Integración de gestión por procesos mediante simulación de eventos
discretos para mejorar la calidad de servicio en una empresa gráfica
Integration of Process Management through Discrete-Event Simulation to
Improve Service Quality in a Graphic Company
Marlon Segundo Cedamanos Jordan
*
WG Perú S.A.C., Trujillo, Perú.
* Autor correspondiente
:
macejo@gmail.com
(M. Cedamanos)
DOI:
10.17268/scien.inge.2026.03.04
RESUMEN
El presente estudio tuvo como objetivo analizar cómo la integración de la gestión por procesos, apoyada en la
simulación de eventos discretos, contribuye a mejorar la calidad del servicio en una empresa gráfica. La investi-
gación se desarrolló con un enfoque aplicado, empleando herramientas de análisis de procesos, evaluación de la
calidad del servicio mediante el instrumento SERVQUAL y modelación del sistema productivo mediante simu-
lación. Inicialmente se realizó un diagnóstico del proceso productivo, identificándose demoras asociadas princi-
palmente a la organización de las actividades y a la concentración de carga operativa en determinadas etapas del
proceso. Posteriormente se implementaron mejoras basadas en la gestión por procesos orientadas a reorganizar el
flujo de trabajo y mejorar la coordinación entre las actividades productivas. Los resultados proporcionan evidencia
a favor de la hipótesis, con una reducción aproximada del 25,0 % en el tiempo promedio de espera de los pedidos
y una mejora en la percepción del servicio, donde el 85,0 % de los clientes calificó la calidad del servicio en un
nivel alto. Se concluye que la gestión por procesos constituye una alternativa efectiva para fortalecer la calidad
del servicio en empresas del sector gráfico.
Palabras clave:
gestión por procesos; simulación de eventos discretos; calidad del servicio; SERVQUAL; indus-
tria gráfica.
ABSTRACT
The aim of this study was to analyze how the integration of process management, supported by discrete event
simulation, contributes to improving service quality in a graphic company. The research was conducted using an
applied approach, employing process analysis tools, service quality assessment through the SERVQUAL instru-
ment, and modeling of the production system through simulation. Initially, a diagnosis of the production process
was carried out, identifying delays mainly associated with the organization of activities and the concentration of
operational workload at certain stages of the process. Subsequently, improvements based on process management
were implemented to reorganize the workflow and enhance coordination among production activities. The results
show an approximate reduction of 25.0% in the average waiting time for orders and an improvement in service
perception, with 85.0% of customers rating service quality at a high level. It is concluded that process management
represents an effective alternative for strengthening service quality in companies within the graphic industry.
Keywords:
process management; discrete event simulation; service quality; SERVQUAL; graphic industry.
En los últimos años, la industria gráfica ha vivido un cambio profundo, dejando atrás los métodos tradicionales
para dar paso a entornos cada vez más digitalizados, donde la automatización, el comercio electrónico y las tec-
nologías emergentes juegan un papel central. Esta evolución no solo ha modernizado la forma de producir, sino
que también ha elevado el nivel de competencia, exigiendo a las empresas mayor rapidez en los tiempos de entrega,
productos más personalizados y una gestión más eficiente de sus operaciones. En este escenario, el diseño gráfico
ha adquirido un rol estratégico dentro de la comunicación visual actual, impactando no solo en lo comercial, sino
también en lo social y cultural (Rodríguez Gutiérrez et al., 2020).
Frente a este entorno dinámico, las organizaciones del sector se ven obligadas a revisar constantemente sus pro-
cesos internos para mantenerse competitivas y diferenciarse en el mercado. En particular, la calidad del servicio
ha pasado a ser un elemento clave para lograr la fidelización de los clientes y asegurar la sostenibilidad del negocio,
SCIÉNDO INGENIUM
SSN Nº 3084-7788 (En línea) Sci. ingen. 22(3): 43-60, (2026)
Fecha de envío: 01-04-2026
Fecha de aceptación: 17-09-2026
Fecha de publicación: 30-09-2026
ya que abarca aspectos como la confiabilidad, la rapidez de atención, la seguridad y la empatía en la relación con
el usuario (Parasuraman et al., 1985; Curu Rodriguez et al., 2024). Diversas investigaciones destacan que una
adecuada gestión de procesos permite disminuir errores, optimizar recursos y mejorar la percepción de valor del
cliente (García-Fernández et al., 2022). Asimismo, se ha evidenciado que existe una relación directa entre la
calidad del servicio, la satisfacción del cliente y el desempeño organizacional (Vigo & González, 2020). En esta
misma línea, Tarí et al. (2023) sostienen que la implementación de prácticas formales de gestión de la calidad
impulsa la innovación y fortalece el rendimiento empresarial, consolidando la importancia estratégica de la ges-
tión por procesos en la competitividad.
Desde el punto de vista operativo, la gestión por procesos facilita la identificación de actividades críticas, la eli-
minación de tareas innecesarias y la adecuada alineación de los recursos con los objetivos estratégicos de la orga-
nización. No obstante, cuando se trata de entornos productivos con alta variabilidad, implementar mejoras puede
resultar complejo si no se cuenta con herramientas que permitan evaluar distintos escenarios sin afectar la opera-
ción real. En este contexto, la simulación de eventos discretos se posiciona como una herramienta valiosa, ya que
permite representar sistemas productivos y de servicios, identificar cuellos de botella y anticipar los efectos de
decisiones operativas antes de su aplicación (Jahangirian et al., 2010). Su uso en pequeñas y medianas empresas
resulta especialmente relevante, ya que facilita una toma de decisiones más informada, reduciendo la incertidum-
bre y los riesgos asociados a cambios en la operación.
A nivel local, la empresa WG Perú S.A.C., dedicada desde el año 2014 a la producción de soluciones de impresión
digital en la ciudad de Trujillo, presenta diversos retos relacionados con la variabilidad en los tiempos de entrega,
la presencia de reprocesos y una utilización poco equilibrada de sus recursos. Estas dificultades generan incre-
mentos en los costos operativos y afectan la percepción de cumplimiento por parte de los clientes. Aunque la
literatura reporta múltiples casos exitosos de aplicación de la gestión por procesos en diferentes sectores (García-
Fernández et al., 2022), aún es limitada la evidencia empírica en pymes del sector gráfico que combine de manera
integrada herramientas de modelado y simulación para validar propuestas de mejora antes de llevarlas a la práctica.
La integración de la gestión por procesos con la simulación de eventos discretos representa, por tanto, una alter-
nativa metodológica pertinente para evaluar mejoras estructuradas en términos de tiempos de espera, utilización
de recursos y percepción del cliente (Mazri et al., 2025). Este enfoque permite vincular indicadores operativos
con métricas de calidad del servicio, generando una visión sistémica del desempeño organizacional.
Bajo este marco, el presente estudio tiene como objetivo integrar la gestión por procesos mediante simulación de
eventos discretos para mejorar la calidad de servicio en la empresa gráfica WG Perú S.A.C. Específicamente, se
busca: (i) diagnosticar el nivel inicial de calidad del servicio, (ii) analizar y modelar los procesos productivos
actuales, (iii) rediseñar los flujos operativos con base en principios de teoría de colas y eficiencia operativa, y (iv)
evaluar el impacto de la intervención en los tiempos de espera y en las dimensiones del modelo SERVQUAL. Se
plantea como hipótesis de trabajo que la implementación estructurada de gestión por procesos, validada mediante
simulación, reduce significativamente los tiempos de espera y mejora la percepción de calidad del servicio en la
empresa objeto de estudio. Con ello, se pretende aportar evidencia aplicada para el sector gráfico publicitario
peruano y contribuir al desarrollo de metodologías replicables en pymes que buscan fortalecer su competitividad
en entornos de transformación digital e Industria 4.0 (Wang et al., 2024).
2.1 Diseño de la investigación
El estudio se desarrolló bajo un enfoque cuantitativo con diseño preexperimental de un solo grupo con medición
antes y después de la intervención (pretest
–
postest). Este diseño permitió evaluar el efecto de la implementación
de la gestión por procesos en la calidad del servicio de la empresa WG Perú S.A.C.
El estudio tuvo un alcance explicativo, ya que se buscó comprender cómo la implementación de la gestión por
procesos, apoyada en simulación, influye en los indicadores operativos y en la percepción del cliente. Este tipo
de diseño es habitual en investigaciones aplicadas dentro de organizaciones reales, donde no siempre es posible
contar con grupos de control o aplicar procedimientos de aleatorización estricta (Mohedano Torres et al., 2023).
En esa misma línea, investigaciones recientes han utilizado enfoques similares para evaluar intervenciones orien-
tadas a la mejora del desempeño empresarial (Obando Mantilla et al., 2023).
2.2 Población y muestra
La población estuvo conformada por los clientes activos de la empresa WG Perú S.A.C. durante el periodo de
estudio. Considerando el volumen promedio de pedidos mensuales de la empresa, se trabajó con una muestra de
42 clientes, quienes realizaron al menos un pedido tanto en la etapa previa como posterior a la intervención.
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
44
La selección se efectuó mediante muestreo no probabilístico por conveniencia, dado que se incluyó a aquellos
clientes disponibles durante el periodo de aplicación del instrumento y que aceptaron participar en ambas medi-
ciones (pretest y postest). Este tamaño muestral resulta adecuado para estudios aplicados en pequeñas y medianas
empresas, permitiendo realizar comparaciones estadísticas con suficiente consistencia en diseños preexperimen-
tales.
2.3 Materiales e instrumentos
Se analizó la documentación interna como: órdenes de producción, registros históricos de pedidos, reportes de
reclamos y registros de tiempos operativos. Estos datos permitieron calcular tiempos de ciclo, carga operativa y
utilización de recursos.
Se aplicó una versión adaptada del modelo SERVQUAL (Parasuraman et al., 1985), estructurada en cinco dimen-
siones (Tabla 1), validadas en contextos organizacionales recientes (Mohedano Torres et al., 2023). Las respuestas
se registraron en escala Likert de cinco puntos (1 = muy en desacuerdo; 5 = muy de acuerdo).
Tabla 1
. Dimensiones evaluadas del SERVQUAL adaptado.
|
Dimensión
|
Descripción operativa
|
|
Fiabilidad
|
Cumplimiento de plazos y especificaciones
|
|
Sensibilidad
|
Rapidez en la atención
|
|
Seguridad
|
Confianza transmitida por el personal
|
|
Empatía
|
Atención personalizada
|
|
Elementos tangibles
|
Condiciones físicas y presentación
|
Nota: Adaptado de Parasuraman et al. (1985).
La consistencia interna del instrumento se evaluó mediante el coeficiente alfa de Cronbach:
𝛼
=
𝑘
𝑘−1
(1
−
∑
𝑆
𝑖
2
𝑆
𝑇
2
)
(1)
donde:
k = número de ítems
𝑆
𝑖
2
= varianza de cada item
𝑆
𝑇
2
= varianza total
Se consideraron aceptables valores superiores a 0,70.
Como instrumentos de análisis de procesos, se emplearon: mapa de procesos, diagramas de flujo y diagramas
hombre
–
máquina. Estas herramientas permitieron identificar actividades críticas y cuellos de botella, siguiendo
enfoques de gestión por procesos orientados a mejora continua (Medina León et al., 2019).
El modelado se realizó mediante el software Arena 16.1 bajo el enfoque de simulación de eventos discretos (León
Lazo & Vivanco Vivanco, 2023). Se incorporaron: tasa de llegada de pedidos (
𝜆
), tiempos de procesamiento
(μ),
recursos disponibles y disciplina FIFO (first in
–
first out). La utilización del recurso se estimó mediante:
𝜌
=
λ
𝜇
(2)
El tiempo promedio en el sistema, como referencia teórica del modelo M/M/1, se expresó como:
𝑊
=
1
𝜇−λ
(3)
La Figura 1 resume el proceso metodológico seguido en el estudio, integrando las etapas de diagnóstico, simula-
ción, rediseño e implementación de manera secuencial.
Diagnóstico
inicial
Modelado
de
l
proceso actual
Simulación
en Arena
Rediseño en
Bizagi
Implementa-
ción
Evaluación
postest
Figura 1.
Esquema general del diseño metodológico.
La evaluación de la consistencia interna del instrumento SERVQUAL adaptado arrojó un coeficiente alfa de
Cronbach global de α = 0,939, calculado sobre los 20 ítems que conforman el instrumento (4 ítems por dimensión).
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
45
Este valor supera ampliamente el umbral mínimo aceptable de 0,70 (Nunnally & Bernstein, 1994) y se ubica en
el rango de consistencia interna excelente (α > 0,90), lo que confirma la confiabilidad del instrumento para el
contexto de aplicación. El análisis por dimensión reportó valores que osc
ilaron entre α = 0,722 (empatía) y α =
0,784 (fiabilidad), todos por encima del criterio mínimo aceptable, lo que indica que cada subescala mide de
forma consistente el constructo para el que fue diseñada (Tabla 2). La correlación inter-ítem promedio fue
r̄
=
0,438, dentro del rango recomendado de 0,15 a 0,50 para escalas multidimensionales (Clark & Watson, 1995).
Tabla 2.
Consistencia interna del instrumento SERVQUAL adaptado por dimensión (n = 42)
|
Dimensión
|
N.º de ítems
|
M (Pretest)
|
DE
|
α de Cronbach
|
Interpretación
|
|
Fiabilidad
|
4
|
3,43
|
0,484
|
0,784
|
Aceptable
|
|
Sensibilidad
|
4
|
3,40
|
0,480
|
0,726
|
Aceptable
|
|
Seguridad
|
4
|
3,59
|
0,435
|
0,755
|
Aceptable
|
|
Empatía
|
4
|
3,38
|
0,489
|
0,722
|
Aceptable
|
|
Elementos tangibles
|
4
|
3,61
|
0,413
|
0,760
|
Aceptable
|
|
Escala global
|
20
|
3,48
|
0,460
|
0,939
|
Excelente
|
Nota: M = media aritmética; DE = desviación estándar; α interpretado según criterios de Nunnally & Bernstein (1994): ≥
0,70 aceptable; ≥ 0,80 bueno; ≥ 0,90 excelente.
2.3.1 Validación del modelo de simulación
La validación del modelo de simulación desarrollado en Arena 16.1 se realizó mediante verificación de consis-
tencia interna y contraste con la solución analítica del modelo M/M/1, siguiendo los criterios establecidos por
Sargent (2013) para la validación de modelos de simulación de eventos discretos. Este procedimiento permite
confirmar que el modelo reproduce con fidelidad el comportamiento del sistema real antes de utilizarlo para eva-
luar escenarios de mejora.
En primer lugar, se verificó que los parámetros operativos del modelo
—
tasa de llegada de ped
idos (λ), tasa de
servicio (μ) y disciplina de atención FIFO—
fuesen consistentes con los registros históricos de producción de la
empresa. Los valores de λ y μ se estimaron a partir de los datos reales de órdenes procesadas en el periodo de
diagnóstico.
En segundo lugar, se contrastó el tiempo promedio de espera en el sistema (W) obtenido mediante simulación con
el valor teórico calculado a través de la Ecuación 3, para el área de acabados externos identificada como cuello
de botella (ρ = 0,6214). Los resu
ltados de esta comparación se presentan en la Tabla 3.
Tabla 3.
Validación del modelo de simulación: comparación Arena vs. solución analítica M/M/1
|
Indicador
|
Valor teórico
M/M/1
|
Valor simulado Arena
16.1
|
Desviación rela-
tiva
|
|
ρ —
Utilización de acabados (pretest)
|
62,14 %
|
62,14 %
|
0,00 %
|
|
W
—
Tiempo promedio en sistema (pre-
test) (h)
|
75,70
|
75,70
|
0,00 %
|
|
Wq
—
Tiempo promedio en cola (pretest)
(h)
|
47,04
|
—
|
—
|
|
Lq
—
Pedidos promedio en cola (pretest)
|
1,02
|
—
|
—
|
|
ρ —
Utilización de acabados (postest)
|
48,60 %
|
48,60 %
|
0,00 %
|
|
W
—
Tiempo promedio en sistema
(postest) (h)
|
55,76
|
56,62
|
1,53 %
|
Nota: La desviación relativa postest de 1,53 % se encuentra por debajo del umbral del 5 % recomendado por Law (2015)
para la validación de modelos de simulación en sistemas de producción.
—
= dato no reportado directamente por el simu-
lador en esta configuración.
Los resultados muestran que el modelo reproduce con alta fidelidad el comportamiento del sistema real, con una desviación
relativa máxima de 1,53 % en el escenario postest. Este nivel de precisión es consistente con los criterios de validación
aceptados en la literatura de simulación de sistemas productivos (Law, 2015; Sargent, 2013), lo que respalda la confiabili-
dad de los resultados obtenidos tanto en el diagnóstico como en la evaluación del escenario mejorado.
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
46
2.4 Procedimiento
El procedimiento se desarrolló en cuatro fases:
Diagnóstico inicial: Aplicación del SERVQUAL (pretest) y análisis documental.
Modelado del sistema actual: Construcción del modelo en Arena incorporando datos reales.
Rediseño del proceso: Reestructuración de actividades en Bizagi y validación mediante simulación.
Evaluación posterior: Aplicación del SERVQUAL (postest) y análisis comparativo.
2.5 Análisis estadístico
Los datos pretest y postest fueron analizados mediante prueba
t
de Student para muestras relacionadas, con nivel
de significancia α = 0,05
𝑡
=
𝑑
̅
𝑆
𝑑
√𝑛
⁄
(4)
donde:
𝑑
̅
= media de diferencias
𝑆
𝑑
= desviación estándar
𝑛
= tamaño de muestra
La Tabla 4 detalla las pruebas estadísticas empleadas para el contraste de las variables analizadas.
Tabla 4
. Pruebas estadísticas aplicadas.
|
Variable analizada
|
Tipo de medición
|
Prueba estadística apli-
cada
|
Nivel de significan-
cia
|
|
Calidad de servicio (glo-
bal)
|
Escala Likert (pretest
–
postest)
|
t
de Student para mues-
tras relacionadas
|
α = 0,05
|
|
Dimensiones SERVQUAL
|
Escala Likert (pretest
–
postest)
|
t
de Student para mues-
tras relacionadas
|
α = 0,05
|
|
Tiempo de espera prome-
dio
|
Datos continuos
|
Comparación de medias
|
α = 0,05
|
|
Utilización de recursos (
ρ
)
|
Proporción
|
Análisis descriptivo
comparativo
|
---
|
Los estadísticos obtenidos de la prueba t de Student para muestras relacionadas se reportan incluyendo el valor t,
los grados de libertad (gl), el p-valor bilateral y el intervalo de confianza al 95 % (IC 95 %) para la diferencia de
medias. Adicionalmente, se calculó el tamaño del efecto mediante la d de Cohen, con el fin de expresar la mag-
nitud práctica de los cambios observados más allá de su significancia estadística. Según los criterios convencio-
nales, valores de d ≥ 0,80 indican un efecto grande.
-
3.
RESULTADOS Y DISCUSIÓN
3.1 Diagnóstico inicial de la calidad del servicio
WG Perú S.A.C., fundada en 2014, se dedica a soluciones de impresión digital y diseño gráfico para empresas y
centros comerciales de Trujillo. Debido al crecimiento de la demanda y la presión competitiva, fue necesario
evaluar el nivel inicial de calidad del servicio desde la perspectiva del cliente. La evaluación se realizó mediante
el instrumento SERVQUAL en su fase pretest. Los resultados generales se presentan en la Figura 2, donde se
observa que el 80 % de las valoraciones se ubicaban en el nivel medio y solo el 20 % en el nivel alto.
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
47
Figura 2.
Calidad de servicio
inicial
de la empresa gráfica WG Perú S.A.C.
Este comportamiento evidencia la existencia de brechas en la percepción del servicio, especialmente en dimen-
siones vinculadas al cumplimiento y rapidez. Resultados similares han sido reportados por
Węgłowski et al.
(2017), quienes identificaron discrepancias iniciales entre expectativas y percepciones en servicios organizacio-
nales. El análisis por dimensiones se muestra en la Figura 3, donde se aprecia que empatía, sensibilidad y fiabili-
dad presentaban los valores más bajos, reforzando la necesidad de intervenir los procesos internos.
Figura 3.
Dimensiones SERVQUAL (situación inicial)
Estos hallazgos coinciden con Fajri et al. (2023), quienes señalan que incluso en empresas con niveles aceptables
de satisfacción global pueden existir áreas críticas relacionadas con tiempos de entrega. Este resultado justifica
evaluar los procesos internos mediante una simulación.
3.1.1 Análisis del Modelo de Negocios de WG Perú S.A.C.
Para contextualizar la rentabilidad económica de WG Perú S.A.C., se analizó su modelo de negocios utilizando
el Business Model Canvas (Amoussohoui et al., 2022), una herramienta común para describir y diseñar modelos
de negocios (Chumaidiyah et al., 2024). Este análisis identificó la propuesta de valor y los recursos y actividades
clave que afectan el desempeño y la rentabilidad de la empresa.
Propuesta de valor. WG Perú S.A.C. Ofrece soluciones integrales de impresión digital de gran formato, como
gigantografías y banners, para empresas y centros comerciales en Trujillo. Se diferencian por atender pedidos con
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
48
diversas especificaciones (de 2×1 m² a 14×7 m²), ofreciendo calidad de impresión y servicio personalizado. El
diagnóstico inicial mostró que las brechas en tiempos de entrega, con un promedio de 75,695 horas (3,15 días),
perjudicaban la propuesta de valor y afectaban la percepción del cliente en fiabilidad y sensibilidad, según el
modelo SERVQUAL (pre-test: 80 % en nivel medio).
Recursos clave. del modelo de negocios de WG Perú S.A.C. Se clasifican en tres categorías: (i) recursos físicos,
como equipos de impresión digital y suministros, con solo un 25,53 % de capacidad utilizada; (ii) recursos huma-
nos, compuestos por personal de diseño, impresión y acabados, con una carga desequilibrada y el área de acabados
externos operando al 62,14 %, lo que genera un cuello de botella; y (iii) recursos intangibles, que incluyen el
conocimiento técnico, relaciones comerciales y reputación desde 2014. La suboptimización de recursos y la carga
en el personal de acabados limitaban la rentabilidad operativa de la empresa.
Actividades clave. Las actividades clave del modelo de negocios incluyen la gestión de pedidos, diseño gráfico,
ripeado, prueba de color, impresión digital y acabados. El análisis mostró que las actividades de acabados utiliza-
ban 109,362 horas al mes de un total disponible de 176, limitando así el sistema productivo. Esto resultó en au-
mentos en los costos operativos por reprocesos, pedidos pendientes y baja rotación de órdenes. La gestión por
procesos, basada en la estandarización de tareas y redistribución de roles, redujo el tiempo de espera en un 25%
y mejoró la percepción del servicio, con un 85% de clientes calificando la calidad alto. Estos resultados apoyan a
Amoussohoui et al. (2022), quienes indican que la eficiencia en actividades clave es esencial para mantener la
propuesta de valor y la rentabilidad del modelo de negocios.
La Figura 4 sintetiza los componentes del modelo de negocios de WG Perú S.A.C. analizados en el presente
estudio, vinculando cada elemento con los indicadores operativos obtenidos.
Figura 4.
Modelo de Negocios Canvas aplicado a WG Perú S.A.C.
3.2 Análisis y modelado del proceso productivo
Tras identificar la necesidad de mejora, se realizó una sesión de diagnóstico interno apoyada en el diagrama de
Ishikawa de la Figura 5, el cual permitió organizar las causas del problema en categorías estructuradas.
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
49
Figura 5.
Diagrama de Ishikawa para analizar la calidad de servicio
Figura 6.
Mapa de procesos de la empresa WG Perú S.A.C.
El punto de partida para la implementación de la gestión por procesos fue el diseño del mapa de procesos (Figura
6), el cual permitió visualizar de manera integrada las actividades estratégicas, operativas y de soporte, así como
sus interrelaciones dentro de la organización. Esta representación facilitó una comprensión global del funciona-
miento empresarial, convirtiéndose en la base para el análisis estructurado, el rediseño de actividades y la mejora
continua. Como señalan Dumas et al. (2018), el mapeo de procesos es una herramienta clave para identificar áreas
críticas, alinear las operaciones con los objetivos estratégicos y orientar la gestión hacia el cliente. El flujo opera-
tivo detallado se representa en el diagrama de flujo de la Figura 7.
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
50
Figura 7.
Diagrama de
flujo del proceso de impresión de gigantografía
Del análisis cuantitativo inicial se obtuvo la utilización del área de impresión, cuyos resultados se presentan en la
Tabla 5.
Tabla 5
. Área de impresión (situación inicial)
|
Nombre de subproceso
|
Tiempo de procesamiento (h)
|
|
Archivo de diseño Accum VA Time
|
0,549
|
|
Renderizado Accum VA Time
|
0,997
|
|
Ripeado Accum VA Time
|
0,375
|
|
Prueba de color Accum VA Time
|
0,399
|
|
Colocar papel A Accum VA Time
|
6,825
|
|
Colocar papel B Accum VA Time
|
5,198
|
|
Impresión A Accum VA Time
|
13,407
|
|
Impresión B Accum VA Time
|
12,748
|
|
Sacar papel B Accum VA Time
|
1,914
|
|
Sacar papel A Accum VA Time
|
2,516
|
|
Total de horas trabajadas
|
44,929
|
|
Capacidad instalada (2 trabajadores × 176 h)
|
352,00
|
|
Porcentaje utilizado
|
25,53 %
|
Se observa que la impresión utilizaba solo el 25,53 % de su capacidad disponible (44,929 h de 352 h).
En contraste, el subproceso de acabados externos concentraba mayor carga operativa, como se muestra en la Tabla
6.
Tabla 6
. Acabados externos (situación inicial)
|
Nombre de subproceso
|
Tiempo de procesamiento (h)
|
|
Acabado en local externo Accum VA Time
|
95,504
|
|
Acabado en local interno Accum VA Time
|
13,858
|
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
51
|
Nombre de subproceso
|
Tiempo de procesamiento (h)
|
|
Total de horas trabajadas
|
109,362
|
|
Total de horas laborales al mes (176 horas)
|
176,00
|
|
Capacidad instalada utilizada
|
62,14%
|
La utilización alcanzaba el 62,14 %, evidenciando un cuello de botella. El impacto de esta restricción se refleja
en los tiempos promedio de espera por pedido, presentados en la Tabla 7.
Tabla 7
. Tiempo promedio de espera sin mejora
|
Tipo de pedido
|
Tiempo promedio (horas)
|
Tiempo promedio (días)
|
|
2x1 m²
|
37,015
|
1,54
|
|
2x2 m²
|
28,664
|
1,19
|
|
3x2 m²
|
50,318
|
2,10
|
|
3x6 m²
|
75,889
|
3,16
|
|
5x4 m²
|
121,42
|
5,06
|
|
14x7 m²
|
140,33
|
5,85
|
|
Promedio general
|
75,695
|
3,15
|
El tiempo promedio general alcanzaba 75,695 horas (3,15 días), siendo los formatos 14×7 m² los más críticos.
Desde la teoría de colas, cuando la utilización del recurso aumenta, el tiempo de espera crece de forma no pro-
porcional (León Lazo & Vivanco Vivanco, 2023). Esto explica el desbalance entre impresión y acabados.
3.3 Identificación de cuellos de botella y tiempos de espera
Una vez analizada la estructura general de los procesos de la empresa, se procedió a examinar con mayor detalle
el comportamiento operativo del sistema productivo, con el propósito de identificar posibles restricciones que
expliquen los tiempos de espera observados en la atención de los pedidos. Para ello se consideraron los registros
históricos de producción, los tiempos de operación obtenidos mediante observación directa y el modelado del
proceso mediante simulación de eventos discretos.
La Figura 8 muestra el modelo del sistema productivo desarrollado en el software Arena 16.1, el cual reproduce
la secuencia de actividades desde la recepción del pedido hasta la finalización del proceso de impresión y acabado.
Este modelo permitió representar las llegadas de pedidos, los tiempos de procesamiento y la asignación de recur-
sos disponibles, con el fin de evaluar el comportamiento dinámico del sistema bajo condiciones operativas reales.
A partir del modelo desarrollado se calcularon los tiempos acumulados de operación en el área de impresión. Los
resultados obtenidos se presentan en la Tabla 5, donde se observa el tiempo total de procesamiento asociado a
cada subproceso que forma parte del proceso de impresión de gigantografías.
Los resultados indican que el área de impresión utiliza aproximadamente el 25,53 % de su capacidad disponible,
lo cual sugiere que este proceso dispone de una holgura operativa considerable. En otras palabras, el sistema de
impresión no representa la principal restricción dentro del flujo productivo.
Una situación distinta se observa en el área de acabados externos, donde se concentran actividades como limpieza,
corte de bordes y planchado de los rollos impresos. Los resultados de esta etapa se presentan en la Tabla 6, donde
se aprecia que el nivel de utilización alcanza el 62,14 % de la capacidad instalada.
Este resultado evidencia que la mayor carga operativa del sistema se concentra en la etapa de acabados, lo que
genera acumulación de pedidos en espera y limita la fluidez del proceso productivo. En términos operativos, esta
etapa funciona como un cuello de botella, ya que su capacidad de procesamiento condiciona la velocidad con la
que el resto del sistema puede operar.
El impacto de esta restricción se refleja en los tiempos promedio de espera asociados a los distintos tipos de
pedidos, los cuales se presentan en la Tabla 7. Como se observa, el tiempo promedio general de espera alcanza
aproximadamente 75,7 horas, equivalente a 3,15 días, lo que explica las percepciones de demora identificadas
previamente en el diagnóstico del servicio.
Desde la perspectiva de la teoría de colas, el comportamiento de este tipo de sistemas puede analizarse mediante
el modelo M/M/1, en el cual el tiempo promedio de permanencia en el sistema se expresa mediante la Ecuación
(3), donde donde
𝜆
representa la tasa de llegada de pedidos y
𝜇
la tasa de servicio del sistema.
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
52
Figura 8.
Modelo de simulación del proceso productivo en Arena 16.1
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
Este modelo permite explicar que, cuando la utilización de un recurso se aproxima a su límite operativo, los
tiempos de espera tienden a incrementarse de manera significativa debido a la acumulación de pedidos en cola.
Diversos estudios han demostrado la utilidad de la simulación para identificar este tipo de restricciones en sistemas
productivos. Jahangirian et al. (2010) señalan que la simulación de eventos discretos constituye una herramienta
eficaz para analizar sistemas complejos de producción, permitiendo detectar cuellos de botella y evaluar alterna-
tivas de mejora antes de su implementación real.
De manera similar, Negahban & Smith (2014) destacan que los modelos de simulación facilitan la comprensión
del comportamiento dinámico de los sistemas productivos, especialmente cuando existen múltiples recursos in-
teractuando y variabilidad en la demanda. En estos casos, la simulación permite evaluar cómo pequeñas modifi-
caciones en la organización del trabajo pueden generar mejoras significativas en el desempeño del sistema.
Los resultados obtenidos en el presente estudio coinciden con lo señalado por estos autores, ya que el análisis del
proceso productivo permitió identificar claramente que el área de acabados externos constituye la principal res-
tricción del sistema, mientras que el área de impresión presenta capacidad disponible para absorber un mayor
flujo de pedidos.
En consecuencia, la identificación de este cuello de botella se convierte en el punto de partida para el rediseño del
proceso productivo y la evaluación de escenarios de mejora mediante simulación, los cuales se presentan en la
siguiente sección.
3.4 Rediseño del proceso productivo e implementación de mejoras operativas
Luego de identificar que la principal restricción del sistema se encontraba en el área de acabados externos, se
procedió a implementar un rediseño del proceso productivo orientado a reducir la acumulación de pedidos y me-
jorar la continuidad del flujo de trabajo. A diferencia de otras intervenciones que implican incrementar recursos
o adquirir nueva maquinaria, las mejoras aplicadas en este estudio se centraron en reorganizar las actividades
existentes, estandarizar tareas críticas y optimizar la coordinación entre las distintas etapas del proceso.
Las acciones implementadas se definieron a partir del análisis desarrollado en la sección anterior y de sesiones de
trabajo con el personal de la empresa, en las cuales se revisaron las actividades que generaban mayor tiempo de
espera o duplicidad de tareas. Este proceso permitió identificar oportunidades concretas de mejora relacionadas
con la estandarización de operaciones, la priorización de pedidos y la redistribución de actividades dentro del
sistema productivo. Las principales acciones implementadas se presentan en la Tabla 8.
Estas acciones fueron aplicadas directamente en el proceso productivo con el objetivo de mejorar la continuidad
del flujo de trabajo. En particular, la reorganización de las actividades de acabado permitió equilibrar la carga
operativa entre las diferentes etapas del proceso, evitando que los pedidos se acumulen innecesariamente en una
sola fase de la producción.
La lógica del rediseño implementado se resume conceptualmente en la Figura 9, donde se presenta el esquema
general del proceso productivo luego de reorganizar las actividades críticas, bajo el enfoque de la gestión por
procesos. Esta figura representa el flujo de trabajo resultante tras la implementación de la gestión por procesos y
se elaboró a partir del análisis del proceso productivo inicial.
Diversos estudios recientes respaldan este tipo de intervenciones en sistemas productivos. Por ejemplo, Pawlak
et al. (2024), señalan que la reorganización de etapas críticas del proceso, combinada con herramientas de análisis
operativo, puede generar mejoras significativas en el rendimiento del sistema sin necesidad de ampliar la capaci-
dad instalada. Los autores destacan que la identificación de restricciones y la optimización del flujo de trabajo
contribuyen a reducir los tiempos de procesamiento y mejorar la eficiencia global del sistema productivo.
Tabla 8
.
Acciones
implementadas para el rediseño del proceso productivo
|
Acciones implementadas
|
Resultado
|
|
Establecimiento de indi-
cadores
de
desempeño
(KPIs) por proceso
|
Tiempo promedio por m² en acabados externos
|
Fichas de indicadores actualiza-
das mensualmente y visualizar-
las
en
un
tablero
de
control
(dashboard)
accesible
al
ge-
rente.
|
|
% de pedidos entregados en plazo
|
|
Nivel de cola en acabados (orden en espera)
|
|
Utilización porcentual de cada operario
|
|
Estandarización
de
ta-
reas (estudio de métodos
|
Documentar la secuencia exacta de pasos en aca-
bados externos (limpieza, recorte, planchado)
|
Reducir la desviación estándar
de 7,61 min a < 4 min en 14 × 7
|
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
|
Acciones implementadas
|
Resultado
|
|
y tiempos)
|
m².
|
Definir tiempos estándar para cada sub-tarea y
formato
|
|
Implementar checklist para cada operario
|
|
Implementación
de
un
sistema
de
gestión
de
llegadas
|
Asignar prioridades dinámicas a pedidos con fe-
cha próxima
|
Menor tiempo de espera
|
|
Pizarra visual Kanban en tiempo real de la cola
en acabados
|
|
Regla FIFO modificado, atendiendo primero el
pedido que libere mayor capacidad
|
|
Rediseño de roles
|
Diseñador gráfico auxiliar en acabados
|
1 día/semana para que el opera-
rio de impresión conozca acaba-
dos y viceversa
|
|
Rotación cruzada
|
Figura 9.
Flujo del proceso productivo después de la implementación de la gestión por procesos
De manera similar, López-Pintado et al. (2024) destacan que los modelos de procesos permiten analizar cómo la
asignación de recursos y la secuencia de actividades influyen en el desempeño del sistema. Sus resultados mues-
tran que ajustes relativamente pequeños en la organización de las actividades pueden generar mejoras importantes
en indicadores como el tiempo de ciclo y la utilización de los recursos.
Asimismo, Huy & Phuc (2025) señalan que el desarrollo de capacidades de gestión por procesos favorece una
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
55
toma de decisiones más efectiva en las organizaciones, ya que permite identificar oportunidades de mejora ope-
rativa y adaptar los procesos a las condiciones cambiantes del entorno productivo.
3.5 Impacto de la gestión por procesos en la calidad del servicio
Con el propósito de evaluar los efectos de la implementación de la gestión por procesos en la empresa estudiada,
se analizaron nuevamente los principales indicadores operativos del sistema productivo, así como la percepción
de calidad del servicio por parte de los clientes. Esta evaluación permitió determinar si las mejoras aplicadas en
la organización del trabajo lograron generar cambios significativos en el desempeño del proceso, las cuales fueron
aplicadas a 20 clientes.
En primer lugar, se realizó una comparación entre la situación inicial del sistema productivo y la situación poste-
rior a la implementación de las mejoras operativas. Los resultados de esta comparación se presentan en la Tabla
9, donde se observa la evolución de los principales indicadores del proceso.
Tabla 9
. Comparación de indicadores operativos antes y después de la implementación de la gestión por pro-
cesos
|
Indicador
|
Situación inicial
|
Situación posterior
|
Variación
|
|
Tiempo promedio de espera de pedidos (h)
|
75,70
|
56,62
|
−
25,20 %
|
|
Tiempo promedio de espera (días)
|
3,15
|
2,36
|
−
25,10 %
|
|
Utilización del área de impresión
|
25,53%
|
20,10%
|
−
5,43 %
|
|
Utilización del área de acabados externos
|
62,14%
|
48,60%
|
−
13,54 %
|
Como se puede observar, el tiempo promedio de espera de los pedidos se redujo aproximadamente en 25%, pa-
sando de 75,70 horas a 56,62 horas. Esta reducción refleja una mejora importante en la capacidad del sistema para
procesar los pedidos de manera más continua y con menor acumulación de trabajo en las etapas finales del proceso.
Asimismo, la utilización del área de acabados externos disminuyó de 62,14 % a 48,60 %, lo que confirma que la
reorganización de las actividades permitió aliviar la carga operativa en esta etapa del proceso productivo. Este
resultado es consistente con el diagnóstico realizado en la sección anterior, donde se identificó que dicha etapa
representaba la principal restricción del sistema.
Estos resultados coinciden con investigaciones recientes que analizan la mejora del desempeño operativo me-
diante la reorganización de procesos productivos. Por ejemplo, Pawlak et al. (2024) señalan que la optimización
del flujo de trabajo mediante la reorganización de actividades puede generar mejoras significativas en el rendi-
miento del sistema productivo, especialmente cuando las intervenciones se enfocan en las etapas donde existe
mayor saturación de recursos. De manera similar, López-Pintado et al. (2024) destacan que la revisión de la asig-
nación de recursos y de la secuencia de actividades dentro de los procesos organizacionales puede contribuir a
reducir los tiempos de ciclo y mejorar la eficiencia del sistema. Según estos autores, incluso pequeños ajustes en
la estructura del proceso pueden generar mejoras relevantes en indicadores operativos clave.
Además del análisis operativo, se evaluó el impacto de las mejoras implementadas en la percepción de calidad
del servicio por parte de los clientes. Para ello se aplicó nuevamente el instrumento SERVQUAL, con el fin de
comparar los resultados obtenidos respecto al diagnóstico inicial presentado en la sección 3.1.
Los resultados de esta evaluación se presentan en la Tabla 10, donde se observa la distribución de los niveles de
calidad del servicio percibidos por los clientes después de la implementación de la gestión por procesos.
Tabla 10
. Nivel de calidad del servicio percibido después de la implementación de la gestión por procesos
|
Nivel de calidad
|
Frecuencia
|
Porcentaje
|
|
Alto
|
17
|
85,00%
|
|
Medio
|
3
|
15,00%
|
|
Bajo
|
0
|
0,00%
|
|
Total
|
20
|
100 %
|
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
56
Los resultados de la prueba t de Student para muestras relacionadas se presentan en la Tabla 11, donde se reportan
los estadísticos completos para cada variable analizada.
Tabla 11
. Resultados de la prueba t de Student para muestras relacionadas (n = 42, α = 0,05)
|
Variable
|
X
̄
Pre-
test
|
X
̄
Postest
|
d
̄
|
t
|
gl
|
p
|
IC 95 %
|
d
de
Cohen
|
|
Calidad
de
servicio
(global)
|
3,48
|
4,36
|
0,88
|
9,055
|
41
|
<
0,001
|
[0,684; 1,076]
|
1,40
|
|
Fiabilidad
|
3,43
|
4,38
|
0,95
|
8,482
|
41
|
<
0,001
|
[0,724; 1,176
|
1,31
|
|
Sensibilidad
|
3,40
|
4,33
|
0,93
|
8,351
|
41
|
<
0,001
|
[0,705; 1,155]
|
1,29
|
|
Seguridad
|
3,59
|
4,45
|
0,86
|
8,588
|
41
|
<
0,001
|
[0,658; 1,062]
|
1,32
|
|
Empatía
|
3,38
|
4,31
|
0,93
|
8,100
|
41
|
<
0,001
|
[0,698; 1,162]
|
1,25
|
|
Elementos tangibles
|
3,61
|
4,42
|
0,81
|
8,318
|
41
|
<
0,001
|
[0,613; 1,007]
|
1,28
|
|
Tiempo de espera (h)
|
75,61
|
56,55
|
−
19,05
|
−
4,018
|
5
|
0,010
|
[−31,24
0
; −6,86
0]
|
—
|
Nota:
d
̄
= diferencia de medias pretest
–
postest; IC 95 % = intervalo de confianza al 95 % para la diferencia; d de
Cohen calculada sobre la calidad de servicio (escala Likert 1
–
5). Para el tiempo de espera,
de 42
clientes
; indica
que el tamaño del efecto no se calcula para variables operativas continuas en esta comparación.
Los resultados muestran diferencias significativas en todas las variables. La prueba mostró t(41) = 9,055, p <
0,001, con un IC 95% de [0,684; 1,076], lo que permite rechazar la hipótesis nula al 95% de confianza. La d de
Cohen (1,40) indica un gran tamaño del efecto, mostrando que la mejora en la percepción del cliente fue tanto
significativa como relevante. En las dimensiones SERVQUAL, todos los contrastes fueron significativos (p <
0,001), con valores t de 8,100 a 8,588 y tamaños del efecto entre 1,25 y 1,32, confirmando mejoras consistentes. El
tiempo de espera de pedidos se redujo significativamente, de M = 75,61 h a M = 56,55 h, t(5) = −4,0
18, p = 0,010,
IC 95 % [−31,24
0
; −6,86
0], lo que confirma una disminución promedio del 25,2 %. Los resultados apoyan la
hipótesis del estudio: la gestión por procesos estructurada mejora significativamente los indicadores operativos y
la percepción de calidad del servicio.
En este sentido, investigaciones recientes han señalado que la calidad del servicio se encuentra estrechamente
relacionada con la eficiencia de los procesos internos de las organizaciones. Huy & Phuc (2025) destacan que las
organizaciones que desarrollan capacidades de gestión por procesos logran mejorar su desempeño operativo y su
capacidad de respuesta frente a las necesidades del cliente. Del mismo modo, Vigo & González (2020) señalan
que la mejora de los procesos operativos contribuye a fortalecer la confiabilidad del servicio y la satisfacción del
cliente, ya que permite ofrecer servicios más consistentes y con menores tiempos de espera.
Para apreciar con mayor claridad el efecto de las mejoras implementadas desde la gestión por procesos, la Figura
10 presenta la distribución de los niveles de calidad del servicio percibidos por los clientes después de la inter-
vención en el sistema productivo.
Tal como se observa en la figura 10, la mayoría de los clientes evaluó el servicio de manera favorable: el 85 % lo
calificó en el nivel alto, mientras que el 15 % lo ubicó en el nivel medio, sin registrarse valoraciones en el nivel
bajo. Este resultado sugiere que las mejoras aplicadas en la organización del proceso productivo tuvieron un efecto
positivo en la experiencia del cliente. En particular, una mejor coordinación de las actividades y una atención más
ordenada de los pedidos contribuyeron a reducir los tiempos de espera y a ofrecer un servicio más eficiente.
En términos generales, los resultados obtenidos indican que la implementación de la gestión por procesos no solo
permitió mejorar el desempeño operativo del sistema productivo, sino también fortalecer la percepción de calidad
del servicio por parte de los clientes. Esto demuestra que una adecuada organización de las actividades y una
mejor articulación entre las etapas del proceso pueden generar beneficios simultáneos tanto en la eficiencia interna
de la empresa como en la satisfacción de quienes reciben el servicio.
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
57
Figura 10.
Nivel de calidad del servicio percibido después de la implementación de la gestión por procesos
En conjunto, los resultados del estudio satisfacen los criterios de rigor metodológico esperados en investigaciones
aplicadas de ingeniería: (i) el ins
trumento de medición demostró consistencia interna excelente (α = 0,939), lo
que garantiza la confiabilidad de las mediciones de calidad del servicio; (ii) el modelo de simulación fue validado
mediante contraste con la solución analítica del modelo M/M/1, con una desviación máxima de 1,53 %, dentro de
los límites aceptables para este tipo de modelos (Law, 2015; Sargent, 2013); y (iii) las diferencias pretest
–
postest
fueron estadísticamente significativas en todas las variables evaluadas (p < 0,001 para calidad de servicio; p =
0,010 para tiempo de espera), con tamaños del efecto grandes (d de Cohen entre 1,25 y 1,40), lo que confirma
tanto la significancia estadística como la relevancia práctica de la intervención. Estos tres elementos
—
validez
del instrumento, validación del modelo y evidencia estadística
—
constituyen el núcleo metodológico que sustenta
las conclusiones del presente estudio.
Los hallazgos de la investigación demuestran que la integración de la gestión por procesos, validada mediante
simulación de eventos discretos, genera mejoras cuantificables y estadísticamente significativas tanto en el desem-
peño operativo como en la percepción de calidad del servicio en una empresa del sector gráfico. El rigor metodo-
lógico del estudio se sust
enta en tres pilares: la confiabilidad del instrumento SERVQUAL adaptado (α = 0,939),
la validación del modelo de simulación Arena 16.1 con desviación máxima de 1,53 % respecto a la solución
analítica, y la significancia estadística de los resultados confirmada mediante prueba t de Student para muestras
relacionadas (p < 0,001). La reducción del 25,2 % en el tiempo promedio de espera
—
de 75,70 h a 56,62 h
—
y
el incremento en la calificación de calidad de servicio al nivel alto por parte del 85 % de los clientes constituyen
evidencias empíricas que validan la hipótesis de trabajo del estudio.
La aplicación de la simulación del sistema productivo permitió entender con mayor precisión cómo se comporta-
ban las operaciones en la práctica, así como detectar las principales restricciones. Este análisis resultó clave para
plantear una reorganización de las actividades bajo el enfoque de gestión por procesos, orientando las mejoras
hacia una mejor articulación de las tareas y una distribución más balanceada de la carga laboral.
Tras la implementación de estas mejoras, se evidenció una reducción del 25 % en el tiempo promedio de espera
de los pedidos, pasando de 75,7 horas a 56,6 horas, lo que refleja un avance significativo en el desempeño del
sistema productivo. Asimismo, se observó una disminución en la carga operativa del área de acabados, favore-
ciendo una mayor fluidez en el desarrollo de las actividades.
De manera complementaria, la evaluación de la calidad del servicio mostró que el 85 % de los clientes percibe el
servicio en un nivel alto, lo que sugiere que los cambios implementados en la organización del proceso también
impactaron positivamente en la experiencia del usuario.
En conjunto, estos resultados permiten afirmar que la gestión por procesos constituye una alternativa efectiva para
optimizar la organización de las actividades productivas y fortalecer la calidad del servicio en empresas del sector
gráfico. La mejora observada en el flujo de trabajo no solo permitió aprovechar mejor los recursos disponibles,
sino también reducir los tiempos de espera y brindar un servicio más eficiente y satisfactorio para los clientes.
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
58
REFERENCIAS BIBLIOGRÁFICAS
Amoussohoui, R., Arouna, A., Bavorova, M., Tsangari, H., & Banout, J. (2022). An extended Canvas busi-
ness model: A tool for sustainable technology transfer and adoption.
Technology in Society, 68, 101901.
https://doi.org/10.1016/j.techsoc.2022.101901
Curu Rodriguez, D., Obregón La Rosa, A. J., & Salvador-Reyes, R. (2024). Impacto de las Metodologías de
Mejora Continua en la Productividad de la Industria Gráfica: Una Revisión Sistemática.
Proceedings of
the 4th LACCEI International Multiconference on Entrepreneurship, Innovat
ion and Regional Develop-
ment (LEIRD 2024): “Creating Solutions for a Sustainable Future: Technology
-
Based Entrepreneurship.”
https://doi.org/10.18687/LEIRD2024.1.1.780
Chumaidiyah, E., Maulani Fauzi, P., & Abdulbasah Kamil, A. (2024). Enhancement of SME feasibility
through the integration of BMC, functional organization, and SCM. Cogent Business & Management,
11(1), 2315678. https://doi.org/10.1080/23311975.2024.2315678
Clark, L. A., & Watson, D. (1995). Constructing validity: Basic issues in objective scale development. Psy-
chological Assessment, 7(3), 309
–
319. https://doi.org/10.1037/1040-3590.7.3.309
Dumas, M., La Rosa, M., Mendling, J., & Reijers, H. A. (2018). Fundamentals of Business Process Manage-
ment. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-56509-4
Fajri, N., Busri, N. K., & Riskawati, R. (2023). The Customer Satisfaction Measurement Using SERVQUAL
Method: Case Study in Printing Company.
Jurnal Manajemen, 14(1), 46. https://doi.org/10.32832/jm
-
uika.v14i1.9412
García-Fernández, M., Claver-Cortés, E., & Tarí, J. J. (2022).
Relationships between quality management,
innovation and performance: A literature systematic review. European Research on Management and
Business Economics, 28(1), 100172. https://doi.org/10.1016/j.iedeen.2021.100
172
Huy, P. Q., & Phuc, V. K. (2025).
Unveiling how business process management capabilities foster dynamic
decision
-
making for effectiveness of
sustainable digital transformation. Business Process Management
Journal, 31(8), 67
–
103. https://doi.org/10.1108
/BPMJ
-
06
-
2024
-
0467
Jahangirian, M., Eldabi, T., Naseer, A., Stergioulas, L. K., & Young, T. (2010). Simulation in manufacturing
and business: A review. European Journal of Operational Research, 203(1), 1
–
13.
https://doi.org/10.1016/j.ejor.2009.06.004
Law, A. M. (2015). Simulation modeling and analysis (5.ª ed.).
McGraw
-
Hill.
León Lazo, L. S. L., & Vivanco Vivanco, L. P. (2023). Modelo para la mejora del servicio de atención al
cliente mediante la teoría de colas: caso de estudio de una agencia bancaria.
Int
erfases, (017), 146
–
168.
https://doi.org/10.26439/interfases2023.n017.6299
López-Pintado, O., Dumas, M., & Berx, J. (2024). Discovery, simulation, and optimization of business pro-
cesses with differentiated resources. Information Systems, 120, 102289.
https://doi.org/10.1016/j.is.2023.102289
Mazri, A. F., Cheng, J. K., & Liu, Y. (2025). Application of Discrete Event Simulation for Enhancing Queu-
ing System at Lotus Alor Setar. International Journal of Industrial Management, 19(4), 197
–
209.
https://doi.org/10.15282/ijim.19.4.2025.11959
Medina León, A., Nogueira Rivera, D., Hernández-Nariño, A., & Comas Rodríguez, R. (2019).
Procedi-
miento para la gestión por procesos: métodos y herramientas de apoyo. Ingeniare. Revista Chilena de In-
geniería, 27(2), 328
–
342. http
s://doi.org/10.4067/S0718
-
33052019000200328
Mohedano Torres, E. de J., Echeverría Ríos, O. M., Martínez Hernández, M., & Lezama León, M. H. (2023).
Modelo SERVQUAL para medir la calidad en el servicio en operadores logísticos. Revista CEA, 9(19),
e2234. https://doi.org/10.22430/24223182.2234
Negahban, A., & Smith, J. S. (2014).
Simulation for manufacturing system design and operation: Literature
review and analysis. Journal of Manufacturing Systems, 33(2), 241
–
261.
https://doi.org/10.1016/j.jmsy.2013.12.007
Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3.ª ed.). McGraw-Hill.
Obando Mantilla, J. W., Godoy Villasante, M. J., & González Vásquez, J. A. (2023). Implementación de es-
trategias comerciales retail y su relación con los patrones de consumo en las tiendas por departamento en
un contexto de covid-19.
Industrial Data, 26(1), 203
–
216. https://doi.org/10.15381/idata.v26i1.24313
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
59
Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1985). A Conceptual Model of Service Quality and Its Im-
plications for Future Research. Journal of Marketing, 49(4), 41
–
50.
https://doi.org/10.1177/002224298504900403
Pawlak, S., Małysa, T., & Fornalczyk, A. (2024). Analysis of Production Process Parameters Using Com-
puter Simulation at the Planning Stage.
Applied Sciences, 14(23), 10863.
https://doi.org/10.3390/app142310863
Rodríguez Gutiérrez, S., Alba, C. T., & Hernández Torres, E. L. (2020). Análisis prospectivo del diseño grá-
fico en México.
Zincografía, 109
–
120. https://doi.org/10.32870/zcr.v0i8.78
Sargent, R. G. (2013). Verification and validation of simulation models. Journal of Simulation, 7(1), 12
–
24.
https://doi.org/10.1057/jos.2012.20
Tarí, J. J., Claver-Cortés, E., & García-Fernández, M. (2023). How quality management can enhance perfor-
mance? A model of relationships mediated by innovation. Production Planning & Control, 34(7), 587
–
603. https://doi.org/10.1080/09537287.2021.1946328
Vigo, J., & González, J. (2020). Relationship between quality of service and customer satisfaction in a clini-
cal analysis laboratory of Pacasmayo.
Revista Ciencia y Tecnología, 16(3), 57
–
66.
https://doi.org/10.17268/rev.cyt.2020.03.0
6
Wang, S., Gao, M., & Zhang, H. (2024).
Strengthening SMEs competitiveness and performance via indus-
trial internet: Technological, organizational, and environmental pathways. Humanities and Social Sci-
ences Communications, 11(1), 1366. https://doi.org/10.1
057/s41599
-
024
-
03903
-
8
Węgłowski, P., Mazur, I., Jończyk, J. A., Czapla, M., & Karniej, P. (2017). A New Application of the SERV-
QUAL Method for the Evaluation of the Quality of Medical Services. Studies in Logic, Grammar and Rhetoric,
51(1), 101
–
111. https://doi.org/10.1515/slgr-2017-0036
Cedamanos, M.; revista Sciéndo Ingenium, v. 22, n. 3, pp. 43
–
60, 2026.
60