Captura de Movimientos para el Análisis de Operaciones: Caso de Estudio Sector Calzado
Contenido principal del artículo
Resumen
El sector del calzado en Colombia está compuesto predominantemente por micro, pequeñas y medianas empresas (mipymes) que tienen en gran medida procesos manuales y presentan una baja tecnificación. Este estudio tiene como objetivo validar una metodología para el análisis de operaciones manuales a través de estudios de movimiento, en entornos reales de producción, utilizando sistemas ópticos de captura de movimiento (MoCap) integrados con simulaciones virtuales. Se analizó una tarea de ensamble manual en una empresa de calzado, utilizando cuatro cámaras infrarrojas y marcadores reflectivos ubicados en las muñecas y dedos índices de la trabajadora. Los datos de movimiento se procesaron en MATLAB para recrear virtualmente la operación e identificar el tipo y la frecuencia de los movimientos. Los resultados mostraron un total
de 539 movimientos durante un ciclo de 90 segundos: 215 operaciones (39,9%), 35 transportes (6,5%) y 289 sostenimientos (53,6%). El tiempo promedio por operación productiva fue de 0,41 segundos, lo que arroja una productividad estimada de 146 operaciones por minute y 40 productos/hora.La simulación virtual evidenció una concentración de trayectorias de las manos dentro de la zona de alcance normal, indicando una disposición espacial eficiente. Sin embargo, la alta proporción de movimientos no productivos reveló oportunidades significativas de mejora en la estandarización de métodos y en el diseño ergonómico. La implementación de sistemas MoCap permitió una clasificación automatizada de los movimientos y el análisis de trayectorias sin segmentación manual, superando así la subjetividad y las limitaciones de la observación tradicional. A pesar de pérdidas menores de datos causadas por interferencias del entorno, el sistema demostró ser robusto y aplicable en un entorno industrial activo. Esta investigación demuestra la viabilidad de incorporar tecnología
MoCap en estudios de tiempos y movimientos para contextos reales de manufactura, proporcionando información valiosa para el rediseño de procesos, la capacitación de operarios y la evaluación ergonómica.
##plugins.themes.bootstrap3.displayStats.downloads##
Detalles del artículo
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Queda autorizada la reproducción total o parcial de los contenidos de la revista con finalidades educativas, investigativas o académicas siempre y cuando sea citada la fuente. Para poder efectuar reproducciones con otros propósitos, es necesario contar con la autorización expresa del Sello Editorial Universidad de Medellín.
Cómo citar
Referencias
World Population Review, “Shoe Production by Country 2025.” (on-line). Disponible: https://worldpopulationreview.com/country-rankings/shoe-production-by-country
ACICAM. Industria del calzado colombiano. Asociación Colombiana de Industriales del Calzado, Cuero y sus Manufacturas, 2023.
Ministerio de Comercio, Industria y Turismo, “Exportaciones de cuero, calzado y marroquinería crecieron 72,2% en 2021,” 2022. (on-line). Disponible: https://www.mincit.gov.co/prensa/noticias/industria/crecen-exportaciones-cuero-calzado-y-marroquineria
Observatorio Inexmoda, “Calzado y Marroquinería - Informe de Coyuntura,” noviembre 2024.
Statista, “Footwear - Colombia | Statista Market Forecast,” 2025. (on-line). Disponible: https://www.statista.com/outlook/cmo/footwear/colombia
D. Ramírez, “Perspectiva estructural del calzado en Colombia,” Cámara Colombiana del Cuero, Calzado y Marroquinería, 2023.
J. Maynard, Industrial Engineering Handbook, 3rd ed., New York, NY, USA: McGraw-Hill, 1992.
H. Niebel, Ingeniería industrial y de métodos, Alfaomega, 2005.
M. Menolotto et al., “Motion Capture Technology in Industrial Applications: A Systematic Review,” Sensors, vol. 20, no. 19, p. 5687, 2020. doi: 10.3390/s20195687. [En línea]. Disponible: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583783/
J. E. Naranjo et al., “Wearable Sensors in Industrial Ergonomics: Enhancing Safety and Productivity in Industry 4.0,” in Italian National Conference on Sensors, 2025.
M. Benter and P. Kuhlang, “Analysing Body Motions Using Motion Capture Data,” in Proc. Int. Conf. on Applied Human Factors and Ergonomics (AHFE), 2019.
S. Hong et al., “Productivity Measurement through IMU-Based Detailed Activity Recognition Using Machine Learning: A Case Study of Masonry Work,” Sensors, vol. 23, no. 17, p. 7635, 2023. doi: 10.3390/s23177635. [En línea]. Disponible: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10490776/
F. Pilati et al., “Learning Manual Assembly Through Real-Time Motion Capture for Operator Training with Augmented Reality,” Procedia Manufacturing, vol. 45, pp. 189–195, 2020. doi: 10.1016/j.promfg.2020.04.093.
R. Rybnikár, M. Mahdal y L. Zeman, “Human body motion analysis for improved workplace ergonomics: A practical approach,” Machines, vol. 11, no. 5, p. 475, 2023. doi: 10.3390/machines11050475
A. Agostinelli et al., “Automatic ergonomic risk assessment using human pose estimation with monocular cameras,” Scientific Reports, vol. 14, p. 11025, 2024. doi: 10.1038/s41598-024-47410-2
H. A. Tinoco, A. M. Ovalle, C. A. Vargas y M. J. Cardona, “An automated time and hand motion analysis based on planar motion capture extended to a virtual environment,” SN Applied Sciences, vol. 3, 2021. doi: 10.1007/s42452-021-04728-2. Disponible: https://link.
springer.com/article/10.1007/s42452-021-04728-2
Instituto I3A – Univ. de Zaragoza, “Un sistema virtual de captura del movimiento permite conocer mejor los problemas musculoesqueléticos derivados del trabajo,” 2021. [on-line]. Disponible: http://i3a.unizar.es/es/noticias/un-sistema-virtual-de-captura-del-movimientopermite-conocer-mejor-los-problemas-musculo
S. Tripathi, M. A. Jiménez y D. Mejía, “Ergonomía y productividad: análisis de correlación en estaciones manuales usando captura de movimiento,” Rev. Ing. Ind. Aplic., vol. 15, no. 2, pp. 73–88, 2025.
L. Brosche, M. Reichelt, T. Prinz y J. Franke, “Personalized ergonomics using human digital twins and motion capture in manual assembly,” in Proc. IEEE Int. Conf. on Industrial Engineering and Engineering Management (IEEM), 2024. doi: 10.1109/IEEM55944.2024.10262178
F. Rojas, C. Leiva y M. González, “Digital twins in manufacturing: Integrating motion capture and AI for process optimization,” Procedia CIRP, vol. 121, pp. 23–29, 2023. doi: 10.1016/j.procir.2023.03.005
G. Vignali, A. Viola y L. Bonvicini, “Motion analysis and digital human modeling to assess ergonomic risk,” Int. J. Ind. Ergonomics, vol. 80, p. 103072, 2021. doi: 10.1016/j.ergon.2020.103072
X. Yang, S. Wang, Y. Li y H. Zhou, “A survey of motion capture technology for ergonomics and its applications in Industry 4.0,” IEEE Access, vol. 11, pp. 44455–44475, 2023. doi: 10.1109/ACCESS.2023.3274401
T. Nguyen y D. Drira, “Human–robot collaboration: An ergonomic point of view,” Appl. Sci., vol. 12, no. 9, p. 4560, 2022. doi: 10.3390/app12094560
R. Kropp, T. Schmidt y F. Mauel, “Integrating ergonomics and AI in human–digital twin interaction for adaptive manufacturing,” Int. J. Adv. Manuf. Technol., vol. 124, pp. 3951–3964, 2023. doi: 10.1007/s00170-023-11903-4
C. González y F. Peña, “Integración de sensores inerciales y visión artificial en el análisis de operaciones manuales,” Ing. Investig., vol. 41, no. 2, pp. 102–110, 2021.
A. Caputo, M. Greco y R. Bortolini, “Ergonomic re-design of workstations through motion capture and EAWS evaluation,” Ergonomics, vol. 63, no. 7, pp. 912–928, 2020. doi: 10.1080/00140139.2020.1745145
D. Ramírez, A. Carrillo y J. B. Téllez, “Estado de la industria del calzado en Colombia: desafíos y oportunidades,” Estud. Econ. Emp., vol. 13, no. 2, pp. 211–232, 2024.
OECD, “Productivity in the Footwear Industry: Structural Analysis and Recommendations,”Technical Report, París, 2023.
C. Castellanos, L. Ramírez y J. Mendoza, “Ergonomía digital y captura de movimiento: retos y aplicaciones en manufactura,” Rev. Latinoam. Ing. Ind., vol. 41, no. 1, pp. 65–80, 2024.