Envíe este artículo por correo electrónico 
Optimización del flujo logístico mediante DMAIC ante el au-mento del volumen diario de carga en PRModel-Logistc
Resumen
El incremento sostenido en la demanda global de transporte de paquetes ha intensificado los retos operativos en los centros de distribución aérea, particularmente en sistemas sometidos a ventanas temporales estrictas. Este estudio aplica la meto-dología DMAIC para optimizar el flujo logístico de PRModel-Logistic en Puerto Rico, expresando todas las métricas ope-rativas en unidades de tiempo normalizado (T?) donde 1.00 T? corresponde al tiempo máximo permitido para completar el ciclo por vuelo y los indicadores económicos en unidades financieras normalizadas (U?), con 1.00 U? equivalente al costo fijo por vuelo. Los estudios de campo evidenciaron que el proceso presentaba un takt time normalizado de 0.19 T? por tren de cinco contenedores, insuficiente para garantizar sistemáticamente el cumplimiento del límite temporal Ttotal = 1.00 T? bajo escenarios de alta demanda. La aplicación del ciclo DMAIC permitió identificar causas raíz asociadas a la asignación desigual de recursos, la secuenciación operativa y la disponibilidad de equipos, además de rediseñar la distribución de ta-reas para habilitar la paralelización de descarga en cabinas superiores e inferiores. La simulación del sistema validó que las mejoras implementadas aumentan la capacidad del proceso hasta 30 contenedores por vuelo, manteniéndose dentro del límite temporal establecido (0.95 T?). A nivel financiero, el sistema mostró un desempeño robusto, con un ingreso relativo de 4.95 U? por vuelo y una ganancia operativa de 3.95 U?, valores que reflejan la eficiencia de un modelo logístico donde los costos por vuelo son esencialmente fijos. Los resultados demuestran que el uso integrado de métricas normalizadas, análisis estadístico y modelado de simulación bajo la estructura DMAIC constituye un enfoque eficaz para sostener la competitividad operativa y económica en sistemas de carga aérea sujetos a incrementos abruptos en la demanda.
Recibido: 1 de octubre de 2025
Aceptado: 25 de noviembre de 2025
Palabras clave
Texto completo:
PDFReferencias
Antony, J. (2014). Readiness factors for the Lean Six Sigma journey in the higher education sector. International Journal of Productivity and Performance Manage-ment, 63(2), 257-264.
Atlas Air. (2018). Dimensions and key data: 767-300BCF specifications. Atlas Air Worldwide.
Banks, J., Carson, J. S., Nelson, B. L., & Nicol, D. (2010). Discrete-Event System Simulation (5th ed.). Pearson.
Chopra, S., & Meindl, P. (2023). Supply Chain Manage-ment: Strategy, Planning, and Operation (8th ed.). Pearson.
Christopher, M. (2016). Logistics & Supply Chain Man-agement (5th ed.). Pearson Education Limited.
Cohn, A., Root, S., & Wang, A. (2007). Integration of the Load-Matching and Routing Problem with Equipment Balancing for Small Package Carriers. Transportation Science, 41(2), 238–252.
Cudney, E. A., & Kestle, R. (2018). Implementing Lean Six Sigma throughout the supply chain: The comprehen-sive and transparent case study. Crc Press.
De Felice, F., Petrillo, A., & Monfreda, S. (2009). Improv-ing Operations Performance with World Class Manu-facturing Technique. International Journal of Indus-trial and Engineering and Management, 1(5).
Desai, T. N., & Shrivastava, R. L. (2008). Six Sigma–A new direction to quality and productivity management. Proceedings of the World Congress on Engineering and Computer Science, 2, 22–24.
George, M. L., Rowlands, D., Price, M., & Maxey, J. (2005). The Lean Six Sigma Pocket Toolbook. McGraw-Hill.
Gijo, E. V., Bhat, S., & Jnanesh, N. A. (2014). Application of Six Sigma methodology in a small-scale foundry industry. International Journal of Lean Six Sig-ma, 5(2), 193-211.
Gu, J., Goetschalckx, M., & McGinnis, L. F. (2010). Re-search on warehouse operation: A comprehensive re-view. European Journal of Operational Research, 203(3), 539–549.
Joglekar, A. M. (2019). Statistical Methods for Six Sigma: In R and Minitab (2nd ed.). Wiley.
Lim, H. (2011). Modeling local service reliabilities for the parcel distribution system. Journal of International Logistics and Trade, 9(1), 71–87.
Liker, J. K., & Meier, D. (2021). The Toyota Way Fieldbook: A Practical Guide for Implementing Lean. McGraw-Hill.
Minetti, G. F., Salto, C., Alfonso, H., Bermúdez, C., Dielschneider Del Bono, M. J., & Vargas, J. (2022). Optimización de la logística de distribución utilizando técnicas de la Inteligencia Artificial. In XXIV Works-hop de Investigadores en Ciencias de la Computación (WICC 2022, Mendoza).
Montgomery, D. C. (2020). Introduction to Statistical Qual-ity Control (8th ed.). Wiley.
Pereira, P. (Ed.). (2024). Six Sigma and Quality Manage-ment. BoD–Books on Demand.
Proto, S., Di Corso, E., Apiletti, D., Cagliero, L., Cerquitelli, T., Malnati, G., & Mazzucchi, D. (2020). REDTag: a predictive maintenance framework for parcel delivery logistc. IEEE Access, 8, 14953-14964.
Psychogios, A. G., & Tsironis, L. K. (2012). Towards an integrated framework for Lean Six Sigma application: Lessons from the airline industry. Total Quality Ma-nagement & Business Excellence, 23(3-4), 397-415.
Ruiz Moreno, S., Arango Serna, M. D., Serna Urán, C. A., & Zapata, J. A. (2020). Modelo matemático para la optimización de la red de distribución de una empresa de transporte de paquetería y mensajería terrestre. Dyna, 87(214), 127–134.
Rushton, A., Croucher, P., & Baker, P. (2022). The Hand-book of Logistics and Distribution Management (7th ed.). Kogan Page.
Snee, R. D. (2010). Lean Six Sigma - Getting better all the time. International Journal of Lean Six Sigma, 1(1), 9–29.
Todos los documentos publicados en esta revista se distribuyen bajo una
Licencia Creative Commons Atribución -No Comercial- Compartir Igual 4.0 Internacional.
Por lo que el envío, procesamiento y publicación de artículos en la revista es totalmente gratuito.
 |
 |  |  |  |