Documentos de Académico
Documentos de Profesional
Documentos de Cultura
0 en la cadena de
suministro 0
Modelos de costeo para la optimización de la capacidad en la Industria 4.
El término 'Industria 4.
La visión
Industrya 4.0 enfatiza que el sistema ciberfísico global permite operar de manera autónoma. Por
ejemplo, la máquina conocerá las redes de máquinas inteligentes, configuradas de fábrica,
capaces, etc., controlando el proceso de cada producto en el que se necesita aplicar un producto,
qué variación intercambiando información para que el sistema permita operar de forma
autónoma.
Este documento de Ingeniería presenta y discute en la Conferencia Internacional un comité
matemático de modelo para la gestión de la capacidad basado en diferentes modelos de costeo.
Industria 4.
Introducción
Durante las últimas tres décadas, los sistemas de Tecnología de la Información han experimentado
un progreso revolucionario significativo que posteriormente ha impactado todos los aspectos de la
vida diaria. La implementación de este tipo de red dentro del entorno de producción y
operaciones se denomina Industria 4.0. La introducción de Industria 4.0 en la fabricación tiene
muchos impactos en toda la cadena de suministro. Este documento presenta un análisis preliminar
del impacto de la Industria 4.0 en SCM y tiene como objetivo proporcionar un pensamiento hacia
la Cadena de suministro 4.0.
Esta revolución prevé un entorno en el que las máquinas inteligentes puedan comunicarse entre sí,
no solo para permitir la automatización de las líneas de producción, sino también para analizar y
comprender un cierto nivel de problemas de producción y, con una mínima participación humana,
para resolverlos. Porque el término Industria 4. Posibilita «no sólo la organización autónoma de la
gestión de la producción sino también la gestión del mantenimiento. Todas las etapas de
procesamiento en el proceso de producción se registran, y las discrepancias se registran
automáticamente» .
Integración horizontal a través de una nueva generación de redes globales de cadenas de valor: La
implementación de la transparencia dentro de la cadena de valor permite al fabricante identificar
cambios en los requisitos del cliente y reflejarlos en todos los pasos de producción, desde el
desarrollo hasta la distribución. Estos permiten la creación de nuevos productos y sistemas de
producción utilizando una gran cantidad de información. La Industria 4.0 involucra sistemas
automatizados que incluyen inteligencia artificial, robots, drones, nanotecnologías y una variedad
de insumos que permiten la personalización, la flexibilidad y la fabricación rápida. Esta perspectiva
del análisis se cree relevante ya que no existe un conocimiento completo o conciso de cómo
implementar la Industria 4.
Método de investigación
Análisis
Resultados
Primero se realizó un análisis de cómo cada KPI se ve afectado por cada tecnología. Con base en
los resultados obtenidos, la investigación establece las oportunidades para cada función en SCM.
Para vincular cada tecnología con cada KPI, se construyó una plantilla inicial. Una plantilla para
enumerar las tecnologías que pueden tener un impacto en los KPI.Con el objetivo principal de
evaluar si hubo «cambios» o no, se agregaron sustantivos a la mayoría de los KPI para hacerlos
más descriptivos. De esta forma, se agregó ‘SÍ’ en caso de que la introducción de la nueva
tecnología afectara el KPI. KPI afectado por la tecnología – Almacén. La Tabla 5 ilustra las
oportunidades y amenazas que una tecnología puede tener en cada KPI, siendo + oportunidades y
– amenazas.
Discusiones y conclusiones
En cuanto al almacén, el 66,6% pueden ser oportunidades y el 33,3% pueden ser oportunidades o
amenazas. Finalmente, dentro de la función de compras, la Industria 4.0 presenta un 71,43% de
oportunidades, siendo el resto oportunidades o amenazas. Del análisis realizado, se puede ver que
la implementación de ciertas tecnologías, como la realidad virtual y aumentada, la impresión 3D y
la simulación, darán como resultado oportunidades. Por otro lado, el análisis de big data, la
tecnología en la nube, la ciberseguridad, el IoT, la miniaturización de la electrónica, AIDC, RFID,
robótica, drones y nanotecnología, M2M y BI pueden ser oportunidades o amenazas para las
organizaciones.El hecho de que algunas tecnologías puedan resultar tanto en oportunidades como
en amenazas se debe a que todas las diferentes áreas están interconectadas, sin límites claros
entre ellas, dependiendo de dónde se analice, podría tener una connotación positiva o
negativa.Luego se discutieron las oportunidades y amenazas exhibidas en cada una de las
tecnologías para cada uno de los KPI vinculándolos con cada área del SCM en estudio.
1El uso del big data
en el mundo real1
IBM Global Business Services de proporcionar análisis y puntos de vista que ayuden a
las empresas a conseguir valor de negocio.
Además de proporcionar soluciones a antiguos retos empresariales, big data inspira
nuevas formas de transformar procesos, empresas, sectores enteros e incluso la
propia sociedad.
Hoy en día el término «big data» es una constante y, aun así, la mera noción sigue
generando confusión. Esta palabra se ha utilizado para trasladar al público todo tipo de
conceptos entre los que se incluyen grandes cantidades de datos, analítica de redes
sociales, herramientas de última generación para gestionar los datos, datos en tiempo
real y mucho más.
Independientemente de la etiqueta que le colguemos, las empresas comienzan a
comprender y explorar cómo procesar y analizar de nuevas formas una amplia
variedad de información.
Como un segmento cada vez más importante del amplio mercado de la información y
la analítica, big data está teniendo un gran impacto. » Entre los encuestados, aquellos
cuyas empresas habían implementado proyectos o despliegues piloto de big data
tenían un 15% más de probabilidades de afirmar que obtenían una ventaja importante
de la información y la analítica que aquellos que seguían confiando únicamente en la
analítica tradicional. »
Una de las conclusiones más sorprendentes del estudio es el impacto relativamente
pequeño de los datos procedentes de las redes sociales en el mercado actual de big
data. » Dada la amplia cobertura mediática que recibe el efecto de los datos sociales
en las experiencias de los clientes, resultaría fácil deducir que big data es sinónimo de
datos procedentes de redes sociales, pero solo el 7% de los encuestados definió el
concepto de esta forma
Las tecnologías y técnicas de análisis avanzado de hoy en día permiten a las
empresas extraer conocimientos de los datos con un nivel de sofisticación, velocidad y
precisión nunca antes visto. »
Nuestro estudio ha revelado que, independientemente del sector o la ubicación
geográfica, las empresas adoptan un enfoque pragmático de big data. » Las
soluciones de big data más eficaces identifican primero los requisitos de negocio y, a
continuación, adaptan la infraestructura, las fuentes de datos y la analítica a fin de
respaldar la oportunidad de negocio. »
Estas empresas obtienen nuevos conocimientos de fuentes de información
internas, tanto de las que ya existían como de las que están disponibles desde hace
poco, definen la estrategia tecnológica de big data y, posteriormente, actualizan
progresivamente sus infraestructuras a lo largo del tiempo.
La variedad tiene que ver con gestionar la complejidad de múltiples tipos de
datos, incluidos los datos estructurados, semiestructurados y no estructurados. » Las
organizaciones necesitan integrar y analizar datos de un complejo abanico de fuentes
de información tanto tradicional como no tradicional procedentes tanto de dentro como
de fuera de la empresa. »
Con la profusión de sensores, dispositivos inteligentes y tecnologías de colaboración
social, los datos que se generan presentan innumerables formas entre las que se
incluyen texto, datos web, tuits, datos de sensores, audio, vídeo, secuencias de
clic, archivos de registro y mucho más
La veracidad hace referencia al nivel de fiabilidad asociado a ciertos tipos de
datos. » Esforzarse por conseguir unos datos de alta calidad es un requisito importante
y un reto fundamental de big data, pero incluso los mejores métodos de limpieza de
datos no pueden eliminar la imprevisibilidad inherente de algunos datos, como el
tiempo, la economía o las futuras decisiones de compra de un cliente
En definitiva, big data es una combinación de estas características que crea una
oportunidad para que las empresas puedan obtener una ventaja competitiva en el
actual mercado digitalizado. Permite a las empresas transformar la forma en la que
interactúan con sus clientes y les prestan servicio, y posibilita la transformación de las
mismas e incluso de sectores enteros.
Estas tecnologías también son capaces de gestionar la creciente velocidad de los
datos que llegan, y se almacenan, al hacer posible un movimiento coherente y
automatizado de los datos en toda la empresa a medida que más personas necesitan
tener acceso a tipos de información adicionales y diferentes. Tecnologías emergentes
como la jerarquización y compresión de datos y los sistemas de archivos
escalables, junto con bases de datos en memoria, hacen posible la gestión de cargas
de trabajo mucho más grandes que los warehouses convencionales.
Hoy en día, la mayor parte de las empresas centran la atención de sus primeras
iniciativas de big data en analizar datos estructurados. » Sin embargo, big data
también genera la necesidad de analizar múltiples tipos de datos, incluida una gran
variedad de datos que pueden ser completamente nuevos para muchas
organizaciones
6 BIG DATA6
En definitiva, lo que realmente se necesita es la información relevante, en el tiempo
preciso y con el nivel de precisión requerido.
Como comentábamos anteriormente, cada día se generan 2,5 quintillones de bytes de
datos. Estos datos vienen de fuentes diversas como fotografía digital, videos, posts en
redes sociales, sensores inteligentes, transacciones comerciales, señales GPS de
teléfonos móvies y otros dispositivos, etc. En definitiva, Big Data son datos
desorganizados.
La veracidad tiene que ver con lo incierto o imprecisión de los datos.
Muy posiblemente podremos utilizar estos datos para realizar análisis de sentimiento o
identificar cambios de tendencias, pero no podremos sacar conclusiones para la toma de
decisiones críticas.
capacidad de limpieza de datos antes de su análisis. Si los datos contienen errores, la
información que se puede generar de ellos no es fiable y los usuarios pierden la confianza
de sus resultados y nunca la usarán para la toma de decisiones. Para abordar los
desafíos de rendimiento y capacidad que se desprenden de la falta de veracidad en los
datos, es importante definir estrategias y herramientas de calidad de datos como parte de
la infraestructura Big Data Dos de las Vs que caracterizan al Big Data van de alguna
manera en contra de la Veracidad de los datos.
La seguridad también juega un papel importante, ya que debe asegurar que los datos
falsos, fraudulentos o no autorizados no se introducen en el Big Data. Los datos deben
ser protegidos adecuadamente y no distribuidos a destinatarios no autorizados.
Por otro lado Gartner señala que debemos conocer de quién es la propiedad de las
fuentes de datos que estamos utilizando para nuestros casos de uso, y el uso que
podemos hacer de esta información de acuerdo a las licencias de uso. Entender bien las
limitaciones, realizar un uso correcto de las fuentes de datos e informar de su origen
proporcionará mayor transparencia a nuestra Smart City y por tanto mayor credibilidad y
Veracidad a nuestras soluciones.
la calidad de los datos y análisis de los que disponen como para utilizarlos en sus
procesos de toma de decisiones cotidianos.
Los líderes adoptan un enfoque estructurado para el gobierno y la seguridad de los datos
y a esta vigilancia se debe en buena parte el mayor grado de confianza que la mayoría
deposita en los datos y en la analítica dentro de sus organizaciones.
Valor. En la figura 10 , IDC identifica la arquitectura de valor de la Smart City que se
construye con tecnologías como el Intenet de las cosas y los cuatro pilares tecnológicos
para IDC - Big Data, tecnologías móviles, cloud computing y social business .
Confianza en los datos. Los responsables de tomar decisiones deben confiar en los datos
para dejarse guiar por ellos. Según el estudio de IBM, en las organizaciones que obtienen
más valor de la analítica, el gobierno y la seguridad son suficientes para proporcionar a la
mayoría de los usuarios un grado de confianza confortable, pero también son lo bastante
flexibles como para que los usuarios de negocio cumplan un conjunto de requisitos
diverso. Además, este estudio indica que las organizaciones que gestionan sus datos de
manera deficiente encuentran dificultades para generar valor a partir de estos y de su
análisis.
En el contexto del Big Data, valor se refiere tanto al coste de la tecnología como al valor
obtenido de su uso.
Actualmente, por la falta de conocimiento de las necesidades o interés personal de los
diferentes tipos de usuarios, las aplicaciones Smart Cities inundan con información sobre
la ciudad, cuando realmente solo están interesados por información contextualizada
relevante para sus necesidades.
Cada ciudad es diferente y sus objetivos estratégicos varían para cada una de ellas. Sin
embargo, la mayoría comparte problemas y retos similares, siendo los principales focos
de atención el tráfico y transporte público, la seguridad ciudadana y reducción de índices
de criminalidad, la gestión energética, el ciclo integral del agua y la gestión de residuos
urbanos
Smart City es una solución que con el apoyo de la tecnología, abarca la transformación de
la ciudad de forma sostenible y escalable, con apertura a los ciudadanos y negocios y con
transparencia en la gestión.Una de las principales palancas del crecimiento sostenible es
implantar una cultura de la innovación y fomentar la colaboración e involucración de los
ciudadanos y empresas en los problemas diarios de la ciudad y en la búsqueda e
implantación de soluciones. Los ciudadanos, con el nivel actual de acceso a la tecnología
de la sociedad, son los principales «sensores» que tienen actualmente a su disposición
los gestores municipales.
IBM ha realizado un estudio muy interesante y revelador, que concluye que las empresas
de mayor éxito aplican de manera sistematizada iniciativas de analítica de datos en toda
su organización para tomar decisiones más informadas e inteligentes, actuar con mayor
rapidez y optimizar los resultados.
Las restricciones políticas o limitaciones ejecutivas son el principal factor limitante para la
obtención de mayor valor de las iniciativas de analítica de datos.
El 62% de las organizaciones indica estas limitaciones como el principal obstáculo para la
puesta en valor de los datos;
Los casos de uso de la Smart City que aportan mayor valor con aquellos que se
construyen con datos e información de fuentes muy diversas, que proporcionan la visión
global y completa que podremos convertir en conocimiento para mejorar la actuación y
servicios municipales. Las ciudades no siempre tienen a su disposición toda la
información necesaria.
Sin la colaboración del ecosistema completo de ciudadanos y empresas, organismos y
empresas municipales, etc. los casos de uso de la Smart City verán limitado su
generación de valor.
Con colaboración transparente me refiero a que los datos e información estén disponibles
para todo el ecosistema municipal, en un modelo de Datos Abiertos.
Por otro lado, muchos servicios municipales son realizados por empresas privadas que
disponen de mucha información que no se proporciona a la corporación municipal, más
allá de los indicadores de gestión, los datos operativos que permitan medir los acuerdos
de nivel de servicios y la información exigida en los pliegos correspondientes.
Actualmente se está reconociendo el valor de disponer de toda la información para tener
mayor control y conocimiento de los procesos, y de esta forma poder realizar mejoras y
elaborar mejores pliegos en futuras licitaciones. La tendencia actual es incluir en los
pliegos la obligatoriedad de proporcionar toda la información disponible, que pasa a ser
propiedad de la ciudad.
Esta situación hace que desarrollar casos de uso de valor o iniciativas innovadoras que
impliquen a diferentes áreas o empresas, o necesiten información de diferentes fuentes
requiera mucho esfuerzo y desgaste que no aporta ningún valor, consume muchos
recursos y ralentiza su progreso.
Tanto la información histórica como la generada y capturada diariamente en los procesos
y servicios municipales pertenecen o son gestionados por la ciudad. Debe Fuente de
valor. Pero solo tienen sentido si se enfocan en la creación de valor para la ciudad. Por
tanto, antes de acometer cualquier iniciativa, es fundamental entender los objetivos
estratégicos de la ciudad e identificar el valor que aporta el Big Data para su consecución.
Las organizaciones que obtengan más valor del Big Data serán aquellas que entiendan
claramente cuál es la fuente de ese valor y dirijan sus esfuerzos en consecuencia. Casi la
mitad de las empresas líderes que los datos y su análisis influyen significativamente en
las estrategias de negocio y los resultados operativos de sus organizaciones. La quinta
parte más destacada de estos líderes basa sus decisiones de negocio en información
proporcionada por la analítica de datos. 6 meses en el 40% de las empresas líderes.
. Actualmente existe un déficit importante a nivel global de profesionales formados y con
experiencia en estas tecnologías, que puede ser uno de los principales obstáculos para la
implantación de analítica de datos Big Data en la Smart City.
IBM destaca que una tercera parte de las organizaciones citaron la falta de competencias
para analizar y convertir los datos en acciones significativas como el escollo más
importante para mejorar el uso de técnicas analíticas en sus organizaciones Según
Gartner, en 2015 la demanda de perfiles analíticos y de datos ascenderá a 4,4 millones de
empleos en todo el mundo, de los cuales solamente se cubrirá una tercera parte.
Puede ser muy interesante para las ciudades y organizaciones promover iniciativas de
educación, atracción de talento y creación de proyectos empresariales en esta área de la
analítica de datos y Smart City.
Introducción
El "Piano Nazionale Industria 4.0", el plan italiano para la adopción del paradigma
Industria 4.0 por parte del sistema de fabricación italiano, indica un conjunto de
tecnologías habilitadoras que deben utilizarse para poder alcanzar las recompensas que
tal paradigma promete
de lo contrario, verifica si el usuario ha especificado una regla para permitir que el recurso
procese tareas con el conjunto de características dadas, incluso si nunca las ha
procesado en el pasado .
El resultado del procesamiento anterior es una matriz de habilidades que se utiliza para
definir restricciones que indican qué tareas se pueden o no asignar a cada
recurso. . Restricciones de precedencia
Cada pedido se caracteriza por un ciclo de producción, como se detalla en la sección
4.1. Cada tarea de una orden, por lo tanto, puede incluir un conjunto de una o más tareas
que dependen de ella. El modelo de decisión permite planificar una tarea para que
comience solo después de que se hayan completado todas las tareas que la
preceden. . Saturación
Los talleres internos y los subcontratados son tratados genéricamente como recursos de
capacidad finita . Cada recurso se caracteriza por su FTE, es decir . el equivalente al
número de empleados que trabajan a tiempo completo.
El usuario puede tanto definir un FTE predeterminado diferente para cada recurso,
utilizado para definir su capacidad diaria estándar en términos de horas disponibles, como
posibles excepciones para un recurso en fechas específicas, para poder modelar posibles
desviaciones de los valores predeterminados .
La planificación considera la saturación de cada recurso tanto como una restricción dura
como un objetivo . Como restricción estricta, no se puede planificar un recurso para que
exceda su capacidad más una tolerancia especificada por el usuario: por ejemplo, el
usuario puede configurar la herramienta para permitir un máximo de 120% de saturación
de algunos recursos, cuando sabe que dicho recurso puede contar con apoyo externo
cuando sea necesario. . Restricciones de la cadena de suministro
Las siguientes restricciones se utilizan para permitir modelar aspectos que se derivan de
la estructura de la cadena de suministro, a saber: tiempos de tránsito entre dos tareas de
un mismo pedido, dependencias entre decisiones de asignación tomadas dentro de dos o
más tareas del mismo pedido y demoras intermedias. fechas especificadas para ciertas
tareas. . Tiempos de tránsito
Los tiempos de tránsito son necesarios cuando los artículos de un pedido deben
transferirse físicamente de un componente de la cadena de suministro a otro, por
ejemplo, cuando un subcontratista debe procesar una tarea de un pedido inmediatamente
después de una fase de producción interna o viceversa .
La herramienta permite al usuario definir tiempos de tránsito entre cada posible pareja de
componentes de la cadena de suministro y luego los utiliza como restricciones de demora
entre el final de una tarea y el inicio de la siguiente. . dependencias
La asignación de tareas a los recursos no depende solo de las restricciones de
tareas/recursos definidas en la sección 3.1.1, sino que también deben considerar las
restricciones relacionadas con la cadena de suministro expresadas en la forma "si la tarea
1 de un pedido se asigna al recurso A, entonces también las tareas 2, 3 y 4 del mismo
pedido deben asignarse al mismo recurso" o "si la tarea 1 de un pedido se asigna al
recurso A, entonces las tareas 2, 3 y 4 del mismo pedido deben asignarse al recurso B
". . Liberación intermedia/fechas de vencimiento
Algunas tareas dentro de un pedido se pueden caracterizar por fechas de vencimiento
específicas o fechas de liberación que dependen de la llegada de materias primas o de la
necesidad de proporcionar artículos semielaborados dentro de fechas específicas. Estos
casos se tratan a través de restricciones de tiempo absolutas dentro del modelo de
decisión. . Objetivos
El problema de la planificación requiere la consecución de dos objetivos: la minimización
de los pedidos entregados con posterioridad a su fecha de vencimiento y la minimización
de los casos en los que un recurso se satura por encima de su capacidad.
En .
En .
La búsqueda de múltiples objetivos se puede lograr de varias maneras. Para la
herramienta propuesta, se optó por permitir al usuario definir un ranking entre los objetivos
y, para el indicado como el primero, especificar un deterioro permitido para perseguir el
otro objetivo. . Minimización de la tardanza
Cada pedido tiene una fecha de vencimiento para la última tarea de su ciclo de
producción y por un nivel de prioridad del cliente que lo requiere . Se minimiza la suma de
las tardanzas acumuladas por cada pedido, ponderadas por el nivel de prioridad del
cliente del pedido. . Minimización de la sobresaturación
Cada recurso tiene una capacidad máxima y una tolerancia permitida, como se detalla en
la sección 3.1.3 . Uno de los objetivos del modelo de decisión es minimizar la suma de
todos los excedentes de capacidad requeridos por el plan propuesto.
El DSS propuesto
1Munoz2
Por lo amplio del tema, es necesario acotar a qué aspectos de la Logística está orientado el
presente trabajo, ya que los cambios tecnológicos afectan a todo el proceso antes descrito.
Podemos visualizar, que toda tecnología nueva, requiere ser conocida y explicada
ampliamente, para que los usuarios, tanto operadores como mantenedores, puedan obtener el
máximo de beneficios de ese nuevo equipamiento, y por otro lado, los procesos de
Determinación de Necesidades y de Obtención del Ciclo Logístico, pongan a disposición de
los usuarios , el mejor equipamiento disponible. En el presente trabajo se presentarán algunos
de los muchos aspectos que influyen en el conocimiento de las tecnologías incorporadas en
los diferentes sistemas instalados a bordo de nuestros buques, partiendo de la problemática
internacional, que condiciona las adquisiciones en varios aspectos, y seguido de los aspectos
relacionados con el conocimiento de las tecnologías existentes. Estos pedidos se materializan
mediante contratos de adquisición y/o reparación entre los diferentes organismos que
participan de este proceso, producto de los cuales, se produce un traspaso importante de
información técnica entre ellos. La innovación es un proceso interactivo y de aprendizaje
continuo, que implica la introducción exitosa en el mercado, y en los procesos de producción o
en las propias organizaciones, de nuevos productos, tecnologías o servicios intensivos en
conocimiento, así como la subsecuente difusión en la sociedad.
También es un fenómeno evidente que las condiciones técnico económicas de los países
avanzados son las que determinan las características de diseño y de funcionamiento de sus
sistemas de defensa, los que deben satisfacer sus propias necesidades, y en los cuales se
incorporan todos los progresos técnicos de su industria. «Calidad» de la tecnología que se
trans-fiere.
Ahora bien, es en la fase de concepción técnica del proyecto donde se determina en buena
medida el aporte tecnológico en cuanto a ingeniería de diseño, proceso y fabricación, que esa
actividad aportará al posterior ciclo de vida del sistema. Tradicionalmente el proceso de
aprendizaje y de transferencia tecnológica en el área de la defensa se ha desarrollado en
etapas, en cada una de las cuales se va avanzando de acuerdo a las capacidades e
infraestructura industrial del país. Todo el equipamiento de tecnología avanzada, como los
sistemas de detección, sistemas de control de tiro, motores, comunicaciones y control
automático, entre otros, deben ser adquiridos a los fabricantes originales. Una vez que se han
vivido y experimentado las fases descritas, normalmente el país receptor es capaz de
intervenir los sistemas, obteniendo información de sus procesos internos.
En cada una de las etapas descritas, los cursos de entrenamiento en fábrica, deben estar
acompañados por la entrega de la documentación, del software y aplicaciones
específicas, para llevar a cabo el proceso de diagnóstico y ajustes en las instalaciones
propias. Para lograr los avances en cada una de las fases descritas anteriormente, los
especialistas y encargados de la administración de los procesos de mantenimiento y
operación, deben ser capacitados adecuadamente, para que conozcan y aprendan las nuevas
técnicas y procesos que se desarrollan en los diferentes equipos o sistemas que les
corresponde intervenir, considerando que los procesos de diagnóstico modernos, emplean
fundamentalmente herramientas automáticas y el uso masivo de computadores de diferentes
tipos y aplicaciones. Esta misma incorporación de tecnología, cada vez más avanzada en
sistemas de vigilancia y control, obligan a profundizar la capacitación en aspectos de
diagnóstico, por sobre los correctivos, con la correspondiente exigencia adicional para los
técnicos, que deben familiarizarse con el uso de instrumentos e interfases que lo comuniquen
con los equipos a diagnosticar.
Debido al alto nivel de integración que se observa en los sistemas de armas complejos y
modernos, las ciencias básicas aplicadas en un solo equipo son múltiples. Por este
motivo, actualmente es difícil establecer la especialización que requiere un técnico, bajo los
alcances actuales de las especialidades navales, para intervenir en estos sistemas.