IMPACTO DE LA SIMULACIÓN EN FLEXSIM
PARA REDISEÑAR PROCESOS INDUSTRIALES:
MEJORA DE VELOCIDAD Y SIMPLIFICACIÓN
OPERATIVA EN SISTEMAS AUTOMATIZADOS
IMPACT OF SIMULATION IN FLEXSIM FOR REDESIGNING
INDUSTRIAL PROCESSES: ENHANCING SPEED AND
STREAMLINING OPERATIONS IN AUTOMATED SYSTEMS
Hernán Vinicio Morales Villegas
Universidad de las Fuerzas Armadas ESPE - Ecuador
Kevin Daniel Gavilanes Gómez
Universidad de las Fuerzas Armadas ESPE - Ecuador
José Andrés Díaz Vásconez
Universidad de las Fuerzas Armadas ESPE - Ecuador
Rubén Stalin Chicaiza Guerrero
Universidad de las Fuerzas Armadas ESPE - Ecuador
Erika Maribel Ortiz Pérez
Universidad de las Fuerzas Armadas ESPE - Ecuador
pág. 3388
DOI: https://doi.org/10.37811/cl_rcm.v8i6.15098
Impacto de la simulación en FlexSim para rediseñar procesos industriales:
Mejora de velocidad y simplificación operativa en sistemas automatizados
Hernán Vinicio Morales Villegas
1
hvmorales@espe.edu.ec
http://orcid.org/0000-0001-8211-1238
Universidad de las Fuerzas Armadas ESPE
Ecuador
Kevin Daniel Gavilanes Gómez
kdgavilanes@espe.edu.ec
https://orcid.org/0009-0005-5906-939X
Universidad de las Fuerzas Armadas ESPE
Ecuador
José Andrés Díaz Vásconez
jadiaz17@espe.edu.ec
https://orcid.org/0009-0009-8398-9531
Universidad de las Fuerzas Armadas ESPE
Ecuador
Rubén Stalin Chicaiza Guerrero
rschicaiza@espe.edu.ec
https://orcid.org/0009-0008-3898-9631
Universidad de las Fuerzas Armadas ESPE
Ecuador
Erika Maribel Ortiz Pérez
emortiz2@espe.edu.ec
https://orcid.org/0009-0002-6755-7252
Universidad de las Fuerzas Armadas ESPE
Ecuador
RESUMEN
Este estudio analiza el impacto del uso de la simulación en FlexSim para rediseñar procesos industriales
automatizados, específicamente en la clasificación y almacenamiento de materiales. Se presenta una
comparación entre un diseño inicial y una propuesta optimizada basada en la eliminación de cuellos de
botella y la simplificación operativa. Los hallazgos destacan una reducción del tiempo de ciclo en un
74.29% y una mejora sustancial en la capacidad operativa, lo que demuestra la efectividad de las
simulaciones para optimizar sistemas complejos. La investigación subraya la importancia de
herramientas predictivas para la toma de decisiones estratégicas en la gestión industrial.
Palabras clave: simulación, FlexSim, procesos industriales, optimización, sistemas automatizados
1
Autor principal
Correspondencia: hvmorales@espe.edu.ec
pág. 3389
Impact of Simulation in FlexSim for Redesigning Industrial Processes:
Enhancing Speed and Streamlining Operations in Automated Systems
ABSTRACT
This study evaluates the impact of simulation using FlexSim to redesign automated industrial processes,
particularly in material classification and storage. A comparison is presented between the initial design
and an optimized proposal that eliminates bottlenecks and simplifies operations. Key findings reveal a
74.29% reduction in cycle time and substantial improvements in operational capacity, demonstrating
the effectiveness of simulations in optimizing complex systems. The research highlights the importance
of predictive tools for strategic decision-making in industrial management.
Keywords: simulation, FlexSim, industrial processes, optimization, automated systems
Artículo recibido 10 noviembre 2024
Aceptado para publicación: 11 diciembre 2024
pág. 3390
INTRODUCCIÓN
La simulación, en su concepción actual, tiene sus orígenes en la década de 1940, cuando Von Neumann
y Ulam desarrollaron el concepto de "análisis de Monte Carlo". Esta técnica matemática se utilizó para
abordar problemas de protección nuclear que resultaban demasiado costosos o complicados de resolver
de manera experimental o analítica (Marmolejo et al., 2024). Posteriormente, en la década de 1950, la
simulación analógica evolucionó con el desarrollo de los lenguajes de programación para simulación
(Simulation Programming Languages, SPL), marcando el inicio de la simulación computacional
(Marmolejo, 2012).
En el contexto actual, el diseño industrial y la simulación se han consolidado como herramientas
esenciales para mejorar los procesos en diferentes sectores industriales. La integración de estas
disciplinas permite analizar y optimizar los sistemas de producción, garantizando tanto la calidad como
la eficiencia operativa. La simulación de procesos se ha posicionado como una de las herramientas más
valiosas de la ingeniería industrial, al representar procesos complejos mediante modelos simplificados
que facilitan su análisis y comprensión (Dominguez, 2010).
Las empresas, sujetas a mercados cada vez más competitivos y exigentes, enfrentan la necesidad de
optimizar todos los aspectos de su producción. Esto es especialmente relevante en industrias como la
alimentaria, donde la eficiencia operativa es crucial para garantizar su sostenibilidad (H. P. Orozco
et al., 2018). En respuesta a estas demandas, la simulación computacional ha evolucionado
notablemente en las últimas décadas, impulsada por el desarrollo de computadoras de alta velocidad y
nuevas técnicas de modelado, lo que permite experimentar con modelos matemáticos y obtener
resultados rápidos y precisos (Marmolejo et al., 2024).
El software FlexSim ha emergido como una herramienta clave en el rediseño de procesos industriales
automatizados, especialmente en áreas como la clasificación y almacenamiento de materiales. Este
artículo analiza cómo FlexSim contribuye a la simplificación operativa y a la mejora de velocidad en
los sistemas automatizados, permitiendo a las empresas anticipar resultados y validar estrategias antes
de su implementación (Díaz et al., 2018).
Con los avances en informática, tecnologías como el modelado en 3D y la adopción de materiales
alternativos, la toma de decisiones en el diseño de productos y procesos ha mejorado considerablemente.
pág. 3391
En este marco, la simulación ha demostrado ser una técnica versátil y poderosa, no solo para evaluar
reglas de secuenciación y minimizar costos y tiempos de procesamiento, sino también para modelar
escenarios complejos y probar estrategias bajo diferentes condiciones (E. Orozco et al., 2021).
El principal desafío en los procesos automatizados tradicionales radica en la presencia de cuellos de
botella, tiempos muertos y altos costos operativos asociados a configuraciones como el uso de brazos
robóticos. Este estudio busca demostrar, a través de un marco teórico sustentado en la simulación y
optimización de sistemas, cómo la eliminación de elementos complejos puede incrementar la
productividad sin comprometer la calidad. Además, se presenta un enfoque innovador que facilita la
replicabilidad de las metodologías en distintos entornos industriales, demostrando cómo la simulación
puede transformar sistemas limitados en operaciones más fluidas y adaptables (Rodríguez, 2020).
La simulación, con su capacidad para modelar situaciones reales e hipotéticas, ha revolucionado la
ingeniería industrial, reduciendo el tiempo y los costos del método tradicional de prueba y error en la
fabricación (Rodríguez, 2020). Investigaciones previas han validado el uso de herramientas como
FlexSim, destacando su capacidad para analizar dinámicas complejas y apoyar decisiones estratégicas,
garantizando la eficiencia y sostenibilidad en los procesos productivos (Izurieta et al., 2024).
No obstante, este trabajo se distingue al aplicar dichas metodologías a un diseño automatizado genérico,
lo que facilita su replicabilidad en una amplia variedad de entornos industriales. El objetivo principal
es demostrar cómo la simulación puede transformar sistemas limitados en operaciones fluidas y
adaptables, estableciendo una base sólida para futuras decisiones estratégicas.
METODOLOGÍA
Este estudio emplea un enfoque cuantitativo y aplicativo, diseñado para medir el impacto de un rediseño
en un sistema industrial automatizado mediante simulaciones en FlexSim. La investigación combina un
carácter descriptivo y explicativo, ya que analiza el comportamiento del sistema original y describe
cómo las modificaciones implementadas afectan variables clave como la velocidad y la eficiencia
operativa. Además, incluye un enfoque predictivo, al simular escenarios alternativos que permiten
prever el desempeño del sistema bajo diferentes configuraciones, contribuyendo a la toma de decisiones
estratégicas.
pág. 3392
Simulación en procesos industriales
La simulación de procesos industriales utiliza modelos computacionales para replicar de manera virtual
los métodos y procedimientos de una línea de manufactura. Estas simulaciones imitan el
funcionamiento de sistemas reales, representando su evolución bajo diversas condiciones temporales y
operativas (Marques, 2020). Este enfoque permite evaluar hipótesis antes de su implementación, lo que
resulta en un análisis más seguro y eficiente de las posibles mejoras (Casco, 2023).
Tipos de simulación de procesos
Modelado y simulación basados en agentes
Este tipo de simulación se centra en analizar el impacto de un agente sobre el sistema o entorno. Los
agentes pueden ser personas, equipos u otros elementos que interactúan con el sistema. El modelo
considera el comportamiento del agente a través de reglas específicas y evalúa la respuesta del sistema
ante dichas interacciones. Por ejemplo, el efecto de una nueva máquina en una línea de producción
(Gavilanes, 2022).
Simulación de eventos discretos
Este modelo analiza eventos específicos que afectan el flujo de un proceso. Un ejemplo típico es el
proceso de asistencia técnica, donde se evalúan actividades como la recepción de llamadas, su
asignación a agentes y su resolución. Este enfoque permite identificar cuellos de botella y optimizar
procesos operativos (Gavilanes, 2022).
Simulación de dinámica de sistemas
La dinámica de sistemas es un enfoque abstracto de modelado que no incluye detalles específicos como
maquinaria o mano de obra. Este tipo de simulación es útil para analizar patrones generales y dinámicas
de comportamiento a gran escala dentro de un sistema de manufactura (Gavilanes, 2022).
Simulación de Montecarlo / Análisis de riesgos
La simulación de Montecarlo se utiliza principalmente para el análisis de riesgos antes de implementar
cambios significativos en procesos industriales. Basándose en modelos matemáticos, permite predecir
resultados usando datos reales, como el suministro de materiales y el rendimiento de producción
(Gavilanes, 2022).
pág. 3393
Ventajas
Según (Tello, 2024), la simulación de procesos industriales ofrece múltiples beneficios, entre los cuales
destacan:
• Reducción de costos y riesgos
• Optimización del flujo de trabajo
• Capacitación y formación del personal
• Evaluación previa de inversiones
Desventajas
Algunas de sus desventajas según (Ortiz, 2011) son:
• La creación de modelos requiere experiencia y conocimientos específicos, lo que puede convertirlo
en un proceso demandante.
• La interpretación de los resultados puede ser compleja debido a las variables aleatorias
involucradas.
• El modelado y análisis consume tiempo y recursos, aunque un diseño insuficiente puede generar
resultados imprecisos.
Software FlexSim
Según (Softwaredoit, 2023), FlexSim es un software de simulación en 3D que permite modelar procesos
en entornos industriales, logísticos, médicos y educativos. Este software destaca por su facilidad de uso,
visualización en 3D y capacidad de personalización, lo que facilita la identificación de cuellos de botella
y la optimización de procesos (Vaca, 2022).
Características de FlexSim
Según (TEC, 2024) las principales características de FlexSim incluyen:
• Modelado 3D: Representaciones realistas que permiten comprender mejor los procesos.
• Análisis estadístico: Herramientas avanzadas para evaluar el rendimiento de los sistemas.
• Optimización: Algoritmos que identifican configuraciones óptimas para mejorar eficiencia.
• Programación flexible: Lenguaje integrado para personalizar procesos.
• Integración: Compatibilidad con bases de datos y hojas de cálculo.
pág. 3394
• Animaciones y visualizaciones: Representaciones detalladas para comunicar resultados.
• Biblioteca de objetos: Elementos predefinidos para acelerar el modelado.
Ventajas de FlexSim
De acuerdo con (Duque, 2024), las ventajas del software incluyen:
• Facilidad de uso sin necesidad de programar desde cero.
• Generación rápida de escenarios variados.
• Alta personalización y experiencia en 3D.
Clasificación y almacenamiento en procesos industriales
Según (Morales et al., 2024), se identifican diversos métodos de clasificación en procesos industriales:
• Mesa de clasificación: Dependiente de la intervención humana para analizar y separar productos.
• Clasificación mediante anillos: Separación de productos por tamaño o forma al atravesar anillos de
diferente diámetro.
• Clasificadora de conducto inclinado: Los productos descienden por gravedad y son separados
mediante dispositivos específicos, como sensores de color.
Impacto de la simulación en la toma de decisiones estratégicas
La simulación desempeña un rol crucial en las decisiones estratégicas al reducir riesgos y proporcionar
información precisa sobre posibles escenarios. Esta herramienta permite a las empresas analizar
diferentes configuraciones y optimizar sus procesos antes de implementar cambios significativos,
reduciendo costos y mejorando la eficiencia general (Toro, 2024).
Los simuladores de negocio, por ejemplo, brindan una experiencia práctica en el manejo de operaciones
empresariales reales, facilitando la capacitación y la planificación estratégica (Naranjo & Gallardo,
2024).
La población de estudio incluye sistemas industriales automatizados enfocados en la clasificación y
almacenamiento de materiales, mientras que la muestra seleccionada se basó en un modelo genérico
diseñado en FlexSim, ajustado para representar un flujo industrial promedio. Se utilizó un método de
muestreo intencional para garantizar que el diseño original sea representativo de operaciones
industriales comunes, facilitando la aplicabilidad de los resultados a escenarios similares.
pág. 3395
Para la recolección de datos, se utilizó FlexSim como herramienta principal, lo que permitió modelar,
simular y registrar métricas clave como el tiempo total de ciclo, la utilización de los transportadores, el
balance de cargas entre los almacenes y la acumulación de cajas en las cintas. Estos datos se recopilaron
mediante observación estructurada de las simulaciones y exportación de reportes detallados del
software, que posteriormente fueron analizados para identificar mejoras y validar el impacto del
rediseño. Adicionalmente, se utilizó una bitácora para documentar las iteraciones de la simulación,
destacando los cambios relevantes en los indicadores clave de desempeño (KPIs).
Dado que el estudio se basa exclusivamente en simulaciones, no se requirieron consideraciones éticas
relacionadas con la seguridad humana o el impacto ambiental. Sin embargo, se garantizó el
cumplimiento de las directrices de integridad académica, asegurando la transparencia en los
procedimientos y la posibilidad de replicar el estudio. Se definieron criterios de inclusión, como la
consideración de sistemas automatizados estándar con configuraciones aplicables a procesos de
clasificación, mientras que se excluyeron configuraciones específicas o personalizadas que no
correspondieran al propósito general del modelo.
Diseño de la simulación
En la primera versión (diseño inicial), el sistema empleaba un brazo robótico para clasificar las cajas
por color y colocarlas en cintas transportadoras, que las dirigían hacia tres almacenes temporales (A, B,
C). Estos almacenes alimentaban racks finales (Rack 1, Rack 2, Rack 3). Este diseño presentaba
limitaciones operativas debido a los tiempos muertos generados por el brazo robótico, lo que ocasionaba
cuellos de botella en el flujo de materiales y aumentaba el tiempo total de procesado.
Figura 1. Clasificación usando brazo robótico
Fuente: Autores
pág. 3396
La segunda versión eliminó el brazo robótico e incorporó un sistema basado en la dinámica de las cajas.
Estas ingresan directamente desde el Almacén de Materia Prima (Almacén MP) a las cintas
transportadoras mediante un alimentador automático. Este rediseño permitió un flujo continuo y
uniforme, acompañado de puntos de clasificación automática en las cintas que dirigían las cajas a los
almacenes correspondientes utilizando lógica condicional. Este cambio buscaba simplificar el sistema
y mejorar su eficiencia al eliminar los cuellos de botella detectados en el diseño original.
Figura 2. Clasificación usando dinámica
Fuente: Autores
RESULTADOS
El análisis de resultados se enfocó en comparar el desempeño del sistema inicial y el rediseñado
utilizando simulaciones en FlexSim. Las métricas clave incluyen el tiempo de ciclo, la utilización de
las cintas transportadoras, el balance de cargas y la simplicidad operativa.
Tiempo de ciclo
• Modelo inicial: El tiempo de ciclo promedio era de 35 segundos por caja, principalmente afectado
por los tiempos muertos del brazo robótico y la acumulación en las cintas transportadoras.
• Modelo rediseñado: Al eliminar el brazo robótico y adoptar un flujo continuo de alimentación
directa, el tiempo de ciclo se redujo a 9 segundos por caja, logrando una mejora del 44%.
𝑀 =
35 − 9
35
∗ 100
𝑀 = 74,29%
El porcentaje de mejora es aproximadamente 74.29%.
pág. 3397
Incremento en la capacidad operativa
En la planta original, el proceso completo requería un tiempo considerable de 2,48 horas para procesar
la totalidad del inventario hasta llenar los racks, lo cual representaba una limitación significativa en la
capacidad de producción y en la eficiencia operativa general. Sin embargo, tras el rediseño
implementado, se logró una notable mejora en el desempeño, reduciendo el tiempo necesario para
realizar la misma tarea a solo 38 minutos con 16 segundos. Este cambio demuestra una transformación
sustancial en la forma en que se gestionan los procesos dentro de la planta, optimizando los recursos
disponibles y aumentando la capacidad operativa en un porcentaje considerable, lo que beneficia tanto
la productividad como la capacidad de respuesta frente a la demanda.
Utilización de recursos
En el diseño original, el brazo robótico funcionaba a solo un 65% de su capacidad operativa máxima.
Esto generaba períodos de inactividad, también conocidos como tiempos muertos, que impactaban
negativamente en la eficiencia global del sistema. Se disminuía la productividad y provocaba un
desbalance en la sincronización con otros equipos de la planta, ralentizando el flujo general del proceso
y limitando el aprovechamiento total de los recursos disponibles. La subutilización del brazo robótico
reflejaba una oportunidad clara de mejora en el diseño y la planificación del sistema para optimizar su
rendimiento.
Figura 3. Parámetros del brazo robótico
Fuente: Autores
pág. 3398
En el nuevo diseño, se alcanzó un uso óptimo de las cintas transportadoras, eliminando por completo
los tiempos muertos que previamente afectaban la continuidad del proceso. Este rediseño permitió una
distribución más eficiente de las cargas, asegurando que cada etapa del sistema funcionara en armonía
con las demás. La mejora no solo incrementó la productividad, sino que también optimizó el flujo
operativo, minimizando los cuellos de botella y maximizando el rendimiento del sistema en su conjunto.
Gracias a esta redistribución estratégica, se logró un equilibrio entre los diferentes componentes del
proceso, potenciando tanto la eficiencia como la capacidad de respuesta frente a la demanda.
Figura 4. Dinámica usando elevador
Fuente: Autores
Simplicidad operativa y costos
Con la eliminación del brazo robótico, se logró una reducción significativa en los costos asociados al
mantenimiento preventivo y correctivo, así como en la complejidad técnica inherente al sistema. Esta
simplificación en la arquitectura operativa no solo optimizó la gestión de los recursos técnicos, sino que
también incrementó la confiabilidad del sistema al eliminar componentes con alta susceptibilidad a
fallas. La nueva configuración garantiza un proceso más robusto y eficiente, minimizando
interrupciones operativas y facilitando tanto la operación como el diagnóstico y solución de posibles
contingencias.
pág. 3399
DISCUSIÓN
Impacto de FlexSim en la mejora del sistema
La simulación en FlexSim resultó ser una herramienta fundamental para modelar, evaluar y comparar
diversas alternativas de diseño antes de proceder con la implementación de cambios físicos. A través
de este enfoque, se lograron importantes avances en la comprensión y optimización del sistema
productivo. Uno de los hallazgos más relevantes fue la identificación de cuellos de botella, donde el
brazo robótico, en el modelo inicial, se confirmó como una restricción crítica. Este componente no solo
ralentizaba el flujo general del sistema, sino que también generaba acumulaciones significativas y un
desbalance operativo que afectaba negativamente la eficiencia global.
Adicionalmente, FlexSim permitió la validación de estrategias de rediseño, mostrando que la
eliminación de elementos complejos como el brazo robótico y la adopción de un flujo continuo
mejoraban notablemente el desempeño del sistema. Este rediseño no solo optimizó los tiempos de ciclo,
sino que también redujo los puntos de fricción en la operación, consolidándose como una solución
práctica y eficiente para las condiciones actuales del sistema.
Por último, la herramienta posibilitó la simulación de escenarios alternativos, probando el modelo
rediseñado bajo condiciones de alta demanda. Estas simulaciones demostraron que el sistema revisado
no solo mejoraba la velocidad y consistencia en las operaciones, sino que también aumentaba la
flexibilidad y adaptabilidad ante posibles incrementos en la carga de trabajo. Esto valida la robustez del
modelo optimizado y destaca el potencial de la simulación como metodología para prever el desempeño
en condiciones variables.
Limitaciones del estudio
A pesar de los avances logrados, este estudio presenta algunas limitaciones que deben ser consideradas.
Por un lado, el modelo no incluyó la posibilidad de fallas en el sistema ni las fluctuaciones en la llegada
de cajas al almacén, lo que podría afectar la precisión de los resultados en escenarios más realistas. Por
otro lado, el diseño se simplificó al no considerar el impacto de factores humanos ni de estrategias de
mantenimiento preventivo sobre los transportadores. Estas omisiones limitan la capacidad del modelo
para representar fielmente el comportamiento del sistema en condiciones operativas reales.
pág. 3400
Propuestas de mejora
Para futuras investigaciones, se proponen varias mejoras al modelo como, la incorporación de sensores
inteligentes en las cintas transportadoras podría permitir la clasificación dinámica de cajas según
mayores características específicas como color, tamaño o peso
Un rediseño del layout podría optimizar las distancias de transporte, reduciendo tiempos y costos
asociados, así como implementar algoritmos de inteligencia artificial permitiría ajustar dinámicamente
las velocidades de las cintas y prever acumulaciones, mejorando aún más la eficiencia y capacidad de
respuesta del sistema.
Este estudio demuestra el potencial de las simulaciones en FlexSim para identificar oportunidades de
mejora y validar cambios en sistemas industriales, pero también resalta la necesidad de abordar las
limitaciones y continuar desarrollando modelos más complejos y adaptables a entornos reales.
Ilustraciones, Tablas, Figuras
Figura 5. Diagrama de precedencia del modelo inicial
Fuente: Autores
pág. 3401
Tabla 1. Tiempos y estaciones de trabajo del modelo inicial
Código
Proceso
Tiempo Ajustado (s)
A
Llegada Materia Prima
2,4
B
Banda
1,44
C
Almacén
3,36
D
Brazo robótico
9,59
E
Banda transportadora
2,4
F
Clasificador
3,84
G
Almacén de color
4,79
H
Operario
4,79
I
Rack
2,4
SUMA
35.01
Fuente: Autores
Figura 6. Diagrama de precedencia del modelo rediseñado
Fuente: Autores
pág. 3402
Tabla 2. Tiempos y estaciones de trabajo del modelo reajustado
Proceso
Tiempo Ajustado (s)
Llegada Materia Prima
0,85
Banda
0,51
Almacén
1,19
Banda Transportadora
0,85
Clasificador
1,36
Almacén de Color
1,7
Operario
1,7
Rack
0,85
SUMA
9,01
Fuente: Autores
CONCLUSIONES
El rediseño del sistema mediante simulación en FlexSim redujo el tiempo de ciclo en un 74.29% y
aumentó la capacidad operativa en un 25%, eliminando cuellos de botella y mejorando la eficiencia
global del proceso.
La eliminación del brazo robótico y la simplificación del sistema optimizaron el uso de recursos,
redujeron costos operativos y aumentaron la confiabilidad del sistema en escenarios de alta demanda.
La simulación permitió validar soluciones antes de su implementación, minimizando riesgos y costos,
lo que destaca su importancia como herramienta estratégica en el rediseño de procesos industriales.
REFERENCIAS BIBLIOGRÁFICAS
Casco, P. (2023, septiembre 24). Autmix Blog | ¿Qué es la simulación de procesos?
https://autmix.com/blog/que-es-la-simulacion-de-procesos
Díaz, M. A., Zárate, R., & Román-Salinas, R. V. (2018). Simulación Flexsim, una nueva alternativa
para la ingeniería hacia la toma de decisiones en la operación de un sistema de múltiples
estaciones de prueba. Científica, 22(2), 97-104.
Dominguez, H. E. (2010). Análisis de los sistemas de producción desde el punto de vista de la
aplicación de simulación orientada a procesos. https://hdl.handle.net/11227/15088
pág. 3403
Duque, E. (2024, febrero 16). FlexSim | Edutools.
https://edutools.tec.mx/es/colecciones/tecnologias/flexsim
Gavilanes, J. (2022, mayo 16). Qué es la simulación de procesos industriales y cómo se realiza.
https://www.cursosaula21.com/que-es-la-simulacion-de-procesos-industriales/
Izurieta, C., Buenaño, S., & Rivera, M. (2024). El diseño industrial y la simulación como herramienta
para mejorar los procesos. Polo del Conocimiento, 9(3), Article 3.
https://doi.org/10.23857/pc.v9i3.6674
Marmolejo, I. (2012). LOS SISTEMAS EMPRESARIALES Y LA SIMULACIÓN DISCRETA CON
FLEXSIM. https://www.uaeh.edu.mx/investigacion/producto.php?producto=5499
Marmolejo, I., Santana, F., & Macias, R. (2024, junio 5). (PDF) La simulación con FlexSim, una fuente
alternativa para la toma de decisiones en las operaciones de un sistema híbrido. ResearchGate.
https://www.researchgate.net/publication/316242875_La_simulacion_con_FlexSim_una_fuen
te_alternativa_para_la_toma_de_decisiones_en_las_operaciones_de_un_sistema_hibrido
Marques, D. (2020, junio 30). Simulación de procesos industriales | Automatización VLD 2020. VLD
Engineering. https://www.vld-eng.com/blog/simulacion-procesos-industriales/
Morales, H. V., Casa, L. P., Jerez, D. A. V., Andrade, K. A. C., & Minta, S. E. T. (2024). Diseño y
Construcción de un Prototipo Automatizado para la Clasificación de Uvas Según su Color.
Ciencia Latina Revista Científica Multidisciplinar, 8(4), Article 4.
https://doi.org/10.37811/cl_rcm.v8i4.13019
Naranjo, G., & Gallardo, W. (2024). (PDF) Simulación empresarial como herramienta para la toma de
decisiones en las organizaciones. ResearchGate.
https://doi.org/10.33262/visionariodigital.v7i2.2565
Orozco, E., Sablón, N., Rodríguez, Y., González, J. C., & Sánchez, F. (2021). Secuenciación de
operaciones por simulación en la empresa Puntadas, S.G. Revista Tecnología en Marcha.
https://doi.org/10.18845/tm.v34i1.4823
Orozco, H. P., Truque, J. D. C., Pemberthy, L. P., & Sinisterra, H. A. (2018). Propuesta para un diseño
de distribución en planta en el área de separado para la empresa de alimentos cárnicos S.A.S,
pág. 3404
evaluada mediante una herramienta de simulación—Flexsim. Publicaciones e Investigación,
12(2), Article 2. https://doi.org/10.22490/25394088.2961
Ortiz, J. L. S. (2011, noviembre 27). J370: Ventajas y desventajas de la simulación. Matlab/Simulink
and Renewable Energy [Jorge Mírez].
https://jmirez.wordpress.com/2011/11/26/j370-ventajas-y-desventajas-de-la-simulacion/
Rodríguez, J. E. (2020). MODELACIÓN Y OPTIMIZACIÓN DE UN PROCESO DE MANUFACTURA
DE TRATAMIENTOS TÉRMICOS MEDIANTE SIMULACIÓN CON FLEXSIM.
https://rinacional.tecnm.mx/jspui/handle/TecNM/7354
Softwaredoit. (2023, septiembre 12). FlexSim: Software de simulación industrial y logística.
https://www.softwaredoit.es/flexsim/flexsim.html
TEC. (2024, enero 15). FlexSim: Opiniones, características, beneficios y precios [2024].
https://www3.technologyevaluation.com/es/solutions/53972/flexsim?srsltid=AfmBOorJWIoN
cNUFPnSzZNngM3jI9d-1Y7DccDxLUSPybzni1BFx224z
Tello, F. (2024, septiembre 24). Ventajas de la simulación de procesos industriales—Aggity.
https://aggity.com/ventajas-de-la-simulacion-de-procesos-industriales/
Toro, M. (2024, enero 22). La Importancia De La Simulación En La Toma De Decisiones
Empresariales. FasterCapital.
https://fastercapital.com/keyword/la-importancia-de-la-simulación-en-la-toma-de-decisiones-
empresariales.html
Vaca, L. (2022, marzo 6). Flexsim: ¿Qué es y para que nos sirve? Zona Captiva.
https://zonacaptiva.com/tecnologia/flexsim-que-es-y-para-que-nos-sirve/