CAPÍTULO III:

MÉTODO DE INVESTIGACIÓN

39
3.1. DISEÑO Y TIPO DE INVESTIGACIÓN

Por su enfoque, de acuerdo con lo planteado por Eudaldo Enrique Espinoza Freire

(2018), este tipo de investigación se caracteriza por su rigor científico, ya que se apoya

firmemente en la integración con distintas disciplinas científicas y en el uso sistemático del

método científico. Este enfoque permite tratar de forma concreta problemáticas específicas,

a través de un proceso inductivo que favorece la construcción de nuevos puntos de vista.

Por su finalidad o propósito, como lo indica Milton Saavedra (2013), la investigación

encuentra su principal campo de acción dentro de la ingeniería, debido a su relación directa

con la aplicación de saberes ya consolidados, los cuales son fundamentales para diseñar,

construir, mantener o modificar sistemas e infraestructuras, tanto en lo productivo como en

lo científico, teniendo además un papel clave en los procesos de innovación tecnológica.

Por su carácter, siguiendo el enfoque definido por Alfredo Otero Ortega (2018), la

investigación desarrollada en este trabajo se clasifica como cuantitativa, dado que se centra

en recolectar y analizar datos de tipo numérico. Este enfoque permite estudiar el problema

planteado con base en mediciones objetivas y patrones cuantificables.

Por su naturaleza, tomando como referencia a Sierra (1994, citado por Valderrama,

2015), se considera que la investigación es de tipo experimental, pues se fundamenta en la

observación de fenómenos bajo condiciones controladas, permitiendo así manipular ciertas

variables con el fin de analizar sus efectos.

Por su diseño experimental, siguiendo lo planteado por Sierra (1994, citado por

Valderrama, 2015), esta investigación se clasifica como preexperimental, bajo el esquema

de evaluación antes y después del tratamiento, en el cual se manipula la variable

independiente. Del mismo modo, corresponde a un diseño de corte longitudinal, al incluir

una medición inicial (pretest) y una final (postest), como se detallará a continuación.

40
Dónde:

Y1: Es un grupo de sujetos antes del estímulo (Pre prueba). Se pretende medir la

variable dependiente (Productividad).

X: Es el Estímulo, condición o tratamiento experimental, es decir la presencia de

algún nivel o modalidad de la variable independiente.

Y2: Medición de los sujetos después del estímulo (Post Prueba), con la finalidad de

medir nuevamente la variable dependiente.

3.2. Operacionalización de variables

A continuación, se muestra el esquema planteado en el presente trabajo de

investigación.

Figura 17

Eficiencia 𝑇𝑖𝑒𝑚𝑝𝑜 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜

=
𝑇𝑖𝑒𝑚𝑝𝑜 𝑈𝑡𝑖𝑙𝑖𝑧𝑎𝑑𝑜
Elaboración

∗ 𝐸𝑥𝑝𝑟𝑒𝑠𝑎𝑑𝑜 𝑒𝑛 ℎ𝑜𝑟𝑎𝑠
Productividad
MANUFACTURING
𝑅𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝐺𝑒𝑛𝑒𝑟𝑎𝑑𝑜𝑠
=
Eficacia 𝑅𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜𝑠
*𝐸𝑥𝑝𝑟𝑒𝑠𝑎𝑑𝑜 𝑒𝑛 ℎ𝑜𝑟𝑎

41
3.2.1 Variable Independiente (Lean Manufacturing)

Definición conceptual

Según Según Irene Andreu (2024), el Lean Manufacturing es una metodología de

gestión enfocada en eliminar actividades que no generan valor para el cliente, con el fin de

optimizar procesos y recursos. Su objetivo principal es reducir desperdicios, mejorar la

eficiencia operativa y ofrecer productos o servicios con mayor calidad en menos tiempo y a

menor costo.

Definición operativa

VSM (Value Stream Mapping)

1. Definición

El mapa de flujo de valor es una herramienta visual que muestra de manera integral
un proceso de negocios, abarcando desde la recepción de la materia prima hasta la entrega
del producto o servicio al cliente final. Esta representación permite identificar los flujos de
materiales e información, facilitando la detección de desperdicios y promoviendo mejoras
en la eficiencia.

2. Orígenes del mapa de flujo de valor

El concepto de VSM se originó en el Sistema de Producción de Toyota, también

denominado Lean Manufacturing. Con el tiempo, ha experimentado una evolución y se ha
ajustado a distintos sectores e industrias, como los servicios y el desarrollo de software. En
la actualidad, se emplea de manera global como una herramienta clave para la mejora
continua.

3. Principales componentes del mapa de flujo de valor

El mapa de flujo de valor incluye diversos elementos conectados entre sí, que
permiten representar la complejidad de los procesos empresariales. A continuación, se
describen estos componentes en detalle:

 Flujo de valor

42
 El paso inicial para elaborar un mapa de flujo de valor consiste en reconocer y
representar el flujo de valor existente. Esto requiere registrar con precisión cada etapa y
subproceso que interviene en la entrega de un producto o servicio, desde su comienzo
hasta su conclusión.

 Información del flujo de valor

La información desempeña un rol fundamental en la administración de procesos. El

VSM considera la recolección de datos clave para comprender con mayor claridad cómo
circula la información dentro de los procesos y cómo se emplea en la toma de decisiones.

 Flujo de materiales

Esto conlleva reconocer los materiales que se emplean en el proceso, así como su
desplazamiento y almacenamiento. Mediante el VSM, se pueden detectar zonas con
acumulación innecesaria de inventario o escasez de materiales.

 Flujo de información

El flujo de información constituye la base de toda organización. El VSM permite

seguir el recorrido de la información entre los distintos departamentos y analizar su impacto
en el flujo de valor general. Esto resulta clave para lograr una coordinación eficiente y
decisiones bien fundamentadas.

4. Objetivos

 Reducción de desperdicios

Uno de sus propósitos centrales es reconocer y suprimir los desperdicios presentes

en los procesos. Esto engloba tareas que no contribuyen al valor, como el transporte
excesivo, el inventario superfluo y la repetición de trabajos. Al suprimir estos desperdicios,
las organizaciones logran economizar tiempo y recursos importantes.

 Mejora de la eficiencia

Al mapear los procesos actuales como los futuros, esta herramienta facilita a las
empresas la detección de oportunidades para mejorar la eficiencia. Esto puede traducirse en
una reducción de los tiempos de ciclo, un menor uso de recursos y un aumento en la
productividad.

 Identificación de cuellos de botella

43
 El mapeo del flujo de valor facilita la identificación de cuellos de botella dentro de
los procesos, es decir, aquellos puntos donde las restricciones dificultan la producción o
entrega. Al reconocerlos, las empresas pueden actuar para eliminarlos y así mejorar el flujo
general del sistema.

 Aumento de la satisfacción del cliente

Cuando un proceso se vuelve más eficiente, suele traducirse en tiempos de entrega

reducidos y en una mayor uniformidad en la calidad de los productos o servicios. Esto
contribuye a una mayor satisfacción del cliente, un factor clave para el éxito sostenido de
cualquier organización.

5. ¿Cómo implementar el VSM?

Una vez que se entienden las ventajas del mapa de flujo de valor, resulta fundamental
conocer cómo aplicarlo de manera efectiva dentro de la organización. A continuación, se
presentan los pasos esenciales para lograrlo.

 Identificación del proceso objetivo

El paso inicial consiste en seleccionar el proceso que se desea analizar y optimizar.

Es recomendable elegir uno que influya de manera importante en el cumplimiento de los
objetivos de la organización.

 Selección del equipo de mapeo

Forma un equipo con expertos en el proceso elegido, encargado de reunir datos y

desarrollar tanto el mapa actual como la propuesta del estado futuro.

 Recolección de datos e información

La recopilación de datos es fundamental para comprender el funcionamiento actual

del proceso. Esto incluye examinar los tiempos de ciclo, los costos, el flujo de materiales y
otros aspectos relevantes.

 Diseño del mapa actual y futuro

Una vez recopilada la información, el equipo de mapeo elabora el VSM del estado
actual y luego desarrolla el mapa futuro, señalando posibles mejoras y oportunidades de
optimización.

 Implementación de las mejoras

44
 Después de definir el mapa futuro, llega el momento de aplicar las mejoras
propuestas. Esto puede requerir modificaciones en los procesos, formación del personal
y modernización de los sistemas.

METODOLOGÍA 5´S

La implementación del Lean Manufacturing se realizará mediante los pasos de la

metodología 5S, utilizando información recopilada del área de análisis de la empresa

FARIPRINT S.A.C.

De acuerdo con López Brayan (2020), la metodología de las 5S es una estrategia de

orden y limpieza ampliamente empleada en la industria manufacturera japonesa. Su

propósito principal es incrementar la productividad mediante la eliminación de desperdicios

y la adopción de prácticas eficientes. Esta técnica se basa en cinco principios fundamentales:

 Seiri (Clasificación): Separar los elementos necesarios de los innecesarios,

 Seiton (Orden): Organizar los elementos necesarios para mejorar la eficiencia,

45
  Seiso (Limpieza): Mantener el área de trabajo limpia y ordenada

constantemente,

 Seiketsu (Estandarización): Establecer y aplicar estándares para mantener la

organización y la limpieza,

 Shitsuke (Disciplina): Fomentar la disciplina para mantener los estándares

establecidos.

3.2.2 Variable dependiente

Definición Conceptual

De acuerdo con Carro y Gonzáles (2012), la productividad se refiere al

perfeccionamiento de un proceso de producción. Esta mejora se evidencia cuando se obtiene

una proporción favorable entre los recursos empleados y los productos generados. En ese

sentido, la productividad se puede entender como un indicador que mide la relación entre

los resultados obtenidos (productos o salidas) y los recursos necesarios para producirlos

(insumos o entradas), expresado generalmente como: Productividad = Resultados / Recursos

utilizados.

Productividad

Mejoramiento continuo del sistema

Más que producir rápido, se trata de producir mejor

Productividad =Eficiencia x Eficacia

En cuanto a eficiencia se define como:

Chiavenato (2004) señala que la eficiencia se relaciona con la habilidad para

46
establecer metas adecuadas y actuar en función de lo que realmente beneficia a las

organizaciones. Esto implica aprovechar de manera óptima los recursos disponibles o

medios de producción. La eficiencia puede representarse mediante la fórmula E = P/R, en la

cual P corresponde a los productos obtenidos y R a los recursos empleados en el proceso.

Fórmula de la eficiencia:

𝑇𝑖𝑒𝑚𝑝𝑜 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜 𝐼𝑛𝑠𝑢𝑚𝑜𝑠 𝑝𝑙𝑎𝑛𝑒𝑎𝑑𝑜𝑠

= =
𝑇𝑖𝑒𝑚𝑝𝑜 𝑈𝑡𝑖𝑙𝑖𝑧𝑎𝑑𝑜 𝐼𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜𝑠

En cuanto a eficacia se menciona:

Según Gil (2011), la eficacia se evalúa a partir del grado en que se alcanzan los

objetivos organizacionales. Sin embargo, para que estos se logren, deben estar en sintonía

con la visión establecida y organizados según su relevancia y prioridad. Esto permite,

además, evaluar si los productos y servicios cumplen con las expectativas de los clientes.

Fórmula de la eficacia:

𝑅𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝐺𝑒𝑛𝑒𝑟𝑎𝑑𝑜𝑠 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑐𝑜𝑛𝑠𝑒𝑔𝑢𝑖𝑑𝑜𝑠

= =
𝑅𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜𝑠 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜

En cuanto a escala se define como:

Hal R. Varian (2010) explica que la escala de producción hace referencia al vínculo

existente entre la cantidad de recursos que una empresa emplea y el volumen de producción

que obtiene. Este concepto se analiza mediante los denominados rendimientos de escala.

47
48
Definición Operacional

Para Paul Krugman (1994), la productividad, aunque no lo es todo, representa

prácticamente el factor más determinante a largo plazo. El crecimiento sostenido del

bienestar de una nación depende, en gran medida, de su habilidad para incrementar la

producción por cada trabajador. Esta idea resalta la importancia de analizar cómo se

transforman los recursos en bienes o servicios, con el propósito de medir la eficiencia en ese

proceso de conversión.

3.3. POBLACIÓN Y MUESTRAS DE INVESTIGACIÓN

3.3.1. POBLACIÓN

Según Hernández Sampieri, Fernández y Baptista (2014), la población se entiende

como el conjunto completo de individuos, objetos o eventos que poseen características

comunes y que son objeto de estudio en una investigación. (p.174)

Por su parte, SalusPlay (2023) señala que la población o universo está compuesta por

todos los elementos que cumplen con ciertos criterios definidos, tales como ubicación

geográfica, periodo temporal o condiciones específicas, lo que permite delimitar el alcance

del estudio. (p.92)

Además, Vivanco (2005) describe la población como el conjunto total de unidades

que serán evaluadas, las cuales deben estar claramente definidas para garantizar que los

resultados sean representativos y aplicables. (p.82)

Es importante destacar que la correcta definición de la población, esto se debe, a que

es fundamental para el diseño de la investigación, ya que de ella dependerá la selección

adecuada de la muestra y la validez de las conclusiones. Asimismo, delimitar la población

permite establecer criterios de inclusión y exclusión que aseguran que los sujetos o

elementos analizados sean pertinentes para responder a los objetivos planteados.

49
 En el presente trabajo, la población está conformada por los trabajadores del área de

Producción de la empresa FARIPRINT S.A.C., dedicada a servicios de impresión industrial

en el Perú. Esta población es finita y accesible, compuesta por un total de 33 empleados,

quienes constituyen el universo sobre el cual se basará el análisis para obtener resultados

representativos y relevantes para la empresa.

3.3.2. MUESTRAS DE INVESTIGACIÓN

Según Porficio Condori (2020), la muestra es una parte representativa de la población

que comparte las características principales del grupo total bajo estudio. Hernández

Sampieri, Fernández y Baptista (2014) definen la población como el conjunto completo de

casos que cumplen con ciertas especificaciones establecidas para la investigación.

En este caso, dado que la población es finita -compuesta por 33 trabajadores- y se

tiene acceso total a la información de todos sus integrantes, no se realizará un cálculo

estadístico para determinar una muestra, sino que se trabajará con la población completa.

Esta práctica está respaldada por Vara-Horna (2010), quien indica que cuando la población

es finita y accesible en su totalidad, es recomendable incluir a todos los miembros en el

estudio, haciendo innecesario el muestreo. De igual forma, Arias-Gómez (2012) sostienen

que, si se puede acceder a toda la población, no es necesario extraer una muestra, sino que

se debe trabajar con el universo completo.

Para fundamentar esta decisión, se puede recurrir a la fórmula de Scheaffer (1987)

para calcular el tamaño de muestra en poblaciones finitas:

Muestra:

50
 N = tamaño de la población: 11

= precisión o error:

p = probabilidad de éxito: 0,5

q= probabilidad de fracaso: 0,5

= nivel de confianza (puntuación z). Es una variable que depende del nivel de

confianza:

En tal sentido la muestra es 30 operarios que se desenvuelven en el taller de

impresión de la empresa FARIPRINT S.A.C, lo que se también se respalda con la formula

presentada anteriormente.

3.4. TÉCNICAS E INSTRUMENTOS DE INVESTIGACIÓN (VALIDEZ Y

CONFIABILIDAD):
INSTRUMENTO:

Para esta investigación, se utilizaron los siguientes instrumentos de medición:

 Fichas de registro de las unidades producidas diariamente, representadas mediante

tablas comparativas para evaluar la eficacia de los procesos productivos.

51
 Fichas de registro del tiempo usando un cronómetro empleado en cada operación,
también representadas en tablas comparativas, con el objetivo de implementar el
Lean Manufacturing en el área de producción de la empresa FARIPRINT S.A.C.

52
Cronómetro utilizado en las mediciones del tiempo

 Marca: Q&Q
 Modelo: HS45
 Precisión: ±0.01 segundos
 Funcionalidades:
 Medición de tiempo transcurrido
 Funciones de vuelta/lap
 Memoria para 10 tiempos de vuelta
 Contador regresivo
 Alarma
 Material: Plástico ABS, pantalla LCD
 Resistencia al agua: Resistente al agua (IPX4)
 Batería: CR2032, duración estimada de 2 años
 Dimensiones: 80 mm x 60 mm x 20 mm
 Peso: 60 g
 Ergonomía: Diseño ergonómico para uso cómodo
 Fecha de fabricación: Varía según lote
 Garantía: 1 año
 Manual de usuario: Incluido

Estos instrumentos facilitaron la recopilación de datos y la evaluación de las

variables, permitiendo realizar las correlaciones necesarias y efectuar las comparaciones
pertinentes.

SELECCIÓN Y VALIDACIÓN DE LOS INSTRUMENTOS DE INVESTIGACIÓN:

ELABORACIÓN DE LOS INSTRUMENTOS

Se utilizarán un pretest y un post test para evaluar la eficacia y eficiencia de la

empresa antes y después de la implementación del Lean Manufacturing.

53
3.4.1. VALIDACIÓN DE LOS INSTRUMENTOS (Juicio de Expertos)

Según Valderrama (2015), todo instrumento debe ser válido y confiable, ya que debe
ser preciso y seguro (p. 204).

Para La Torre (2007, citado por Valderrama, 2015) señala que la validez refleja con
exactitud la característica o dimensión que se pretende medir (p. 206).

Validez de expertos

De acuerdo con Valderrama (2015), la validez de expertos consiste en la recopilación

de opiniones de profesionales que verifican que el instrumento seleccionado mide lo que el
indicador pretende medir (p. 199).

Para determinar el grado de validación del instrumento, se procedió con un proceso

de validez externa y confiabilidad interna. Esta validación fue realizada por docentes,
magísteres y doctores, expertos en investigación y con conocimiento pleno de la situación
actual de la Facultad de Ingeniería Industrial y de Sistemas de la Universidad Nacional de
Ingeniería.

Los expertos que dieron la validez de los instrumentos son los siguientes:

54
 RÚBRICA DE CALIFICACIONES

N° Investigador Experto Especialidad Puntaje Nota

1 Coronel Farias Brenilda Ing. Industrial 84 16.8

Delia
2 Grajeda Rodríguez Carlos Ing. Industrial 75 15
3 Ubia Mora Eva Virginia Ing. Industrial 88 17.6

Fuente: FIIS UNI. Elaboración: Elaboración propia.

Los temas evaluados por los expertos son verificados en el Anexo 03.

3.4.2. CONFIABILIDAD DEL INSTRUMENTO

Según Hernández Sampieri et al (2013), la confiabilidad de un instrumento de

medición se refiere al grado en que su aplicación repetida al mismo individuo u objeto

produce resultados iguales.

Para determinar la confiabilidad de mi instrumento de medición se utilizó la medida

de estabilidad (Confiabilidad por Test Re-test).

55
 De acuerdo con Krauss y Chen (2003), en este procedimiento un mismo instrumento

de medición se aplica dos o más veces a un mismo grupo de personas o casos, después de

cierto periodo. Si la correlación entre los resultados de las diferentes aplicaciones es muy

positiva, el instrumento se considera confiable.

En el anexo número 03 podemos observar los datos recopilados para probar la

confiabilidad del instrumento.

Fiabilidad para el indicador de Eficacia:

Tabla 1 – Resultados de prueba Test – Retest (Eficacia)

Test_Eficacia Retest_Eficacia
Correlación de Pearson 1 0.897283463
Test_Eficacia Sig. (bilateral) <0.005''
N 30 30
Correlación de Pearson 0.897283463 1
Retest_Eficacia Sig. (bilateral) <0.005''
N 30 30

**. La correlación es significativa en el nivel 0,01(bilateral)

Elaboración propia

De acuerdo con lo mencionado por Hernández, Fernández y Baptista (2014), el

coeficiente de Pearson varía entre -1 y +1.

Resultado: r = 0.897283463

Interpretación:

Podemos decir que el instrumento es confiable dado que nos brinda un resultado de

+0.897283463 lo que significa que presenta una correlación positiva muy fuerte.

Fiabilidad del Indicador Eficiencia

56
Tabla 2 – Resultados prueba Test – Retest (Eficiencia)

Test_Eficiencia Retest_Eficiencia
Correlación de Pearson 1 0.896526924
Test_Eficiencia Sig. (bilateral) <0.005''
N 30 30
Correlación de Pearson 0.896526924 1
Retest_Eficiencia Sig. (bilateral) <0.005''
N 30 30

**. La correlación es significativa en el nivel 0,01(bilateral)

Elaboración propia

Resultado: r = 0.896526924

p < 0.005

Interpretación:

Podemos decir que el instrumento es confiable dado que nos brinda un resultado de

r = +0.896526924 lo que significa que presenta una correlación positiva muy fuerte. Por otro

lado, la prueba es significante dado que p < 0.05.

3.5. ANÁLISIS Y TÉCNICAS DE DATOS (APLICACIÓN DE ESTADÍSTICOS:

SPSS)

Para este trabajo de investigación se utilizará la Prueba T-Student para validar las

hipótesis propuestas. De acuerdo con Hernández Sampieri, R., Fernández Collado, C., &

Baptista Lucio, P. (2014), la prueba T-Student es adecuada cuando el tamaño de la muestra

es menor o igual a 30 elementos, esto es similar a lo que nos dice Gómez, J., & Pérez, A.

(2016) quienes sugieren que esta prueba es útil para comparar dos tratamientos

experimentales en muestras pequeñas, con el objetivo de identificar diferencias en

proporciones o porcentajes entre ellos.

57
 Para la validación de las hipótesis se utilizará el método estadístico de Distribución

Normal aplicando la prueba de Normalidad de Shapiro Wilk, para ello se usará el software

SPSS versión 22 como apoyo en el análisis estadístico.

Para aplicar la prueba T-Student, se deben cumplir las siguientes condiciones para

comparar las medias Corder, G. W., & Foreman, D. I. (2014)

Normalidad: La variable dependiente debe seguir una distribución normal dentro de

cada grupo. Normalmente, se asume que, si n y m son mayores a 30, la aproximación a la

normalidad será adecuada. Por lo tanto, es necesario comprobar la normalidad de la variable

dependiente.

Para verificar si la variable cuantitativa se aproxima a la normalidad, se debe cumplir

lo siguiente en cada grupo:

 El valor máximo y mínimo deben estar dentro del intervalo definido por la media ±3

desviaciones estándar.

 Debe cumplirse que: |Asimetría| < 2 errores estándar de asimetría.

 Y también que: |Curtosis| < 2 errores estándar de curtosis.

3.6. ASPECTOS ÉTICOS

Según Velásquez (2015), la ética, entendida como una rama de la filosofía que se

basa en el razonamiento crítico, es fundamental para analizar de forma sistemática y objetiva

los valores morales que guían la conducta humana. Por ello, es imprescindible que los

investigadores mantengan sólidos principios éticos durante la realización de sus estudios

(Gómez & Ramírez, 2017). La ética en la investigación se configura como una ética

aplicada, orientada a resolver no solo problemas generales, sino también los específicos que

emergen en el desarrollo de los procesos investigativos (Martínez, 2010).

Por otra parte, la Oficina de Integridad en la Investigación (Office of Research

Integrity, ORI) enfatiza que la mala conducta científica no incluye errores honestos ni
58
 discrepancias en opiniones, sino actos intencionales que comprometen la integridad de la

investigación. En este sentido, el manual de ética de López (2008) establece los siguientes

criterios para la conducta ética en la investigación:

 Fraude, que comprende errores deliberados o no en la recolección y análisis de datos.

 Honestidad científica, que incluye:

 Respetar fielmente los datos obtenidos.

 Evitar la manipulación o distorsión de los datos con fines justificativos.

 Informar los resultados con exactitud y transparencia.

 Búsqueda de la verdad, la cual:

 No puede enseñarse directamente, sino fomentarse a través del ejemplo.

 Es fácil de proclamar, pero difícil de aplicar consistentemente.

 Se manifiesta en la constante verificación y validación de los hallazgos.

 Requiere paciencia y comprensión hacia los errores humanos.

 Servicio a la sociedad, entendido como el compromiso de que la ciencia beneficie a

toda la comunidad y no solo a grupos específicos.

De acuerdo con Miranda (2013), un investigador ético debe cumplir con los siguientes

deberes esenciales:

1. Reconocer claramente todas las fuentes de información, incluso las ideas recibidas

oralmente.

2. Dominar los métodos y normas para citar y referenciar correctamente.

3. Mantenerse actualizado en su área de estudio, con conocimiento de los autores y

debates relevantes, para evitar plagios y errores conceptuales.

4. Conocer la normativa vigente sobre propiedad intelectual, aunque esta pueda tener

limitaciones éticas en ciertos contextos.

5. Informar a editores y lectores cuando un trabajo enviado para publicación sea

sustancialmente similar a uno previo.

59
 6. Identificar claramente reediciones o versiones nuevas de trabajos anteriores para

evitar que se contabilicen como publicaciones duplicadas.

Además, según la autoridad peruana en propiedad intelectual, Indecopi (2018), los

derechos de autor protegen la creación intelectual y establecen responsabilidades para

quienes desean utilizar dichas obras. En la investigación científica, existen normativas y

estilos de citación, como el APA (American Psychological Association, 2020), que

promueven el respeto y la ética en la referencia de trabajos previos.

En este sentido, el presente estudio reafirma la transparencia y veracidad de los datos

utilizados, destacando la información real y actualizada de la empresa Fariprint S.A.C.,

dedicada a servicios de impresión industrial en el Perú. Asimismo, se garantiza la

confidencialidad de los datos personales de sus trabajadores, el manejo adecuado de sus

actividades y la protección de los procesos productivos, asegurando que la información

presentada se basa en una investigación rigurosa y fuentes confiables.

60