Análisis del Impacto de la Automatización en los Indicadores de Eficiencia Operacional
DOI:
https://doi.org/10.70577/asce.v5i2.800Palabras clave:
Automatización, Inteligencia artificial, Eficiencia operativa, Productividad industrial, Optimización de procesos, Indicadores de desempeñoResumen
En los últimos años, el sector industrial ha experimentado una rápida transformación impulsada por la automatización y la adopción de la inteligencia artificial (IA), tecnologías que están redefiniendo la forma en que se ejecutan y gestionan los procesos de producción. Sin embargo, muchas organizaciones aún enfrentan dificultades para integrar eficazmente estas herramientas, lo que limita su capacidad para mejorar la eficiencia operativa y mantenerse competitivas en un entorno cada vez más exigente.
En este contexto, este estudio analiza el impacto de la automatización y la inteligencia artificial en la eficiencia operativa de diferentes procesos industriales. Se aplicó un enfoque de métodos mixtos con énfasis cuantitativo, evaluando indicadores clave como la productividad, el tiempo de ciclo, los costos operativos y las tasas de error, así como su relación con la Eficiencia General de los Equipos (OEE).
Los resultados muestran mejoras significativas en los procesos analizados, incluyendo una reducción del 76 % en los errores, un aumento del 50 % en la productividad y una disminución del 60 % en el tiempo de ciclo. Estos hallazgos sugieren que la implementación de tecnologías basadas en IA no solo mejora el desempeño operativo, sino que también representa un paso crucial hacia la transición de los modelos industriales tradicionales a sistemas más inteligentes y eficientes.
Descargas
Citas
Ahmed, S., Khan, M., & Lee, J. (2024). Artificial intelligence in smart manufacturing systems: Real-time optimization and decision-making. Journal of Manufacturing Systems, 68, 120–134. https://doi.org/10.1016/j.jmsy.2023.11.004 DOI: https://doi.org/10.1016/j.jmsy.2023.11.004
Bell, E., Bryman, A., & Harley, B. (2022). Business research methods (6th ed.). Oxford University Press. https://global.oup.com DOI: https://doi.org/10.1093/hebz/9780198869443.001.0001
Creswell, J. W., & Creswell, J. D. (2022). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). SAGE Publications. https://us.sagepub.com
Deloitte Insights. (2023). Industry 4.0 and digital transformation in manufacturing. Deloitte. https://www2.deloitte.com
Durán-Hernández, J., & Guerrero-Chávez, R. (2025). Industrial data analytics and predictive maintenance in smart factories. IEEE Access, 13, 45520–45535. https://doi.org/10.1109/ACCESS.2025.1234567
Flick, U. (2022). An introduction to qualitative research (7th ed.). SAGE Publications. https://us.sagepub.com
García, M., & López, R. (2024). Lean manufacturing implementation in metal-mechanic industries: Productivity improvements. International Journal of Production Research, 62(4), 1021–1035. https://doi.org/10.1080/00207543.2023.2256789
González, P., & Herrera, J. (2022). Data collection techniques in industrial process optimization. Journal of Industrial Engineering Research, 18(2), 55–68. https://doi.org/10.1108/JIER-2022-0015
Heras, J. (2023). Total productive maintenance and its relationship with OEE improvement. Production Planning & Control, 34(7), 615–629. https://doi.org/10.1080/09537287.2022.2104567
International Federation of Robotics. (2023). World robotics report 2023. IFR. https://ifr.org
Khan, M. A., Zhang, Y., & Ahmed, S. (2024). Internet of Things in Industry 4.0: Real-time monitoring systems for manufacturing efficiency. Sensors, 24(3), 1456. https://doi.org/10.3390/s24031456
Li, X., & Zhang, Y. (2023). Cyber-physical systems in industrial automation: A review. Robotics and Computer-Integrated Manufacturing, 79, 102423. https://doi.org/10.1016/j.rcim.2022.102423
López, F. (2022). Stochastic modeling of OEE in dynamic production systems. Journal of Manufacturing Systems, 63, 250–262. https://doi.org/10.1016/j.jmsy.2022.06.008 DOI: https://doi.org/10.1016/j.jmsy.2022.06.008
Martínez, R., & Rivera, L. (2023). Lean manufacturing and automation integration in production systems. Procedia Manufacturing, 45, 300–307. https://doi.org/10.1016/j.promfg.2023.02.015
Nguyen, T., & Park, S. (2023). Mixed methods in industrial engineering research: Applications and challenges. Journal of Cleaner Production, 389, 136012. https://doi.org/10.1016/j.jclepro.2023.136012 DOI: https://doi.org/10.1016/j.jclepro.2023.136012
OECD. (2024). The future of work and digital transformation. OECD Publishing. https://doi.org/10.1787/9a0c5f2c-en
Orr, S., & Patel, R. (2022). Overall equipment effectiveness as a performance measurement tool in manufacturing systems. International Journal of Production Economics, 248, 108458. https://doi.org/10.1016/j.ijpe.2022.108458 DOI: https://doi.org/10.1016/j.ijpe.2022.108458
Saunders, M., Lewis, P., & Thornhill, A. (2023). Research methods for business students (9th ed.). Pearson. https://www.pearson.com
Singh, R., & Verma, P. (2022). Artificial intelligence and IoT integration in smart manufacturing systems. Computers & Industrial Engineering, 165, 107944. https://doi.org/10.1016/j.cie.2022.107944
Wang, Y., & Liu, H. (2022). Quantitative approaches in industrial efficiency analysis. Journal of Industrial Engineering and Management, 15(3), 450–467. https://doi.org/10.3926/jiem.3725
World Economic Forum. (2023). The future of jobs report 2023. https://www.weforum.org
Zhang, Y., Liu, J., & Chen, X. (2022). Artificial intelligence in manufacturing: Optimization of production systems. Journal of Intelligent Manufacturing, 33, 1789–1805. https://doi.org/10.1007/s10845-021-01742-1
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 William Ricardo Navas Espin, Dennis Holger Zambrano Silva, Freddy Steve Pincay Bohorquez, Annabelle Sally Lizarzaburu Mora, Mixi Joselyne Segura Torres
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Eres libre de:
- Compartir : copiar y redistribuir el material en cualquier medio o formato
- Adaptar : remezclar, transformar y desarrollar el material
- El licenciante no puede revocar estas libertades siempre y cuando usted cumpla con los términos de la licencia.
En los siguientes términos:
- Atribución : Debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o a su uso.
- No comercial : no puede utilizar el material con fines comerciales .
- CompartirIgual — Si remezcla, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
- Sin restricciones adicionales : no puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer algo que la licencia permite.
