Sistemas de Alerta de Mantenimiento para Minimizar Fallas en Máquinas Industriales - Eduardo Correa

PLAN DE GESTIÓN DE COMUNICACIONES
– 1.2
SISTEMAS DE ALERTA DE MANTENIMIENTO PARA

MINIMIZAR FALLAS EN MÁQUINAS INDUSTRIALES DE
EMPRESAS DEL SECTOR AGROINDUSTRIAL MEDIANTE LA
UTILIZACIÓN DE JAVASCRIPT APLICANDO SCRUM
Autor: Eduardo Correa
1
– 1.2
Estado del arte
1. Planificación
Planteamiento de preguntas de investigación
 PI1: ¿Qué fallas de mantenimiento se presentan en las empresas industriales?
 PI2: ¿Qué elementos permiten identificar las fallas de mantenimiento de las empresas
industriales?
 PI3: ¿Qué técnicas de la información podrían resolver los problemas de fallas de
mantenimiento en las empresas industriales?
 PI4: ¿Cuáles son las mejores técnicas de la información que podrían resolver los problemas de
fallas de mantenimiento en las empresas industriales?
 PI5: ¿Cómo se validan los programas para resolver las fallas de mantenimiento en las empresas
industriales?
Base de Datos
Las bases de datos han sido seleccionadas por contener información relevante en el área de las tecnologías
de la información y comunicación. Las más relevantes han sido:
Scielo
Sciencedirect
Latindex
Redalyc
Ebsco
Web of Science
Palabras claves
Mantenimiento, máquinas industriales, cuellos de botella, metodologías ágiles; software de
mantenimiento, falla de mantenimiento, algoritmos probabilísticos.
Criterios de inclusión y exclusión

2
– 1.2
Tabla1.
Criterios de selección
Criterios de inclusión Criterios de exclusión

Artículos científicos pertenecientes al 1° y 2° cuartil Artículos con más de 5 años de antigüedad
Artículos relacionados a los términos clave Artículos que no aporten elementos de
análisis de las variables estudiadas y/o sus
dimensiones
Artículos sobre fallas de mantenimiento Artículos que estudian el tema pero no
aportan resultados significativos
Artículos sobre costos ocultos por uso de máquinas Artículos que estudian poblaciones y
industriales muestran muy diferentes
Artículos sobre software para mantenimiento de Artículos que emplearon instrumentos no
maquinaria industrial validados adecuadamente.
2. Desarrollo
Diagrama del proceso para la revisión
Base de Resultado de Criterios de Selección por Selección por

datos búsqueda selección resumen contenido
Scielo 1,345 paper’s 139 paper’s 21 paper’s 3 paper’s
Sciencedirect 2,557 paper’s 225 paper’s 33 paper’s 4 paper’s
MDPI 8,980 paper’s 87 paper’s 19 paper’s 5 paper’s
Redalyc 7,321 paper’s 101 paper’s 20 paper’s 3 paper’s
Research Gate 5,324 paper’s 211 paper’s 14 paper’s 4 paper’s
Science Direct 2,983 paper’s 137 paper’s 26 paper’s 4 paper’s
Se seleccionaron finalmente 23 artículos científicos calificados en español o inglés de las 6 bases de datos
revisadas, los cuales pasaron a formar parte del estado del arte sobre el tema investigado.
En la siguiente tabla se muestra la lista de los artículos seleccionados:
Tabla 2.
Resumen de artículos científicos

3
– 1.2
Pregunta de Base de Región,

ID. Título Fuente Cuartil
investigación datos país
Un estudio sobre los

factores que causan
S.O. Ongbali, S.A.
problemas de cuello de
Afolalu, S.A.
botella en la industria Science África,
P01 Oyedepo, A.K. RQ1, RQ2 Q1
manufacturera Direct Nigeria
Aworinde, M.A.
utilizando el análisis de
Fajobi (2021)
componentes
principales
Mejora de la Li, Lin & Chang,

producción en tiempo Qing & Ni, Jun & Research EE.UU.
P02 RQ1, RQ2 Q2
real a través del control Biller, Stephan. Gate América
de cuellos de botella (2019)
Evolución de las
Alinaswe Siame y
aplicaciones PHP: una RQ3, RQ4, Research
P03 Douglas Kunda Q1 África
revisión sistemática de RQ5 Gate
(2017)
la literatura
La falta de
mantenimiento y no el
mantenimiento que
cuesta: un modelo para
Al-Najjar, Basim. Research
P04 describir y cuantificar el RQ1, RQ3 Q1 India
(2017) Gate
impacto del
mantenimiento basado
en vibraciones en el
negocio de la empresa
El mantenimiento de
Manuel A.
activos como inversión
Hernandez, EE.UU.
P05 oculta entre pobres y RQ3 Q2 El Sevier
Danilo R. Trupkin, América
ricos: Aplicación a la
(2021)
vivienda
El caso de las
metodologías ágiles V. P.
Research Rumanía,
P06 frente a las tradicionale MunteanuandP. RQ4 Q2
Gate Europa.
en proyectos de Dragos (2021)
software financiero
P07 Predicción de Martins, RQ1 Q1 Aplied Portugal.

mantenimiento a través Alexandre; Sciences Europa
de la detección Fonseca, Inácio,
utilizando modelos Torres Farinha,
ocultos de Markov: un José; Reis, João y
estudio de caso Marques
4
– 1.2
Cardoso, António
J. (2021)
Modelo de
mantenimiento Binghai Zhou,
preventivo basado en Yadi Yu, Jianyi Research Portugal,
P08 RQ1 Q2
cuellos de botella para Shao, y Damián Gate Europa
sistemas de producción Trentesaux (2019)
en serie
Algoritmo para la
Díaz-Cazañas,
programación integrada
Ronald, De La
producción -
Paz-Martínez, Cuba.
P09 mantenimiento RQ1, RQ2 Q1 Scielo
Estrella M., & América.
preventivo en máquinas
Delgado-Sobrino,
paralelas idénticas.
Daynier R.. (2019)
Ingeniería Industrial
La gestión del
mantenimiento de los Xh. Mehmeti, B.
Science Kosovo.
P10 equipos en las Mehmeti, Rr. RQ3 Q2
Direct Europa
empresas Sejdiu (2018)
manufactureras
Smart Maintenance: Jon Bokrantz,

una agenda de Anders Skoogh,
investigación para la Cecilia Berlin, EE.UU.
P11 RQ3, RQ4 Q1 Journal
gestión del Thorsten Wuest, América
mantenimiento y Johan Stahre
industrial (2020)
Reducción de averías de
la máquina de papel por
S Wannawiset y S
FMEA y mejora del Tailandia.
P12 Tangjitsitcharoen RQ2, RQ3 Q1 IOP Science
mantenimiento Asia.
(2019)
preventivo: un estudio
de caso
Mantenimiento
predictivo, su RQ1, RQ2, Turquía,
P13 Sule Selçuk (2016) Q1 Sage Journals
implementación y RQ3 Asia
últimas tendencias
P14 Análisis de fallas críticas Shafiq Ahmad, RQ4, RQ5 Q1 Hindawi Arabia
en un proceso de Ahmed Badwelan, Journals Saudita.
producción: ¿Es el IoT Atef M. Ghaleb, Asia.
industrial la solución? Ammar Qamhan,
Mohamed Sharaf,
Moath Alatefi, y
Ammar
5
– 1.2
Moohialdin
(2018)
Zeki Murat Çınar;

Abubakar
Machine Learning en
Abdussalam
Mantenimiento
Nuhu; Qasim
Predictivo hacia la RQ2, RQ3, Turquía.
P15 Zeeshan; Orhan Q1 MDPI
Fabricación Inteligente RQ4 Asia.
Korhan;
Sostenible en la
Mohammed
Industria 4.0
Asmael y Babak
Safaei (2020)
Estrategias de
mantenimiento para Abubaker
reducir el tiempo de Shagluf; A. P. RQ1, RQ2, Inglaterra.
P16 Q1 Core UK
inactividad debido a Longstaff; S. RQ3 Europa
errores de posición de Fletcher, 2019
la máquina
El caso de las
metodologías ágiles
frente a las V. P. Munteanu y Australia.
P17 RQ4, RQ5 Q2 EJBMR
tradicionales en P. Dragos (2021) Oceanía.
proyectos de software
financiero
La contribución de las Engineering

Nota G, Fisciano,
tecnologías de Industria business
P18 D Peluso, y A. RQ1, RQ2 Q1 Europa
4.0 a la gestión de management
Toro Lazo (2021)
instalaciones Sage Journals
Modo de falla
Programación de
mantenimiento
Theyab O. Alamri
preventivo estructurado RQ1, RQ2, Research Italia.
P19 y John PT Mo Q1
con tasas de falla RQ3 Gate Europa.
(2022)
cambiantes en el
entorno de la Industria
4.0
Sistemas de
mantenimiento y
H. Mutlu Öztürk y AMME Turquía,
P20 gestión de RQ3, RQ4 Q1
H.K. Öztürk, 2019 Journal Asia.
mantenimiento en
alojamientos
P21 El papel del operador Alessia M. R. RQ2, RQ3 Q1 Applied Europa

de mantenimiento en la Tortora, Valentina Sciences
fabricación industrial. Di Pasquale,
6
– 1.2
Chiara Franciosi,
Sistemas: Temas de Salvatore
investigación y Miranda y
tendencias Raffaele Iannone,
2021
Alexandros
Toma de decisiones en Bousdekis,
mantenimiento Katerina
predictivo: revisión de Lepenioti, RQ3, RQ4, Grecia.
P22 Q1 El Sevier
literatura y agenda de Dimitris RQ5 Europa.
investigación para la Apostolou y
industria 4.0 Gregoris Mentzas
(2019)
Análisis probabilístico
de costos de Parque, M.;
mantenimiento para Kwon, N.; Lee, J.; Corea.
P23 RQ4, RQ5 Q1 MDPI
viviendas Lee, S.; Ahn, Y Asia.
multifamiliares (2019)
envejecidas
Habilitación de la
Mark Hills aPaul
investigación de
P24 Klint bJurgen J. RQ4, RQ5 Q1 ScienceDirect EE.UU.
ingeniería de software
Vinju (2017)
PHP en Rascal
Pano, Amantia;
¿Qué lleva a los
Grazioti, Daniel y ResearchGat
P25 desarrolladores a elegir RQ4 Q1 Europa
Abrahamsson, e
un marco de JavaScript?
Pekka (2016)
Fuente: Google académico y repositorios de revistas indexadas.
3. Resultados y Análisis
3.1. Estadísticas
Tabla 3.
Antigüedad de artículos científicos revisados
Año Cantidad Porcentaje

2016 2 8.0%
2017 3 12.0%
7
– 1.2
2018 2 8.0%
2019 8 32.0%
2020 2 8.0%
2021 7 28.0%
2022 1 4.0%
Total 25 100.0%
Fuente: Selección tabla 2
Tabla 4.
Distribución de artículos científicos por regiones de estudio
Región Cantidad Porcentaje

América 5 20.0%
Europa 10 40.0%
Asia 7 28.0%
África 2 8.0%
Oceanía 1 4.0%
Anulados 5 20.0%
Total 25 100.0%
Fuente: Selección tabla 2
3.2. Resultados
Resúmenes de paper’s
P01: Hay una gran cantidad de variables de cuello de botella que restringen la capacidad de
fabricación general y hacen que las decisiones de mejora sean complejas. En consecuencia, este
estudio tiene como objetivo identificar y analizar las numerosas variables para identificar los factores
variables clave que influyen y convierten los elementos de fabricación en un problema de cuello de
botella para priorizar el esfuerzo de mejora del proceso. El estudio se limita a identificar y analizar las
numerosas variables de cuello de botella para obtener una idea de cuánto influye cada una de las
variables en el resultado del proceso a través de los elementos de fabricación. Las 76 variables de
cuello de botella extraídas de la literatura se utilizaron para elaborar un cuestionario estructurado
que se administró a los encuestados en la industria manufacturera cuyo tamaño se determinó con un
nivel de confianza del 95 % y un margen de error del 5 %, respectivamente. El nivel de confianza del
95 % se elige para garantizar una representación adecuada de la población y validar los datos para el
estudio. Las puntuaciones de los encuestados se cotejaron en (mxn ) matriz de datos que sirvió como
variable de entrada al modelo de análisis factorial . Luego se empleó el software StatistiXL para
evaluar la matriz de datos. Se descartaron las variables triviales y 19 factores con autovalores (λ ˃ 1)
fueron extraídos y etiquetados creativamente para su interpretación. El resultado estableció que el
“Índice de capacidad del proceso” es el principal factor de cuello de botella que cargó el 25% de las
variables estudiadas. Las principales variables del clúster incluyen Falla de equipos = -0.832,
Operaciones = -0.780, Indisponibilidad de materiales = -0.811 y Demanda del mercado = -0.739, entre
8
– 1.2
otras. De manera similar, la restricción del proceso de fabricación, los recursos, el clima, la
comunicación, la logística y la dedicación de la línea son otros factores clave por la magnitud de las
cargas factoriales de sus respectivas variables, como Evento aleatorio = 0.812, Flujo de materias
primas = -0.834, Tecnología de proceso = 0.878, y Factores ambientales aleatorios entre otras
variables. Aunque los problemas de cuello de botella varían de un sistema de fabricación por otro, los
problemas identificados y las soluciones presentadas en este estudio son genéricos y el esfuerzo de
mejora debe centrarse en abordar las variables principales sin descuidar las variables intermedias y
débiles. Nigeria
P02: La variabilidad es una característica clave para evaluar el desempeño de un proceso. Una
pequeña variabilidad para una máquina cuello de botella puede generar una alta variabilidad de
producción. El análisis de producción a corto plazo y la identificación de cuellos de botella son
imprescindibles para permitir una respuesta óptima a los cambios dinámicos dentro del sistema. En
comparación con la rica y abundante literatura disponible sobre el análisis a largo plazo, solo una
pequeña sección de la literatura aborda las políticas dinámicas de control de cuellos de botella, que
pueden utilizarse para maximizar los beneficios sostenibles. En este documento, se presenta un
método de control de cuellos de botella en tiempo real para utilizar de manera eficiente los recursos
de fabricación finitos y mitigar las limitaciones de producción a corto plazo mediante el uso de dos
enfoques prácticos: ajuste inicial del búfer y priorización de tareas de mantenimiento. El objetivo del
control de cuellos de botella en tiempo real es obtener una mejora continua de la producción hacia
un estado de línea equilibrada para aumentar el rendimiento de manera eficiente. Los beneficios de
este método se presentan considerando un estudio de caso industrial de una línea de ensamblaje
automotriz. Los resultados obtenidos de este estudio de caso muestran mejoras significativas en la
producción en comparación con los enfoques tradicionales. EE.UU.
P03: El estudio desarrollado presenta una revisión sistemática del uso de PHP en la generación de
internet 4.0 para la industria y otras actividades conexas y/o complementarias, a través del cual
verifica la facilidad con que se adecua a las necesidades de desarrollo sistemático, informatización y
cumplimiento de exigentes condiciones de flexibilidad para su implementación. La facilidad con que
se adecua al uso de metodologías ágiles y técnicas como Scrum hacen que sea el recurso favorito de
los desarrolladores para implementar software para la industria y casi toda actividad empresarial. La
evolución de las aplicaciones en PHP en términos del uso de bibliotecas, madurez de software,
adopción del paradigma de orientación a objetos, evolución de la complejidad y la seguridad resultan
sus principales atributos. Los resultados sugieren que estos sistemas se someten a un mantenimiento
sistemático y la evolución está ayudando a que crezca el lenguaje de programación subyacente lo
cual retroalimenta a su vez su utilidad y amplia permanentemente la cobertura capaz de ofrecer a la
gestión operativa y empresarial en general.
P04: Sustituir el mantenimiento de los activos fijos existentes por la inversión en nuevos activos,
afectando así su depreciación, puede jugar un papel importante en las decisiones económicas de los
agentes de bajos ingresos. Desarrollamos un marco teórico que muestra que los hogares más pobres,
que generalmente enfrentan costos de ajuste (mudanza) relativamente más altos y más restricciones
crediticias, ajustarán sus decisiones de mantenimiento del hogar en mayor medida que los hogares
más ricos después de un cambio en los ingresos. Probamos nuestras predicciones utilizando un panel
de propietarios de viviendas de la Encuesta de vivienda estadounidense de 1997-2011. Encontramos
que la elasticidad ingreso del mantenimiento es mayor entre los hogares de bajos ingresos versus los
de altos ingresos y que las diferencias de ajuste son más agudas para los cambios de ingresos
permanentes que para los transitorios. Por cada dólar de aumento en los ingresos permanentes y
9
– 1.2
transitorios estimados, los gastos de mantenimiento de la vivienda aumentarán en 5,2 y 2,9 centavos
en el tercio inferior de ingresos y en cero y 0,5 centavos en el tercio superior. EE.UU.
P05: Han surgido metodologías ágiles para desafiar a las tradicionales y superar sus limitaciones.
Cada vez más, las organizaciones de desarrollo de software están ampliando las prácticas ágiles para
cumplir con los requisitos del entorno empresarial que cambia rápidamente y se desarrolla
regularmente. Los principales objetivos de este estudio son investigar las principales diferencias
entre las metodologías tradicionales de gestión de proyectos y las metodologías ágiles, así como
identificar algunas ventajas y desafíos clave de aplicar el desarrollo ágil en un entorno de software
financiero. Los hallazgos muestran claramente que el uso de metodologías ágiles en un entorno de
desarrollo de software financiero aumenta la eficiencia y la transparencia del proceso de desarrollo,
así como la satisfacción de las partes interesadas. Rumanía, Europa.
P06: La maximización de la disponibilidad es una meta para cualquier organización porque el tiempo
de inactividad de los equipos implica altos costos no productivos y, además, las paradas y reinicios
anormales suelen implicar la pérdida de calidad del producto. De esta manera, un método para
predecir el estado de salud de los equipos es vital para mantener el flujo de producción, así como
para planificar estrategias de intervención de mantenimiento. Este artículo presenta un enfoque de
predicción de mantenimiento basado en datos de detección gestionados por modelos ocultos de
Markov (HMM). Para ello, se utiliza como caso de estudio un diagnóstico de prensas secadoras en
una industria de celulosa, el cual se realiza a partir de datos recolectados cada minuto durante tres
años y diez meses. Este artículo presenta un enfoque para administrar un análisis multivariado, en
este caso fusionando los valores de los sensores y optimizando los estados observables para
insertarlos en un modelo HMM. lo que permite identificar tres estados ocultos que caracterizan el
estado de salud del equipo: “Funcionamiento Correcto”, “Estado de Alerta” y “Falla del Equipo”. La
investigación descrita en este artículo demuestra cómo se puede realizar un diagnóstico de la salud
del equipo utilizando el HMM, a través de la recopilación de observaciones de varios sensores, sin
información de ocurrencias de fallas de la máquina. El enfoque desarrollado demostró ser robusto,
aún con la complejidad del sistema, teniendo el potencial de ser generalizado a cualquier otro tipo de
equipo. sin información de ocurrencias de fallas en las máquinas. El enfoque desarrollado demostró
ser robusto, aún con la complejidad del sistema, teniendo el potencial de ser generalizado a
cualquier otro tipo de equipo. sin información de ocurrencias de fallas en las máquinas. El enfoque
desarrollado demostró ser robusto, aún con la complejidad del sistema, teniendo el potencial de ser
generalizado a cualquier otro tipo de equipo. Portugal. Europa
P07: Propósito: el propósito de este artículo es desarrollar un modelo de mantenimiento oportunista

(OM) basado en cuellos de botella para los sistemas de producción en serie con la integración del
efecto imperfecto en las actividades de mantenimiento. Diseño/metodología/enfoque – Sobre el
análisis de disponibilidad y costo de mantenimiento, se construyen modelos de mantenimiento
preventivo (PM) sujetos a mantenimiento imperfecto para diferentes tipos de equipos. Y luego, se
establece una función de ahorro de costos de OM para encontrar una estrategia de OM óptima,
dependiendo de si las máquinas de cuello de botella frontal adoptan la estrategia de OM o no. Se da
un ejemplo numérico para mostrar cómo procedió el modelo de OM basado en cuellos de botella
propuesto. Hallazgos: los resultados de la simulación indican que el modelo propuesto es mejor que
los métodos para mantener las máquinas por separado y la política para mantener todas las
máquinas cuando la máquina cuello de botella alcanza su umbral de confiabilidad. Además, la
relación entre la estrategia de OM y los parámetros correspondientes se identifica a través del
análisis de sensibilidad. Implicaciones prácticas: en situaciones prácticas, la máquina de cuello de
botella siempre determina el rendimiento de todo el sistema de producción en serie. Cada vez que se
10
– 1.2
lleve a cabo una actividad de mantenimiento preventivo en la máquina cuello de botella, habrá una
oportunidad para el mantenimiento de otras máquinas. En tales circunstancias, los hallazgos de este
documento pueden utilizarse para determinar la política óptima de OM con el objetivo de minimizar
el costo total de mantenimiento del sistema. Originalidad/valor: este artículo presenta un modelo de
optimización de OM basado en cuellos de botella con la integración del efecto imperfecto como un
nuevo método para programar actividades de mantenimiento para un sistema de producción en
serie con amortiguadores. Además, hasta donde sabemos, este documento presenta el primer
intento de considerar la restricción de cuello de botella en la capacidad del sistema y diversos tipos
de máquinas como un medio para minimizar el costo de mantenimiento y garantizar el rendimiento
del sistema. Portugal, Europa
P08: Se muestra un algoritmo para la programación integrada de producción y mantenimiento

preventivo en una configuración productiva de máquinas paralelas idénticas, teniendo como objetivo
minimizar el tiempo total de fabricación. El algoritmo fue estructurado en dos fases. En la primera se
obtiene una solución inicial, resultado del diseño de una heurística constructiva inspirada en la regla
de despacho Largest Processing Time, con algunas modificaciones para considerar la naturaleza
estocástica del problema y la posibilidad de que varios trabajos puedan tener fechas de lanzamiento
diferentes. En la fase dos se intenta mejorar la solución inicial utilizando un método de recocido
simulado. Como forma de evaluar su factibilidad el algoritmo fue aplicado en una empresa
productora de artículos plásticos, demostrándose mediante los resultados obtenidos sus
potencialidades como mecanismo de mejoramiento de las capacidades de operaciones. Cuba.
América.
P09: Con el continuo crecimiento del mercado global y el aumento de la complejidad de los equipos,
el acceso profesional al mantenimiento juega un papel clave para ser competitivo en el mercado y
aumentar la productividad de la producción. Los sistemas de producción avanzados están
relacionados con el uso más amplio de la tecnología de la información en la gestión del
mantenimiento, la capacitación del personal, la participación del personal profesional en el
mantenimiento y el uso más amplio del mantenimiento preventivo. En este documento se
presentarán los resultados de la investigación sobre la gestión del mantenimiento y la importancia
del mantenimiento en las empresas manufactureras de Kosovo. Kosovo. Europa
P10: ¿Cómo afectan las operaciones de mantenimiento modernizadas, a menudo denominadas

"mantenimiento inteligente", el rendimiento de las plantas de fabricación? Esta pregunta es un
desafío apremiante para los profesionales y académicos de la gestión del mantenimiento industrial,
en respuesta directa a la transición a un entorno industrial con tecnologías digitales omnipresentes.
Este artículo es la segunda parte de una serie de dos artículos. Presentamos una agenda de
investigación fundamentada empíricamente que refleja la heterogeneidad en la adopción industrial y
el desempeño del Mantenimiento Inteligente. Se utilizaron grupos focales y entrevistas con más de
110 expertos de más de 20 empresas diferentes para identificar contingencias, respuestas e
implicaciones de desempeño de “Smart Maintenance”. Los hallazgos se transformaron en un modelo
de contingencia, proporcionando la base para una agenda de investigación que consta de cinco áreas
principales: (1) contingencias ambientales; (2) isomorfismo institucional; (3) problemas de
implementación relacionados con cambios, inversiones e interfaces; (4) las cuatro dimensiones del
Mantenimiento Inteligente; y (5) implicaciones de desempeño a nivel de planta y empresa. El
temario puede orientar el campo de la gestión del mantenimiento industrial para pasar del trabajo
exploratorio al trabajo confirmatorio, estudiando la validez de los conceptos propuestos, así como la
magnitud y dirección de sus relaciones. En última instancia, esto ayudará a los académicos y
profesionales a responder cómo el mantenimiento inteligente puede afectar el rendimiento
11
– 1.2
industrial. El temario puede orientar el campo de la gestión del mantenimiento industrial para pasar
del trabajo exploratorio al trabajo confirmatorio, estudiando la validez de los conceptos propuestos,
así como la magnitud y dirección de sus relaciones. En última instancia, esto ayudará a los
académicos y profesionales a responder cómo el mantenimiento inteligente puede afectar el
rendimiento industrial. El temario puede orientar el campo de la gestión del mantenimiento
industrial para pasar del trabajo exploratorio al trabajo confirmatorio, estudiando la validez de los
conceptos propuestos, así como la magnitud y dirección de sus relaciones. En última instancia, esto
ayudará a los académicos y profesionales a responder cómo el mantenimiento inteligente puede
afectar el rendimiento industrial. USA.
P11: FMEA es una herramienta ampliamente seleccionada para la aplicación de prevención de

averías de maquinaria. Esta investigación adoptó la técnica FMEA para reducir y prevenir la avería del
equipo importante de una gran máquina de papel comercial que tiene una capacidad de 200 000
toneladas por año ubicada en el área noreste de Tailandia. Esta investigación logró la mejora del
mantenimiento preventivo en otras máquinas para una rápida implementación y mejores
inspecciones de máquinas. Después de la implementación, el tiempo de inactividad de la máquina de
papel perteneciente al departamento de mantenimiento se redujo significativamente 5 horas por
mes en promedio, la disponibilidad de la máquina, el OEE y el MTBF aumentaron 0,46 %, 0,51 % y 10
horas respectivamente. El tiempo de inactividad de la máquina ha tenido una tendencia a la baja.
Tailandia. Asia.
P12: Este estudio aborda las nuevas tendencias y técnicas en el campo del mantenimiento predictivo,
que ha ido superando, al menos en parte, las políticas tradicionales de gestión. También presenta
sugerencias sobre cómo implementar un programa de mantenimiento predictivo en una
fábrica/local, etc. El mantenimiento predictivo implica principalmente la previsión de fallas en el
sistema que se va a mantener mediante la detección temprana de signos de falla para que el trabajo
de mantenimiento sea más proactivo. Además del objetivo de actuar antes de que falle, también
tiene como objetivo atender cualquier falla, incluso si no existe un peligro inmediato de falla, para
garantizar un buen funcionamiento y reducir el consumo de energía. El mantenimiento predictivo ha
sido adoptado por varios sectores de la industria manufacturera y de servicios para mejorar la
confiabilidad, seguridad, disponibilidad, eficiencia y calidad, así como para proteger el medio
ambiente. También ha creado un sector separado, que se especializa en el desarrollo de
instrumentos de mantenimiento predictivo, ofreciendo soluciones dedicadas de mantenimiento
predictivo y capacitando a expertos en mantenimiento predictivo. Las técnicas de mantenimiento
predictivo están estrechamente asociadas con las tecnologías de sensores, pero para que las
aplicaciones de mantenimiento predictivo sean eficientes, es necesario adaptar un enfoque integral,
que integre la detección con las actividades de mantenimiento posteriores, de acuerdo con las
necesidades de la organización en particular. Los avances recientes en las tecnologías de la
información, la comunicación y la informática, como el Internet de las cosas y las identificaciones por
radiofrecuencia, han permitido que las aplicaciones de mantenimiento predictivo sean más
eficientes, aplicables, asequibles, y en consecuencia más común y disponible para todo tipo de
industrias. Las investigaciones sobre mantenimiento remoto y mantenimiento electrónico han
respaldado las actividades de mantenimiento predictivo, especialmente en entornos de trabajo
inseguros y ubicaciones dispersas. Turquía, Estambul. Europa Asia.
P13: Las fallas de las máquinas causan un impacto adverso en la eficiencia operativa de cualquier
problema de fabricación. La identificación de dichas fallas críticas y el examen de sus asociaciones
con otros parámetros del proceso plantean un desafío en un entorno de fabricación tradicional. Este
estudio de investigación se enfoca en el análisis de fallas críticas y sus efectos de interacción
12
– 1.2
asociados que están afectando las actividades de producción. Para mejorar el proceso de detección
de fallas de manera más precisa y eficiente, se propone un modelo conceptual hacia el análisis de
datos de una fábrica inteligente utilizando sistemas ciberfísicos (CPS) e Internet industrial de las
cosas (IIoT). La metodología de investigación se basa en un enfoque estadístico basado en hechos. A
diferencia de otros trabajos publicados, este estudio ha investigado las relaciones estadísticas entre
diferentes fallas críticas (factores) y sus causas asociadas (causa de las fallas) que ocurrieron debido a
la deficiencia de material, la organización de la producción y la planificación. Se presenta un caso de
negocio real y se ilustran los resultados que causan fallas significativas. Además, el modelo de fábrica
inteligente propuesto permitirá que cualquier empresa de fabricación prediga fallas críticas en un
proceso de producción y proporcione un monitoreo del proceso en tiempo real. El modelo propuesto
permitirá crear un sistema inteligente de control predictivo de fallas que se puede integrar con
dispositivos de producción para crear un entorno de inteligencia ambiental y, por lo tanto, brindará
una solución para un proceso de fabricación inteligente del futuro. organización de la producción y
planificación. Se presenta un caso de negocio real y se ilustran los resultados que causan fallas
significativas. Además, el modelo de fábrica inteligente propuesto permitirá que cualquier empresa
de fabricación prediga fallas críticas en un proceso de producción y proporcione un monitoreo del
proceso en tiempo real. El modelo propuesto permitirá crear un sistema inteligente de control
predictivo de fallas que se puede integrar con dispositivos de producción para crear un entorno de
inteligencia ambiental y, por lo tanto, brindará una solución para un proceso de fabricación
inteligente del futuro. organización de la producción y planificación. Se presenta un caso de negocio
real y se ilustran los resultados que causan fallas significativas. Además, el modelo de fábrica
inteligente propuesto permitirá que cualquier empresa de fabricación prediga fallas críticas en un
proceso de producción y proporcione un monitoreo del proceso en tiempo real. El modelo propuesto
permitirá crear un sistema inteligente de control predictivo de fallas que se puede integrar con
dispositivos de producción para crear un entorno de inteligencia ambiental y, por lo tanto, brindará
una solución para un proceso de fabricación inteligente del futuro. El modelo de fábrica inteligente
propuesto permitirá que cualquier problema de fabricación prediga fallas críticas en un proceso de
producción y proporcione un monitoreo del proceso en tiempo real. El modelo propuesto permitirá
crear un sistema inteligente de control predictivo de fallas que se puede integrar con dispositivos de
producción para crear un entorno de inteligencia ambiental y, por lo tanto, brindará una solución
para un proceso de fabricación inteligente del futuro. El modelo de fábrica inteligente propuesto
permitirá que cualquier problema de fabricación prediga fallas críticas en un proceso de producción y
proporcione un monitoreo del proceso en tiempo real. El modelo propuesto permitirá crear un
sistema inteligente de control predictivo de fallas que se puede integrar con dispositivos de
producción para crear un entorno de inteligencia ambiental y, por lo tanto, brindará una solución
para un proceso de fabricación inteligente del futuro. Arabia Saudita. Asia.
P14: Recientemente, con el surgimiento de la Industria 4.0 (I4.0), los sistemas inteligentes, el
aprendizaje automático (ML) dentro de la inteligencia artificial (IA), los enfoques de mantenimiento
predictivo (PdM) se han aplicado ampliamente en las industrias para manejar el estado de salud de
los equipos industriales. Debido a la transformación digital hacia I4.0, las técnicas de información, el
control computarizado y las redes de comunicación, es posible recopilar cantidades masivas de datos
de condiciones operativas y de procesos generados a partir de varios equipos y recopilar datos para
realizar una detección y diagnóstico de fallas automatizado con el objetivo de minimizar el tiempo de
inactividad y aumentar la tasa de utilización de los componentes y aumentar su vida útil restante.
PdM es inevitable para la fabricación inteligente sostenible en I4.0. Las técnicas de aprendizaje
automático (ML) han surgido como una herramienta prometedora en las aplicaciones de PdM para la
fabricación inteligente en I4.0, por lo que ha aumentado el atractivo de los autores en los últimos
13
– 1.2
años. Este documento tiene como objetivo proporcionar una revisión exhaustiva de los avances
recientes de las técnicas de ML ampliamente aplicadas a PdM para la fabricación inteligente en I4.0
mediante la clasificación de la investigación según los algoritmos de ML, la categoría de ML, la
maquinaria y el equipo utilizado, el dispositivo utilizado en la adquisición de datos. , clasificación de
datos, tamaño y tipo, y destaca las contribuciones clave de los investigadores y, por lo tanto, ofrece
pautas y fundamentos para futuras investigaciones. Turquía. Asia.
P15: La fabricación se esfuerza por reducir los residuos y aumentar la eficacia general del equipo
(OEE). Al administrar el mantenimiento de la máquina herramienta, un fabricante debe aplicar una
técnica de decisión adecuada para revelar los costos ocultos asociados con las pérdidas de
producción, reducir el tiempo de inactividad del equipo de manera competente e identificar de
manera similar el rendimiento de las máquinas. El mantenimiento productivo total (TPM) es un
programa de mantenimiento que involucra conceptos para mantener la planta y el equipo de manera
efectiva. OEE es una poderosa métrica de rendimiento de fabricación que incorpora medidas de
utilización, rendimiento y eficiencia de un determinado proceso, máquina o línea de fabricación. Es
compatible con las iniciativas de TPM al realizar un seguimiento preciso del progreso hacia el logro
de una "producción perfecta". Este artículo presenta una revisión de las metodologías de gestión de
mantenimiento y su aplicación a la toma de decisiones de calibración de errores posicionales. El
propósito de esta revisión es evaluar la contribución de las estrategias de mantenimiento, en
particular TPM, para mejorar el rendimiento de fabricación y cómo podrían aplicarse para reducir el
tiempo de inactividad debido a la imprecisión de la máquina. Esto es para encontrar un equilibrio
entre la calibración predictiva, la verificación en la máquina y la pérdida de producción debido a la
imprecisión. Este trabajo redefine el papel de las técnicas de gestión del mantenimiento y desarrolla
un marco para respaldar el proceso de implementación de un programa de calibración predictiva
como método principal para respaldar el cambio. hacia la mejora del rendimiento de fabricación y
cómo podrían aplicarse para reducir el tiempo de inactividad debido a la imprecisión de la máquina.
Esto es para encontrar un equilibrio entre la calibración predictiva, la verificación en la máquina y la
pérdida de producción debido a la imprecisión. Este trabajo redefine el papel de las técnicas de
gestión del mantenimiento y desarrolla un marco para respaldar el proceso de implementación de un
programa de calibración predictiva como método principal para respaldar el cambio. hacia la mejora
del rendimiento de fabricación y cómo podrían aplicarse para reducir el tiempo de inactividad debido
a la imprecisión de la máquina. Esto es para encontrar un equilibrio entre la calibración predictiva, la
verificación en la máquina y la pérdida de producción debido a la imprecisión. Este trabajo redefine
el papel de las técnicas de gestión del mantenimiento y desarrolla un marco para respaldar el
proceso de implementación de un programa de calibración predictiva como método principal para
respaldar el cambio. Inglaterra. Europa
P16: Los sistemas de fabricación críticos consisten en muchos componentes diferentes que trabajan
juntos. Cada componente es importante para el funcionamiento y el rendimiento de todo el sistema.
Es crucial contar con un plan de mantenimiento sólido para garantizar un rendimiento de producción
continuo. La estrategia de la investigación actual es centrarse en el modelado del modo de falla del
sistema de fabricación y dividirlo según el modo de falla en bloques de producción. Los intervalos de
reemplazo preventivo se determinan utilizando los valores medios de tiempo hasta la falla de los
componentes, con reemplazos grupales de componentes dentro de los bloques de producción para
evitar fallas funcionales inesperadas. Con la implementación de la infraestructura de Industria 4.0,
los valores de tiempo medio de falla de los componentes se actualizan constantemente. El modelo
matemático multimodo desarrollado en este documento puede ajustar dinámicamente el programa
de reemplazo preventivo para adaptarse a las condiciones cambiantes del sistema. Los resultados
14
– 1.2
indican que el reemplazo preventivo de componentes puede lograr una confiabilidad mínima
constante del sistema del 90 % y, al mismo tiempo, minimizar los costos del sistema debido al
mantenimiento y el tiempo de inactividad. La novedad del enfoque radica en el desarrollo de un
programa de mantenimiento preventivo holístico utilizando el modo de falla y el análisis de efectos
para un sistema completo. El enfoque no solo mejora la capacidad de mantenimiento y la
confiabilidad, reduce el costo de mantenimiento, sino que también mantiene la continuidad de la
producción. Los resultados indican que el reemplazo preventivo de componentes puede lograr una
confiabilidad mínima constante del sistema del 90 % y, al mismo tiempo, minimizar los costos del
sistema debido al mantenimiento y el tiempo de inactividad. La novedad del enfoque radica en el
desarrollo de un programa de mantenimiento preventivo holístico utilizando el modo de falla y el
análisis de efectos para un sistema completo. El enfoque no solo mejora la capacidad de
mantenimiento y la confiabilidad, reduce el costo de mantenimiento, sino que también mantiene la
continuidad de la producción. Los resultados indican que el reemplazo preventivo de componentes
puede lograr una confiabilidad mínima constante del sistema del 90 % y, al mismo tiempo, minimizar
los costos del sistema debido al mantenimiento y el tiempo de inactividad. La novedad del enfoque
radica en el desarrollo de un programa de mantenimiento preventivo holístico utilizando el modo de
falla y el análisis de efectos para un sistema completo. El enfoque no solo mejora la capacidad de
mantenimiento y la confiabilidad, reduce el costo de mantenimiento, sino que también mantiene la
continuidad de la producción. Australia. Oceanía.
P17: La gestión de instalaciones es una disciplina en evolución que ha recibido atención tanto de
profesionales como de investigadores en los últimos años. La gestión moderna de instalaciones
considera varios intereses relacionados con los recursos materiales y, entre otros, los intereses
sociales y ambientales. Una importante oportunidad para la mejora de esta disciplina deriva de la
introducción de tecnologías de Industria 4.0 para la gestión de recursos materiales. En este trabajo
estudiaremos el problema de la gestión de instalaciones industriales, un área con importantes
implicaciones económicas. Partiendo de un modelo de gestión de instalaciones para el
mantenimiento de activos industriales, desarrollamos un enfoque general del mantenimiento basado
en Internet de las Cosas y Sistemas Ciber-Físicos, que nos permite razonar sobre la implementación
de una Unidad de Gestión de Instalaciones Organizativas efectiva.
P18: La gestión de instalaciones es una disciplina en evolución que ha recibido atención tanto de
profesionales como de investigadores en los últimos años. La gestión moderna de instalaciones
considera varios intereses relacionados con los recursos materiales y, entre otros, los intereses
sociales y ambientales. Una importante oportunidad para la mejora de esta disciplina deriva de la
introducción de tecnologías de Industria 4.0 para la gestión de recursos materiales. En este trabajo
estudiaremos el problema de la gestión de instalaciones industriales, un área con importantes
implicaciones económicas. Partiendo de un modelo de gestión de instalaciones para el
mantenimiento de activos industriales, desarrollamos un enfoque general del mantenimiento basado
en Internet de las Cosas y Sistemas Ciber-Físicos, que nos permite razonar sobre la implementación
de una Unidad de Gestión de Instalaciones Organizativas efectiva. Italia. Europa.
P19: Objeto: de este estudio se trata de abordar el tema de los trabajos de mantenimiento en el
sector del alojamiento. El desarrollo de los medios de transporte, el aumento del nivel de ingresos y
el aumento del nivel de comodidad crean en las personas el deseo de viajar más. En los viajes a
diferentes ciudades se utilizan instalaciones de alojamiento como hoteles, centros de vacaciones y
apartamentos. La satisfacción del cliente es muy importante para las instalaciones de alojamiento.
Para asegurar la satisfacción del cliente, los servicios prestados no deben ser interrumpidos y toda la
maquinaria y equipo debe estar en condiciones de funcionamiento. Para garantizar esto, es muy
15
– 1.2
importante realizar trabajos de mantenimiento en las plantas y dispositivos. Por lo tanto, el

establecimiento de un sistema de gestión del mantenimiento en las instalaciones de alojamiento es
muy importante y es necesario realizar trabajos de mantenimiento. En este contexto, se aplican
diferentes métodos de mantenimiento en las instalaciones de alojamiento. En este estudio, se
discute el mantenimiento de las instalaciones de alojamiento. Diseño/metodología/enfoque: Dentro
del alcance del estudio, se discute el mantenimiento y la gestión del mantenimiento en las
instalaciones de alojamiento. Los principios de mantenimiento de las instalaciones de alojamiento se
discuten en detalle. Se discuten los lugares donde se llevan a cabo los servicios de mantenimiento en
las instalaciones de alojamiento y los métodos de mantenimiento. Hallazgos: Este estudio muestra
que la implementación del sistema de gestión de mantenimiento aumentará la satisfacción del
cliente. Se ha evaluado que el mantenimiento puede ser exitoso no solo por parte del personal de
mantenimiento sino también con la participación de todos los empleados de la planta. Limitaciones /
implicaciones de la investigación: Para ver la importancia del mantenimiento en las instalaciones de
alojamiento, será conveniente comparar los hoteles con el sistema de gestión del mantenimiento
aplicado y los hoteles que no lo están en términos de satisfacción del cliente y gastos de
mantenimiento. Para los estudios futuros, se puede examinar en detalle el sistema de gestión de
mantenimiento en los hoteles. Implicaciones prácticas: la expansión de las prácticas de gestión del
mantenimiento en las instalaciones de alojamiento aumentará la tasa de utilización de la capacidad
de los hoteles y aumentará la satisfacción del cliente. Originalidad/valor: En el campo del
mantenimiento, se han realizado estudios detallados en el sector manufacturero durante mucho
tiempo y se han examinado en detalle. Turquía, Asia.
P21: El surgimiento de la Industria 4.0 ha llevado a un amplio uso de sensores que han facilitado las
operaciones de fabricación. El mantenimiento predictivo se ha beneficiado significativamente de
estos avances tecnológicos con el uso de algoritmos de predicción y detección en tiempo real con
respecto a fallas futuras. Durante los últimos años, también hay un interés creciente en los
algoritmos de toma de decisiones desencadenados por predicciones de fallas. El artículo actual revisa
la literatura sobre la toma de decisiones en el mantenimiento predictivo en el contexto de la
fabricación inteligente. Además, discute los resultados, identifica los vacíos de investigación
existentes y esboza una agenda de investigación en el campo. Grecia. Europa.
P22: Para realizar una construcción sostenible, es esencial planificar los costes de mantenimiento
futuros. En el caso de viviendas multifamiliares, se puede esperar que aparezcan varios problemas de
mantenimiento a partir de los 10 años posteriores a su finalización. Por lo tanto, el mantenimiento
preventivo debe implementarse de manera sistemática para hacer frente a los problemas causados
por el envejecimiento natural de las viviendas multifamiliares y para mantener un nivel sostenible de
calidad de las propiedades. En este estudio, se investigaron los costos de mantenimiento de 224
unidades de vivienda multifamiliares de 20 años o más en Seúl, Corea del Sur. Utilizando la
simulación de Monte Carlo junto con entrevistas a expertos, se realizó un análisis de costo de
mantenimiento probabilístico para analizar y estimar la variabilidad en los costos de mantenimiento.
Corea. Asia.
P23: El uso de un sistema tecnológico moderno requiere un buen enfoque de ingeniería, operaciones
optimizadas y un mantenimiento adecuado para mantener el sistema en un estado óptimo. El
mantenimiento predictivo se centra en la organización de acciones de mantenimiento de acuerdo
con el estado de salud real del sistema, con el objetivo de dar una indicación precisa de cuándo será
necesaria una intervención de mantenimiento. El mantenimiento predictivo normalmente se
implementa por medio de sistemas computacionales especializados que incorporan uno de varios
modelos para cumplir con tareas de diagnóstico y pronóstico. A medida que la complejidad de los
16
– 1.2
sistemas tecnológicos aumenta con el tiempo, los enfoques de modelo único difícilmente cumplen
todas las funciones y objetivos de los sistemas de mantenimiento predictivo. Cada vez es más común
encontrar estudios de investigación que combinan diferentes modelos en enfoques multimodelo
para superar la complejidad de las tareas de mantenimiento predictivo, considerando las ventajas y
desventajas de cada modelo e intentando combinar lo mejor de ellos. Estos enfoques de modelos
múltiples no han sido abordados ampliamente por estudios de revisión anteriores sobre
mantenimiento predictivo. Además, muchas de las posibles combinaciones para enfoques
multimodelo siguen sin explorarse en las aplicaciones de mantenimiento predictivo; esto ofrece un
amplio campo de oportunidades al diseñar nuevos sistemas de mantenimiento predictivo. Esta
encuesta sistemática tiene como objetivo presentar las tendencias actuales en diagnósticos y
pronósticos, prestando especial atención a los enfoques multimodelo y resumiendo los desafíos
actuales y las oportunidades de investigación. considerando las ventajas y desventajas de cada
modelo e intentando combinar lo mejor de ellos. Estos enfoques de modelos múltiples no han sido
abordados ampliamente por estudios de revisión anteriores sobre mantenimiento predictivo.
Además, muchas de las posibles combinaciones para enfoques multimodelo siguen sin explorarse en
las aplicaciones de mantenimiento predictivo; esto ofrece un amplio campo de oportunidades al
diseñar nuevos sistemas de mantenimiento predictivo. Esta encuesta sistemática tiene como objetivo
presentar las tendencias actuales en diagnósticos y pronósticos, prestando especial atención a los
enfoques multimodelo y resumiendo los desafíos actuales y las oportunidades de investigación.
considerando las ventajas y desventajas de cada modelo e intentando combinar lo mejor de ellos.
Estos enfoques de modelos múltiples no han sido abordados ampliamente por estudios de revisión
anteriores sobre mantenimiento predictivo. Además, muchas de las posibles combinaciones para
enfoques multimodelo siguen sin explorarse en las aplicaciones de mantenimiento predictivo; esto
ofrece un amplio campo de oportunidades al diseñar nuevos sistemas de mantenimiento predictivo.
Esta encuesta sistemática tiene como objetivo presentar las tendencias actuales en diagnósticos y
actuales y las oportunidades de investigación. Estos enfoques de modelos múltiples no han sido
abordados ampliamente por estudios de revisión anteriores sobre mantenimiento predictivo.
Además, muchas de las posibles combinaciones para enfoques multimodelo siguen sin explorarse en
las aplicaciones de mantenimiento predictivo; esto ofrece un amplio campo de oportunidades al
diseñar nuevos sistemas de mantenimiento predictivo. Esta encuesta sistemática tiene como objetivo
presentar las tendencias actuales en diagnósticos y pronósticos, prestando especial atención a los
enfoques multimodelo y resumiendo los desafíos actuales y las oportunidades de investigación. Estos
enfoques de modelos múltiples no han sido abordados ampliamente por estudios de revisión
anteriores sobre mantenimiento predictivo. Además, muchas de las posibles combinaciones para
enfoques multimodelo siguen sin explorarse en las aplicaciones de mantenimiento predictivo; esto
ofrece un amplio campo de oportunidades al diseñar nuevos sistemas de mantenimiento predictivo.
Esta encuesta sistemática tiene como objetivo presentar las tendencias actuales en diagnósticos y
actuales y las oportunidades de investigación. Francia. Europa.
P24: El estudio parte del supuesto de que los desarrolladores tienen una grave confusión sobre las
ventajas del PHP y su potencial para la programación en Cloud Computing, la cual es la mejor
estrategia de uso de servicios de información y comunicación tecnológica a través del internet. PHP
es una de las mejores alternativas por la cantidad de complementos disponibles de manera libre y
con un gran soporte en las redes para resolver múltiples dificultades que presentan las diferentes
etapas del diseño y desarrollo de aplicaciones Web. El estudio desarrolla el marco generado para el
uso del PHP y sus diferentes modalidades y aplicaciones complementarias, lo cual ha permitido
17
– 1.2
establecer las ventajas del software para esta aplicación. La relevancia de esta investigación es más
que evidente, por cuanto es la que se adapta con mayor facilidad a las metodologías ágiles para el
desarrollo de software y por tanto tiene mayor utilidad para el desarrollo de la propuesta de
aplicaciones en el sector, en la actualidad.
P25: El estudio bajo este ítem permite valorar la importancia que tiene el JavaScript para el
desarrollo de aplicaciones Web para el sector de la industria, dada la versatilidad, la variedad de
herramientas y todo el potencial que se puede desarrollar con este software. Pese a ello, es común
recibir por respuesta que no tienen una idea clara ante la indagación de porque usar el JavaScript,
quizás dejando claro con ello, que éste es un programa de los más populares para el proceso de
generación de software para la industria en sus diferentes frentes. Entrevistados quienes toman las
decisiones de selección de software para este propósito se ha establecido que la gran mayoría señala
por su versatilidad, adaptabilidad y flexibilidad para todo tipo de necesidades de los diferentes tipos
de industria y modelos de fabricación. Una de las limitaciones que encuentra su aplicación es que la
gran mayoría de desarrolladores no tienen una idea precisa de las utilidades y prestaciones de este
software y por tanto resulta complicada su utilización en este tipo de desarrollos informáticos.
Figura 1.
Distribución porcentual de la antigüedad de los paper’s seleccionados
Fuente: Tabla 3.
18
– 1.2
Se aprecia que la mayor parte de las investigaciones se han dado entre los años 2019 y 2022. El
artículo del 2017 se ha descartado y el del año 2016 se ha sostenido por la importante relevancia
para el estudio.
Figura 2.
Distribución de artículos científicos por regiones de estudio
Fuente: Tabla 4.
Se aprecia una mayor concentración de estudios en la región de Europa con el 40,0% de los casos
observados, seguidos de Asia con el 28,0% de los casos. Las regiones menos productoras de estudios
científicos de este tipo son África con el 8,0% y Oceanía con el 4,0%.
3.2.1. Artículo 01 (S.O. Ongbali, S.A. Afolalu, S.A. Oyedepo, A.K. Aworinde, M.A. Fajobi; 2021):
Título: Un estudio sobre los factores que causan problemas de cuello de botella en la industria
manufacturera utilizando el análisis de componentes principales
Aporte: se propone un método de evaluación de los cuellos de botella en la industria en Nigeria,

estableciendo que la mayor causa de la presencia de los mismos se debe a fallas operativas de las
máquinas debido a causas como falta de mantenimiento, rotura de partes.
Proceso o validación: Se observó que la causa mayor alcanza al 26% der los casos, entre otros 12
factores generadores de cuellos de botella
Resultado: Se estableció una tabla de causas generadoras de cuellos de botella en la que el 26% eran
fallas por mantenimiento de máquinas o sus piezas, asociado a un índice de correlación de -0,832 con
un valor de confianza del 95% (p<0,05).
3.2.2. Artículo 02 (Li, Lin & Chang, Qing & Ni, Jun & Biller, Stephan; 2019):
Título: Mejora de la producción en tiempo real a través del control de cuellos de botella
19
– 1.2
Aporte: se propone un método de reducción de cuellos de botella a través de un programa de

priorización de tareas de mantenimiento, mitigar los limitantes más recurrentes y reducir los
procesos que generan retardo o reducción de la cadena de suministro y proceso de la cadena de
producción. Sugiere iniciar un búfer de arranque debidamente concordado con el área de producción
y mantenimiento.
Proceso o validación: Se validó la eficacia en la mejora de la productividad y la mayor capacidad de

atención de productos terminados en su fecha.
Resultado: Se aplicó a una empresa productora de automóviles, la cual informó que la propuesta
determinó un incremento del 1,2% de su productividad neta.
3.2.3. Artículo 03 (Alinaswe Siame y Douglas Kunda, 2017):

Título: Evolución de las aplicaciones PHP: una revisión sistemática de la literatura
Aporte: Resuelve una amplia preocupación de muchos desarrolladores en cuanto a que recursos de
programación emplear para las aplicaciones de la industria al ofrecer una visión variada y bien
sustentada del uso del PHP, mostrando la cantidad de complementos desarrollados y al alcance de
los usuarios para facilitar el uso de este software de programación. La revisión sistemática entregada
permite evidenciar la amplia cobertura de uso del PHP.
Proceso o validación: Se recopilaron a lo largo del análisis estudios de diversas localidades y

regiones, verificando su origen y la estricta aprobación de cada publicación.
Resultado: Se observó que una gran mayoría de usuarios emplean o aplican el software PHP para el
desarrollo de aplicaciones para diversas industrias y comercios, debido a su cobertura, facilidad de
aplicación y contar con gran cantidad de recursos e intercambiar información valiosa a través de la
rede para resolver los problemas que suelen presentar todo desarrollo de aplicaciones.
3.2.4. Artículo 04 (Manuel A. Hernández, Danilo R. Trupkin; 2021):

Título: El mantenimiento de activos como inversión oculta entre pobres y ricos: Aplicación a la
vivienda
Aporte: se demuestra que el mantenimiento planificado es un elemento importante para sostener la

calidad y utilidad de la vivienda. Se aprecia que el gasto en mantenimiento para familias con bajos
recursos es 1,9 veces más alto que para familias con recursos del tercio superior, lo cual se explica
debido a que para las familias con menores recursos es muy importante darle una vida útil más
extensa a su vivienda, en tanto que en el tercio superior esta se sustituirá.
Proceso o validación: Se observó que efectivamente quienes componen el tercio superior cambian su
vivienda 2 y hasta 3 veces en su vida, en tanto que en el tercio inferior este índice es equivalente a 1,
con un bajo margen de participación.
Resultado: Se observó que la elasticidad de mantenimiento es mucho más baja para las familias con
mayores recursos, es decir, ésta baja conforme se incrementa el ingreso promedio familiar.
3.2.5. Artículo 05 (V. P. MunteanuandP. Dragos; 2021):

20
– 1.2
Título: El caso de las metodologías ágiles frente a las tradicionales en proyectos de software
financiero.
Aporte: se evalúan sistemáticamente estudios de más de 912 fuentes confiables acreditándose que
los métodos de programación ágiles son mucho más eficientes y muestran ventajas competitivas con
los tradicionales muy significativos.
Proceso o validación: Se observó que los beneficios son operativos, inclusivos, más aceptables y
muestran muchos menos fallas que las metodologías convencionales o tradicionales. La aceptación
de los usuarios crece significativamente en más del 50% con respecto a las metodologías
tradicionales.
Resultado: Se observó que el software por metodologías agiles resulta mucho más económico
producirlo, el tiempo de su puesta en uso fue 30% menor con los métodos antiguos, las fallas por
diseño y utilidad mostraron un descenso en más del 20% en todas sus líneas de aplicación. Los
reclamos de los usuarios prácticamente desaparecen hasta menos del 5% para estándares en que se
hallaban por encima del 12% de casos.
3.2.6. Artículo 06 (Martins, Alexandre; Fonseca, Inácio, Torres Farinha, José; Reis, João y Marques
Cardoso, António J.; 2021):
Título: Predicción de mantenimiento a través de la detección utilizando modelos ocultos de Markov:
un estudio de caso
Aporte: se propone un método de evaluación de las necesidades de mantenimiento a partir de su

detección por métodos probabilísticos según el modelo de Markov, el cual supone identificar un
algoritmo de probabilidades para establecer la fecha más adecuada para los mantenimientos
preventivos.
Proceso o validación: Se demostró que la compatibilidad de las fechas sugeridas a través del
pronóstico del modelo basado en algoritmos de Markov era tan preciso como el mantenimiento
establecido en base a las experiencias anteriores y las necesidades demandadas por cada máquina
industrial.
Resultado: El uso del modelo probabilístico ayudó a facilitar el planeamiento de las tareas de
mantenimiento y reducir a cero las fallas de máquinas.
3.2.7. Artículo 07 (Binghai Zhou, Yadi Yu, Jianyi Shao, y Damián Trentesaux; 2019):
Título: Modelo de mantenimiento preventivo basado en cuellos de botella para sistemas de
producción en serie
Aporte: Es estudio propone un método de mantenimiento oportuno y preventivo a partir de

identificar los costos generados por las paradas, fallas y uso intensivo de la maquinaria industrial y
luego sometiéndola a un programa de mantenimiento programado estadísticamente para reducir las
mismas.
Proceso o validación: Se logró reducir en más del 85% las fallas de equipos, en más del 90% las
paradas de producción programada, e incrementar la producción en un 8,7% en la cadena de
producción experimentada.
21
– 1.2
Resultado: Se observó que el costo de las paradas, medidas en cantidad de producto dejado de
generar, costos de mantenimiento por parada producto de falla de máquinas era 23% más alto que la
diferencia entre utilidades marginales menos costos de mantenimiento preventivo.
3.2.8. Artículo 08 (Díaz-Cazañas, Ronald, De La Paz-Martínez, Estrella M., & Delgado-Sobrino, Daynier
R.; 2019):
Título: Algoritmo para la programación integrada producción - mantenimiento preventivo en
máquinas paralelas idénticas. Ingeniería Industrial
Aporte: se establecieron procesos comparativos de operación de maquinarias paralelas, para

establecer un estándar operativo suficientemente eficiente. Luego éste se estableció como programa
para fijar un calendario de tareas de mantenimiento, las cuales fueron luego probadas y ajustadas
mediante un cálculo estadístico basado en la regla de despacho Largest Processing Time. Finalmente
se implementó en toda la cadena y finalmente se valoró la eficiencia del programa aplicado.
Proceso o validación: Se verificó que la mejora en todo el proceso se traduzca en índices de

productividad, rendimiento parcial y total de la cadena productiva, reducción de los costos de
mantenimiento y reparación de equipos y maquinaria industrial.
Resultado: Se logró reducir los periodos de parada en un 45% y se ampliaron los tiempos de uso de
maquinaria en un 11%.
3.2.9. Artículo 09 (Xh. Mehmeti, B. Mehmeti, Rr. Sejdiu; 2018):

Título: La gestión del mantenimiento de los equipos en las empresas manufactureras: una aplicación
para el modelo de costos totales de mantenimiento
Aporte: Se ofrece una propuesta de gestión de costos para la fábrica de automóviles Nissan en su
sede local y se demuestra su impacto en la contabilidad de costos y facilidad comercial del producto
por su mayor capacidad competitiva.
Proceso o validación: Se demostró matemáticamente que se lograba una reducción significativa en

los costos tanto en el mantenimiento correctivo como en el preventivo, como alternativa al
funcionamiento con mantenimiento según las necesidades exigidas por la parada de planta.
Resultado: Se lograron reducir los costos de operaciones y de equipo en el proceso productivo por
debajo de los estándares de las plantas análogas en otras latitudes, con procesos paralelos o
equivalentes de producción, mejorando la rentabilidad al incrementar en más del 5% la productividad
de la maquinaria empleada y sujeta a los nuevos planes de mantenimiento programado.
3.2.10. Artículo 10 (Jon Bokrantz, Anders Skoogh, Cecilia Berlin, Thorsten Wuest, y Johan Stahre; 2020):
Título: Smart Maintenance: una agenda de investigación para la gestión del mantenimiento
industrial
Aporte: La revisión sistemática logró mostrar las dimensiones contexto, inversión, interfaz operativa,
rendimiento de planta, cambio tecnológico, isomorfismo institucional; en base a los cuales se
22
– 1.2
estableció el modelo de contingencia que fue aplicado a los procesos de mantenimiento en los
procesos de incluidos en la revisión.
Proceso o validación: Se validó que todos los artículos seleccionados mostrasen inclusión de modelos
alternativos de mantenimiento y hubiesen demostrado eficacia en sus procesos de mejora en el
rendimiento de sus plantas industriales.
Resultado: Se pudo establecer con total y marda diferencia, que todas las organizaciones que
aplicaron modelos de mantenimiento a partir de lograr estándares paralelos y/o modelos pre-
establecidos pudieron incrementar sui rentabilidad y productividad a partir de reducir sus paradas
imprevistas, planificar su mantenimiento preventivo y reducir sus costos operativos de planta y costos
de equipo en el proceso productivo.
3.2.11. Artículo 11 (S Wannawiset y S Tangjitsitcharoen; 2019):

Título: Reducción de averías de la máquina de papel por FMEA y mejora del mantenimiento
preventivo: un estudio de caso
Aporte: en este artículo mejora la aplicación de mantenimiento FMEA, usando un modelo de

verificación de fallas, planificación y establecimiento de estándares, para lograr establecer momentos
exactos de mantenimiento previos a la aparición de fallas y lograr evitarlas.
Proceso o validación: Se aplicaron los procesos de diagnóstico gradualmente y se fue estableciendo

el cronograma de mantenimiento mejorado y se redujeron significativamente las paradas y fallas de
los equipos industriales.
Resultado: Se redujeron las averías tanto en planta como en el área de mantenimiento, logrando
disminuir drásticamente las paradas y los retrasos en los planes de producción de toda la línea.
3.2.12. Artículo 12 (Sule Selçuk; 2016):

Título: Mantenimiento predictivo, su implementación y últimas tendencias
Aporte: La investigación permitió establecer la importancia y prioridad de establecer estrategias de

mantenimiento preventivo y adelantarse a las fallas y otras deficiencias que puedan presentarse por
desgaste o por uso excesivo de las máquinas.
Proceso o validación: Se emplearon instrumentos de recolección y selección de datos a partir de

instrumentos previamente analizados y validados mediante técnicas estadísticas.
Resultado: Se pudo establecer que el mantenimiento preventivo debe adoptar un enfoque integral
para lograr que tenga el impacto esperado y se pueda evitar el desgaste, mal uso, esfuerzo excesivo y
cualquier otro riesgo que impacte negativa en el desgaste de los equipos industriales.
3.2.13. Artículo 13 (Shafiq Ahmad, Ahmed Badwelan, Atef M. Ghaleb, Ammar Qamhan, Mohamed
Sharaf, Moath Alatefi, y Ammar Moohialdin; 2018):
23
– 1.2
Título: Análisis de fallas críticas en un proceso de producción: ¿Es el IoT industrial la solución?
Aporte: El principal aporte radica en la generación de un plan de detección temprano de fallas

menores y mayores para evitar el daño que puede llevar a la obsolescencia, falla integral o
paralización del equipo a través de recursos informáticos y la sistematización de sus procesos de uso,
desgaste y algunos mecanismos complementarios como sensores y otros.
Proceso o validación: Se estableció un procedimiento muy exigente de seguimiento de fallas,

incidentes, reportes de fallas de los equipos, personal, instalación y uso, para formular un modelo
mediante software para efectuar un adecuado seguimiento de potenciales requerimientos y
adelantarse a éstos, implementando un sistema de mantenimiento preventivo y predictivo que evite
todo riesgo de paralización de la planta y sus procesos industriales.
Resultado: Se establecieron las etapas para el diseño y formulación del sistema informático desde su
etapa de concepción, diseño, almacenamiento de datos, interfaz de usuarios, comprobación,
evaluación y retroalimentación del software.
3.2.14. Artículo 14 (Zeki Murat Çınar, Abubakar Abdussalam Nuhu, Qasim Zeeshan, Orhan Korhan,
Mohammed Asmael y Babak Safaei; 2020):
Título: Machine Learning en Mantenimiento Predictivo hacia Fabricación inteligente sostenible en la
industria 4.0
Aporte: El estudio desarrolla una revisión sistemática de los últimos avances en la última década
sobre uso de técnicas de aprendizaje automático (ML) con enfoque hacia el mantenimiento industrial
predictivo (PdM), y a través del cual se demostró que existen toda una variedad de algoritmos
apropiados para predecir la aparición de fallas de las maquinas industriales de manera temprana y
poder evitar que éstas ocurran, planificando oportunamente acciones de mantenimiento sobre los
equipos.
Proceso o validación: Se estableció que la mayoría de esos programas implementan un sistema de

sensores para recibir información de anomalías en el uso, tiempo de uso, recalentamiento, vibración,
fricción, entre otros incidentes que permiten predecir potenciales y próximas, ordenando por ello la
implementación de acciones de mantenimiento preventivo.
Resultado: Se concluyó que el uso de sistemas informáticos bajo la modalidad de la industria 4.0
(Internet de las cosas) facilitan y aseguran un modelo algorítmico eficaz preventivo de fallas,
eliminando su ocurrencia y favoreciendo la continuidad de las labores productivas debidamente
planificadas.
3.2.15. Artículo 15 (Abubaker Shagluf; A. P. Longstaff; S. Fletcher; 2019):

Título: Estrategias de mantenimiento para reducir el tiempo de inactividad debido a errores de
posición de la máquina
Aporte: Este estudio propone un mecanismo estadístico y probabilístico para verificar el grado de
calibración de los equipos industriales y evitar de ésta manera su falla probable, reduciendo las
potenciales paradas de planta, las cuales deben eliminarse para lograr un nivel de eficacia general
del equipo (OEE) óptimo para una productividad también óptima.
24
– 1.2
Proceso o validación: Se verificaron procesos, instrumentos, procesos de recolección de datos de

manera muy rigurosa para asegurar un adecuado proceso de validación de instrumentos de
investigación y con ello asegurar resultados óptimos.
Resultado: Se implementó un nivel estándar óptimo de estado operativo de los equipos a partir del
OEE, el cual se asocia a un costo óptimo de mantenimiento para que al comparar ambas variables se
pueda deducir un nivel adecuado de inversión en mantenimiento predictivo y preventivo para generar
un mayor nivel de productividad. Se pudo establecer el nivel adecuado de calibración de equipos, con
un 97% de compatibilidad con los estándares de fabricación y/o instalación y puesta en marcha,
como base para requerir una orden de mantenimiento y/o verificación del estado operativo del
equipo.
3.2.16. Artículo 16 (Theyab O. Alamri y John PT Mo; 2021):

Título: Modo de falla Programación de mantenimiento preventivo estructurado con tasas de falla
cambiantes en el entorno de la Industria 4.0
Aporte: Se diseñó y aplicó un programa de seguimiento y programación de tareas de mantenimiento

basados en el dominio del internet de las cosas (Industria 4.0), el cual permitió remitir los casos de
fallas y paradas de procesos de producción, y se mejoró la productividad de la línea de producción
completa.
Proceso o validación: Se verificó que el programa aplicado fue generado producto de sistematizar la
secuencia de fallas y paradas observadas y se demostró que al aplicar el programa desarrollado con
estos insumos se redujeron las incidencias negativas y se mejoró la productividad.
Resultado: Se logró garantizar en más del 90% la seguridad operativa de la planta, al reducir en esta
proporción las fallas observadas y registradas en periodos anteriores, demostrando, por tanto, un
90% de confianza para sucesivos procesos de producción en esta planta.
3.2.17. Artículo 17 (Nota G, Fisciano, Italia, D Peluso, y A. Toro Lazo; 2021):

Título: La contribución de las tecnologías de Industria 4.0 a la gestión de instalaciones.
Aporte: se formuló un software basado en el principio del internet de las cosas, a partir de un
diagnóstico y el uso de metodologías ágiles, las cuales permitieron implementar un programa general
de mantenimiento preventivo.
Proceso o validación: Se verificaron las etapas y procedimientos necesarios para asegurar un

adecuado diagnóstico y sobre ésta base diseñaron los planes de mantenimiento preventivo,
considerando las alertas que proporciona el sistema electrónico, de sensores y guías de control de
incidencias.
Resultado: Se implementó una unidad operativa de gestión de instalaciones operativa, la cual se hizo
cargo de aplicar el software basado en el internet de las cosas y un sistema ciber-físico.
3.2.18. Artículo 18 (H. Mutlu Öztürk y H.K. Öztürk; 2019):

Título: Sistemas de mantenimiento y gestión de mantenimiento en alojamientos
25
– 1.2
Aporte: se propone un método de implementación de mantenimiento predictivo, preventivo y

planificado (MPPP) para asegurar la total disponibilidad de las instalaciones turísticas en las fechas
de recepción de pasajeros de manera continua, con la finalidad de incrementar las ventas y
rentabilidad del sector.
Proceso o validación: Se aplicaron encuestas y guías de entrevista previamente validadas y

demostrada su confiabilidad a partir de pruebas piloto y calificación de expertos. La confiabilidad y
validez de los instrumentos superó el 0,9 considerándose, por tanto, instrumentos apropiados y
confiables para su propósito.
Resultado: Se compararon dos grupos de hoteles entre quienes aplicaron el programa de

mantenimiento preventivo, predictivo y planificado (MPPP) y otro grupo que no lo aplicaron,
demostrando que quienes lo hicieron lograron incrementar sus ventas por encima del 98% de su
ocupabilidad en las etapas de campaña.
3.2.19. Artículo 20 (Alexandros Bousdekis, Katerina Lepenioti, Dimitris Apostolou y Gregoris Mentzas;
2019):
Título: Toma de decisiones en mantenimiento predictivo: revisión de literatura y agenda de
investigación para la industria 4.0
Aporte: se implementaron un programa de sensores electrónicos en las máquinas industriales a

partir de una propuesta de seguimiento de incidencias y fallas basada en el internet de las cosas. Se
monitorearon y registraron las incidencias preventivas, implementando paralelamente un programa
agresivo de mantenimiento preventivo, predictivo o correctivo, según la característica de cada
incidencia.
Proceso o validación: Se emplearon reportes operativos de diagnóstico a partir de los manuales de

operaciones y uso de maquinaria y equipos, los cuales permitieron verificar las incidencias, su
gravedad y frecuencia de fallas por niveles de severidad o gravedad.
Resultado: Se instalaron sensores de calor, de vibración, de sobrecarga, de tensión electrónicos, los

cuales reportaban alertas que alimentan un sistema informático incorporado a un software de
planeamiento de mantenimiento preventivo.
3.2.20. Artículo 21 (Parque, M.; Kwon, N.; Lee, J.; Lee, S.; Ahn, Y; 2019):
Título: Análisis probabilístico de costos de mantenimiento para viviendas multifamiliares envejecidas
Aporte: se implementó un sistema de diagnóstico a partir del algoritmo de simulación de Monte

Carlo para establecer las etapas en que se requería implementar programas de mantenimiento
preventivo a las viviendas multifamiliares, para prolongar su vida útil, a partir de la necesidad de los
titulares de éstas.
Proceso o validación: Se verificó que el procedimiento estadístico de suministro de datos al modelo

Monte Carlo fuese debidamente depurado y seleccionado, para asegurar la calidad de la información
y por tanto de su resultado y pronóstico.
Resultado: Se pudo valorar los costos de las viviendas sometidas al tratamiento de mantenimiento
preventivo bajo el sistema propuesta durante los 10 años posteriores a su finalización y se verificó
26
– 1.2
que su valor diferencial con similares unidades de vivienda eran un 50% superiores al costo de
mantenimiento implementado.
3.2.21. Artículo 22 (Juan José Montero Jimenez, Sébastien Schwartz, Rob A. Vingerhoeds; 2020):
Título: Hacia enfoques multi-modelo para el mantenimiento predictivo: una encuesta sistemática de
la literatura sobre diagnósticos y pronósticos
Aporte: se elaboró un sistema de retroalimentación de datos a partir de una serie de modelos

predictivos de fallas e incidencias, para evitar los riesgos de perder vigencia y desactualizarse debido
a la evolución tecnológica que gradualmente hace más complejos los procesos y recursos técnicos,
electrónicos industriales usados.
Proceso o validación: Se verificaron los recursos propuestos a partir de demostrar su validez en una
línea de tiempo retrospectiva de datos para construir sobre estos datos proyecciones de tendencia
futuras.
Resultado: Se implementaron diversas alternativas, las cuales se van tomando según las
características funcionales de cada maquinaria industrial y sus reportes de fallas, incidencias y
descarte de piezas. Se emplearon enfoques multi-modelo en función de los reportes establecidos y
una serie de entrevistas que facilitaron información relevante complementaria desde el áreas de
operaciones.
3.3. Análisis por taxonomía

Figura 3
Relación de los artículos seleccionados con las interrogantes del estudio como factores, métodos,
técnicas, mejores técnicas y validación de recursos para resolver fallas de mantenimiento
Fuente: Tabla 2. Resumen de artículos científicos
27
– 1.2
Se observa que en relación a las fallas de mantenimiento se presentan en las empresas industriales,
se hallaron 10 artículos relacionados, los cuales representan el 21% del total del total de los
presentados.
También se aprecia que sobre los elementos que permiten identificar las fallas de mantenimiento de
las empresas industriales, se obtuvieron 10 referencias relevantes, siendo éstas, igualmente, el 21%
de los artículos científicos seleccionados.
Asimismo, sobre las técnicas de la información que podrían resolver los problemas de fallas de
mantenimiento en las empresas industriales se hallaron 13 referencias referidas a éste tema, siendo
el 27% de las referencias estudiadas.
Tabla 5
Distribución de las fuentes por tema estudiado
Taxonomía Fuente
1. S.O. Ongbali, S.A. Afolalu, S.A. Oyedepo, A.K. Aworinde,
M.A. Fajobi (2021)
2. Li, Lin & Chang, Qing & Ni, Jun & Biller, Stephan. (2019)
3. Al-Najjar, Basim. (2017)
4. Martins, Alexandre; Fonseca, Inácio, Torres Farinha, José;
Reis, João y Marques Cardoso, António J. (2021)
5. Binghai Zhou, Yadi Yu, Jianyi Shao, y Damián Trentesaux
Factores
(2019)
(RQ1)
6. Díaz-Cazañas, Ronald, De La Paz-Martínez, Estrella M., &
Delgado-Sobrino, Daynier R. (2019)
7. Sule Selçuk (2016)
8. Abubaker Shagluf; A. P. Longstaff; S. Fletcher, 2019
9. Nota G, Fisciano, Italia, D Peluso, y A. Toro Lazo (2021)
10. Theyab O. Alamri y John PT Mo (2022)
1. S.O. Ongbali, S.A. Afolalu, S.A. Oyedepo, A.K. Aworinde,

M.A. Fajobi (2021)
2. Li, Lin & Chang, Qing & Ni, Jun & Biller, Stephan. (2019)
3. Díaz-Cazañas, Ronald, De La Paz-Martínez, Estrella M., &
Delgado-Sobrino, Daynier R.. (2019)
4. S Wannawiset y S Tangjitsitcharoen (2019)
Métodos 6. Zeki Murat Çınar, Abubakar Abdussalam Nuhu, Qasim
(RQ2) Zeeshan, Orhan Korhan, Mohammed Asmael y Babak
Safaei (2020)
8. Nota G, Fisciano, Italia, D Peluso, y A. Toro Lazo (2021)
10. Alessia M. R. Tortora, Valentina Di Pasquale, Chiara
Franciosi, Salvatore Miranda y Raffaele Iannone, 2021
1. Al-Najjar, Basim. (2017)

Técnicas 2. Manuel A. Hernandez, Danilo R. Trupkin, (2021)
28
– 1.2
3. Xh. Mehmeti, B. Mehmeti, Rr. Sejdiu (2018)

4. Jon Bokrantz, Anders Skoogh, Cecilia Berlin, Thorsten
Wuest, y Johan Stahre (2020)
5. S Wannawiset y S Tangjitsitcharoen (2019)
7. Zeki Murat Çınar, Abubakar Abdussalam Nuhu, Qasim
Zeeshan, Orhan Korhan, Mohammed Asmael y Babak
Safaei (2020)
(RQ3)
10. H. Mutlu Öztürk y H.K. Öztürk, 2019
11. Alessia M. R. Tortora, Valentina Di Pasquale, Chiara
Franciosi, Salvatore Miranda y Raffaele Iannone, 2021
12. Alexandros Bousdekis, Katerina Lepenioti, Dimitris
Apostolou y Gregoris Mentzas (2019)
13. Juan José Montero Jimenez, Sébastien Schwartz, Rob A.
Vingerhoeds, 2020
3.2.1. Factores (RQ1)

Tabla 6
RQ1: Fallas de mantenimiento se presentan en las empresas industriales
Id Factores Fuente
S.O. Ongbali, S.A. Afolalu, S.A. Oyedepo, A.K. Aworinde, M.A.

F01 Cuellos de botella
Fajobi; 2021
F02 Cuellos de botella Li, Lin & Chang, Qing & Ni, Jun & Biller, Stephan. (2019)
Carencia de planes de Martins, Alexandre; Fonseca, Inácio, Torres Farinha, José;

F03
mantenimiento Reis, João y Marques Cardoso, António J.; 2021
F04 Cuellos de botella Binghai Zhou, Yadi Yu, Jianyi Shao, y Damián Trentesaux; 2019
Periodos prolongados
Díaz-Cazañas, Ronald, De La Paz-Martínez, Estrella M., &
F05 de parada inesperada
Delgado-Sobrino, Daynier R. (2019)
de planta
Desgaste excesivo de
F06 equipos por falta de Sule Selçuk (2016)
mantenimiento
Falta de calibración de
F07 Abubaker Shagluf; A. P. Longstaff; S. Fletcher, 2019
equipos
Mal diagnóstico de
F08 Nota G, Fisciano, Italia, D Peluso, y A. Toro Lazo (2021)
equipos industriales
Escaso registro de fallas

F09 Theyab O. Alamri y John PT Mo (2022)
de planta
29
– 1.2
Fuente: Artículos científicos de revistas indexadas (Tabla 5)
3.2.2. Modelos (RQ2)

Tabla 7
RQ2: Elementos que permiten identificar las fallas de mantenimiento de las empresas industriales
Id Métodos Fuente
Análisis de componentes S.O. Ongbali, S.A. Afolalu, S.A. Oyedepo, A.K. Aworinde, M.A.
M01
principales Fajobi (2021)
Programa de priorización de
M02 Li, Lin & Chang, Qing & Ni, Jun & Biller, Stephan. (2019)
tareas de mantenimiento
Procesos comparativos de
Díaz-Cazañas, Ronald, De La Paz-Martínez, Estrella M., &
M03 operación de maquinarias
Delgado-Sobrino, Daynier R.. (2019)
paralelas
Mejora la aplicación de
M04 S Wannawiset y S Tangjitsitcharoen (2019)
mantenimiento FMEA
Enfoque integral de
M05 Sule Selçuk (2016)
mantenimiento
Zeki Murat Çınar, Abubakar Abdussalam Nuhu, Qasim

Sistema de sensores parea
M06 Zeeshan, Orhan Korhan, Mohammed Asmael y Babak Safaei
detección temprana de fallas
(2020)
Nivel estándar óptimo de

M07 Abubaker Shagluf; A. P. Longstaff; S. Fletcher, 2019
estado operativo
Unidad operativa de gestión

M08 de instalaciones operativas Nota G, Fisciano, Italia, D Peluso, y A. Toro Lazo (2021)
con un sistema ciber-físico
Programa de seguimiento y
programación de tareas de
M09 mantenimiento basados en Theyab O. Alamri y John PT Mo (2022)
el dominio del internet de las
cosas
Método de evaluación de los Alessia M. R. Tortora, Valentina Di Pasquale, Chiara

M10
cuellos de botella Franciosi, Salvatore Miranda y Raffaele Iannone, 2021
Enfoque multi-modelo para Juan José Montero Jimenez, Sébastien Schwartz, Rob A.
M11
el mantenimiento predictivo Vingerhoeds, 2020
30
– 1.2
3.2.3. Técnicas (RQ3)

Tabla 8
RQ3: Técnicas de la información que podrían resolver los problemas de fallas de mantenimiento en
las empresas industriales
Id Técnicas Fuente
T01 Modelo basado en indicadores del negocio Al-Najjar, Basim. (2017)
T02 Mantenimiento planificado Manuel A. Hernandez, Danilo R. Trupkin, (2021)
T03 Gestión del mantenimiento planificado Xh. Mehmeti, B. Mehmeti, Rr. Sejdiu (2018)
Jon Bokrantz, Anders Skoogh, Cecilia Berlin,

T04 Mantenimiento inteligente
Thorsten Wuest, y Johan Stahre (2020)
Modelo de verificación de fallas, planificación

T05 S Wannawiset y S Tangjitsitcharoen (2019)
y establecimiento de estándares
Mantenimiento preventivo mediante enfoque

T06 Sule Selçuk (2016)
integral
Zeki Murat Çınar, Abubakar Abdussalam Nuhu,

Mantenimiento industrial predictivo mediante
T07 Qasim Zeeshan, Orhan Korhan, Mohammed
software planificador
Asmael y Babak Safaei (2020)
Nivel estándar óptimo de estado operativo

Abubaker Shagluf; A. P. Longstaff; S. Fletcher,
T08 para un nivel de eficacia general del equipo
2019
(OEE)
Programación de tareas de mantenimiento

T09 basados en el dominio del internet de las Theyab O. Alamri y John PT Mo (2022)
cosas
Programa de mantenimiento preventivo,

T10 H. Mutlu Öztürk y H.K. Öztürk, 2019
predictivo y planificado (MPPP)
Alessia M. R. Tortora, Valentina Di Pasquale,

Programa de capacitación de operadores para
T11 Chiara Franciosi, Salvatore Miranda y Raffaele
detectar y prevenir fallas de mantenimiento
Iannone, 2021
Instalación de sensores de calor, de vibración, Alexandros Bousdekis, Katerina Lepenioti,

T12
de sobrecarga, de tensión electrónicos Dimitris Apostolou y Gregoris Mentzas (2019)
Sistema de retroalimentación de datos a partir

Juan José Montero Jimenez, Sébastien
T13 de una serie de modelos predictivos de fallas e
Schwartz, Rob A. Vingerhoeds, 2020
incidencias
31
– 1.2
3.4. Análisis cruzado

Tabla 9
Relación entre las fallas de mantenimiento (RQ1) y los elementos permiten identificarlas (RQ2) en
plantas industriales en los artículos científicos analizados
Métodos
M01 MO2 M03 M04 M05 M06 M07 M08 M09 M10 M11
Factores
F01 P01
F02 P02
F03
F04
F05 P08
F06 P12
F07 P15
F08 P17
F09 P18
Fuente: Artículos científicos de revistas indexadas (Tabla 6 y 7)
Tabla 10
Relación entre las fallas de mantenimiento (RQ1) y técnicas de la información que podrían resolverlas
(RQ3) en plantas industriales en los artículos científicos analizados
Técnicas
T01 TO2 T03 T04 T05 T06 T07 T08 T09 T10 T11 T12 T13
Factores
P01,
F01
P03
P01,
F02
P03
F03 P06
F04
F05
F06 P12
F07 P15
F08
F09 P18
Fuente: Artículos científicos de revistas indexadas (Tabla 7 y 8)
32
– 1.2
Referencias
Abubaker Shagluf; A. P. Longstaff; S. Fletcher, 2019. Estrategias de mantenimiento para reducir el tiempo
de inactividad debido a errores de posición de la máquina. Original Research. (Failure Mode
Structured Preventive Maintenance Scheduling with Changing Failure Rates in Industry 4.0
Environment) Available on: http://dx.doi: 10.3389/fmtec.2022.828986
Alessia M. R. Tortora, Valentina Di Pasquale, Chiara Franciosi, Salvatore Miranda y Raffaele Iannone, 2021.
El papel del operador de mantenimiento en la fabricación industrial. Sistemas: Temas de
investigación y tendencias. MDPI. (The Role of Maintenance Operator in Industrial Manufacturing
Systems: Research Topics and Trends) Available on: https://www.mdpi.com/2076-3417/11/7/3193
Alexandros Bousdekis, Katerina Lepenioti, Dimitris Apostolou y Gregoris Mentzas (2019). Toma de
decisiones en mantenimiento predictivo: revisión de literatura y agenda de investigación para la
industria 4.0. ScienceDirect. (Decision Making in Predictive Maintenance: Literature Review and
Research Agenda for Industry 4.0) Available on:
https://www.sciencedirect.com/science/article/pii/S2405896319311772
Al-Najjar, Basim. (2017). La falta de mantenimiento y no el mantenimiento que cuesta: un modelo para
describir y cuantificar el impacto del mantenimiento basado en vibraciones en el negocio de la
empresa. Ideas-REPEC. (The lack of maintenance and not maintenance which costs: A model to
describe and quantify the impact of vibration-based maintenance on company's business) Available
on: https://ideas.repec.org/a/eee/proeco/v107y2007i1p260-273.html
Binghai Zhou, Yadi Yu, Jianyi Shao, y Damián Trentesaux (2019). Modelo de mantenimiento preventivo
basado en cuellos de botella para sistemas de producción en serie. Research gate. (Bottleneck-
based opportunistic maintenance model for series production systems) Available on:
https://www.researchgate.net/publication/273504315_Bottleneck-
based_opportunistic_maintenance_model_for_series_production_systems
Díaz-Cazañas, Ronald, De La Paz-Martínez, Estrella M., & Delgado-Sobrino, Daynier R. (2019). Algoritmo
para la programación integrada producción - mantenimiento preventivo en máquinas paralelas
idénticas. Ingeniería Industrial. journal II. (Algorithm for integrated programming of production and
preventive maintenance on identical parallel machines) Available on: http://www.rii.cujae.edu.cu
H. Mutlu Öztürk y H.K. Öztürk, 2019. Sistemas de mantenimiento y gestión de mantenimiento en

alojamientos. JAMME - Journals. (Maintenance and maintenance management systems in
accommodation) Available on:
https://www.researchgate.net/publication/339039479_Maintenance_and_maintenance_managem
ent_systems_in_accommodation
Jon Bokrantz, Anders Skoogh, Cecilia Berlin, Thorsten Wuest, y Johan Stahre (2020). Smart Maintenance:
una agenda de investigación para la gestión del mantenimiento industrial. ElSevier. (Smart
Maintenance: a research agenda for industrial maintenance management) Available on:
https://doi.org/10.1016/j.ijpe.2019.107547
Juan José Montero Jimenez, Sébastien Schwartz, Rob A. Vingerhoeds, 2020. Sistema de retroalimentación
de datos a partir de una serie de modelos predictivos de fallas e incidencias. HAL Opern Science.
(Towards multi-model approaches to predictive maintenance: A systematic literature survey on
diagnostics and prognostics) Available on: https://hal.archives-ouvertes.fr/hal-03100614
Li, Lin & Chang, Qing & Ni, Jun & Biller, Stephan. (2019). Mejora de la producción en tiempo real a través
del control de cuellos de botella. Research gate. (Real time production improvement through
bottleneck control) Available on:
33
– 1.2
https://www.researchgate.net/publication/245331416_Real_time_production_improvement_thro
ugh_bottleneck_control
Manuel A. Hernandez, Danilo R. Trupkin, (2021). El mantenimiento de activos como inversión oculta entre
pobres y ricos: Aplicación a la vivienda. ElSevier. (Asset maintenance as hidden investment among
the poor and rich: Application to housing) Available on: https://doi.org/10.1016/j.red.2020.09.004
Martins, Alexandre; Fonseca, Inácio, Torres Farinha, José; Reis, João y Marques Cardoso, António J. (2021).
Predicción de mantenimiento a través de la detección utilizando modelos ocultos de Markov: un
estudio de caso. Apliedd Sciences. (Maintenance Prediction through Sensing Using Hidden Markov
Models—A Case Study) Available on: https://doi.org/10.3390/app11167685
Mohammed Asmael y Babak Safaei (2020). Fabricación inteligente sostenible en la industria 4.0. CORE-
Metadata. (Maintenance Strategies to Reduce Downtime Due to Machine Positional Errors)
Available on: http://dx.doi.org/10.14195/978-972-8954-42-0_25
Nota G, Fisciano, Italia, D Peluso, y A. Toro Lazo (2021). La contribución de las tecnologías de Industria 4.0 a
la gestión de instalaciones. Sage Journals - Research article. (The contribution of Industry 4.0
technologies to facility management) Available on:
https://journals.sagepub.com/doi/full/10.1177/18479790211024131
Parque, M.; Kwon, N.; Lee, J.; Lee, S.; Ahn, Y (2019). Análisis probabilístico de costos de mantenimiento para
viviendas multifamiliares envejecidas. MDPI. (Probabilistic Maintenance Cost Analysis for Aged
Multi-Family Housing) Available on: http://dx.doi:10.3390/su11071843
S Wannawiset y S Tangjitsitcharoen (2019). Reducción de averías de la máquina de papel por FMEA y

mejora del mantenimiento preventivo: un estudio de caso. IOP Conference Series: (Paper Machine
Breakdown Reduction by FMEA and Preventive Maintenance Improvement: A Case Study) Available
on: https://iopscience.iop.org/article/10.1088/1757-899X/530/1/012051
S.O. Ongbali, S.A. Afolalu, S.A. Oyedepo, A.K. Aworinde, M.A. Fajobi (2021). Un estudio sobre los factores
que causan problemas de cuello de botella en la industria manufacturera utilizando el análisis de
componentes principales. Heliyon - Research article. (A study on the factors causing bottleneck
problems in the manufacturing industry using principal component analysis) Available on:
https://doi.org/10.1016/j.heliyon.2021.e07020
Shafiq Ahmad, Ahmed Badwelan, Atef M. Ghaleb, Ammar Qamhan, Mohamed Sharaf, Moath Alatefi, y
Ammar Moohialdin (2018). Análisis de fallas críticas en un proceso de producción: ¿Es el IoT
industrial la solución? Wiley- Hindawi. (Analyzing Critical Failures in a Production Process: Is
Industrial IoT the Solution?) Available on:
https://www.hindawi.com/journals/wcmc/2018/6951318/
Sule Selçuk (2016). Mantenimiento predictivo, su implementación y últimas tendencias. Sage Journals.
(Predictive maintenance, its implementation and latest trends) Available on:
https://journals.sagepub.com/doi/abs/10.1177/0954405415601640
Theyab O. Alamri y John PT Mo (2022). Modo de falla Programación de mantenimiento preventivo

estructurado con tasas de falla cambiantes en el entorno de la Industria 4.0. Frontioersin Journals.
(Failure Mode Structured Preventive Maintenance Scheduling with Changing Failure Rates in
Industry 4.0 Environment) Available on:
https://www.frontiersin.org/articles/10.3389/fmtec.2022.828986/full
V. P. MunteanuandP. Dragos (2021). El caso de las metodologías ágiles frente a las tradicionales en
proyectos de software financiero. European Journal - Research article. (The Case for Agile
34
– 1.2
Methodologies against Traditional Ones in Financial Software Projects) Available on: DOI:
http://dx.doi.org/10.24018/ejbmr.2021.6.1.741
Xh. Mehmeti, B. Mehmeti, Rr. Sejdiu (2018). La gestión del mantenimiento de los equipos en las empresas
manufactureras. ScienceDirect. (The equipment maintenance management in manufacturing
enterprises) Available on: https://www.sciencedirect.com/science/article/pii/S240589631832857X
Zeki Murat Çınar, Abubakar Abdussalam Nuhu, Qasim Zeeshan, Orhan Korhan,. Machine Learning en
Mantenimiento Predictivo hacia. MDPI. (Machine Learning in Predictive Maintenance towards
Sustainable Smart Manufacturing in Industry 4.0) Available on: https://www.mdpi.com/2071-
1050/12/19/8211
35

Sistemas de Alerta de Mantenimiento para Minimizar Fallas en Máquinas Industriales - Eduardo Correa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas de Alerta de Mantenimiento para Minimizar Fallas en Máquinas Industriales - Eduardo Correa

Cargado por

Copyright:

Formatos disponibles

PLAN DE GESTIÓN DE COMUNICACIONES

SISTEMAS DE ALERTA DE MANTENIMIENTO PARA

Estado del arte

Criterios de inclusión y exclusión

Criterios de inclusión Criterios de exclusión

Base de Resultado de Criterios de Selección por Selección por

Scielo 1,345 paper’s 139 paper’s 21 paper’s 3 paper’s

Sciencedirect 2,557 paper’s 225 paper’s 33 paper’s 4 paper’s

MDPI 8,980 paper’s 87 paper’s 19 paper’s 5 paper’s

Redalyc 7,321 paper’s 101 paper’s 20 paper’s 3 paper’s

Research Gate 5,324 paper’s 211 paper’s 14 paper’s 4 paper’s

Science Direct 2,983 paper’s 137 paper’s 26 paper’s 4 paper’s

En la siguiente tabla se muestra la lista de los artículos seleccionados:

Resumen de artículos científicos

Pregunta de Base de Región,

Un estudio sobre los

Mejora de la Li, Lin & Chang,

P07 Predicción de Martins, RQ1 Q1 Aplied Portugal.

Smart Maintenance: Jon Bokrantz,

Zeki Murat Çınar;

La contribución de las Engineering

P21 El papel del operador Alessia M. R. RQ2, RQ3 Q1 Applied Europa

Antigüedad de artículos científicos revisados

Año Cantidad Porcentaje

Distribución de artículos científicos por regiones de estudio

Región Cantidad Porcentaje

P07: Propósito: el propósito de este artículo es desarrollar un modelo de mantenimiento oportunista

P08: Se muestra un algoritmo para la programación integrada de producción y mantenimiento

P10: ¿Cómo afectan las operaciones de mantenimiento modernizadas, a menudo denominadas

P11: FMEA es una herramienta ampliamente seleccionada para la aplicación de prevención de

importante realizar trabajos de mantenimiento en las plantas y dispositivos. Por lo tanto, el

Distribución porcentual de la antigüedad de los paper’s seleccionados

Distribución de artículos científicos por regiones de estudio

Aporte: se propone un método de evaluación de los cuellos de botella en la industria en Nigeria,

Aporte: se propone un método de reducción de cuellos de botella a través de un programa de

Proceso o validación: Se validó la eficacia en la mejora de la productividad y la mayor capacidad de

3.2.3. Artículo 03 (Alinaswe Siame y Douglas Kunda, 2017):

Proceso o validación: Se recopilaron a lo largo del análisis estudios de diversas localidades y

3.2.4. Artículo 04 (Manuel A. Hernández, Danilo R. Trupkin; 2021):

Aporte: se demuestra que el mantenimiento planificado es un elemento importante para sostener la

3.2.5. Artículo 05 (V. P. MunteanuandP. Dragos; 2021):

Aporte: se propone un método de evaluación de las necesidades de mantenimiento a partir de su

Aporte: Es estudio propone un método de mantenimiento oportuno y preventivo a partir de

Aporte: se establecieron procesos comparativos de operación de maquinarias paralelas, para

Proceso o validación: Se verificó que la mejora en todo el proceso se traduzca en índices de

3.2.9. Artículo 09 (Xh. Mehmeti, B. Mehmeti, Rr. Sejdiu; 2018):

Proceso o validación: Se demostró matemáticamente que se lograba una reducción significativa en

3.2.11. Artículo 11 (S Wannawiset y S Tangjitsitcharoen; 2019):

Aporte: en este artículo mejora la aplicación de mantenimiento FMEA, usando un modelo de

Proceso o validación: Se aplicaron los procesos de diagnóstico gradualmente y se fue estableciendo

3.2.12. Artículo 12 (Sule Selçuk; 2016):

Aporte: La investigación permitió establecer la importancia y prioridad de establecer estrategias de

Proceso o validación: Se emplearon instrumentos de recolección y selección de datos a partir de

Aporte: El principal aporte radica en la generación de un plan de detección temprano de fallas

Proceso o validación: Se estableció un procedimiento muy exigente de seguimiento de fallas,

Proceso o validación: Se estableció que la mayoría de esos programas implementan un sistema de

3.2.15. Artículo 15 (Abubaker Shagluf; A. P. Longstaff; S. Fletcher; 2019):

Proceso o validación: Se verificaron procesos, instrumentos, procesos de recolección de datos de

3.2.16. Artículo 16 (Theyab O. Alamri y John PT Mo; 2021):

Aporte: Se diseñó y aplicó un programa de seguimiento y programación de tareas de mantenimiento

3.2.17. Artículo 17 (Nota G, Fisciano, Italia, D Peluso, y A. Toro Lazo; 2021):

Proceso o validación: Se verificaron las etapas y procedimientos necesarios para asegurar un

3.2.18. Artículo 18 (H. Mutlu Öztürk y H.K. Öztürk; 2019):