Simulación y optimización de procesos productivos en Kola Sol S.A.S.

dc.contributor.advisorRojas Farfan, Luis Alberto
dc.contributor.authorJacobo Vega, Paula Adrea
dc.contributor.authorLeal Guzmán, Kevin Stiven
dc.contributor.authorCruz Lara, Manuela
dc.coverage.spatialGirardot
dc.date.accessioned2026-06-17T17:49:02Z
dc.date.issued2026-06-12
dc.descriptionDesarrollar un modelo de simulación en FlexSim para la línea de producción de Gaseosas Kola Sol S.A.S., con el fin de analizar cómo se comporta el proceso productivo y evaluar posibles mejoras que ayuden a aumentar la producción diaria.
dc.description.abstractLa industria de bebidas gaseosas enfrenta altos niveles de competitividad, lo que exige sistemas productivos eficientes y sincronizados. En la empresa Gaseosas Kola Sol S.A.S. se identificaron problemas asociados a la variabilidad del factor humano, desincronización entre estaciones y cuellos de botella que afectan la productividad; en este contexto, se desarrolló y evaluó un modelo de simulación en FlexSim de un sistema productivo con configuración tipo flow shop y distribución por procesos, orientado a la producción para inventario (MTS), con el fin de analizar su desempeño y proponer mejoras en la eficiencia operativa. La metodología se basó en la simulación de eventos discretos integrando la caracterización del sistema, la recolección de datos mediante estudio de tiempos, el ajuste de los datos a distribuciones de probabilidad (incluyendo distribuciones de Cauchy y valores extremos) y la validación del modelo frente al comportamiento real del sistema. El análisis permitió identificar como principal restricción la estación de etiquetado manual, con una saturación del 99.96%, así como una desincronización del 31.5% en el área de inspección. A partir de la evaluación de un escenario con automatización parcial, se incrementó la capacidad de entrada a 4,808 unidades por hora y la producción de 180 a 270 pacas por hora, lo que representa un aumento del 50% en la productividad, junto con una reducción del inventario en proceso y una mejora en la eficiencia operativa. Estos resultados demuestran que la simulación de eventos discretos constituye una herramienta efectiva para identificar restricciones operativas y evaluar alternativas de mejora, contribuyendo a la optimización del sistema productivo y al fortalecimiento de la toma de decisiones en entornos industriales. Introduction. The CB industry faces high levels of competition, requiring efficient and synchronized production processes. At Gaseosas Kola Sol S.A.S., issues related to human factor variability, lack of synchronization between workstations, and the presence of bottlenecks that negatively impact productivity and generate significant operational losses were identified. Objective. To develop and evaluate a simulation model in FlexSim to analyze the current production system and propose improvements to increase operational efficiency and the number of finished packages produced per working day. Methodology. The research was conducted using a discrete-event simulation approach, starting with the production system characterization and data collection through direct observation and time studies. Subsequently, the data were cleaned and statistically analyzed, fitting them to probability distributions. Finally, a FlexSim model was developed to simulate different scenarios and evaluate the improvement alternatives. Results. The results show that the system presents a bottleneck in manual processes, particularly inspection and labeling. The implementation of automation scenarios increased productivity by 50%, reduced work-in-process inventory, and improved operational efficiency, validating simulation as an effective decision-making tool in industrial environments.
dc.format.extent87 Páginas
dc.identifier.citationJacobo Vega, P ; Leal Guzmán, K & Cruz Lara, M. (2026) Simulación y optimización de procesos productivos en Kola Sol S.A.S. [Monografía. Corporación Universitaria Minuto de Dios – UNIMINUTO] Repositorio- UNIMINUTOo
dc.identifier.urihttps://repository.uniminuto.edu/handle/10656/23985
dc.language.isoes
dc.publisherCorporación Universitaria Minuto de Dios – UNIMINUTO
dc.publisher.departmentPregrado (Presencial)
dc.publisher.programIngeniería Industrial
dc.rightsAcceso Abierto - http://purl.org/coar/access_right/c_abf2
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.keywordsSimulación de eventos discretos
dc.subject.keywordsSoftware de simulación
dc.subject.keywordsproductividad
dc.subject.keywordsoptimización de procesos
dc.subject.keywordscuellos de botella
dc.subject.keywordsdistribución de probabilidad.
dc.subject.keywordsDiscrete-event simulation,
dc.subject.keywordsSimulation software,
dc.subject.keywordsProductivity
dc.subject.keywordsProcess optimization
dc.subject.keywordsBottlenecks
dc.subject.keywordsProbability distribution
dc.subject.keywordsIndustrial Engineering
dc.subject.lembPRODUCCION
dc.subject.lembINDUSTRIA
dc.subject.lembPRODUCTOS
dc.titleSimulación y optimización de procesos productivos en Kola Sol S.A.S.
dc.typeMonografía
dc.type.coarthesis
dcterms.bibliographicCitationBurbano Pantoja, V. M., Valdivieso-Miranda, M. A., & Burbano Valdivieso , Á. S. (2024). Teoría de colas en la práctica investigativa: generación de modelos probabilísticos para líneas de espera. Revista de Investigación, Desarrollo e Innovación, 9-24. Ángel Cruz, J. D., & Roldán Nariño, R. F. (2023). Simulación de eventos discretos para equilibrar cargas laborales en operarios: caso de estudio en la industria de las bebidas. Trabajo de Grado. Pontificia Universidad Javeriana, Bogotá. Angulo Angulo, B., & Solano Jiménez, M. c. (2025). Propuesta de un plan técnicooperativo basado en las herramientas Lean Manufacturing. Bogotá. BERNAL TORRES, C. A. (2016). Metodología de la investigación. Bustillo Espinal, J. A., & Velásquez García, M. J. (2024). Statistical Analysis of Time Collection Tools for Simulation of Industrial Systems. Proceedings of the World Congress on Mechanical, Chemical, and Material Engineering. doi:10.11159/icmie24.132 Caparrós Mancera, J. J., Rodríguez, C. A., Rodríguez Pérez, Á. M., & Hernández Torres, J. A. (2024). MODELING AND SIMULATION OF INDUSTRIAL PROCESSES. Advances in Building Education, 46-60. Colmenares Perdomo, A. (2014). El mercado de las bebidas gaseosas: reto por capturar el gusto de los consumidores. Hojas y Hablas(11), 88-99. Contreras García, M. (2021). Trabajo Fin de Grado. TEORÍA DE COLAS. Universidad de Jaén - Facultad de Ciencias Sociales y Jurídicas, Jaén. DANE. (2024). Encuesta Anual Manufacturera 2022. Técnico. Obtenido de https://www.dane.gov.co/files/operaciones/EAM/bol-EAM-2022.pdf Deep Market Insights. (2024). Global Carbonated Soft Drink Market Size & Outlook, 2025- 2033. Denise R.P. Azeredo, V. A. (2016). An overview of microorganisms and factors contributing for the microbial stability of carbonated soft drinks. Food Research International,, 82, 136-144. doi:https://www.sciencedirect.com/science/article/abs/pii/S0963996916300230 EMIS. (2023). Gaseosas de Girardot S.A.S. (Colombia). Girardot: EMIS Business Report. Expert Market Research. (2024). Mercado Colombiano de Bebidas No Alcohólicas (2026- 2035). Obtenido de https://www.expertmarketresearch.com/es/reports/colombia-non-alcoholicbeverages-market Fonseca Casas, P. (s.f.). Introducción a la simulación. Barcelona: Universitat Oberta de Catalunya (UOC). Garcés, C. C. (29 de noviembre de 2023). La dinámica comercial de la industria de alimentos y bebidas aporta un 3% al PIB. Obtenido de Sectores clave en la producción: https://www.larepublica.co/especiales/sectores-clave-en-la-productividad/la-industria-dealimentos-y-bebidas-aporta-3-al-pib-3757634?utm_source Garcia-Sabater, J. P. (2020). Producto y Dirección de Operaciones. RIUNET. Obtenido de http://hdl.handle.net/10251/137437 Gómez Domínguez, D. (3 de septiembre de 2020). El cura que inventó la primera gaseosa. (larazon.es) Obtenido de https://www.larazon.es/ciencia/20200814/33gazvew55c57kvkbnhsrpyd4y.html Guanochanga Pilapanta, E. N., & Pacheco Estrella, A. A. (2024). ESTUDIO DE TIEMPOS Y MOVIMIENTOS PARA EL MEJORAMIENTO PRODUCTIVO EN EL ÁREA DE PRODUCCIÓN EN LA FÁBRICA AMBASODAS CIA. LTDA. Proyecto de Investigación presentado previo a la obtención del Título de Ingeniero Industrial. UNIVERSIDAD TÉCNICA DE COTOPAXI, Latacunga, Ecuador. Guevara Holguín, E. D., & Moncada Pinilla, N. (2018). IDENTIFICACIÓN DEL PROCESO LOGÍSTICO DE DISTRIBUCIÓN FÍSICA DE MERCANCÍAS EN LA ORGANIZACIÓN GASEOSAS DE GIRARDOT S.A.S. Universidad Piloto de Colombia, Girardot. Hernández-Sampieri, R. &. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Interamericana. Huang, X., Wang, Q., Hou, Jue, Yang, Y., & Liu, Z. (2025). Skill proficiency based simulation optimization of garment assembly line and its application. Fangzhi Xuebao/Journal of Textile Research, 46(1), 169-178. IMARC Group. (2024). Tamaño, participación, tendencias y pronóstico del mercado de refrescos por producto, canal de distribución y región, 2025-2033. Informes de Expertos. (2024). Mercado de Bebidas No Alcohólicas en Colombia. Obtenido de https://www.informesdeexpertos.com/informes/mercado-de-bebidas-no-alcoholicas-encolombia La Nota Económica. (3 de Septiembre de 2024). Industria de bebidas: la que más ha crecido en 2024. Obtenido de https://lanotaeconomica.com.co/movidas-empresarial/industria-debebidas-la-que-mas-ha-crecido-en-2024 Law, A. M. (2015). Simulation Modeling (Quinta ed.). McGraw-Hill. Obtenido de https://staff.universitaspahlawan.ac.id/web/upload/materials/958-materials.pdf Martínez Gómez, M., & Marí Benlloch, M. (2009). La distribución Poisson. Estadística, Investigación Operativa Aplicadas y Calidad, 1-9. Mordor Intelligence. (2024). Soft Drinks Market Size & Share Analysis - Growth Trends & Forecasts Up To 2030 Source: https://www.mordorintelligence.com/industry-reports/global-softdrinks-market?utm_source=chatgpt.com. Orús, A. (4 de Marzo de 2024). Consumo mundial de refrescos 2014-2028. Obtenido de es.statista.com: https://es.statista.com/estadisticas/1330488/consumo-mundial-derefrescos/?utm_source=chatgpt.com Ramirez Franco, E. A. (2023). Incremento de la productividad mediante la teoría de restricciones a línea de embotellado de bebidas carbonatadas en presentaciones de 12 onzas y ½ litro en planta ubicada en Retalhuleu. Guatemala. Real Academia Española. (s.f.). Eficiencia. (Diccionario de la lengua española (23.ª ed.)) Recuperado el 16 de Febrero de 2025, de https://dle.rae.es/eficiencia Ruiz Lopez, J. M. (2015). GESTIÓN Y ARRANQUE DE LÍNEA DE PRODUCCIÓN “MIXED MODEL MANUFACTURING – 3P”. CIATEQ, Aguascalientes. Salud pública. (Octubre de 2014). DISTRIBUCIONES DE PROBABILIDAD. Obtenido de Epidat 4: https://www.sergas.es/Saude-publica Sanabria Brenes, G. (2021). Comprendiendo la Estadística Inferencial. Instituto Tecnológico de Costa Rica. Santander Samaniego, L. A. (2024). Diseño de planta de Sidra de Manzana para la definición de parámetros productivos iniciales. Riomba. Sectorial. (12 de septiembre de 2023). El 78% de los Colombianos Consume Gaseosas. Obtenido de Sectorial: https://sectorial.co/informativa-bebidas/consumo-de-caseosas-encolombia/Serga. (Octubre de 2014). Sergas.es. Obtenido de DISTRIBUCIONES DE PROBABILIDAD: https://www.sergas.es/Saude-publica/Epidat-4-1--13--Distribuci%C3%B3nsde-probabilidade Tamayo, M. (2004). El proceso de la investigación cientifica. Limusa, S.A. DE C.V. The International Organization for Standardization. (2011). ISO 13053. The International Organization for Standardization. The International Organization for Standardization. (2021). ISO 22514-7. The International Organization for Standardization. Veiga, N., Otero, L., & Torres, J. (1 de Diciembre de 2020). Reflexiones sobre el uso de la estadística inferencial en investigación didáctica. InterCambios. Dilemas y transiciones de la Educación Superior, 7(2), 94-106. doi:https://doi.org/10.2916/inter.7.2.10 WMO. (Octubre de 2023). Curso de Herramientas Informáticas para Estudios y Desarrollos. Obtenido de World Meteorological Organization: https://etrp.wmo.int/pluginfile.php/68830/mod_resource/content/1/6.- %20Valores%20Extremos%20P.Retorno.pdf Zennaro, I., Battini, D., Sgarbossa, F., Persona, A., & De Marchi, R. (2018). Micro downtime: Data collection, analysis and impact on OEE in bottling lines the San Benedetto case study. International Journal of Quality and Reliability Management, 35, 965-995.

Files

Original bundle

Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
Simulación y optimización de procesos productivos en Kola Sol SAS.pdf
Size:
1.07 MB
Format:
Adobe Portable Document Format
Loading...
Thumbnail Image
Name:
FRDODRC03AutorizacinpublicacindedocumentosenelRep.InstitucionalColeccionesDigitales.pdf
Size:
494.59 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: