Estudio de técnicas de Inteligencia Artificial para el Mantenimiento Predictivo en Sistemas de Control Industrial
Cargando...
Fecha
Autores
Director
Enlace al recurso
DOI
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Descripción
El mantenimiento predictivo ha adquirido gran relevancia en la industria debido a la necesidad de mejorar la confiabilidad operativa y reducir fallas en sistemas industriales. En este contexto, la presente monografía analiza la implementación de técnicas de Inteligencia Artificial (IA) aplicadas al mantenimiento predictivo en diferentes sectores industriales, mediante un estudio de mapeo sistemático y análisis bibliométrico de literatura científica publicada en los últimos años. La metodología empleada incluyó la revisión de artículos indexados en bases de datos académicas especializadas y el análisis de tendencias mediante la herramienta VOSviewer, permitiendo identificar áreas de investigación, técnicas implementadas y sectores con mayor desarrollo tecnológico. Los resultados evidencian una amplia aplicación de herramientas como aprendizaje automático, redes neuronales artificiales y aprendizaje profundo en sectores manufactureros, energéticos y automatizados, principalmente para detección temprana de fallas, monitoreo de condición y optimización del mantenimiento. Asimismo, se identificaron desafíos relacionados con calidad de datos, escalabilidad, costos de implementación y acceso tecnológico. Finalmente, el estudio destaca el papel de la IA como elemento estratégico en la transformación digital y evolución del mantenimiento industrial.
Abstract
Predictive maintenance has gained significant relevance in industry due to the need to improve operational reliability and reduce failures in industrial systems. In this context, this monograph analyzes the implementation of Artificial Intelligence (AI) techniques applied to predictive maintenance across different industrial sectors through a systematic mapping study and bibliometric analysis of scientific literature published in recent years. The adopted methodology included the review of indexed articles from specialized academic databases and trend analysis using the VOSviewer tool, allowing the identification of research areas, implemented techniques, and sectors with the highest technological development. The results reveal a wide application of tools such as machine learning, artificial neural networks, and deep learning in manufacturing, energy, and automated sectors, mainly for early fault detection, condition monitoring, and maintenance optimization. Additionally, challenges related to data quality, scalability, implementation costs, and technological accessibility were identified. Finally, the study highlights the role of AI as a strategic element in the digital transformation and evolution of industrial maintenance.
Idioma
spa
Palabras clave
Citación
Becerra Bayona , C. F. (2026) Estudio de técnicas de Inteligencia Artificial para el Mantenimiento Predictivo en Sistemas de Control Industrial [Tesis de posgrado] Universidad Santo Tomás, bucaramanga, Colombia