Optimización Industrial del Agendamiento y Flujo de Usuarios Mediante el Uso de Aplicaciones de Análisis de Datos y Automatización: Caso de Estudio en una Clínica de Rehabilitación Electrodiagnóstica

Abstract

Resumen Usar procesos manuales en clínicas pequeñas y medianas genera una ineficiencia del flujo de pacientes y su agendamiento, provocando demoras, bajo aprovechamiento de recursos y alta carga administrativa. Esta investigación, realizada en una clínica colombiana de rehabilitación electrodiagnóstica, demuestra que se mejora la eficiencia operativa y la experiencia del usuario mediante herramientas tecnológicas. Se utiliza una perspectiva cuantitativa, aplicada y enfocada en la intervención, que sigue la lógica de mejorar procesos desde la ingeniería industrial y se apoya en la utilización de datos para tomar decisiones. Se emplea un diseño preexperimental antes-después, analizando datos históricos con Excel y Python. El proceso se modela mediante teoría de colas y Value Stream Mapping, y se implementa un sistema automatizado con la plataforma low-code n8n para gestionar y reprogramar citas. La intervención se evalúa con indicadores como tiempo de espera, ausencias, uso de terapeutas y tiempos de respuesta administrativa. Los retrasos y la escasa utilización no se deben a una insuficiente capacidad instalada, sino a deficiencias en administrar el flujo. Después de la implementación, se notan descensos en los períodos de espera y respuesta, incremento en la ocupación de los profesionales y reducción del impacto del ausentismo. La combinación de la automatización y análisis de datos representa una opción factible, sostenible y replicable para mejorar el agendamiento de citas en empresas de servicios de salud con limitaciones tecnológicas.

Abstract The use of manual processes in small and medium-sized clinics leads to inefficient management of patient flow and appointment scheduling, resulting in delays, low resource utilization, and high administrative workload. This study, conducted in a Colombian electrodiagnostic rehabilitation clinic, seeks to demonstrate that operational efficiency and user experience can be improved through technological tools. The study adopts a quantitative, applied, and intervention-oriented perspective, grounded in industrial engineering process improvement and supported by data-driven decision-making. A pre-experimental before–after design is employed, analyzing historical data using Excel and Python. The process is modeled through queueing theory and Value Stream Mapping, and an automated system is implemented using the low-code platform n8n to manage and reschedule appointments. The intervention is evaluated using indicators such as waiting time, no-show rates, therapist utilization, and administrative response times. Delays and low utilization are not attributable to insufficient installed capacity, but rather to deficiencies in flow management. After implementation, reductions in waiting and response times, increased professional occupancy, and a decrease in the impact of absenteeism are observed. The combination of automation and data analysis represents a feasible, sustainable, and replicable option for improving appointment scheduling in healthcare service organizations with technological limitations.