Nuevas tendencias de mantenimiento inteligente en flotas de vehículos eléctricos, híbridos y de combustión interna

Gutiérrez Cardozo, Juan José

Nuevas tendencias de mantenimiento inteligente en flotas de vehículos eléctricos, híbridos y de combustión interna

dc.contributor.advisor	Vergara Lozano, Giovanny Andrés
dc.contributor.author	Gutiérrez Cardozo, Juan José
dc.contributor.corporatename	Universidad Santo Tomás
dc.contributor.cvlac	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001706227
dc.contributor.googlescholar	https://scholar.google.com/citations?hl=es&authuser=1&user=Zq5r6LYAAAAJ
dc.contributor.orcid	https://orcid.org/0000-0002-7455-882X
dc.date.accessioned	2026-07-21T19:55:58Z
dc.date.available	2026-07-21T19:55:58Z
dc.date.issued	2026-03-28
dc.description	La gestión del mantenimiento en flotas vehiculares ha experimentado una transformación significativa en los últimos años debido a la incorporación de nuevas tecnologías asociadas a la electrificación, la digitalización y la automatización de los activos. La coexistencia de vehículos de combustión interna, híbridos y eléctricos en una misma flota ha incrementado la complejidad técnica, operativa y económica de los modelos de mantenimiento tradicionales, los cuales, basados en enfoques correctivos y preventivos por intervalos fijos, resultan insuficientes para garantizar altos niveles de disponibilidad, confiabilidad y sostenibilidad. En este contexto, la presente monografía analiza las nuevas tendencias de mantenimiento inteligente aplicadas a flotas vehiculares mixtas, haciendo énfasis en el mantenimiento centrado en confiabilidad (RCM), el mantenimiento predictivo impulsado por inteligencia artificial y machine learning, así como en soluciones basadas en Internet de las Cosas, gemelos digitales y realidad aumentada. El estudio se desarrolla mediante una revisión bibliográfica sistemática de investigaciones publicadas entre los años 2017 y 2025, incluyendo artículos científicos indexados, conferencias internacionales y trabajos de grado, con el objetivo de identificar las metodologías más relevantes, sus resultados técnicos y su viabilidad de implementación en entornos operativos reales. A partir del análisis comparativo de los casos seleccionados, se evidencia que la aplicación del RCM permite priorizar componentes críticos, optimizar recursos y reducir fallas recurrentes en flotas de cualquier tipo de motorización, destacándose como una estrategia de fácil implementación y bajo costo inicial. Asimismo, las técnicas de mantenimiento basadas en inteligencia artificial, particularmente las redes neuronales profundas, alcanzan niveles de precisión diagnóstica superiores al 97 %, lo que posibilita la anticipación de fallas, la reducción de paradas no programadas y la optimización del ciclo de vida de los activos. Por otro lado, la integración de tecnologías IoT, gemelos digitales y realidad aumentada consolida el concepto de Mantenimiento 4.0, facilitando el monitoreo en tiempo real, la simulación de escenarios de falla y la asistencia técnica interactiva para operarios y conductores. Los resultados del análisis permiten concluir que la adopción de estas nuevas tendencias de mantenimiento no solo mejora la eficiencia operativa y económica de las flotas vehiculares, sino que también contribuye al cumplimiento de normativas ambientales y al desarrollo de una movilidad más sostenible, especialmente en regiones como los Llanos Orientales, donde las condiciones geográficas y operativas demandan altos estándares de confiabilidad y disponibilidad.
dc.description.abstract	Fleet maintenance management has undergone a significant transformation in recent years due to the integration of advanced technologies associated with electrification, digitalization, and asset automation. The coexistence of internal combustion, hybrid, and electric vehicles within the same fleet has increased technical, operational, and economic complexity, making traditional corrective and time-based preventive maintenance models insufficient to ensure high levels of availability, reliability, and sustainability. In this context, this monograph analyzes emerging trends in intelligent maintenance applied to mixed vehicle fleets, with particular emphasis on Reliability-Centered Maintenance (RCM), artificial intelligence and machine learning-based predictive maintenance, as well as solutions based on the Internet of Things, digital twins, and augmented reality. The study is developed through a systematic literature review of scientific papers, international conferences, and academic theses published between 2017 and 2025, aiming to identify the most relevant methodologies, their technical outcomes, and implementation feasibility in real operational environments. The comparative analysis reveals that RCM enables effective prioritization of critical components, optimization of maintenance resources, and reduction of recurrent failures across different powertrain technologies, standing out as a cost-effective and adaptable strategy. Additionally, artificial intelligence-based maintenance models, particularly deep neural networks, demonstrate diagnostic accuracy levels above 97%, allowing early failure detection, reduction of unplanned downtime, and optimization of asset life cycles. Furthermore, the integration of IoT technologies, digital twins, and augmented reality strengthens the Maintenance 4.0 paradigm by enabling real-time monitoring, failure scenario simulation, and interactive technical assistance for operators and drivers. The findings indicate that adopting these intelligent maintenance strategies significantly improves operational and economic performance while supporting environmental regulations and sustainable mobility objectives, especially in regions with demanding operational conditions such as the Eastern Plains of Colombia.
dc.description.degreelevel	Especialización	spa
dc.description.degreename	Especialista en Gerencia de Mantenimiento y Gestión de Activos	spa
dc.description.domain	http://www.ustavillavicencio.edu.co/home/index.php/unidades/extension-y-proyeccion/investigacion
dc.format.mimetype	application/pdf
dc.identifier.citation	Gutiérrez Cardozo, J. J. (2026). Nuevas tendencias de mantenimiento inteligente en flotas de vehículos eléctricos, híbridos y de combustión interna [Trabajo de grado, Universidad Santo Tomás]. Repositorio Institucional.
dc.identifier.instname	instname:Universidad Santo Tomás	spa
dc.identifier.reponame	reponame:Repositorio Institucional Universidad Santo Tomás	spa
dc.identifier.repourl	repourl:https://repository.usta.edu.co	spa
dc.identifier.uri	http://hdl.handle.net/11634/73307
dc.language.iso	spa
dc.publisher	Universidad Santo Tomás	spa
dc.publisher.branch	CRAI-USTA Villavicencio
dc.publisher.faculty	Facultad de Ingeniería Mecánica	spa
dc.publisher.program	Especialización en Gerencia de Mantenimiento y Gestión de Activos	spa
dc.relation.references	Acharjee, B., Ghosh, R. R., Dey, T., Das, S., & Nandan, D. (2024). A Novel Architecture for Predictive Maintenance and Realtime Monitoring of Electric Vehicle. TENCON 2024 - 2024 IEEE Region 10 Conference (TENCON), 197-201. https://doi.org/10.1109/TENCON61640.2024.10902745
dc.relation.references	Anitha, P., M, D., K, D., S, A., S, A. R., Jayaprakash, J., & Jayadharani. (2025). Interactive Augmented Reality System for Real- Time Pre-Car Inspection and Maintenance Assistance. 2025 3rd International Conference on Advancements in Electrical, Electronics, Communication, Computing and Automation (ICAECA), 1-6. https://doi.org/10.1109/ICAECA63854.2025.11012334
dc.relation.references	Bahheti, M., Shankarnarayan, V. K., Durairajan, S., Chandak, S., Gurunathan, T., & Chandrasekar, P. (2024). AI-Powered Predictive Maintenance for Electric Vehicle Fleets. 2024 Asian Conference on Intelligent Technologies (ACOIT), 1-6. https://doi.org/10.1109/ACOIT62457.2024.10939072
dc.relation.references	CUMMINS. (2025). ISX (EPA 07) [Dataset]. https://www.cummins.com/es/engines/isx-epa-07 Editorial La República, S. A. S. (2022, julio 22). Carros eléctricos generan hasta 30% menos emisiones de gases de efecto invernadero. Diario La República. https://www.larepublica.co/responsabilidad-social/carros-electricos-generan-hasta-30-menos-emisiones-de-gases-de-efecto-invernadero-3408082
dc.relation.references	Garzon Arenas, C. L. (2021). Plan de Mantenimiento Predictivo y Preventivo en Motores Diesel y modelación de los rendimientos de consumo de combustible en el gerenciamiento de una flota de transporte de carga analizando los factores que inciden directamente en el indicador. [Trabajo de grado, Universidad Industrial de Santander]. Repositorio Institucional. https://noesis.uis.edu.co/handle/20.500.14071/41673
dc.relation.references	Gil Niebles, M. (2022, julio 22). Carros eléctricos generan hasta 30% menos emisiones de gases de efecto invernadero. Diario La República. https://www.larepublica.co/responsabilidad-social/carros-electricos-generan-hasta-30-menos-emisiones-de-gases-de-efecto-invernadero-3408082
dc.relation.references	Grandhi, S. H., Al-Jawahry, H. M., S, D., Kumar, B. V., & Padhi, M. K. (2024). A Quantum Variational Classifier for Predictive Maintenance and Monitoring of Battery Health in Electric Vehicles. 2024 International Conference on Intelligent Algorithms for Computational Intelligence Systems (IACIS), 1-4. https://doi.org/10.1109/IACIS61494.2024.10721715
dc.relation.references	Johnson, N., Vinodh, E., Silas, S., & Jaspher, K. (2024). Predictive Vehicle Maintenance using Deep Neural Networks. https://ieeexplore-ieee-org.crai-ustadigital.usantotomas.edu.co/stamp/stamp.jsp?tp=&arnumber=10533924
dc.relation.references	Miluska.Jara. (2015). Objetivos y metas de desarrollo sostenible. Desarrollo Sostenible. https://www.un.org/sustainabledevelopment/es/sustainable-development-goals/
dc.relation.references	Mohammad, S., Masuri, M. A. A., Salim, S., & Razak, M. R. A. (2021). Development of IoT Based Logistic Vehicle Maintenance System. 2021 IEEE 17th International Colloquium on Signal Processing & Its Applications (CSPA), 127-132. https://doi.org/10.1109/CSPA52141.2021.9377290
dc.relation.references	Motorysa. (2025). Motorysa. https://motorysa.com.co/
dc.relation.references	Mounir, E. K., Hassan, S., Hassan, S., & Zineb, Z. (2024). An Interface Development based on Internet of Things Approach for Smart Predictive Maintenance implementation: Case of Diesel Engine. 2024 International Conference on Circuit, Systems and Communication (ICCSC), 1-6. https://doi.org/10.1109/ICCSC62074.2024.10616750
dc.relation.references	Niranjan Savadekar, P., Giridhareswar, G., Reddy, A. P., & Reddy, R. R. (2025). A Data-Driven Approach for Predicting Vehicle Component Failures. 2025 3rd International Conference on Intelligent Data Communication Technologies and Internet of Things (IDCIoT), 881-888. https://doi.org/10.1109/IDCIOT64235.2025.10915149
dc.relation.references	Pourrahmani, H., Yavarisanab, Zahedi, R., Gharehghani, A., Hadi MohammadiHadi Mohammadi, M., Bastani, P., & Van Herle, J. (2022). The applications of Internet of Things in the automotive industry: A review of the batteries, fuel cells, and engines. 19(3). 100579. https://doi.org/10.1016/j.iot.2022.100579
dc.relation.references	Rodriguez, J. L. (2018). Elaboración de una propuesta de plan de mantenimiento basado en confiabilidad para la flota de vehículos de la empresa tranzit s.a.s perteneciente al SITP. [Trabajo de grado, Universidad ECCI]. Repositorio Institucional. https://repository.udistrital.edu.co/server/api/core/bitstreams/fae90da1-ec4d-40aa-93a0-e6c3aa74e95e/content
dc.relation.references	Romero, F., & Jacqueline, D. (2021). Elaboración de un plan de mantenimiento basado en RCM para la flota vehicular de la empresa pública EMMAIPC-EP. [Trabajo de grado, Universidad Politécnica Salesiana]. Repositorio Institucional. http://dspace.ups.edu.ec/handle/123456789/20559
dc.relation.references	Ruesta Zambrano, A. E. (2024). Diseño de un plan de mantenimiento centrado en confiabilidad (RCM) para la línea de buses Volvo B5RH del plan de mantenimiento oro de la empresa Volvo Group Colombia S.A.S. [Universidad Industrial de Santander]. https://noesis.uis.edu.co/server/api/core/bitstreams/312991ad-3023-4837-aa60-7826f50e726c/content
dc.relation.references	Saraswathy, S., Sujitha, K., Jothi, S., Ghayathirelakshhme, L., & Manickavasagan, V. (2025). HELM SENTRY Evaluation of Vehicle Self-Repairing System. 2025 International Conference on Computing and Communication Technologies (ICCCT), 1-5. https://doi.org/10.1109/ICCCT63501.2025.11020069
dc.relation.references	https://doi.org/10.1109/ICCCT63501.2025.11020069 Selvam, K., Dhiman, H. S., Pandya, D., & Sahoo, S. (2023). Synergizing Digital Twins for Enhanced Maintenance of Integrated Chargers in Electric Vehicles: A State-of-the-Art Analysis and Future Implications. 2023 International Conference on Integration of Computational Intelligent System (ICICIS), 1-6. https://doi.org/10.1109/ICICIS56802.2023.10430311
dc.relation.references	Williams, M., & Minjares, R. (2016). A technical summary of Euro 6/VI vehicle emission standards. International Council on Clean Transportation (ICCT)
dc.rights	Attribution-NonCommercial-NoDerivs 2.5 Colombia	en
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Abierto (Texto Completo)	spa
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.subject.lemb	Mantenimiento predictivo - Vehículos
dc.subject.lemb	Vehículos eléctricos - Mantenimiento
dc.subject.lemb	Motores de combustión - Tendencias de mantenimiento
dc.subject.lemb	Tesis y Disertaciones académicas
dc.title	Nuevas tendencias de mantenimiento inteligente en flotas de vehículos eléctricos, híbridos y de combustión interna
dc.type	bachelor thesis
dc.type.category	Formación de Recurso Humano para la Ctel: Trabajo de grado de Especialización
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa	spa
dc.type.drive	info:eu-repo/semantics/bachelorThesis	spa
dc.type.local	Trabajo de grado	spa
dc.type.version	info:eu-repo/semantics/acceptedVersion	spa