimización de procesos en donde
se analizar y mejorar continuamente los procesos de producción para identificar ineficiencias y cuellos
de botella (Procolombia , 2024). Esto puede implicar la reorganización de la disposición del equipo, la
implementación de métodos de producción más eficientes y la eliminación de pasos innecesarios. En
ese sentido se definieron las variables trabajadas.
Se identificaron las siguientes variables aleatorias susceptibles de análisis:
a. Corte
a. La mordería
b. Los insumos
c. La maquinaria
d. Personal
e. Ficha técnica
f. Muestra física
g. Balanceo de línea
h. Layout o distribución física del módulo.
pág. 5837
La base de datos suministrada por la empresa permite contar con las variables mencionadas, sin
embargo, se debe hacer un preprocesamiento. Definiendo la relación de variables conforme la intención
y definición de objetivos, para lo cual se definió: Eficiencia, Tiempo Estándar, Unidades, Costos por
unidad. Después de esto sí se procede a realizar las diferentes pruebas de independencia, homogeneidad
y bondad de ajuste.
Adicionalmente se establecieron otras variables para comprobar independencia y homogeneidad. Estas
variables son: mes, semana, módulos.
En lo que sigue se presentan las gráficas de barras e histogramas para las variables identificadas, de
forma que se valide gráficamente la generalidad de las observaciones.
De las correlaciones se observa lo siguiente:
• Un cluster de variables relacionadas de forma estrecha, compuesto por los tiempos actuales,
tiempos esperados, las personas a necesitar y el costo por unidad de trabajo.
• Un modelo matemático apropiado para la simulación de este grupo de variables son ecuaciones
lineales, pero también se requiere validar si existe homogeneidad.
• La mayor correlación (dependencia) se encuentra entre la reducción semanal, las polivalencias,
el control de módulos y la reducción de ausentismo como se observa en la figura 1 de forma mensual,
para su mejor visualización.
Figura 1. relación de variables y su comportamiento.
Elaboración: propia
$ 0,00
$ 200.000,00
$ 400.000,00
$ 600.000,00
$ 800.000,00
$ 1.000.000,00
$ 1.200.000,00
$ 1.400.000,00
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
REDUCCION SEMANAL TOTAL
ESPERADO
REDUCCION POR AUMENTO
DE POLIVALENCIAS
REDUCCION CONTROL
MODULOS
REDUCCION AUSENTISMO
pág. 5838
Descripción del modelo matemático y del modelo de simulación
El análisis de mejora para el control de producción para contextos definidos en el área de confección
implico el uso de métodos y técnicas matemáticas para evaluar y optimizar los procesos de producción.
Por lo que se tomó en cuenta lo siguiente:
• Se definió un conjunto de variables que representan las características relevantes del proceso de
producción, como el tiempo de ciclo, la cantidad de producción, la eficiencia de la mano de obra, etc.
• Se identifico parámetros clave que influyen en el rendimiento de la producción, como la
disponibilidad de recursos, las capacidades de los módulos, las habilidades del personal, entre otros.
Modelado matemático
Se definió modelo matemático que describe el comportamiento del sistema de producción. Esto facilito
la representación de relaciones entre las variables y parámetros identificados.
En este caso el modelo determina su expectativa, a raíz de la naturaleza de las variables y la
incertidumbre involucrada en el proceso de producción. Para lo cual se estableció el módulo de la Figura
2:
Figura 1 Modulo propuesto
Elaboración: propia.
ESPALDA
STD STD STD STD STD STD STD
0.82 0.82 0.00 0.96 1.20 0.36 1.38
0.00 0.00 0.00 0.00 0.55 0.00
0.00 0.00 0.00 0.00 0.00 0.00 0.00
0.00 0.00 0.00 0.00 0.00 0.00 0.00
0.00 0.00 0.00 0.00 0.00 0.00 0.00
0.82 0.82 0.96 1.20 0.91 1.38
STD STD STD STD STD STD STD
0.67 0.79 0.51 0.92 0.77 0.79 1.30
0.54 0.00 0.00 0.00 0.00 0.00 0.00
0.00 0.00 0.00 0.00 0.00 0.00
0.00 0.00 0.00 0.00 0.00 0.00 0.00
0.00 0.00 0.00 0.00 0.00 0.00 0.00
1.21 0.79 0.51 0.92 0.77 0.79 1.30
STD STD STD STD STD
0.44 0.10 0.85 1.01 0.96
0.30 Borrar flojo sisas{{ 1.02 0.44 0.00 0.21
Planchar mora y cuello 0.53 0.00 0.00 0.00 0.00
0.00 0.00 0.00 0.00 0.00
0.00 0.00 0.00 0.00 0.00
1.27 1.12 1.28 1.01 1.17
STD STD STD STD
0.20 0.49 0.49 0.26
0.11 Hacer descargue en puntas 0.40 Descargar ruedo{{ 0.53 Ensamblar mangas y cuerpo 0.21
0.56 0.00 0.00 0.43
0.00 0.00 0.00
0.00 0.00 0.00 0.00
0.86 0.89 1.02 0.90
SEDAS
OM
Voltear ruedo
Refilar en contorno sisa x3
73
73
63
50
CC
6
7
CC
Pegar vivo PU a cuello
Pegar vivo PU a cuello
2
1
3
4
5
F
G
Afinary hacer piq de
cuello
B
A
C
D
E
PL1A
CC
PL1A
Sentar cuello
50
76
78
65
117
76
Pegar mangas{{
66
PL1A
PL1A
Pespuntar frente y mora
x2
Pegar cuello en 2
tiempos
MM
PL1A
47
F
G
PLCH
PRE
Prehormar cuello
Prensar cuello
Afinar y vol cuello
54
Cerrar cuello{{
Hacer costura de sost
ftex2
Pegar cuello parte
curvo x2
Unir frente con ruedo
redondo
Taladrar cuello x2 EXT
CC
MOSI
Dobladillar ruedo DD
46
PCHA
Planchar chaqueta en
contorno
60
F
PCHA
Prehormar ruedo
completo
Preparar pieza para
planchar
51
F
PL1A
PL1A
Fijar falso x sisa x2
Fijar falso a fte x2
67
G
PLCHA
MO
Af fals mar punt y pone suj{{
OM
OM
Marcar cuello en contorno
Ensamblar seda y paño
Preparar pieza para planchar
70
F
G
67
pág. 5839
Dicha propuesta está basada en los datos que han sido recolectados y que fueron suministrados para
establecer los datos relevantes del proceso de producción, como registros de producción, tiempos de
ciclo, unidades, etc. Estos datos se utilizan para alimentar el modelo matemático y proporcionar una
base para el análisis.
Una vez definidos los contextos de modelación se define los parámetros de análisis y optimización
utilizando técnicas de análisis matemático, realizado cálculos y evaluaciones para comprender el
rendimiento actual del sistema de producción e identificar áreas de mejora.
En ese sentido se proponen métodos de optimización para encontrar soluciones óptimas o aproximadas
que maximicen la eficiencia, minimicen los tiempos de ciclo y aporten en la capacitación de los recursos
humanos para potenciar la posibilidad de polivalencias dentro del proceso (DELTA Maquinas y texteis
, 2024).
Los resultados del análisis se presentan en forma de informes, gráficos y conclusiones cuantitativas, los
cuales ayudan a los responsables de la toma de decisiones a comprender el rendimiento actual, identificar
áreas de mejora y tomar decisiones informadas sobre la implementación de controles de producción.
RESULTADOS Y DISCUSIÓN
Descripción del análisis de salida y del diseño experimental
El análisis de salida busca validar la consistencia del modelo simulado a partir del análisis de entrada,
así como de evaluar los diferentes escenarios de plan de trabajo, tal que se minimice el impacto sobre el
presupuesto y asegure que los recursos se utilicen en al menos el 66.57% de su capacidad.
Los resultados del modelo permiten identificar la utilización de recursos y su disponibilidad, y con base
en esto el costo asociado a cada plan de trabajo como se ve en la tabla 1.
Tabla 1. Aumento esperado por control de modulo, aumento, polivalencia
Elaboración: propia.
MES
AUMENTO ESPERADO POR CONTROL MODULOS
AUMENTO ESPERADO POR POLIVALENCIAS AUMENTO ESPERADO POR REDUCCION AUSENTISMO
ENERO 1,44% 0,67% 0,37%
FEBRERO 2,12% 0,99% 0,55%
MARZO 2,38% 1,11% 0,62%
ABRIL 2,64% 1,23% 0,68%
MAYO 2,90% 1,35% 0,75%
JUNIO 3,16% 1,47% 0,82%
JULIO 3,39% 1,58% 0,88%
AGOSTO 3,65% 1,70% 0,95%
SEPTIEMBRE 3,92% 1,82% 1,01%
OCTUBRE 4,15% 1,93% 1,07%
NOVIEMBRE 4,41% 2,05% 1,14%
DICIEMBRE 4,67% 2,17% 1,21%
Total general 3,24% 1,51% 0,84%
pág. 5840
Las divisiones modulares muestran muy buenos resultados, ya que permite realizar un conocimiento
detallado de las operaciones. Así mismo detectar de manera oportuna aquellas oportunidades de mejora
inmediatas que se requieran modificación para influir en la obtención de buenos resultados al final del
ejerció completo de fabricación, como se observa en la figura 3.
Figura 3 Aumento esperado.
Elaboración: propia
La identificación de variables de la planta y el estudio de métodos facilitan la definición de nuevos
niveles y desempeño, los cuales son importantes para garantizar mayores utilidades, sostenimiento y
crecimiento de personal de manera interna.
La planta de producción a través del estudio, propicia parámetros de capacidad y sostenimiento que dan
respuesta a los compromisos de venta, lo que minimiza la constante importación de productos con una
cifra dentro del primer año de la no importación de 3208 unidades. Por lo que se puede corroborar en la
tabla 2.
Tabla 2. Aumento esperado por unidad.
Elaboración: propia.
0,00% 2,00% 4,00% 6,00% 8,00% 10,00%
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
AUMENTO ESPERADO POR
CONTROL MODULOS
AUMENTO ESPERADO POR
POLIVALENCIAS
AUMENTO ESPERADO POR
REDUCCION AUSENTISMO
MES UNIDAES REALES ESPERADAS UNIDAES PROYECTADAS ESPERADAS
ENERO 2.631 2.739
FEBRERO 2.748 2.913
MARZO 3.284 3.507
ABRIL 2.540 2.731
MAYO 3.442 3.728
JUNIO 2.660 2.897
JULIO 2.626 2.879
AGOSTO 3.355 3.700
SEPTIEMBRE 2.759 3.068
OCTUBRE 2.727 3.040
NOVIEMBRE 3.487 3.918
DICIEMBRE 2.674 3.021
Total general 34.933 38.141
pág. 5841
Dentro del ejercicio se realizar una disminución por unidad de tiempo de 3 minutos por prenda producida
y una reducción de costos unitarios de $818 pesos.
CONCLUSIONES
Cada uno de estos propositos de estudio buscan definir que el contexto empresarial debe considerar
tomar sus desiciones en un proceso basado en datos, ya que proporciona un entorno en el cual los datos
se recopilan, gestionan y analizan de manera sistemática bajo un respaldo argumental un contexto
estrategico. En este proposito de gestion, las empresas podran identificar patrones, tendencias y
oportunidades que de otro modo podrían pasar desapercibidos. Al integrar la toma de desiciones a partir
de datos en todos los niveles de la organización, se mejora la precisión de las proyecciones y la capacidad
de respuesta a los cambios del mercado, lo que facilita una planificación más eficiente y una ejecución
más efectiva de las estrategias empresariales.
En ese sentido se muestra el proceso de caracterización, definición de objetivos y proyección bajo
parámetros de evaluacion eficiencia, por lo que es importante definir que cada uno de estos aspectos se
se pueden indagar de manera permanente para evaluar y optimizar los procesos de producción.
Para lo cual los tiempos de ciclo se pueden establecer a través del tiempo necesario para completar una
unidad de producción, desde el inicio hasta la finalización. El monitoreo y análisis de los tiempos de
ciclo permiten identificar cuellos de botella y oportunidades para mejorar la eficiencia y reducir los
tiempos de producción. Así mismo la productividad se mide en términos de la cantidad de producción
generada en relación con los recursos utilizados, como la mano de obra, las máquinas y los materiales.
El seguimiento de la productividad ayuda a identificar oportunidades para optimizar la utilización de los
recursos y aumentar la eficiencia de la producción, y que es un parámetro constante de evolución y
perfeccionamiento, con los que se debe seguir trabajando en aras de proporcionar un proceso sostenible
a largo tiempo.
Un tema que no fue tratado en este proceso es la calidad. La calidad del producto final es un factor
crítico en la industria de la confección. Se pueden monitorear parámetros de calidad, como el número
de defectos, la tasa de reprocesamiento y el nivel de satisfacción del cliente. El análisis de la calidad
permite identificar áreas problemáticas y tomar medidas correctivas para mejorar la calidad general de
la producción.
pág. 5842
Por otra parte, la definición de proceso de eficiencia de la mano de obra referido a la eficiencia y
productividad de los trabajadores involucrados en el proceso de confección. Se puede analizar la
cantidad de producción por trabajador, los tiempos de ciclo individuales y el cumplimiento de los
estándares de trabajo. Identificar y mejorar la eficiencia de la mano de obra puede tener un impacto
significativo en la productividad general.
Finalmente, la posibilidad de establecer el cumplimiento de plazos de entrega es crucial. El análisis del
cumplimiento de plazos permite identificar retrasos y problemas en la programación de la producción.
Esto ayuda a tomar medidas correctivas para mejorar la puntualidad en la entrega de los productos.
Es importante destacar que estos parámetros pueden variar según las necesidades y particularidades de
cada empresa de confección. El análisis de mejora en la implementación de controles de producción
debe adaptarse a los objetivos y requisitos específicos de cada contexto en el área de confección.
REFERENCIAS BIBLIOGRÁFICAS
Gómez Gallo, M., Florez López, L., Cardona Pareja, R., Isaza Cano, C., Villa Vélez, D., & Rendón
González, M. (2006). Producción más limpia en el Área Metropolitana del Valle de Aburrá
(Antioquia, Colombia). Produccion mas Limpia, 24.
GómezFretes, M. (2023). Aplicación de las 5S de calidad como propuesta de mejora en el área de
producción de industrias textiles. Ciencia Latina Revista Científica Multidisciplinar, 14.
Guerrero-Estrada, O., Anaya-Fuentes, G., Montaño-Arango, O., Corona-Armenta, J., & Ramírez-
Reyna, S. (2023). Optimización de estaciones de trabajo deun almacén del sector textildel
estadode Hidalgo. PADI, 6.
Ortiz Porras , J., Bancovich Erquínigo, A., Candia Chávez, T., Huayanay Palma, L., & Salas Bacalla, J.
(2023). Método de aplicación de la herramienta Value Stream Mapping para aumentar la
competitividad en una empresa textil y de confecciones. Revista Industrial Data, 15.
SOLÍS RODRÍGUEZ, M. (2023). “MEJORAMIENTO EN EL PROCESO DE PRODUCCIÓN EN LA
FABRICACIÓN DE TEXTILES XAMATEX EN LA CIUDAD DE AMBATO DE LA PROVINCIA
DE TUNGURAHUA. Riobamba.
Calleja, T. R. (2023). Análisis sobre la influencia de la moda digital en la sostenibilidad de la producción
textil. Dialnet , 12.
pág. 5843
DELTA Maquinas y texteis . (13 de marzo de 2024). deltamaquinastexteis. Obtenido de
deltamaquinastexteis: https://deltamaquinastexteis.com.br/es/descubre-de-las-tendencias-del-
sector-textil-para-2023/
Doria Conde, K. L., & Santos Serrano, V. (2018). Análisis de Eficiencia del Sector Textil y Confecciones
en Colombia 2009-2015. Bucaramanga .
Godet, M. (2000). La caja de herramientas de la prospectiva estratégica (Cuarta ed.). Paris: Laboratoire
d'Investigation Prospective et Stratégique.
Mojica, F. (2005). La construcción del futuro. Concepto y modelo de prospectiva estratégica, territorial
y tecnológica (Primera ed.). Bogotá: Universidad Externado de Colombia.
Mojica, F. (8 de septiembre de 2008). The Millennium Project. Global Futures Studies & Research. Dos
modelos de la escuela voluntarista de prospectiva estratégica. Recuperado el 26 de junio de
2017, de
http://www.franciscomojica.com: http://www.franciscomojica.com/articulos/modprosp.pdf
Mojica, F. (junio de 2010). Introducción a la prospectiva estratégica para la competitividad
empresarial. Recuperado el 26 de junio de 2017, de http://sigug.uniguajira.edu.co:
http://sigug.uniguajira.edu.co/planeacion/word/documentos/Introducci%C3%B3n%20a%20la
%20prospectiva%20estrat%C3%A9gica.pdf
Procolombia . (13 de marzo de 2024). colombiatrade. Obtenido de colombiatrade:
https://www.colombiatrade.com.co/noticias/industria-textil-colombiana-y-su-crecimiento-
traves-de-la-innovacion-y-la-competitividad
Universidad Pontificia Bolivariana; Universidad Nacional de Colombia; Universidad Santiago de Cali.
(2017). Tendencias Actuales de la Investigacion Administrativa. Palmira : Las Facultades de
Administración de Empresas.
Zwicky, F. (1957). Morphological Astronomy (Primera ed.). Berlin: Spring-Verlag. doi:10.1007/9783-
62-87544-1