Marzo de 2020Página 1 de 3

CÓMO IMPLEMENTAR UN MODELO DE

MANTENIMIENTO 4.0
Ing. Alain Castillo, especialista en sistemas de confiabilidad (CMRP).
En la era de la digitalización surge este nuevo modelo de mantenimiento basado en la
integración de Tecnologías Operacionales y Tecnologías de la Información.

En materia de confiabilidad de activos siempre existe espacio

para mejorar y, con el auge del Internet Industrial de las
Cosas (IIoT) y la Industria 4.0, los modelos de mantenimiento
basados únicamente en el diagnóstico de fallas quedaron
atrás. En la actual era de la manufactura digital,
implementar un sistema de mantenimiento prescriptivo ya
es una realidad.

Podemos definir al mantenimiento prescriptivo (RxM) como

una técnica que permite, no solo detectar una condición de
falla con bastante tiempo de anticipación, sino que también
prescribe o receta una solución para mitigar o corregir la
anormalidad.
El mantenimiento prescriptivo va más allá de sugerir una
solución a la condición anormal. Y para lograr ese nivel de
precisión se requiere procesar una gran cantidad de
datos, es aquí donde este modelo aprovecha las
tecnologías emergentes de la Industria 4.0 y el IIoT.
Mantenimiento predictivo vs prescriptivo
La eficiencia de las herramientas para mantenimiento predictivo tradicional se sustenta en la
dependencia en un analista para realizar el diagnóstico y la detección de anomalías. 

Los operadores pasan muchas horas observando los paneles de operación o HMI’s,
analizando tendencias y reaccionando ante los eventos registrados en los paneles de
alarmas.

Sin embargo, cuando una situación anormal se presenta, un operador puede verse
súbitamente inundado por una gran cantidad de información, la cual tiene que analizar de
manera rápida y efectiva para evitar paros no planeados y afectaciones en la producción. Y
aunque en algunas herramientas también pueden crearse reglas simples para la
detección automática de fallas, estas generalmente están basadas en límites de alarma
establecidos para ciertas variables determinadas.

En resumen, lo que el operador hace en un modelo de mantenimiento predictivo es:

 Observar las alarmas.

 Identificar el escenario.
1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 1
 Comparar con experiencias previas.

 Encontrar la solución apropiada.

 Reaccionar de la mejor manera.

El escenario anteriormente descrito es el claro ejemplo de operaciones reactivas, las cuales

tienen las siguientes implicaciones:
 Fatiga del/los operadores(es) por inundación de alarmas.

 Interrupciones continuas a los procesos.

 Alto número de paros no planeados.

 Alto índice de incidentes y accidentes.

 Costos de mantenimiento elevados

 Niveles de calidad variables.

Por otro lado, un modelo de mantenimiento prescriptivo, como el descrito en el presente

artículo, es una herramienta que permite retener el conocimiento del analista experto, esto
mediante tres puntos clave:
1. Creación de modelos basados en la experiencia adquirida.

2. Creación de modelos basados en datos históricos y análisis previos.

3. Actualización de modelos basado en nuevas experiencias adquiridas desde la puesta

en operación del “Modelo de Mantenimiento Prescriptivo”.

Como ya se ha expuesto, documentado y promovido desde hace muchos años, la cultura de

la confiabilidad en la industria tiene como consecuencia evolucionar hacia un ambiente de
trabajo proactivo. Este modelo está basado en la implementación de programas de
mantenimiento y monitoreo basados en RCM/AMEF (de la sigla en inglés para
mantenimiento centrado en fiabilidad, Reliability Centered Maintenance; y análisis de
los modos y efectos de fallos), además del uso de diversas tecnologías de mantenimiento
predictivo, investigación y documentación de los fallos mediante análisis de causa raíz (ACR),
por mencionar algunos.

Sin embargo, a consecuencia de la digitalización y la generación de cada vez más datos por
parte de los sistemas, el rol de los operadores y mantenedores se ha orientado hacia el
análisis de esta gran cantidad de data. El objetivo es convertirla en información que
permita tomar acciones para prevenir los fallos, lo cual, si se realiza de manera manual
se vuelve una tarea casi imposible por el hecho de la capacidad cognitiva del ser
humano.

Otra limitante son los silos de información, es decir la existencia de múltiples sistemas o
fuentes de información, que no siempre se encuentran conectados y que fueron diseñados

1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 2
 especialmente para resolver una problemática específica de un área, departamento o
especialidad, los cuales proveen de información a un grupo limitado de usuarios.
Ante esta situación existen soluciones como el Big Data Analysis, el Machine Learning y la
inteligencia artificial (IA), entre otras, las cuales pueden implementarse en forma de un
“Modelo de Mantenimiento Prescriptivo”, enfocado en solucionar problemáticas de
confiabilidad y optimización de procesos.

Características de un modelo de mantenimiento

prescriptivo.
Un modelo de mantenimiento prescriptivo debe tener la capacidad de integración para eliminar
los silos de información y así poder contar con un mayor volumen de información y realizar un
análisis multiparamétrico.

El mantenimiento prescriptivo es resultado de la conjugación y aplicación de:

1. Metodologías de confiabilidad tradicional.

2. Análisis y estadística avanzada, con las cuales es posible realizar la predicción de

eventos no deseables con bastante anticipación.

3. Generación de acciones recomendadas que permitan evitarlos.

4. Documentación de las posibles causas y acciones que dieron por resultado el evitar un
fallo potencial.

Para lograr lo anterior, el modelo debe estar integrado con fuentes de datos como
herramientas de mantenimiento predictivo, sistemas de control e historiadores; y
herramientas empresariales como CMMS (viene de sus siglas en inglés Computerized
Maintenance Management System que significa Sistema de gestión de
mantenimiento computarizado), MES (  (Manufacturing Execution System en inglés)
es un software enfocado al Control de la Producción, que monitoriza y documenta la
gestión de la planta), ERP’s (Enterprise Resource Planning, que significa “sistema de
planificación de recursos empresariales”), sistemas de gestión energética, de gestión del
almacén de repuestos, correo electrónico o sistema de mensajería institucional.

Desde luego, también deben tomarse en cuenta las mejores prácticas y recomendaciones en
materia de ciberseguridad.

El modelado del modelo

Es singularmente importante el tener acceso a los datos históricos, estos datos son
útiles para realizar la labor de modelado y entrenamiento del “Modelo de Mantenimiento
Prescriptivo” antes de que sea puesto en marcha con información On Line. A esta etapa se
le conoce como analítica Off Line, la cual puede estar conformada por las siguientes tareas:

1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 3
 Cleaning: se eliminan los datos no útiles o corruptos.

 Clustering: es una tarea que consiste en agrupar un conjunto de objetos (no

etiquetados) en subconjuntos de objetos llamados clusters. Cada cluster está formado por una
colección de objetos que son similares (o se consideran similares) entre sí, pero que son
distintos respecto a los objetos de otros clusters.

 PCA: es el análisis de componentes principales (en español, ACP) es una técnica

utilizada para describir un conjunto de datos en términos de nuevas variables o componentes.

 Decision tree analysis: el análisis del árbol de decisiones implica hacer un diagrama en
forma de árbol para trazar un curso de acción o bien un análisis estadístico de probabilidad.
Se utiliza para dividir problemas complejos en “ramas”, cada rama del árbol de decisión podría
ser un posible resultado.

 Regresión: la regresión lineal es un tipo de análisis estadístico que ayuda a mostrar

una relación entre dos variables. La regresión lineal examina varios puntos de datos y traza
una línea de tendencia, con la cual se puede crear un modelo predictivo en datos
aparentemente aleatorios.

 Reglas secuenciales: es una técnica de Data Mining que consiste en descubrir y

describir reglas o secuencias que se asocian a ciertos eventos. 

El análisis off line también sirve para capturar el conocimiento adquirido con el tiempo,

esto es realizar el modelado con base a análisis por mantenimiento centrado en
fiabilidad (de la sigla en inglés para RCM) o Análisis de Modo y Efecto de Fallos (AMEF),
ACR’s, diagrama de tuberías e instrumentación (DTI) o diagramas de flujo del proceso.

Una vez realizados los modelos y el análisis offline, se procede a probar el resultado y

entrenar el “Modelo de Mantenimiento Prescriptivo”. Para esto se pueden simular valores y el
sistema deberá entregar el diagnóstico o predicción de las fallas así como las acciones
correctivas recomendadas.

Si bien, las tareas Off Line pueden sonar complejas, estas pueden ser ejecutadas por un
científico de datos, quién es el especialista en el modelado. Sin embargo, es de vital
importancia el que esté involucrado personal con experiencia operativa, ya que el
científico de datos puede lograr un modelado y configuración de gran nivel, pero los
eventos que el “Modelo de Mantenimiento Prescriptivo” detecta y las recomendaciones
correctivas deben ser asociadas con escenarios operativos, los cuales muchas veces son
desconocidos por él.

En el mercado también existen herramientas que ya cuentan con modelos configurables, es

decir, para cierto tipo de activo o sistema los modos de fallo o eventos detectables ya están
configurados y solamente deberá realizarse la configuración fina y la validación de los mismos
previo a poner Online el modelo. Una vez ejecutada la fase de minería de datos, creación y
prueba de los modelos se puede proceder a poner en línea al “motor de inteligencia analítica”.

Cómo trabaja un modelo de mantenimiento

prescriptivo
1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 4
 1. Extracción del conocimiento y minería de datos
Esta etapa se conoce también como configuración Offline y consiste en generar los modelos
en base a información existente como lo son RCM, AMEF, RCA; así mismo, a través de la
minería de datos realizada por Data Scientist y validada por el personal con conocimiento
operativo.

2. Detección de condiciones anormales On Line

En este paso, el “Modelo de Mantenimiento Prescriptivo” se alimenta con datos en línea
generados por las múltiples fuentes. Las reglas y modelos ejecutan continuamente evaluando
las condiciones registradas. Los KPI’s se actualizan en tiempo real, al detectarse un evento se
levanta una bandera o flag.
3. Notificación
Una vez detectado un evento anormal, su aparición puede ser notificada y documentada vía
correo electrónico o mediante la generación de un aviso en CMMS, con lo cual se puede
iniciar un proceso para la resolución de la anomalía.
4. RCA online
A partir del conocimiento registrado y adquirido en el punto uno, el motor de inteligencia
analítica hace la evaluación RCA para identificar la causa raíz de la anomalía.
5. Guía para resolución del problema
Luego de identificar la causa raíz de la condición anormal, el motor de inteligencia analítica,
con base en las condiciones documentadas, procede a mostrar el flujo de trabajo para la
resolución del problema, aquí es donde el modelo prescribe la solución.

Siete beneficios de implementar el mantenimiento

prescriptivo.
1. Incremento de capacidad predictiva en escenarios altamente complejos debido a
mejoras en el análisis de información.

2. Mejora en tiempo de reacción: la predicción de condiciones anormales y la generación

de recomendaciones permite evitar la evolución hasta el punto de falla y restablecer
condiciones normales de operación.

3. Trabajo colaborativo: gracias a la eliminación de silos de información y al existir un

flujo de información transparente desde las fuentes de datos hacia el “Modelo de
Mantenimiento Prescriptivo” y de ahí hacia las diferentes áreas de interés y sistemas de
empresariales de gestión.

4. Optimización de procesos: al poder anticiparse a condiciones anormales y contar con

análisis de causa raíz en línea, con lo cual se pueden realizar acciones de mejoras.

5. Incremento en la calidad a consecuencia de contar con procesos más estables y

menos variabilidad.

6. Mayor aprovechamiento de los recursos humanos: al disminuir la tasa de fallos brinda

la oportunidad de invertir en tiempo en labores de más valor para la empresa.

1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 5
7. Mejora en índices de seguridad y bajos niveles de accidentabilidad.

Como resultado de la transformación digital se ha facilitado la adopción de soluciones de

Tecnologías de la Información (IT) aplicadas a las Tecnologías de Operación (OT). Sin
embargo, es de suma importancia el que se involucren especialistas de ambas
disciplinas ya que el sistema resultante residirá en el ámbito de IT pero el valor
generado será en base al conocimiento de OT con un impacto a toda la organización. (1)

Fin.

MODELO DE MANTENIMIENTO INTELIGENTE OPTIMIZA LOS PROCESOS

Investigadores del Instituto Fraunhofer IPK desarrollaron una solución que combina sensórica e
IoT para optimizar grupos enteros de máquinas.

Con información de Fraunhofer IPK

En las fábricas de hoy, para evitar daños a las máquinas, los sensores a menudo activan una alarma
tan pronto como el equipo comienza a mostrar un comportamiento sospechoso, pero rara vez se
explotan completamente los datos de este sensor. Investigadores del Instituto Fraunhofer para
Sistemas de Producción y Tecnología de Diseño (IPK) muestran lo que es posible cuando la
tecnología de sensores está conectada a una plataforma en la nube: gestión perfectamente
coordinada del flujo de trabajo y la optimización de grupos enteros de máquinas. Las máquinas
herramienta fresan, giran y muelen piezas con precisión micrométrica. Esta precisión solo se
puede lograr cuando las partes mecánicas funcionan perfectamente juntas y sin vibraciones.
Después de todo, las vibraciones pueden transmitirse a las herramientas y, en última instancia,
provocar errores e inexactitudes en la pieza de trabajo terminada. Cuando las cosas salen mal, las
quejas siguen y golpean al fabricante en el bolsillo. Por eso es importante reconocer los daños o el
desgaste de las máquinas en una etapa temprana. Por esta razón, muchas máquinas son
monitoreadas por sensores que pueden reconocer, por ejemplo, que debido a ligeras vibraciones,
un componente se está desgastando lentamente. Los sensores pueden emitir una señal de
advertencia de que la pieza debe reemplazarse antes de que se produzcan daños, esto es lo que se
conoce como mantenimiento predictivo.

EL CICLO DE VIDA DE LAS MÁQUINAS EN LA NUBE

Los sistemas de mantenimiento predictivo siguen siendo soluciones independientes, aunque

emiten una advertencia para que un componente pueda ser reemplazado, esta valiosa
información rara vez se aprovecha. Los expertos del Fraunhofer IPK, en Alemania, han
desarrollado un sistema que hace mucho más con el mantenimiento predictivo. Esta solución
integra la tecnología del sensor en una plataforma de Internet de las Cosas (IoT), que almacena el
ciclo de vida completo de una o más máquinas herramienta. Esto allana el camino para un análisis
de datos completo, que puede utilizarse para optimizar máquinas o procesos de trabajo
completos. Para su demostración, los investigadores del Fraunhofer IPK han elegido un
1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 6
componente clave de una máquina herramienta: un husillo de bolas que mueve un transportador
de piezas de trabajo en la máquina con extrema precisión de un eje a otro.

ESTA SOLUCIÓN INTEGRA LA TECNOLOGÍA DEL SENSOR EN UNA PLATAFORMA DE INTERNET DE

LAS COSAS (IOT), QUE ALMACENA EL CICLO DE VIDA COMPLETO DE UNA O MÁS MÁQUINAS
HERRAMIENTA.

Los husillos pueden desgastarse con el tiempo, lo que conduce a vibraciones no deseadas
susceptibles a generar fallas en la pieza de trabajo y que deben detectarse lo antes posible, este
nuevo sistema de mantenimiento inteligente hace exactamente eso. En el corazón del sistema hay
una placa de circuito que contiene un chip, disponible comercialmente y conocido como sistema
microelectromecánico (MEMS, por su sigla en inglés). Estos MEMS son pequeños componentes de
silicio que acomodan varios módulos tecnológicos interconectados en su superficie. De esta forma,
pueden, por ejemplo, medir estímulos ambientales como las vibraciones y analizarlos en un
procesador conectado. El MEMS y el procesador juntos forman un nodo sensor. “Millones de
MEMS como estos están instalados en automóviles y teléfonos inteligentes hoy en día. Son
rentables y, sin embargo, lo suficientemente precisos para nuestros propósitos”, explica Claudio
Geisert, subdirector del departamento de Máquinas de producción y gestión de sistemas del
Fraunhofer IPK. Un elemento importante es que el procesamiento de las señales del sensor se
realiza directamente en el nodo del sensor. En consecuencia, el procesador reconoce una falla por
sí mismo y puede transmitir esta información.

GEMELO DIGITAL INTEGRADO EN UNA PLATAFORMA DE IOT

La información se transmite a una plataforma de Internet de las cosas (IoT), que envía una alarma
a la sede del servicio, que luego decide qué hacer. Por ejemplo, podría establecer una fecha
adecuada para reemplazar el eje para evitar tiempos de inactividad de producción debido a paros
en la máquina. Además, esta plataforma IoT integra un gemelo digital de la máquina herramienta:
una copia digital que contiene el historial de la máquina y todas las condiciones y parámetros
operativos. Si al final se reemplaza el eje defectuoso, el gemelo digital también recibe la
información de que ahora incluye un nuevo componente.

"AL CONECTAR LA MÁQUINA Y LOS SENSORES A LA PLATAFORMA IOT AHORA OBTENEMOS, POR
PRIMERA VEZ, UNA IMAGEN HOLÍSTICA DE UNA MÁQUINA O UNA FLOTA COMPLETA". CLAUDIO
GEISERT, SUBDIRECTOR DEL DEPARTAMENTO DE MÁQUINAS DE PRODUCCIÓN Y GESTIÓN DE
SISTEMAS DEL FRAUNHOFER IPK.

"La replicación de la condición real de las máquinas herramienta facilita el análisis integral",
describe Geisert. Los operadores de las máquinas pueden reconocer, por ejemplo, si ciertos
procesos en las equipos aumentan significativamente el desgaste, permitiendo que los procesos
de trabajo se adapten a estos factores. Y los fabricantes de las máquinas herramienta pueden
obtener valiosas indicaciones para optimizar aún más sus sistemas. "En última instancia, esto le
permite llamar y analizar la historia de toda una flota de máquinas para encontrar posibles
debilidades", dice el subdirector de departamento del IPK.

1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 7
MONITOREO DE MÁQUINAS EN DIFERENTES UBICACIONES

Pero conectar la máquina real con la plataforma IoT también tiene ventajas para el personal en el
sitio que da servicio a los equipos. En la solución desarrollada por el IPK, los técnicos primero
escanean un código QR en la máquina para verificar que están trabajando en la máquina correcta,
esto es particularmente importante en empresas que tienen flotas de máquinas enteras. El
componente también se puede escanear y comparar con los datos en el gemelo digital, para
garantizar que otro componente no sea reemplazado por accidente. Además, los operarios
pueden usar una tableta para obtener instrucciones para instalar y quitar un componente. Una vez
que se realiza la reparación, pueden comenzar una ejecución de prueba directamente desde la
máquina.

Si todo ha ido bien presionan un botón para dar la señal de actualizar también el componente en
el gemelo digital. "Al conectar la máquina y los sensores a la plataforma IoT ahora obtenemos, por
primera vez, una imagen holística de una máquina o una flota completa", explica Claudio Geisert.
"Esto permitirá a las grandes empresas monitorear su flota completa de máquinas en ubicaciones
individuales".

LOS OPERADORES DE LAS MÁQUINAS PUEDEN RECONOCER, POR EJEMPLO, SI CIERTOS PROCESOS
EN LAS EQUIPOS AUMENTAN SIGNIFICATIVAMENTE EL DESGASTE, PERMITIENDO QUE LOS
PROCESOS DE TRABAJO SE ADAPTEN A ESTOS FACTORES.

En conclusión, las industrias han acelerado la adopción del Internet de las Cosas como un medio
para recopilar datos operativos nuevos y adicionales y permitir una mejor gestión de los activos
gracias al análisis más profundo de los datos. Los datos son claros, eficiencias operativas que
implican ahorros de hasta un 40% en los costes de mantenimiento. (3)

INDUSTRIA 4.0 EN LATAM: CÓMO CERRAR LA BRECHA

En 2020 la industria latinoamericana necesita un nuevo impulso de dinamismo para sacudirse de la
incertidumbre del año anterior. La fórmula: Industria 4.0 y trabajo conjunto entre gobiernos,
industrias y academia, aprovechando las oportunidades que toda etapa convulsionada deja tras de
sí.

La industria latinoamericana necesita un nuevo impulso de dinamismo para sacudirse de la

incertidumbre del año anterior. La fórmula: Industria 4.0 y trabajo conjunto entre gobiernos,
industrias y academia, aprovechando las oportunidades que toda etapa convulsionada deja tras de sí.
La Industria 4.0 no se trata solo de usar un robot, software o máquina de última generación en la
línea de producción, es implementar conocimientos, prácticas y tecnologías digitales para tener
procesos y negocios más eficientes y rentables. Se trata de aprovechar la manufactura aditiva para
disminuir los requerimientos de materias primas, y la inteligencia artificial para reestructurar la
cadena de suministro y, por ejemplo, poder actuar rápidamente cuando a un proveedor se le
1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 8
presentan incidentes inesperados, o para analizar los patrones de compra de los clientes y con ellos
conocer quiénes son los contactos 'fríos' o 'calientes' para consolidar una nueva venta. El sector
manufacturero necesita de este tipo de beneficios para mantenerse competitivo. De acuerdo con el
más reciente informe, "Industrialización en la era digital" de la Organización de las Naciones
Unidas para el Desarrollo Industrial (UNIDO, por su sigla en inglés), el uso y producción de las
tecnologías 4.0 se encuentra concentrado, en su mayoría, en solo 10 países, encabezados por
Estados Unidos, Japón y Alemania. Este grupo de naciones -que complementan China, Taiwan,
Francia, Suiza, Reino Unido, Corea del Sur y Países Bajos- representa el 90 % de las patentes y el
70 % de las exportaciones asociadas con tecnologías de producción digital. Es momento de que
América Latina cierre esta brecha tecnológica con las potencias industriales. México, único país de
la región que el informe menciona dentro de un segundo grupo de naciones que está aprovechando
la Industria 4.0, ha avanzado en este sentido y es un buen ejemplo de algunos pasos que deben
seguir los sectores manufactureros en los otros países de Latam. En primera medida, el trabajo en
llave de la triple hélice -gobiernos, empresas y academia-, como por ejemplo: la reciente creación
de la Asociación de Manufactura Aditiva y Tecnología 3D (AMMA3D) por iniciativa de Renishaw
México y el Tecnológico de Monterrey; y el proyecto entre el Gobierno de Jalisco y Cisco para
crear un centro de manufactura avanzada. En segunda instancia, el compromiso de empresas
privadas para apoyar la capacitación de talento humano en tecnologías 4.0, como lo realizado por
Mazda, Sandvik Coromant y otras compañías. A esto se suma el trabajo colaborativo de las
empresas para la creación de clusters industriales que promueven los negocios y la consolidación de
programas gubernamentales que impulsan la industria, como la iniciativa Nuevo León 4.0. Con
estos pasos, el sector manufacturero mexicano deja claro que la Industria 4.0 es el camino para
asegurar la competitividad de las empresas. Reportero Industrial se suma al propósito de promover
esta nueva forma de producir y de hacer negocios, por ello, a partir del presente número, todas las
ediciones contarán con una sección exclusiva sobre Industria 4.0. Aquí empezamos, bienvenidos a
la revista de la producción inteligente en América Latina.
INDUSTRIA 4.0 EN LATAM: CÓMO CERRAR LA BRECHA E Carlos Andrés Rodríguez Editor
de Reportero Industrial. (2)

1. http://www.reporteroindustrial.com/temas/Como-implementar-un-modelo-de-mantenimiento-40+133815?tema=12000200&pagina=3
2. http://www.reporteroindustrial.com/revista-digital/Especial+industria+4.0+claves+para+implementarla+con+%C3%A9xito+133486
3. http://www.reporteroindustrial.com/revista-digital/
pág. 9