Control de calidad predictivo basado en mantenimiento prescriptive
Palabras clave:
control de calidad predictivo, mantenimiento prescriptivo, industria 4.0, inteligencia artificial, automatización industrial, confiabilidad operativa.Resumen
El incremento de fallas no planificadas y las limitaciones de los modelos tradicionales de control de calidad han generado dificultades para anticipar defectos asociados al deterioro de los activos industriales. En este contexto, el objetivo del estudio fue analizar la incidencia del mantenimiento prescriptivo en el fortalecimiento del control de calidad predictivo en entornos industriales digitalizados. Se desarrolló una investigación cuantitativa, con diseño no experimental correlacional y alcance explicativo, utilizando información proveniente de informes estatales y organismos nacionales e internacionales del sector industrial. Para el análisis se aplicaron regresión logística multivariante, análisis de supervivencia y análisis de componentes principales. Los resultados evidenciaron una reducción del 58 % en la probabilidad de defectos cuando se incrementó el monitoreo en tiempo real, una disminución del 52 % asociada al nivel de automatización y un incremento del 42 % en la vida útil operativa de los equipos bajo mantenimiento prescriptivo. Asimismo, los componentes relacionados con eficiencia operativa, estabilidad del proceso y capacidad tecnológica explicaron el 78.6 % de la variabilidad del sistema. Se determinó que la integración de inteligencia artificial y mantenimiento prescriptivo optimiza la calidad, reduce desperdicios y fortalece la competitividad industrial.
Descargas
Referencias
Álvarez, L., Lozano, C., & Bravo, D. (2022). Metodología para el mantenimiento predictivo de transformadores de distribución basada en aprendizaje automático. Ingeniería, 27(3), 1–15. https://doi.org/10.14483/23448393.17742
Alzate, P., Restrepo, J., & Giraldo, M. (2023). Tendencias de investigación del blockchain en la cadena de suministro: transparencia, trazabilidad y gestión digital. Universidad & Empresa, 25(44), 1–28. https://doi.org/10.12804/revistas.urosario.edu.co/empresa/a.12451
Arbella, Y., Trinchet, C., & Mora, C. (2021). Monitoreo de condición en las turbinas de viento del parque eólico Gibara II aplicando métodos de la industria 4.0. RILCO Revista de Investigación Latinoamericana en Competitividad Organizacional, 1(1), 1–9.
Avitia, P., Pimentel, A., Rodríguez, J., & Rodríguez, B. (2022). La formación del personal de mantenimiento para la industria 4.0. Revista de Ciencias Tecnológicas, 5(4), 1–14. https://doi.org/10.37636/recit.v5n4e19
Buenrostro, E. (2022). Propuesta de adopción de tecnologías asociadas a la industria 4.0 en las pymes mexicanas. Entreciencias, 10(24), 1–18. https://doi.org/10.22201/enesl.20078064e.2022.24.81347
Carro, J. (2022). El factor humano y su rol en la transición a industria 5.0. Entreciencias, 10(24), 1–16. https://doi.org/10.22201/enesl.20078064e.2022.24.81198
Castillo, A., & Vega, R. (2022). Sistemas ciberfísicos y automatización avanzada en procesos industriales. Revista Tecnológica Empresarial, 8(3), 91–110.
Corzo, G. (2022). La industria 4.0 y sus aplicaciones en el ámbito militar. Revista Científica General José María Córdova, 20(39), 717–736. https://doi.org/10.21830/19006586.934
Espitia, A. (2021). Percepciones sobre innovaciones tecnológicas en el sector productivo. Logos Ciencia & Tecnología, 13(2), 85–99. https://doi.org/10.22335/rlct.v13i2.1408
Fernández, M., & Torres, P. (2023). Analítica predictiva para la reducción de defectos en líneas automatizadas. Ingeniería y Competitividad, 25(3), 1–17.
García, J., López, M., & Ramírez, A. (2021). Aplicación del aprendizaje automático en el mantenimiento predictivo industrial. Revista Iberoamericana de Ingeniería, 15(2), 45–60.
Granados, J. (2023). El impacto de la inteligencia artificial en los trabajadores. Jurídicas CUC, 19(1), 62–88. https://doi.org/10.17981/juridcuc.19.1.2023.03
Hernández, L. (2023). Mantenimiento predictivo como estrategia para la mejora de la calidad en procesos industriales. Revista Cubana de Ingeniería, 14(3), 25–34.
Herrera, M. (2023). Sistemas integrados de gestión de la calidad: estrategia para la competitividad industrial. Revista Ingenio, 20(2), 50–64.
López, D. (2021). Big data aplicado al control de calidad en manufactura inteligente. Revista Internacional de Gestión Industrial, 14(2), 55–73.
Martínez, S. (2021). Retos del sistema financiero colombiano en la Cuarta Revolución Industrial. Cuadernos de Administración, 37(70), 253–270. https://doi.org/10.25100/cdea.v37i70.10769
Montalvo, R. (2022). Monitoreo inteligente y detección temprana de fallas en sistemas productivos. Revista Latinoamericana de Automatización Industrial, 10(1), 55–68.
Morales, H., & Paredes, J. (2021). Gestión de activos físicos y confiabilidad operacional en la manufactura moderna. Revista de Producción Industrial, 13(1), 34–52.
Morris, L. (2022). Prototipo funcional para el mejoramiento del proceso productivo mediante OEE e industria 4.0. Revista Ingenio, 19(1), 70–82.
Ortiz, J., Huayanay, L., Manrique, R., & Sobrado, E. (2022). Modelo de gestión para la aplicación de herramientas Lean Manufacturing para la mejora de la productividad en una empresa de confección de ropa antiflama de Lima, Perú. Industrial Data, 25(1), 103–119. https://doi.org/10.15381/idata.v25i1.2150
Pillado, M., Castillo, V., & Riva, J. (2022). Metodología de administración para el mantenimiento preventivo como base de la confiabilidad de las máquinas. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 12(24), 1–18. https://doi.org/10.23913/ride.v12i24.1218
Ramírez, F. (2023). Transformación digital y mantenimiento inteligente en ecosistemas manufactureros avanzados. Revista Latinoamericana de Ingeniería Industrial, 11(2), 44–61.
Rey, S., Garivay, F., Jacha, J., & Malpartida, J. (2022). Industria 4.0 y gestión de calidad empresarial. Revista Venezolana de Gerencia, 27(97), 289–298. https://doi.org/10.52080/rvgluz.27.97.20
Rodríguez, P., & Pérez, S. (2022). Mantenimiento prescriptivo y optimización de procesos industriales mediante analítica avanzada. Revista de Tecnología Industrial, 18(4), 70–85.
Rodríguez, P., Torres, J., & Sánchez, M. (2023). Tendencias en tecnologías convergentes en la industria 4.0. Revista Facultad de Ingeniería, 32(64), 83–98.
Rojo, M., & Herrera, G. (2022). Mantenimiento productivo total en empresas industriales y terminales portuarias de contenedores. ISTE Scientist, 1(1), 27–47.
Sampedro, C., Palma, D., Machuca, S., & Villalta, B. (2021). Las perspectivas del software y su papel en la industria 4.0. Dilemas Contemporáneos: Educación, Política y Valores, 9(1), 1–23. https://doi.org/10.46377/dilemas.v9i.3029
Solís, D. (2021). La economía circular y los sistemas de control de calidad de los procesos. Producción + Limpia, 16(1), 160–174. https://doi.org/10.22507/pml.v16n1a10
Tapia, C., & Zambrano, J. (2021). Estudio de la aplicación del mantenimiento predictivo en sistemas industriales. Revista Científica INGENIAR: Ingeniería, Tecnología e Investigación, 4(8), 1–15.
Tapia, D. (2023). Inteligencia artificial aplicada al mantenimiento predictivo en la industria 4.0. Revista de Innovación Tecnológica Industrial, 12(2), 33–47.
Vargas, C. (2022). Inteligencia artificial y optimización de activos industriales. Revista Ciencia e Industria, 9(2), 77–95.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Meiby Ziareth Delgado Macias (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
