Traducido del inglés al español - www.onlinedoctranslator.

com

Alineación del proceso de planificación y control de la producción con Prognos-

tics y Gestión de la Salud
kevin wesendrup1y Bernd Hellingrath2

1,2Centro Europeo de Investigación de Sistemas de Información, Münster, Renania del Norte-Westfalia, 48149, Alemania
Kevin.Wesendrup@ercis.uni-muenster.de
Bernd.Hellingrath @ercis.uni-muenster.de

ARESUMEN Por ejemplo, Scheffels presenta un caso de estudio en el que la

producción de carrocerías Porsche Macan podría aumentar de 18 a 21
La planificación y el control de la producción (PPC) es el corazón de cualquier empresa de fabricación e implica
piezas por hora mediante la implementación de PHM (2018). Más allá de
tareas como la planificación de recursos, la secuenciación o el control de la capacidad. Si bien la creciente
mejorar el proceso de mantenimiento mediante la introducción de
complejidad dentro de la producción dificulta determinar el mejor plan de producción, los avances en PHM y la
sistemas de asistencia inteligente, el proceso de producción también
aparición del mantenimiento predictivo también ofrecen nuevas oportunidades para optimizar el PPC. Si bien hay
podría mejorarse ajustando los parámetros de soldadura a través de los
mucha investigación sobre PHM y PPC, se ha hecho poco para alinear ambas disciplinas. A través de la toma de
conocimientos de PHM (Scheffels, 2018). En general, esto podría lograrse
decisiones pospronóstico, diferentes decisiones de PPC, como continuar la producción, apagar una máquina o
sin nuevas máquinas pero mejorando el PPC a través de la alineación de
reducir su carga de trabajo, pueden elevarse mediante una estimación de vida útil restante (RUL). Sin embargo, no
PHM. Como siguiente paso, Porsche prevé una producción
está claro cómo se puede explotar exactamente esta información de pronóstico y cómo los procesos, la
autooptimizada basada en PHM (Scheffels, 2018). Si bien este caso
organización, y la tecnología debe alinearse para lograr una producción más eficiente y flexible. Además, PHM se
demostró un ejemplo, no está claro cómo se puede explotar la
ha implementado durante mucho tiempo más allá de la investigación, pero se desconoce si los profesionales lo
información de pronóstico en general y cómo se deben alinear los
entrelazan con su PPC y cómo lo hacen. Este trabajo tiene como objetivo analizar cómo los cambios de proceso,
procesos, la organización y la tecnología para lograr un PPC más eficiente
organizacionales y tecnológicos a través de PHM pueden conducir a PPC avanzado. Este objetivo se logra mediante
y flexible (Ansari et al., 2019).
una revisión multivocal de la literatura (MLR) en la que se analiza la literatura y los estándares científicos de PPC y

PHM, y se propone un proceso de PPC alineado. Los hallazgos se yuxtaponen con la literatura gris, revelando los
ajustes y las brechas entre la investigación y la práctica, y se presenta una agenda de investigación. Los cambios
organizacionales y tecnológicos a través de PHM pueden conducir a PPC avanzado. Este objetivo se logra mediante
una revisión multivocal de la literatura (MLR) en la que se analiza la literatura y los estándares científicos de PPC y
PHM, y se propone un proceso de PPC alineado. Los hallazgos se yuxtaponen con la literatura gris, revelando los
ajustes y las brechas entre la investigación y la práctica, y se presenta una agenda de investigación. Los cambios
organizacionales y tecnológicos a través de PHM pueden conducir a PPC avanzado. Este objetivo se logra mediante
una revisión multivocal de la literatura (MLR) en la que se analiza la literatura y los estándares científicos de PPC y
PHM, y se propone un proceso de PPC alineado. Los hallazgos se yuxtaponen con la literatura gris, revelando los
ajustes y las brechas entre la investigación y la práctica, y se presenta una agenda de investigación.
1. yoNTRODUCCIÓN
Los pronósticos y la gestión del estado (PHM) permiten mejorar las
decisiones de mantenimiento y, en última instancia, reducen los
costes y aumentan la fiabilidad y la disponibilidad de una máquina
(Ladj et al., 2017). Sin embargo, PHM también puede mejorar la
planificación y el control de la producción (PPC) al incorporar
información, como la vida útil restante (RUL), en la toma de
decisiones pospronóstico (Kuhnle et al., 2019; Wesendrup &
Hellingrath, 2020).
Wesendrup et al. Este es un artículo de acceso abierto distribuido bajo los términos
de la licencia Creative Commons Attribution 3.0 United States License, que permite
el uso, la distribución y la reproducción sin restricciones en cualquier medio,
siempre que se acredite al autor original y a la fuente.
Jacobs et al. define la tarea de PPC como "administrar eficientemente
el flujo de material, administrar la utilización de personas y equipos,
y responder a los requisitos del cliente utilizando la capacidad de
nuestros proveedores, la de nuestras instalaciones internas y (en
algunos casos) la de nuestros clientes para satisfacer la demanda de
los clientes” (2011, p. 2). En este sentido, existen estándares y
modelos de procesos (p. ej., Jacobs et al., 2011; Kistner & Steven,
2001; Schmidt & Schäfers, 2017; Schuh, 2006), que normalmente
comprenden pasos desde la programación maestra de la producción
hasta la planificación, el control y el seguimiento. la producción. Si
bien PPC se esfuerza por maximizar la eficiencia, las averías pueden
provocar interrupciones costosas del flujo de producción. Aquí PHM
puede proporcionar información crucial para ajustar el plan de
producción y evitar todas las consecuencias de una avería (Chebel-
Morello et al., 2017). Para implementar PHM, ISO-13374 implica un
proceso de monitoreo de condición e ISO-13381 para pronósticos,
que se pueden condensar en un proceso completo de PHM como
Guillén et al. (2016) presentado (cf. Figura 1).
Sin embargo, si bien los trabajos anteriores especifican los requisitos
de proceso, tecnológicos y organizacionales para realizar PPC o PHM,
ningún trabajo combina ambas áreas para examinar dónde y cómo
se puede elevar el proceso de PPC al alinearlo con PHM. El estado del
arte comprende soluciones únicas para problemas específicos de
PPC, como la programación de producción (p. ej., Zhai et al., 2019) o
el tamaño de lote (p. ej., Cheng et al., 2017). Rara vez,

1
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021

Diagnóstico
Detección / Condición
Preparación de datos Toma de decisiones
Vigilancia
pronósticos
YO ASI

Adquisición de datos Valoración de Salud

Detección de estado Generación Asesora
Manipulación de datos Evaluación de pronósticos

Figura 1. Proceso de PHM (basado en Guillén et al., 2016).

se examina qué tan bien se traducen en la práctica, y la evidencia "¿Cómo se debe alinear el proceso de PPC para lograr los
empírica muestra que la mayoría de las empresas todavía usan beneficios?" y 3) "¿Cómo se hace actualmente en la práctica y cuál es
algoritmos simples para administrar su producción (Seitz et al., la disparidad con la investigación?".
2018). Además, solo unos pocos trabajos relacionados intentaron
El resto de este documento está estructurado de la siguiente manera: la
resumir dónde el proceso de PPC puede beneficiarse de PHM más
siguiente sección presenta la metodología de este trabajo, una revisión de
allá de las aplicaciones especializadas, como se muestra en la Tabla
la literatura multivocal y presenta la literatura analizada. En la sección
1. Por ejemplo, Voisin et al. proponer un proceso genérico para el
tres, se demuestra la principal contribución de este trabajo, un proceso
pronóstico, mostrando qué actores, pasos y datos se incluyen (2010).
PPC alineado con PHM. La cuarta sección yuxtapone los hallazgos de la
Si bien el proceso es muy detallado, se enfoca principalmente en
investigación y la práctica e identifica las lagunas. La última sección
elementos de PHM y no muestra cómo estos pueden entrelazarse
concluye el documento y establece una agenda de investigación.
con PPC. Además, Bousdekis et al. presentar una arquitectura
unificada para el mantenimiento proactivo, que comprende
elementos de proceso de PHM como pronósticos y toma de
2. mULTIVOCALLITERATURAREVISUALIZAR
decisiones, roles de usuario e integración de sensores y bases de
datos (2019). Mientras conectan su arquitectura con la planificación Una MLR basada en Garousi et al. se utilizó para alcanzar el objetivo de
de la producción, no especifican cómo se logra exactamente una este estudio (2019). Más allá de la literatura científica, una MLR también
integración. Finalmente, Ansari et al. proponga un modelo de incluye literatura gris (p. ej., informes de empresas) que brinda más
mantenimiento prescriptivo para los sistemas de producción y información sobre el estado de la práctica. Para este artículo, se asume
describa diferentes roles (por ejemplo, gerente de mantenimiento, que la literatura académica representa una perspectiva teórica y la
ingeniero del conocimiento), sistemas de datos e información (IS) y literatura gris una perspectiva práctica.
dependencias entre los procesos PHM y PPC estratégicos, tácticos y
Para la literatura científica, los títulos, resúmenes y palabras
operativos (2019). Sin embargo, no vinculan su trabajo a los
clave de las bases de datos Scopus, Web of Science e IEEE Xplore
elementos detallados del proceso de PPC o al estado de la práctica.
se han consultado con la siguiente cadena:
Por el contrario, este trabajo tiene como objetivo analizar cómo PHM
("mantenimiento predictivo" O pronóstico* O "mantenimiento
puede alinearse con PPC en un nivel de proceso, tecnológico y
basado en condiciones" O "vida útil restante") Y "planificación de
organizacional al tiempo que incorpora la perspectiva de un profesional a
la producción"
través de una revisión de literatura multivocal (MLR). Esto se logra
respondiendo a las siguientes preguntas de investigación: 1) "¿Qué Por otro lado, el buscador de Google ha sido consultado con dos
procesos de PPC pueden beneficiarse de PHM y qué sistemas de cadenas para recuperar literatura gris.
información y unidades organizativas están involucrados?", 2)
a)"mantenimiento predictivo" "producción" tipo de archivo: pdf

Tabla 1. Trabajos relacionados b)"mantenimiento prescriptivo" "producción" tipo de archivo: pdf

Si bien esto condujo a muchos resultados, Garousi et al. proponen un

Proceso

Enfoque de pago por clic

Práctica

umbral de saturación teórica a partir del cual “no emergen nuevos

Referencia Método científico conceptos” (2019) lo que limita la búsqueda.

Después de recopilar el grupo inicial, dos revisores examinaron

los títulos y los textos completos de la literatura científica y gris.
(Voisin, Levrat,
Procesos de negocio Los artículos que no eran relevantes (p. ej., sin relación con PPC o
Cocheteux, & X
modelado PHM) se excluyeron de la búsqueda. Al final, se identificaron
Jung, 2010)
(Bousdekis y Modelo conceptual- como apropiadas 52 publicaciones (25 científicas y 27 en papel
X X gris).
al., 2019) ing y estudios de casos
(Ansari et al., Revisión de literatura
X (X) Como siguiente paso, Garousi et al. determinan que se debe definir
2019) y estudio de caso
un mapa conceptual, luego de lo cual se analiza la literatura (2019).
Literatura multivocal
Este trabajo X X X
Revisión de la naturaleza

2
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021

Ajustándose al objetivo de la investigación, se eligen las perspectivas del

Tabla 2. Prevalencia literaria de las categorías del proceso PPC
proceso, la organización y los SI. A partir de los conceptos encontrados, se
modela un proceso de PPC adaptado en la notación de cadena de proceso Categoría de proceso Documentos %
dirigida por eventos (cf. Scheer et al., 2005). A través de este modelo, Gestión de la demanda 1 2%
queda claro cómo se debe alinear un proceso de PPC para explotar PHM. Programación maestra de producción 0 0%
Planificación de requisitos 11 21%
Planificación de origen 11 21%
2.1. Categorías de procesos de PPC abordadas en la literatura de
PHM Planeación de producción 20 38%

Basado en los modelos de Jacobs et al. (2011), Kistner y

Control de producción 29 56%
Steven (2001), Schmidt y Schäfers (2017), Schuh (2006) y el Monitoreo de producción 3 6%
estándar IEC 62264 (Comisión Electrotécnica Internacional, La gestión del inventario 3 6%
2016), un proceso PPC básico con ocho categorías de
procesos se sintetiza y representa en la Figura 2. número de artículos que discutieron una de las ocho categorías de
procesos y su participación en las 52 publicaciones; el porcentaje
El proceso de PPC generalmente comienza conprogramacion
total puede sumar más del 100% siempre que los trabajos
maestra de produccionque transforma el plan de ventas en un plan
demostraron la integración de PHM para más de una categoría. Se
agregado para producir productos que tiene en cuenta los pedidos
puede ver que cuanto más corto es el horizonte de planificación de la
de los clientes y las promesas de pedidos degestión de la demanda(
categoría de proceso de PPC, más se alinea con PHM, lo que tiene
Jacobs et al., 2011). A partir del programa maestro de producción, los
sentido porque una estimación de RUL a corto plazo es más
requisitos de abastecimiento y producción se pueden derivar dentro
confiable. De este modo,gestión de la demandayprogramacion
deplanificación de necesidades. Aquí, se determinan los requisitos
maestra de produccioncasi no reciben atención. Por otro lado, las
netos para los cuales se toma una decisión de hacer o comprar
categorías de planificación a medio plazorequisitosy planificación de
(Schmidt & Schäfers, 2017). Los requisitos externos se envían a
fuentestienen una prevalencia media en la literatura. El mayor
planificación de fuentes, dónde se adquieren; para los requisitos
reconocimiento se otorga aplaneación de produccióny control de
internos, se establece un programa de producción táctica y se envía a
producción, destacando la naturaleza a corto plazo de PHM. Por
planeación de producción (Kistner y Steven, 2001). Aquí se coordina
último, p.monitoreo de producciónyla gestión del inventariorecibe
el plan inicial con los recursos disponibles (material, máquinas,
poca atención. Una razón podría ser el papel de mayor apoyo en el
personal) y se crea un cronograma (Comisión Electrotécnica
proceso de PPC. Si bien los documentos revisados solo se asignaron
Internacional, 2016). Después,control de produccióndefine
a las diferentes categorías de procesos en esta sección, se puede
secuencias concretas, despacha la producción y controla las
encontrar un análisis más profundo de cómo PHM afecta el proceso
capacidades (Comisión Electrotécnica Internacional, 2016; Schmidt &
de PPC en la sección cuatro. Sin embargo, antes de que se pueda
Schäfers, 2017). El cumplimiento de los objetivos comerciales
realizar este análisis, se debe examinar cómo se modifican los roles
predefinidos (por ejemplo, la eficiencia) se verifica continuamente a
organizacionales y de SI al alinear PPC con PHM.
través deseguimiento de la producción(Schmidt & Schäfers, 2017).
Por último, los productos terminados y de origen se envían ala
2.2. El papel de los sistemas de información
gestión del inventario, donde se recolectan y despachan para
satisfacer la demanda de los clientes (Kistner & Steven, 2001). Los SI son cruciales para controlar el desempeño de los procesos de
negocios (O'Brien, 2003). Son sistemas sociotécnicos que “recolectan,
A partir de este proceso, se examinó cuántas publicaciones abordaban las
procesan, almacenan y distribuyen información” (Piccoli & Pigni,
diferentes categorías de procesos. La tabla 2 muestra la
2016, p. 56). A través de la alineación con PHM, los SI existentes
deben adaptarse o integrarse nuevamente en el proceso de PPC.
Esta sección demuestra qué IS son relevantes para un PHM y PPC y
Programación maestra de producción Gestión de la demanda
cómo se logra una alineación.

Sistemas de producción ciberfísica (CPPS)se caracterizan por la

Planificación de requisitos
Planeación de producción
La gestión del inventario
autonomía, la conectividad y la capacidad de respuesta (Monostori et al.,
2016). En este trabajo, comprenden activos de producción, incluidos
Planificación de origen
sensores, controladores, actuadores o interfaces. Pueden permitir la
transformación a una producción heterárquica a través de PHM mediante

Control de producción
la captura de datos de condición relevantes a través de sensores (Balogh
et al., 2018; Do et al., 2006; Rødseth et al., 2017; Schuh et al., 2020),
Leyenda:
limpieza y preprocesándolos a través de controladores lógicos
Monitoreo de producción
Categoría de proceso Caudal
programables integrados (Busse et al., 2018) y ajustando de forma
autónoma el cronograma de producción en función de la información de
Figura 2. Categorías de proceso de PPC
pronóstico (Glawar et al., 2019). TiempoCPPS

3
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021
pueden ser independientes, se apalancan cuando se conectan a
otros sistemas de información.
En este trabajo,sistemas PHMson SI que cumplen con las
funcionalidades de ISO-13374 e ISO-13381 y transforman los valores
de los sensores de CPPS en pronósticos e información de salud. Sin
embargo, no existe una definición clara en la literatura, y otros
términos, como "sistema de pronóstico" (Ladj et al., 2016, p. 2084) o
"sistema de análisis de mantenimiento predictivo" (Zarte et al., 2017,
p. 3377) se utilizan. Por ejemplo, Morariu et al. desarrolló un sistema
basado en Apache, con algoritmos de reducción de mapas que se
ejecutan en Spark para comprimir los datos de los sensores, que
luego se envían a Kafka. Aquí se utilizan el agrupamiento, la
clasificación y una red neuronal de memoria a corto plazo para
calcular un pronóstico RUL (2020). Si bien otros trabajos utilizaron
una infraestructura Apache (Balogh et al., 2018), existen muchas
otras variaciones, como los sistemas PHM basados en Matlab (Busse
et al., 2018) o soluciones comerciales (AspenTech, 2019; Siemens,
2019). Además, los sistemas PHM pueden ser IS independientes o
pueden integrarse en los sistemas de ejecución de fabricación
creando un vínculo estrecho entre PHM y PPC (Standardization
Council Industrie 4.0, 2018).
El rol desistemas de ejecución de fabricación (MES)está establecido.
Los MES operan en la "interfaz entre el control de producción
autónomo heterárquico y la planificación de producción
jerárquica" (Glawar et al., 2019, p. 485). Contienen información
valiosa, como tiempos de inactividad y rendimiento de las máquinas,
programas de producción históricos y planificados (Ansari et al.,
2019; Zarte et al., 2017) y son una interfaz adecuada entre PPC y
PHM. Un MES es una herramienta para establecer una producción
orientada al mantenimiento (Zhai & Reinhart, 2018). Esto se puede
hacer mediante una programación mixta de productos y
operaciones, que enfatiza de manera inteligente los diferentes CPPS
para realizar el mantenimiento oportunista (Ladj et al., 2016; Morariu
et al., 2020).
La gestión general de activos se puede realizar ensistemas de gestión de
mantenimiento informatizados (CMMS). Un CMMS contiene datos de
mantenimiento y se utiliza para administrar intervenciones de
mantenimiento. Por lo general, un sistema PHM envía una notificación al
CMMS cada vez que el RUL de una máquina es más corto que el horizonte
de planificación del mantenimiento (Rødseth et al., 2017). En este caso, el
CMMS equilibra los costos de mantenimiento con el riesgo de falla
(Glawar et al., 2019). Cuando se debe realizar el mantenimiento, un CMMS
administra los recursos humanos para notificar al trabajador de
mantenimiento capacitado más cercano (SitScape, 2018). Además, la
intervención se puede apoyar con una aplicación móvil en la que el
trabajador puede consultar el historial de intervenciones de
mantenimiento y las mejores prácticas que se pueden evaluar y
complementar (Scheffels, 2018).
En paralelo,sistemas de gestión de la calidad (SGC)puede admitir
sistemas PHM al monitorear el proceso de producción.
Contienen datos de calidad y mediciones periódicas de los
productos (Ansari et al., 2019). Si estos son anormales, indican
problemas en la máquina (Do et al., 2006) que podrían no verse
en los datos del sensor.
Sistemas de planificación de recursos empresariales (ERP)funciones de
apoyo más allá de las operaciones de fabricación. Después de programar
las intervenciones, los sistemas ERP actualizan el plan de producción y
consideran la capacidad reducida (Do et al., 2006). También contienen
información sobre clientes, proveedores, precios de artículos, plazos de
entrega, lista de materiales, planes de trabajo (Zarte et al., 2017) y
demanda que puede aprovecharse para optimizar PHM y PPC (Wang et
al., 2020). Más allá de una planificación más táctica del mantenimiento, los
sistemas ERP también almacenan información sobre piezas de repuesto
(p. ej., stock, costo) y, a través de PHM, pueden pedir piezas de repuesto
justo a tiempo (Ansari et al., 2019).
Por supuesto, todos los IS presentados no funcionan como silos de
información, sino que están conectados a través de interfaces
habilitadas por normas y protocolos,como se muestra en la Figura 3.
A veces, los IS también se ofrecen como soluciones integradas, por
ejemplo, el módulo CMMS SAP 'Plant Maintenance' de la solución SAP
ERP. Por lo general, los valores de los sensores se transportan a
través de puertas de enlace de Internet de las cosas o centros de
eventos (Microsoft, 2017; Schuh et al., 2020). Como los controladores
del CPPS tienen capacidades de almacenamiento limitadas, estos
valores pueden ser preprocesados (Do et al., 2006) antes de ser
enviados al sistema PHM. Los mensajes siguen un protocolo
estándar como OPC-UA y se pueden enviar en tiempo real, por
ejemplo, con dos hercios (Busse et al., 2018). Además, el RUL se
calcula y se comunica con el MES (Glawar et al., 2019) o CMMS
(Rødseth et al., 2017). Desde el CMMS, las órdenes de trabajo de
mantenimiento se envían al sistema ERP (Do et al., 2006). Estas
órdenes de trabajo también deben devolverse al sistema PHM como
retroalimentación. La entrada de la orden de trabajo del ERP requiere
un cambio del plan de producción que debe transmitirse al MES para
la planificación jerárquica de la producción. Alternativamente, el
sistema PHM puede enviar el RUL directamente al MES, que puede
ajustar de manera descentralizada la tasa de producción o el
cronograma del CPPS (Glawar et al., 2019). Por último, QMS puede
admitir PHM al informar la calidad anormal del producto al CMMS.
Calidad
informes
SGC ERP
Anormal Capa- Producción
calidad ciudad programa
GMAO MES
Trabajar
RUL Calendario
pedidos
PHM CPPS
Sensor
valores
Leyenda:
ES Interfaz
Figura 3. Panorama de los sistemas de información de PHM PPC
4
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021

2.3. Alineación Organizacional 3. Un PHM-AALINEADOPPC PROCESO

Además, es esencial observar los contextos organizacionales para analizar Teniendo en cuenta los cambios de proceso, tecnológicos y
cómo PPC puede alinearse mejor con PHM. Desafortunadamente, solo organizativos introducidos, en la Figura 4 se propone un proceso de
unos pocos trabajos revisados se enfocan en este aspecto para analizar PPC alineado. Aquí, las categorías de proceso representadas en la
el cambio de roles que funcionan en la interfaz de PHM, producción y Figura 2 y la Tabla 2 se recogen nuevamente y se dividen en
mantenimiento. múltiples elementos de proceso. A continuación, el primero se
escribe en negrita y el segundo en cursiva. Además, los elementos
Si bien la automatización generalmente aumenta al integrar PHM, lamantenimientoel personal aún está informado. Cuando el
del proceso donde es posible la alineación de PHM están marcados
RUL cae por debajo de cierto umbral, se asigna automáticamente un técnico de campo capacitado para las intervenciones de
con un marco en negrita en la Figura 4.
mantenimiento, por ejemplo, a través de un reloj inteligente o una tableta (Scheffels, 2018). Aquí, la detección automática de

fallas a través de diagnósticos es crucial para asignar al empleado de mantenimiento el conjunto de habilidades adecuado.
Además, los técnicos utilizan herramientas de diagnóstico y monitoreo remoto basadas en datos (Microsoft, 2017) para verificar
problemas; aquí, la experiencia del técnico que no se puede medir puede complementar el pronóstico RUL (Do et al., 2006), por lo
que se puede interpretar mejor. Finalmente, luego de que se haya confirmado un problema, el técnico puede mantener la
máquina con el apoyo de recorridos virtuales o asistencia remota (Microsoft, 2017). Por supuesto, esto siempre se hace en
coordinación con un planificador de mantenimiento que recibe información sobre la urgencia de diferentes acciones (Ansari et
al., 2019). La urgencia se define dentro de un programa de mantenimiento que equilibra el mantenimiento preventivo basado en
el tiempo y las acciones de mantenimiento predictivo basado en la condición y simula diferentes escenarios. Según la estimación
de RUL, el planificador puede programar tareas futuras, ajustar las capacidades disponibles (Rødseth et al., 2017) o agrupar
intervenciones de mantenimiento oportunistas (Ansari et al., 2019). Aquí, el planificador de mantenimiento suele utilizar un panel
de recomendación (Glawar et al., 2019), respaldado por la toma de decisiones pospronóstico que se comparte con el planificador
de producción (Rødseth et al., 2017). La urgencia se define dentro de un programa de mantenimiento que equilibra el
mantenimiento preventivo basado en el tiempo y las acciones de mantenimiento predictivo basado en la condición y simula
Gestión de la demanda.El proceso comienza conrecibos de pedidos de
clientes,que luego se consideran enplanificación de la capacidad específica del
pedido. Denkena et al. proponga una simulación basada en eventos que ajuste
los volúmenes de producción planificados para fabricar en existencia en función
de las existencias, los pedidos de los clientes y el RUL. Aquí, se prueban
diferentes cantidades para calcular todas las variantes posibles que no causen
una interrupción en la entrega (2012). Además de las previsiones de ventas, los
pedidos entrantes también se utilizan paraprogramacion maestra de
produccion.
Programación maestra de producción.Porqueprogramacion maestra de
producciontiene un horizonte de planificación a largo plazo, no se pueden
realizar mejoras con PHM.

diferentes escenarios. Según la estimación de RUL, el planificador puede programar tareas futuras, ajustar las capacidades Planificación de requerimientos (general).Por el contrario, las averías
disponibles (Rødseth et al., 2017) o agrupar intervenciones de mantenimiento oportunistas (Ansari et al., 2019). Aquí, el de las máquinas se pueden considerar en la planificación de la producción
planificador de mantenimiento suele utilizar un panel de recomendación (Glawar et al., 2019), respaldado por la toma de a medio plazo (Glawar et al., 2019). Aquí, el umbral de mantenimiento y la
decisiones pospronóstico que se comparte con el planificador de producción (Rødseth et al., 2017). La urgencia se define dentro cantidad de producción se determinan conjuntamente para satisfacer la
de un programa de mantenimiento que equilibra el mantenimiento preventivo basado en el tiempo y las acciones de demanda (Wang et al., 2020). A partir del programa maestro de
mantenimiento predictivo basado en la condición y simula diferentes escenarios. Según la estimación de RUL, el planificador producción entrante, un programa secundario ycalculo de requerimientos
puede programar tareas futuras, ajustar las capacidades disponibles (Rødseth et al., 2017) o agrupar intervenciones de netosse hace, y se define si los requisitos de producción deben ser
mantenimiento oportunistas (Ansari et al., 2019). Aquí, el planificador de mantenimiento suele utilizar un panel de producidos internamente o de forma externa.
recomendación (Glawar et al., 2019), respaldado por la toma de decisiones pospronóstico que se comparte con el planificador de
Planificación de fuentes.En este último caso,planificación de
producción (Rødseth et al., 2017). o agrupar intervenciones de mantenimiento oportunistas (Ansari et al., 2019). Aquí, el
fuentesEs conducido. además de crudoplanificación de materiales,
planificador de mantenimiento suele utilizar un panel de recomendación (Glawar et al., 2019), respaldado por la toma de decisiones pospronóstico que se comparte con el planificador de producción (Rødseth et al., 2017). o agrupar intervenciones de mantenimiento oportunistas (Ansari et al., 2019)
planificación de repuestos también se debe hacer (Ansari et al., 2019;
Por supuesto,producciónlos planificadores siempre deben cooperar Maguire et al., 2017). A través de PHM, las piezas de repuesto se
estrechamente con los planificadores de mantenimiento (Microsoft, 2017) pueden pedir justo a tiempo (Busse et al., 2018; Microsoft, 2015).
y trabajar con las capacidades de producción ajustadas. A nivel operativo, Aquí, el RUL y la información de ERP (por ejemplo, costos, plazos de
los operadores de máquinas pueden agregar flexibilidad a los sistemas entrega) se equilibran y optimizan conjuntamente para minimizar el
PHM porque también pueden proporcionar conocimientos que no pueden costo total (Ansari et al., 2019; Oracle, 2019; Standardization Council
medirse con sensores (Do et al., 2006). Por lo tanto, pueden interpretar los Industrie 4.0, 2018). Este paso a menudo se realiza como apoyo a la
pronósticos RUL teniendo en cuenta el estrés que los productos decisión donde se sugieren repuestos adecuados (Vilsbeck, 2020).
fabricados actualmente o el programa de producción futuro ejercen sobre Las soluciones avanzadas van más allá y activan automáticamente
la máquina. Además, el personal de producción también puede pedidos de mantenimiento o adquisición de repuestos, por ejemplo,
empoderarse a través de PHM y producción autónoma. Por ejemplo, las a través de la fabricación aditiva (Schuh et al., 2020; Trebing +
intervenciones de mantenimiento menores se pueden distribuir a los Himstedt, 2017). Aquí, los CPPS van más allá de la simple lectura de
trabajadores de la fábrica con el apoyo de sistemas de soporte sensores y determinan sus demandas de forma autónoma (Henke et
inteligentes (Henke et al., 2019). Estos sistemas incluyen el conocimiento al., 2019; Leonard, 2020). Después de pedir y recibir las piezas, se
obtenido de PHM (p. ej., aislamiento de fallas, diagnóstico), que sustituye envían ala gestión del inventario, donde la gestión adecuada de
la experiencia del personal de mantenimiento capacitado. repuestos garantiza intervenciones de mantenimiento sin demoras
(Ansari et al., 2019; Busse et al., 2018). La disponibilidad de piezas de
Por último,tecnologías de la informaciónel personal aún debe apoyar
repuesto también desempeña un papel constante en la planificación
el negocio diario en la planta. Por ejemplo, un ingeniero de
interna de requisitos.
conocimiento actualiza el algoritmo de pronóstico RUL cada vez que
nuevos conocimientos requieren que se adapten los modelos PHM
(Glawar et al., 2019).

5
 6
Gestión de la demanda
Programación maestra de producción

Ventas
Ventas Recibo de pedido del cliente
previsiones
La gestión del inventario
Específica del cliente Capacidad específica del pedido
Programación maestra de producción Procesamiento de envíos Ventas
órdenes de producción planificación
Máster pro-
Acabado
Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021

cronograma de producción
Producción ERP Bienes
Requisitos netos
Planificación de requisitos

Cálculo Buen asunto

Producción Logística
Abastecimiento

Figura 4. Proceso PPC alineado con PHM

Requisitos Requisitos Control de stock
ERP
Planificación de la capacidad táctica Producción ERP
MES

Planificación de origen
Leyenda:
Piezas de repuesto
Planificación de repuestos Planificación de materiales ERP
disponibilidad
Proceso
Categoría
Ca táctico
plan de paz Elemento de proceso
Abastecimiento Sin PHM
CPPS y Potencial de
Demandas
Intervención de mantenimiento Alineación de PHM PHM
Mantenimiento
Planificación
Pedido y recepción de mercancías Entrada de existencias Producción
Producción
Programa
ES
Producción
Control
Tamaño de lote
org. Unidad
Producción
Secuenciación
Plan
Tamaño del lote
Material de consumo
/ Productos terminados
Secuencia Caudal
PHM
Producción Programación de tiempo de entrega ERP
Control de capacidad org. / ES
CPPS Caudal
Calendario
MES Producción
Comportamiento Retroalimentación
Tronco. Y
Capacidad operacional
KPI
Planificación
Tronco. O
SGC Monitoreo de producción
Planeación de producción
Tronco. XOR
Monitoreo de producción
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021
Planificación de necesidades (producción propia).En el caso de
producción interna, las necesidades de producción resultantes se
introducen enplanificación de la capacidad táctica. Por ejemplo, la mejor
acción se puede determinar en conjunto con los requerimientos de
producción en un horizonte temporal de mediano plazo (AspenTech,
2019). En este paso, los requisitos de producción del sistema MES o ERP se
combinan con las capacidades disponibles (Glawar et al., 2019). Luego,
con base en criterios de optimización, el planificador de producción puede
controlar la capacidad de los recursos a través de un tablero en el MES
(Rødseth et al., 2017). Además, un proceso PPC avanzado sincroniza el
tiempo de falla al controlar selectivamente la producción para que varias
máquinas puedan recibir servicio simultáneamente (Zhai & Reinhart,
2018). Por otro lado, el plan de capacidad táctica también puede
establecerse mediante una planificación aislada de producción y
mantenimiento (Denkena et al., 2012). De cualquier manera, el programa
resultante se utiliza, junto con la disponibilidad de las piezas de repuesto,
paraplanificación de la intervención de mantenimientomediante la
búsqueda de brechas y tiempos muertos en el mantenimiento de la
producción y la programación (Ansari et al., 2019; Busse et al., 2018;
Henke et al., 2019; Schuh et al., 2020).
Planeación de producción.Posteriormente, el programa de producción
táctica se envía a operativos.planeación de producción, típicamente
realizado en ERP por el departamento de producción (Do et al., 2006).'La
planificación de la producción tradicional es jerárquica y trata de lograr
planes de producción rentables. A través de una alineación con PHM, el
proceso se hace más flexible. En primer lugar, el programa de producción
procedente deplanificación de necesidadeses la entrada detamaño de
lote,que pueden beneficiarse enormemente de PHM (Glawar et al., 2019;
Morariu et al., 2020; Shamsaei & van Vyve, 2017). Dado que la tasa de
deterioro depende de los productos fabricados y el tamaño de su lote, los
cálculos de la cantidad de producción económica también deben tener en
cuenta el RUL (Li et al., 2020). Por ejemplo, Wang et al. desarrolló un PHM
integrador heurístico para calcular el tamaño del lote que minimiza el
costo total mientras satisface la demanda. Aquí, se consideraron los
tiempos de producción, el riesgo de falla, las capacidades, los costos de
instalación y muchas más variables (2019). Dado que las averías son
excepcionalmente costosas durante muchos lotes, las soluciones
avanzadas intentan ajustar el tamaño del lote para que la máquina pueda
mantenerse durante los cambios (Denkena et al., 2012).
Similar atamaño de lote,programación de tiempo de entregatambién
puede ser un medio para generar períodos libres de producción que
pueden explotarse para mantenimiento (Denkena et al., 2012) y puede
beneficiarse enormemente de PHM (Grimstad, 2019). Aquí, se determinan
los puntos de inicio y finalización concretos de las órdenes de producción
y las intervenciones de mantenimiento predictivo (Zarte et al., 2017). La
dependencia entre diferentes órdenes de producción y acciones de
mantenimiento se puede estructurar en un plan de red para optimizar los
costos de mantenimiento (Glawar et al., 2019) y la producción (Li et al.,
2020). En la mayoría de los casos, el cronograma de tiempo de entrega se
redacta con capacidades ilimitadas y luego se envía aplanificación de la
capacidad operativa(Schmidt & Schäfers, 2017).
Duranteplanificación de la capacidad operativa,las máquinas no
disponibles ahora se respetan en el plan de producción. Mientras que la
la indisponibilidad generalmente se actualizaba en función de las
intervenciones de mantenimiento planificadas (Do et al., 2006), ahora, con PHM,
las asignaciones de máquinas se optimizan de manera flexible y continua
con respecto a su RUL (Henke et al., 2019). Además, las máquinas críticas
también se identifican por un RUL bajo y una carga programada futura
alta para que la producción pueda reequilibrarse de manera óptima
(Paprocka et al., 2020). Las soluciones más sofisticadas incluso incluyen la
adquisición de repuestos en su plan de capacidad. Por ejemplo, la
capacidad de una máquina se puede reducir y solo se planifican lotes que
someten a menos tensión a los componentes de la máquina cuando no
hay una pieza de repuesto disponible. Por otro lado, también se puede
aumentar la capacidad cuando se desea una reparación más temprana
(Zhai & Reinhart, 2018).
Control de producción.Después de diseñar un plan de producción
final, el control de producción es la siguiente categoría de proceso.
Por lo general, se realiza en un MES y comienza consecuenciación,
donde, en base al lead time y las fechas determinadas, se definen las
secuencias de producción concretas. PHM puede conducir a una
mejor calidad de secuenciación (Denkena et al., 2020), equilibrio de
carga y optimización del control de producción (Bonfietti, 2018). Esto
es posible gracias a la orientación al mantenimiento.secuenciación, lo
que en última instancia aumenta la disponibilidad de la máquina
(Zhai & Reinhart, 2018). Por ejemplo, muchas publicaciones revisadas
se basan en el vasto cuerpo de la teoría de la programación de la
producción y desarrollan métodos flexibles para abordar la dinámica
del tiempo de mantenimiento no determinista (Rahmati et al., 2017,
2018; Zheng et al., 2013). Rahmati et al. desarrollar un algoritmo
basado en CBM en el que se deben programar diferentes trabajos en
múltiples máquinas degradantes. Implementan monitoreo de
condición para observar la confiabilidad de los sistemas e
implementan cuatro metaheurísticas para optimizar lasecuenciación
(2018). Además, Zhai et al. Introducir equivalentes de estrés que
indiquen el nivel de degradación en el que incurre cada trabajo en
una máquina (2019) para facilitar una mejorcontrol de producción. Si
bien los métodos utilizados son computacionalmente costosos,
podría ser posible implementarlos en CPPS autónomos en el futuro
(Glawar et al., 2019), que reciben un pronóstico RUL específico del
trabajo del sistema PHM (Ladj et al., 2016) . Por último,secuenciación
se puede usar para controlar el tiempo de las acciones de
mantenimiento requeridas, lo que conduce a una producción más
flexible y eficiente, por ejemplo, fusionando las intervenciones de
mantenimiento o posponiéndolas a períodos libres de producción
(Denkena et al., 2012; Zhai & Reinhart, 2018).
Una vez definida la secuencia de producción,control de capacidad
asegura una producción óptima. Un potencial prometedor de PHM
es el ajuste de los parámetros de la máquina en función de la
información de pronóstico generada para reducir el desgaste (Schuh
et al., 2020). La mayoría de las publicaciones analizan CPPS
sofisticados que pueden adaptar de forma autónoma su tasa de
producción para ralentizar la degradación de una máquina (Broek et
al., 2020; Fritz & Brandner, 2019; Li et al., 2020; Messer, 2018; Müller,
2018; Njike et al., 2012; OSIsoft, 2020; Siemens, 2019; SitScape, 2018).
Messer describe un ejemplo en el que la desaceleración del equipo
en un 15 % retrasa una falla en 72 horas (2018). Este
7
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021

la ventana extendida podría usarse para mantener la máquina en un

punto económico en el tiempo. Broek et al. desarrolló el único modelo
científico revisado que puede ajustar las tasas de producción basadas en
PHM. En lugar de planificar toda la operación de la máquina con
anticipación (por ejemplo, como se ve para la secuenciación), solo
programan la siguiente acción de mantenimiento utilizando una
formulación de proceso de decisión de Markov (2020). Esto puede, por
ejemplo, resolverse a través del aprendizaje por refuerzo habilitado por
PHM, que es "escalable" y "se adapta a las condiciones
cambiantes" (Device Insight & Sentian, 2020, p. 19). Además de las tasas
de producción, otras instancias pueden relubricarse de manera
inteligente (Schaeffler Technologies, 2019) o limpiar los filtros del
intercambiador de calor contaminados bombeando más volumen
(Mulders & Haarman, 2017). Finalmente, si una avería es inevitable, el
CPPS debe apagarse automáticamente según la información de
monitoreo de condición para evitar daños costosos o rechazos de
productos (Busse et al., 2018). El apagado puede ser respaldado por
"deslastre de carga previo al mantenimiento" (Maguire et al., 2017, p. 8),
mitigando las paradas repentinas.
Figura 5. Porcentaje de literatura científica (eje x) frente a literatura gris

Control de capacidadsólo puede trabajar con la adecuadaseguimiento de (eje y) abordando diferentes categorías de procesos
la producción. Aquí, los ajustes realizados se monitorean continuamente y
por la Ecuación (1), donde #  (  )es el número de artículos científicos
se comparan con un modelo de costos (Ansari et al., 2019). Al final, no es
primordial alargar la RUL de un sistema a cualquier precio sino minimizar
que discuten la categoría  .

los costes totales y maximizar la productividad. Por ejemplo, Aspen Mtell
ofrece agentes que monitorean las puntuaciones de los activos en tiempo
real (AspenTech, 2019). Por lo general, el monitoreo se realiza en el MES a
través de KPI (por ejemplo, tiempo de entrega, eficiencia)
predeterminados por el planificador de producción (Glawar et al., 2019). El
MES también puede ser respaldado por un QMS que monitorea la
información de calidad del producto (Ansari et al., 2019), lo que genera
nuevos conocimientos para PHM más allá de los detalles sensoriales. En
cambio,seguimiento de la producciónderiva las acciones apropiadas de la
información monitoreada y las devuelve a control de producción.
La gestión del inventario.Una vez completada la producción, el
consumo de materiales y los bienes fabricados se envían a la
gestión del inventario. Finalmente, pueden emitirse y enviarse al
cliente, lo que concluye el proceso de PPC.
4. RBÚSQUEDA-PAGSPRÁCTICAGRAMOAPS
En general, se pudo demostrar que la alineación de PPC con PHM
tiene mucho potencial para mejorar el rendimiento porque la
producción se puede hacer más flexible y eficiente. Sin embargo, a lo
#   (  )
 = ∀  ∈ [1, 8] (1)
#   
Viceversa, la prevalencia práctica  está representado por la
proporción de literatura gris y se muestra en el eje y. Para el
cálculo, se puede usar la Ecuación (1) reemplazando #  por #  ( 
significa práctica). La figura se puede separar en cuatro cuadrantes
donde se pueden derivar cuatro niveles diferentes de congruencia
entre la teoría y la práctica. El cuadrante superior derecho (I) denota
alta prevalencia y congruencia y el inferior izquierdo baja prevalencia
y alta congruencia (II). Los cuadrantes superior izquierdo (III) e
inferior derecho (IV) representan categorías con alineación baja. El
cuadrante III incluye categorías de PPC que son muy frecuentes en la
práctica pero proporcionalmente menos discutidas en la literatura
(viceversa para el cuadrante IV). Generalmente, los puntos más
cercanos están a la diagonal punteada que pasa por el origen (  =  ),
mayor será su alineación teoría-práctica.
Control de producciónes la única categoría en el cuadrante I
y un foco central de investigación y práctica (  = 52%,   =
59%).Aquí, PHM parece ofrecer los resultados más prometedores al

largo de la revisión de la literatura se identificó una brecha entre lo permitir una producción más flexible y autónoma. Si bien a primera vista

que se investiga y lo que se aplica en la práctica. En consecuencia, la parece haber congruencia, existen algunas desviaciones significativas

literatura académica y la gris se yuxtaponen para analizar si los entre los elementos del proceso. Mientras que la literatura científica se

potenciales científicos se realizan en la práctica y qué implicaciones centra en la secuenciación, la práctica se centra más en el control de

tienen los hallazgos prácticos para los investigadores.
La figura 5 muestra la congruencia práctica y teórica de PPC y
PHM alineados. Se supone que la prevalencia teórica  de PHM
para una de las ocho categorías de procesos de PPC se puede
medir por la proporción de artículos científicos que abordan esta
categoría (que se muestra en el eje x). se puede calcular
capacidad en tiempo real. La mayoría de los artículos que analizan el perfil
de la máquina y los ajustes de parámetros provienen de literatura gris,
solo uno de fuentes científicas. Por otro lado, muchos trabajos científicos
tratan sobre el cálculo de secuencias de producción óptimas. El
inconveniente de la mayoría de estos enfoques es que son estáticos o
computacionalmente costosos. Ladj et al. desarrolló un algoritmo
genético rápido, pero requiere un conocimiento completo sobre la
degradación específica del trabajo y debe

8
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021

reiniciarse cada vez que ocurra un cambio inesperado en la cómo PPC se beneficia de PHM. En resumen, las preguntas de investigación
producción (2016); algo que podría ser poco práctico en la planteadas al principio se pueden responder de la siguiente manera.
realidad.
1) "¿Qué procesos de PPC pueden beneficiarse de PHM y qué sistemas de
En el cuadrante II podemos ver categorías de procesos cuya información y unidades organizativas están involucradas?"
prevalencia global es baja. Para estas categorías, una alineación de
Siete de las ocho categorías de procesos de PPC presentadas pueden
PPC y PHM presumiblemente no es prometedora. Como categoría
beneficiarse de PHM en diferentes grados. Sin embargo, los beneficios
estratégica,programacion maestra de produccion(  = 0%,   = 0%)
solo se pueden lograr mediante la integración de diferentes sistemas de
tiene un horizonte de planificación demasiado largo para que la
información (por ejemplo, CPPS, PHM, sistemas ERP) y la colaboración
información de pronóstico sea útil. Además, la planificación generalmente
entre los departamentos de producción, mantenimiento y tecnología de la
se realiza a nivel agregado y no por máquina.Pedir(  = 4%,   =
información.
0%)yla gestión del inventario(  = 8%,   = 4%)están en
el principio, respectivamente, final del proceso de PPC. Si bien 2) "¿Cómo se debe alinear el proceso de PPC para lograr los
son categorías de procesos cruciales, se produce una alineación beneficios?"
con PHM en otros niveles del proceso de PPC. Por último, El análisis mostró que PHM es beneficioso para la planificación y el
seguimiento de la producciónapenas se discute en la literatura (   control de la producción a corto plazo, tiene una prevalencia
= 8%,   = 4%),y el enfoque es más en derivar directo, ac- moderada en la planificación de los requisitos y las fuentes, y es
decisiones razonables para otras categorías. aplicable al control de la producción y la gestión del inventario. Se
desarrolló un proceso de PPC con 18 elementos de proceso, que
En el cuadrante III, se puede ver queplanificación de fuentes
muestra cómo se pueden lograr beneficios a través de la alineación
aparece predominantemente en la literatura gris (  = 8%,   = 33%),
de PHM.
indicando un posible vacío en la investigación. Desde una perspectiva
práctica, la adquisición eficiente de repuestos basada en la condición 3) "¿Cómo se hace actualmente en la práctica y cuál es la disparidad
es un caso comercial inicial lucrativo y sencillo para emplear PHM. En con la investigación?"
contraste, solo unos pocos artículos científicos discutieron esta
Una comparación de investigación y práctica reveló que PHM para el control de
categoría. Si bien la adquisición de repuestos se investiga de forma
producción es muy relevante. Además, la planificación de la producción y los
independiente o en otros dominios (p. ej., Espíndola et al., 2012),
requisitos están subrepresentados en la práctica, mientras que existe un vacío
existe una falta definitiva de PPC, PHM y planificación de fuentes
de investigación para la planificación de fuentes. Las categorías de procesos
alineados.
restantes se discuten con menos frecuencia en la literatura científica y gris.
Por último, el cuadrante IV incluye categorías de procesos que están
subrepresentadas en la práctica. Moderadamente muchos trabajos
Si bien se podrían generar buenos conocimientos, este trabajo también tiene limitaciones. En primer lugar, la revisión de la
académicos discuten rplanificación de requisitos(  = 32%,   = 11%).
literatura no es exhaustiva, aunque la cantidad de resultados obtenidos aún podría ser lo suficientemente significativa como para
Existen muchos ejemplos del uso de brechas en el plan de
ofrecer algunas conclusiones interesantes. Además, el algoritmo de búsqueda de literatura gris en Google podría estar sesgado
producción para intervenciones de mantenimiento en gris (p. ej.,
hacia el investigador. Si bien dos investigadores revisaron la literatura gris, solo uno la recuperó. Además, la literatura gris ofrece
Schuh et al., 2020) y literatura científica (p. ej., Busse et al., 2018).
solo una perspectiva práctica limitada. Debido a que la mayoría de los autores eran empresas que vendían software o servicios
Además, este último también analiza soluciones sofisticadas que
relacionados con PHM, tienden a publicar historias de éxito y cosas que "se venden bien". Además, la revisión solo muestra cómo
combinan económicamente el mantenimiento de múltiples máquinas
PHM se entrelaza actualmente en la literatura y no todo lo posible. Es más, la prevalencia de la literatura no dice nada sobre la
mediante el control de la carga planificada (Zhai & Reinhart, 2018);
utilidad y el impacto de integrar PHM para elementos específicos de PPC. No existe una mejor manera de alinear PPC y PHM. Su
sin embargo, esta tendencia aún no ha hecho la transición a la éxito puede depender de muchas cosas, como la madurez del PHM, el proceso de PPC, la organización o la calidad tecnológica y
práctica. de datos de la empresa. Un análisis empírico podría arrojar luz sobre estos aspectos. En especial, los factores organizativos

Por último,planeación de producciónestá casi tan representado deberían investigarse mucho más, ya que solo unos pocos artículos los abordaron. Por último, también se demostró que la

comocontrol de producciónen la literatura científica, pero la producción en tiempo real y el control de capacidad agregan mucha flexibilidad a PPC. En el futuro, se debería prestar más

prevalencia en la literatura gris es moderada (  = 48%,   = 30%). atención al control de la producción autónomo y heterárquico. La optimización, utilizada en muchos documentos, podría no ser la

mejor Su éxito puede depender de muchas cosas, como la madurez del PHM, el proceso de PPC, la organización o la calidad
La desviación puede explicarse por el elemento del proceso.tamaño de lote,que
tecnológica y de datos de la empresa. Un análisis empírico podría arrojar luz sobre estos aspectos. En especial, los factores
recibió una atención considerable en la investigación, pero ninguna en la
organizativos deberían investigarse mucho más, ya que solo unos pocos artículos los abordaron. Por último, también se
práctica. En el primero, se utilizó PHM para ajustar dinámicamente el tamaño
demostró que la producción en tiempo real y el control de capacidad agregan mucha flexibilidad a PPC. En el futuro, se debería
del lote para optimizar las averías de la máquina y minimizar los costos (Wang &
prestar más atención al control de la producción autónomo y heterárquico. La optimización, utilizada en muchos documentos,
Lu, 2016). En la práctica, parece que se utilizan métodos más "tradicionales" y
podría no ser la mejor Su éxito puede depender de muchas cosas, como la madurez del PHM, el proceso de PPC, la organización o
no se tiene en cuenta el PHM.
la calidad tecnológica y de datos de la empresa. Un análisis empírico podría arrojar luz sobre estos aspectos. En especial, los

5. CONCLUSIÓN factores organizativos deberían investigarse mucho más, ya que solo unos pocos artículos los abordaron. Por último, también se

demostró que la producción en tiempo real y el control de capacidad agregan mucha flexibilidad a PPC. En el futuro, se debería

En este trabajo se introdujo un proceso de PPC alineado con PHM mediante la prestar más atención al control de la producción autónomo y heterárquico. La optimización, utilizada en muchos documentos,

realización de una revisión de la literatura multivocal y la demostración podría no ser la mejor también se demostró que la producción en tiempo real y el control de capacidad agregan mucha

flexibilidad a PPC. En el futuro, se debería prestar más atención al control de la producción autónomo y heterárquico. La optimización, utilizada en muchos doc

9
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021
manera de abordar esto, ya que es demasiado estático, jerárquico y
requiere conocimientos que pueden no estar disponibles a priori.
Además, el análisis de las lagunas en la práctica de la investigación revela
algunas oportunidades para futuras investigaciones. En primer lugar, un menor
enfoque en la secuenciación y más en el control de la capacidad (por ejemplo, el
ajuste automático de los parámetros de la máquina) coincidiría mejor con la
prevalencia práctica. También se podría explorar por qué la secuenciación
pospronóstico no se adopta en la práctica. Además, los investigadores deben
incluir la planificación de fuentes en sus trabajos, ya que esto es crucial para la
aplicabilidad práctica. Por último, la brecha de práctica para la planificación de
requisitos y el tamaño de lote debe examinarse más a fondo.
Para concluir, este trabajo muestra dónde PPC puede
beneficiarse de una alineación con PHM y cómo se puede lograr
esto a nivel de proceso, tecnológico y organizacional.
RFERENCIAS
Ansari, F., Glawar, R. y Nemeth, T. (2019). Prima: Un pre-
modelo de mantenimiento scriptivo para sistemas de
producción ciber-físicos.Revista internacional de fabricación
integrada por computadora,32(4-5), 482–503. https://
doi.org/10.1080/0951192X.2019.1571236
Aspen Tech. (2019).Mine Moves de Calendar-based a
Mantenimiento Prescriptivo con Aspen Mtell.Aspen Tech.
Balogh, Z., Gatial, E., Barbosa, J., Leitao, P. y Matejka, T.
(2018). Arquitectura de referencia para una plataforma predictiva
colaborativa para el mantenimiento inteligente en la fabricación.
En 2018 ieee 22ª conferencia internacional sobre sistemas de
ingeniería inteligente (ines)(págs. 299–304). IEEE. https://doi.org/
10.1109/INES.2018.8523969
Bonfietti, A. (2018).Mantenimiento Predictivo y Prescriptivo
maricón.Importa.
Broek, MAJ uit het, Teunter, RH, Jonge, B. de, Veld-
man, J. y van Forest, Dakota del Norte (2020). Planificación de la
producción basada en la condición: ajuste de las tasas de
producción para equilibrar la producción y el riesgo de fallas.
Gestión de operaciones de fabricación y servicios,22(4), 792–811.
https://doi.org/10.1287/msom.2019.0773
Busse, A., Lauer, J. y Metternich, J. (2018). Origen del caso de uso
Entró en la implementación del monitoreo digital de procesos.
Gestión de la productividad,23(1), 28–30.
Chebel-Morello, B., Varnier, C. y Nicod, J.‑M. (2017).
Del pronóstico y la gestión de los sistemas de salud al
mantenimiento predictivo 2: Conocimiento, trazabilidad y
decisión.Conjunto de confiabilidad de sistemas multifísicos:
volumen 7. Wiley; ISTE Ltd. http://onlinelibrary.wiley.com/book/
10.1002/9781119436805
Denkena, B., Dittrich, M.-A., Keunecke, L., & Wilms-
Meier, S. (2020). Modelado continuo de la duración de las fallas de
las máquinas herramienta para mejorar la programación de la
producción. Ingeniería de Producción-Investigación y Desarrollo,
14(2), 207–215. https://doi.org/10.1007/
s11740-020-00955-y
Denkena, B., Kršninga, S. y Doreth, K. (2012). Ópera-
Planificación nacional de medidas de mantenimiento mediante
simulación dirigida por eventos.Procedimiento CIRP,3(1), 61–66.
https://doi.org/10.1016/j.procir.2012.07.012
Información del dispositivo y Sentian. (2020).Más allá de lo predictivo
Mantenimiento: Automatización Inteligente con AIoT.
Do, H.‑H., Rode, J. y Bildmayer, R. (2006). "Abajo con
el tiempo de inactividad! Hacia un proceso integrado de
gestión del mantenimiento y la producción basado en la
técnica del mantenimiento predictivo. En C. Hochberger (Ed.),
Informática 2006(vol. 2, págs. 36–42). Gesellschaft für
Informatik.
Espíndola, D., Frazzon, EM, Hellingrath, B., & Pe-
reira, CE (2012). Integración de sistemas de mantenimiento
inteligentes y cadenas de suministro de repuestos. En T. Borangiu
(Ed.),14º simposio de ifac sobre problemas de control de la
información en la fabricación, incom'12(vol. 14, págs. 1017-1022).
Fritz, T. y Brandner, M. (2019).Mantenimiento predictivo:
Grundlagen, Strategien, Modelos. Fráncfort del Meno.
DLG eV
Garousi, V., Felderer, M. y Mäntylä, MV (2019). Guía-
líneas para incluir literatura gris y realizar revisiones de
literatura multivocal en ingeniería de software.Tecnología
de la información y el software,106, 101–121.
Glawar, R., Ansari, F., Kardos, C., Matyas, K. y Sihn, W.
(2019). Diseño conceptual de un modelo integrado de control
autónomo de la producción en asociación con un modelo de
mantenimiento prescriptivo (prima).Procedimiento CIRP,80,
482–487.
Grimstad, A. (2019).SAP IAM + SAP PEI habilitado por AN-
SIS.SAP AG.
Henke, M., Heller, T. y Stich, V. (2019).Mantenimiento inteligente
nance - der Weg vom Status quo zur Zielvision.ESTUDIO
ACADÉMICO. utzverlag GmbH.
Comisión Electrotécnica Internacional (2016).Ingresar-
integración del sistema de control prise:Parte 3: Modelos de
actividad de gestión de operaciones de fabricación. Ginebra,
Suiza. Comisión Electrotécnica Internacional.
Jacobs, FR, Berry, WL, Whybark, DC y Voll-
Mann, TE (2011).Planificación y control de la fabricación para la
gestión de la cadena de suministro. McGraw-Hill.
Kistner, K.‑P. y Steven, M. (2001).Produktionsplanung.
Physica-Verlag. https://doi.org/
10.1007/978-3-642-57546-4
Kuhnle, A., Jakubik, J. y Lanza, G. (2019). Reforzamiento
aprendizaje para la optimización del mantenimiento
oportunista. Ingeniería de Producción-Investigación y
Desarrollo, 13(1), 33–41. https://doi.org/10.1007/
s11740-018-0855- 7
10
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021
Ladj, A., Benbouzid-Si Tayeb, F. y Varnier, C. (2016). Un
Algoritmo genético-inmune híbrido basado en pronóstico
integrado para programar trabajos y mantenimiento predictivo.
EnCongreso ieee de 2016 sobre computación evolutiva (cec):
24-29 de julio de 2016, vancouver, Canadá(págs. 2083–2089).
IEEE.
https://doi.org/10.1109/CEC.2016.7744045
Ladj, A., Tayeb, FB‑S., Varnier, C., Dridi, AA y
Selmane, N. (2017). Un híbrido de búsqueda de vecinos variables
y lógica difusa para el problema de programación de flowshop
de permutación con mantenimiento predictivo.Procedia
Informática,112, 663–672. https://doi.org/10.1016/
j.procs.2017.08.120
Leonardo, W. (2020).Seis pasos para el mantenimiento predictivo:
Lleve su operación al siguiente nivel.TEJIDO.
Li, Y., Peng, S. y Jiang, W. (2020). Una revisión de la condición-
mantenimiento basado: sus aspectos pronósticos y
operativos.Fronteras de la gestión de la ingeniería,7(3), 323–
334. https://doi.org/10.1007/s42524-020-0121-5
Maguire, E., Mazzei, L. y Cresto, A. (2017).Al darse cuenta de la
Oportunidad en Analítica de Mantenimiento Predictivo.
Socios Momenta.
Messer, A. (2018).¿Qué es el mantenimiento prescriptivo? Y
¿cuándo lo necesitarás?Servicios de Planta; Industria inteligente.
Microsoft. (2015).Creación de valor comercial con predictivo
Mantenimiento: cómo el análisis de los datos de los sensores puede crear
formas revolucionarias de reducir el tiempo de inactividad.Microsoft.
Microsoft. (2017).Mantenimiento predictivo de servicios de Microsoft
Manufactura financiera.Microsoft.
Monostori, L., Kádár, B., Bauernhansl, T., Kondoh, S., Ku-
mara, S., Reinhart, G., Sauer, O., Schuh, G., Sihn, W. y Ueda,
K. (2016). Sistemas ciberfísicos en la fabricación.Anales CIRP,
sesenta y cinco(2), 621–641. https://doi.org/10.1016/
j.cirp.2016.06.005
Morariu, C., Morariu, O., Răileanu, S. y Borangiu, T.
(2020). Aprendizaje automático para programación predictiva y
asignación de recursos en sistemas de fabricación a gran escala.
Informática en la Industria,120, 103244. https://doi.org/10.1016/
j.compind.2020.103244
Mulders, M. y Haarman, M. (2017).Mantenimiento Predictivo
nance 4.0: Predecir lo impredecible.PwC; principalnovacion
Muller, C. (2018).Reduzierte Stillstandzeiten für Industrier-
oboter(Alcance N° 8). Infineon.
Njike, AN, Pellerin, R. y Kenne, JP (2012). simultáneo-
Control continuo de los índices de mantenimiento y
producción de un sistema de fabricación con productos
defectuosos.Revista de fabricación inteligente,23(2), 323–332.
O'Brien, JA (2003).Introducción a los Sistemas de Información:
Elementos esenciales para la empresa de comercio electrónico(11ª
ed.). McGraw-Hill.
Oráculo. (2019).Mantenimiento predictivo preparado para el futuro de Oracle
maricón.Oráculo.
OSIsoft. (2020).La planta digital: un enfoque de cuatro pasos
al Mantenimiento Predictivo 4.0.OSIsoft.
Paprocka, I., Kempa, WM y Ćwikła, G. (2020). Predic-
Programación de mantenimiento tivo con tasa de fallas
descrita por distribución normal truncada.Sensores (Suiza),
20(23), 1–23. https://doi.org/10.3390/s20236787
Piccoli, G. y Pigni, F. (2016).Sistemas de Información para
Gerentes: Con Casos(3.0ª ed.). Prensa prospectiva.
Rahmati, SHA, Ahmadi, A. y Karimi, B. (2017). Desarrollar
Mecanismo de optimización basado en simulación operativa para
un nuevo problema de mantenimiento centrado en la confiabilidad
estocástica.Ciencia Iranica,25(5). https://doi.org/10.24200/
sci.2017.4461
Rahmati, SHA, Ahmadi, A. y Karimi, B. (2018). Multi-
Mecanismo de optimización basado en simulación evolutiva
objetiva para un nuevo problema de mantenimiento centrado
en la confiabilidad estocástica.Computación enjambre y
evolutiva,40, 255–271. https://doi.org/10.1016/
j.swevo.2018.02.010
Rødseth, H., Schjølberg, P. y Marhaug, A. (2017). Profundo
mantenimiento digital.Avances en la Manufactura,5(4),
299–310. https://doi.org/10.1007/s40436-017-0202-9
Tecnologías Schaeffler. (2019).Mantenimiento predictivo
4.0 para Motor-Getriebe-Einheiten.Tecnologías
Schaeffler.
Scheer, A.‑W., Thomas, O. y Adam, O. (2005). Proceso
modelado utilizando cadenas de procesos impulsadas por eventos.
En M. Dumas, WMP van der Aalst y AHM ter Hofstede (Eds.),
Sistemas de información conscientes de los procesos(págs. 119–
145). John Wiley & Sons, Inc.
https://doi.org/10.1002/0471741442.ch6
Scheffels, G. (2018).Big Data en Karosseriebau(Automo-
bil Industria No. 3).
Schmidt, M. y Schäfers, P. (2017). La oferta hannoveriana
modelo de cadena: modelización del impacto de la planificación y el
control de la producción en los objetivos logísticos de una cadena
de suministro. Ingeniería de Producción-Investigación y Desarrollo,
11(4-5), 487–493. https://doi.org/10.1007/s11740-017-0740-9
Schuh, G. (Ed.). (2006).VDI-Buch.Produktionsplanung
und-steuerung. Saltador. https://doi.org/
10.1007/3-540-33855-1
Schuh, G., Kelzenberg, C., de Lange, J., Busch, M.,
Stracke, F. y Frey, C. (2020).Mantenimiento predictivo:
Entwicklung vorausschauender Wartungssysteme für
Werkzeugbaubetriebe und Serienproduzenten.
Shamsaei, F. y van Vyve, M. (2017). Resolviendo integrado
Planificación de la producción y el mantenimiento basado en la condición.
11
 Conferencia Anual de la Sociedad de Pronósticos y Gestión de la Salud 2021

problemas por modelado mip.Revista de fabricación y Zheng, Y., Mesghouni, K. y Dutilleul, SC (2013). Condi-
servicios flexibles,29(2), 184–202. https://doi.org/10.1007/ mantenimiento basado en ciones aplicado para reducir la falta de
s10696-016-9244-8 disponibilidad de las máquinas en un problema de programación

Siemens. (2019).MindSphere para mantenimiento prescriptivo. flexible del taller. Volúmenes de Actas de IFAC,46(9), 1405-1410.

Siemens. https://doi.org/10.3182/20130619-3-RU-3018.00566

SitScape. (2018).Mantenimiento Prescriptivo: ¿Cómo será?

kevin wesendrupRecibió su licenciatura en Sistemas de Información
hacer que la gestión de sus activos sea mejor, más rápida, más
de la Universidad de Ciencias Aplicadas de Westfalia Gelsenkirchen,
inteligente, más completa y asequible?SitScape.
Alemania, en 2017, y su maestría en el mismo campo de la
Consejo de Normalización Industria 4.0. (2018).El soporte- Universidad de Münster en 2019. Durante sus estudios, trabajó como
Hoja de ruta de ardización del mantenimiento predictivo para la consultor de BI en TECE antes de unirse la Cátedra de Sistemas de
industria chino-alemana 4.0/ Fabricación inteligente. Berlina. Información y Gestión de la Cadena de Suministro como asistente de
Trebing + Himstedt. (2017).Mantenimiento Predictivo con investigación de posgrado en 2019. Actualmente está cursando un
SAP: Servicio y mantenimiento predictivo de SAP (SAP doctorado. en la misma institución. Sus intereses de investigación
PdMS).Trebing + Himstedt. son la toma de decisiones pospronóstico y el mantenimiento
Vilsbeck, C. (2020).Mantenimiento Predictivo y KI: prescriptivo para la planificación y el control de la producción.
Wartung mit Durchblick.ANUNCIO. Bernd Hellingrathrecibió su diploma en Ciencias de la
Wang, L. y Lu, Z. (2016). Un plan de producción predictivo- Computación y Matemáticas de la Universidad Técnica de
ning con mantenimiento basado en la condición en un sistema Dortmund, Alemania, en 1988. 2001 terminó su Ph.D. (Dr.- Ing)
de producción en deterioro. En2016 conferencia internacional en la misma universidad. Después de su doctorado, ocupó
sobre robótica e ingeniería de automatización (icrae)(págs. 35– cargos directivos en el Instituto Fraunhofer de Flujo de
38). IEEE. Materiales y Logística en Dortmund de 1991 a 2008. En 2006 fue
https://doi.org/10.1109/ICRAE.2016.7738784 nombrado profesor en la Cátedra de Sistemas de Información de
Wang, L., Lu, Z. y Han, X. (2019). Producción conjunta óptima la Universidad de Paderborn, Alemania. Desde 2008 es profesor
política de planificación y mantenimiento proactivo de de la Cátedra de Sistemas de Información y Gestión de la Cadena
un sistema sujeto a degradación.Revista de Calidad en de Suministro y es director del Centro Europeo de Investigación
Ingeniería de Mantenimiento,25(2), 236–252. https:// de Sistemas de Información de la Universidad de Münster,
doi.org/10.1108/JQME-11-2016-0068 Alemania. Sus intereses de investigación incluyen pronósticos
basados en flotas y pronósticos y gestión de la salud en la
Wang, L., Lu, Z. y Ren, Y. (2020). producción integrada
producción.
planificación y mantenimiento basado en la condición
considerando demanda incierta y fallas aleatorias.Actas de la
Institución de Ingenieros Mecánicos, Parte B: Revista de
Fabricación de Ingeniería,234(1-2), 310–323. https://doi.org/
10.1177/0954405419852479
Wesendrup, K. y Hellingrath, B. (2020). basado en un proceso
revisión de la toma de decisiones pospronóstico. En A.
Bregon & K. Medjaher (Presidentes),5ª Conferencia
Europea de la Sociedad PHM,Virtual.
Zarte, M., Wunder, U. y Pechmann, A. (2017). Concepto
y primer caso de estudio para una simulación genérica de
mantenimiento predictivo en anylogic™. EnIECON 2017 - 43.ª
Conferencia Anual de la Sociedad de Electrónica Industrial IEEE.
Zhai, S. y Reinhart, G. (2018). Mantenimiento predictivo como
un habilitador para la planificación de la producción integrada
en el mantenimiento.ZWF Zeitschrift Für Wirtschaftlichen
Fabrikbetrieb,113(5), 298–301. https://doi.org/
10.3139/104.111912
Zhai, S., Riess, A. y Reinhart, G. (2019). Formulación y
solución para el problema de programación del taller
integrado de mantenimiento predictivo. En2019 ieee
conferencia internacional sobre pronóstico y gestión de la
salud, icphm 2019.
https://doi.org/10.1109/ICPHM.2019.8819397

12