Revista UIS Ingenierías

Vol. 24 Núm. 3 (2025): Revista UIS Ingenierías
Artículos

Tecnología 4.0 y OEE como alternativas de mejora de la productividad en la industria manufacturera

PDF
  • Lloyd Morris ,
  • Olga Salazar-De Morris ,
  • Giovanni Arturo López-Isaza
Lloyd Morris
Universidad Tecnológica de Pereira
Olga Salazar-De Morris
Universidad Tecnológica Pereira
Giovanni Arturo López-Isaza
Universidad Tecnológica de Pereira
DOI: https://doi.org/10.18273/revuin.v24n3-2025005

Publicado 2025-10-22

Palabras clave

  • Tecnología 4.0,
  • OEE,
  • Productividad,
  • Industria Manufacturera

Cómo citar

Morris , L., Salazar-De Morris , O., & López-Isaza , G. A. (2025). Tecnología 4.0 y OEE como alternativas de mejora de la productividad en la industria manufacturera . Revista UIS Ingenierías, 24(3), 61–74. https://doi.org/10.18273/revuin.v24n3-2025005

Derechos de autor 2025 Revista UIS Ingenierías

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.

Resumen

El objetivo del paper es exponer la mejora de la productividad en la Industria Manufacturera a través de la tecnología 4.0 y del OEE (Overall Effectiveness Equipment). El presente artículo, estructura una revisión literaria del OEE y tecnología 4.0, más su incorporación en el proceso metodológico para el desarrollo e implementación del sistema SIPROMIN (Sistema para la productividad de la manufactura por medio de la innovación) en empresas metalmecánicas de Risaralda. La propuesta presenta un análisis cienciométrico en relación con el OEE y la tecnología 4.0, lo que permite el desglose metodológico del proyecto ya concluido como experiencia significativa del sistema SIPROMIN. La revisión teórica se realizó con Core of Science, tomando artículos publicados en Scopus y entre los resultados se tiene la identificación de autores y revistas versadas en tecnología 4.0 y OEE, el análisis detallado de las tecnologías y términos más utilizados en el entorno investigativo, contextualizando escenarios de estudio parametrizados a frecuencias mínimas en base datos (FMBD), para definir las palabras claves y el desarrollo del árbol de la ciencia (Raíces, Tronco y Hojas), posteriormente se alcanza la estructura para triangulación, al realizar el cruce entre las palabras claves y el árbol de la ciencia. En cuanto a la exposición metodológica para el desarrollo e implementación del sistema SIPROMIN, se toma en cuenta la triangulación de la información obtenida de las cinco fases claves para el avance del proyecto: Mapeo, Hardware, Frontend, Backend e Implementación, que logran la identificación priorizada del sector, procesos y maquinaria empresarial, el diseño del hardware a través de tarjetas electrónicas por telemetría en envíos y recepción de datos puerto serial bajo un funcionamiento de plataforma en la nube con arquitectura para la recolección y tratamiento de datos, que dan un respuesta en tiempo real a los requerimientos del diseño de marca, de visualización y de cálculos claves (calidad, disponibilidad y rendimiento) del OEE en sistema SIPROMIN. Finalmente, el estudio deja en evidencia la necesidad de implementación del OEE de forma automatizada, como alternativa para la medición y el desarrollo de la productividad en el ámbito de las economías emergentes, lo que representa un reto y un verdadero desafío, por los cambios estructurales requeridos.

PDF

Descargas

Los datos de descargas todavía no están disponibles.

Citas

  1. [1] M. Javaid, et al. “Understanding the adoption of Industry 4.0 technologies in improving environmental sustainability,” Sustainable Operations and Computers 3, pp. 203-217, 2022, doi: https://doi.org/10.1016/j.susoc.2022.01.008
  2. [2] D. Gamboa. Medición y Control en la Gestión y Resultados. Diofante Acevedo Gamboa, 2021.
  3. [3] D. Kibira, K. Morris, K. Senthilkumaran, “Methods and tools for performance assurance of smart manufacturing systems,” Journal of Research of the National Institute of Standards and Technology, vol. 121, 2016, doi: http://dx.doi.org/10.6028/jres.121.013
  4. [4] M. Musyafa'ah, S. Amanda, “Analysis of Total Productive Maintenance (TPM) Application Using Overall Equipment Effectiveness (OEE) and Six Big Losses on Disamatic Machine PT. XYZ,” Opsi, vol. 15 pp. 56-63, 2022.
  5. [5] A. Grisales, S. Robledo, M. Zuluaga. “Topic modeling: perspectives from a literature review.” IEEE Access (2022), vol. 11, pp. 4066-4078, 2023, doi: http://dx.doi.org/10.1109/ACCESS.2022.3232939
  6. [6] J. Neufeld, S. Schulz, U. Buscher, “A systematic review of multi-objective hybrid flow shop scheduling,” European Journal of Operational Research, vol. 309 2023, doi: https://doi.org/10.1016/j.ejor.2022.08.009
  7. [7] J. Kumar, V. K. Soni, “An Exploratory Study of OEE Implementation in Indian Manufacturing Companies,” Journal of The Institution of Engineers (India): Series C, vol. 96, no. 2, 2015, doi: https://doi.org/10.1007/s40032-014-0153-x
  8. [8] S. Robledo, M. Zuluaga, L.A. Valencia-Hernandez, O. A. E. Arbelaez-Echeverri, P. Duque, J. D. Alzate-Cardona, “Tree of Science with Scopus: A Shiny Application,” Science and Technology Librarianship, no. 100, Aug. 2022, doi: https://doi.org/10.29173/istl2698
  9. [9] P. Forni, P. De Grande. “Triangulación y métodos mixtos en las ciencias sociales contemporáneas,” Revista mexicana de sociología, vol. 82, no. 1, pp. 159-189, 2020, doi: https://doi.org/10.22201/iis.01882503p.2020.1.58064
  10. [10] S. Buitrago, P. L. Duque, S. Robledo, “Branding Corporativo: una revisión bibliográfica”, Revista Económicas CUC, vol. 41, n.º 1, pp. 143–162, 2019, doi: https://doi.org/10.17981/econcuc.41.1.2020.Org.1
  11. [11] H. Lasi, P. Fettke, HG. Kemper, et al. “Industry 4.0.”, Bus Inf Syst Eng, vol. 6, pp. 239–242, 2014, doi: https://doi.org/10.1007/s12599-014-0334-4
  12. [12] J. Lee, B. Bagheri, Hung-An Kao, “A cyber-physical systems architecture for industry 4.0-based manufacturing systems,” Manufacturing letters, vol. 3, pp. 18-23, 2015, doi: https://doi.org/10.1016/j.mfglet.2014.12.001
  13. [13] J. Qin, Y. Liu, R. Grosvenor, “A categorical framework of manufacturing for industry 4.0 and beyond,” Procedia cirp, vol. 52, pp. 173-178, 2016, doi: https://doi.org/10.1016/j.procir.2016.08.005
  14. [14] L. Xu, Da, E. L. Xu, L. Li, “Industry 4.0: state of the art and future trends,” International journal of production research, vol. 56, no. 8, pp. 2941-2962, 2018, doi: https://doi.org/10.1080/00207543.2018.1444806
  15. [15] R. Zhong, et al. “Intelligent manufacturing in the context of industry 4.0: a review,” Engineering, vol. 3, no. 5, pp. 616-630, 2017, doi: https://doi.org/10.1016/J.ENG.2017.05.015
  16. [16] Y. Liao, et al., “Past, present and future of Industry 4.0-a systematic literature review and research agenda proposal,” International journal of production research, vol. 55, no. 12, pp. 3609-3629, 2017, doi: https://doi.org/10.1080/00207543.2017.1308576
  17. [17] A. Frank, L. Santos-Dalenogare, N. F. Ayala, “Industry 4.0 technologies: Implementation patterns in manufacturing companies,” International journal of production economics, vol. 210, pp. 15-26, 2019, doi: https://doi.org/10.1016/j.ijpe.2019.01.004
  18. [18] T. Stock, S. Günther, “Opportunities of sustainable manufacturing in industry 4.0,” Procedia CIRP vol. 40, pp. 536-541, 2016, doi https://doi.org/10.1016/j.procir.2016.01.129
  19. [19] L. Dalenogare-Santos, et al. “The expected contribution of Industry 4.0 technologies for industrial performance,” International Journal Of Production Economics, vol. 204, pp. 383-394, 2018, doi: https://doi.org/10.1016/j.ijpe.2018.08.019
  20. [20] A.Raj, et al. “Barriers to the adoption of industry 4.0 technologies in the manufacturing sector: An inter-country comparative perspective,” International Journal of Production Economics, vol. 224, 2020, doi: https://doi.org/10.1016/j.ijpe.2019.107546
  21. [21] G. Büchi, M. Cugno, R. Castagnoli, “Smart factory performance and Industry 4.0,” Technological forecasting and social change, vol. 150 2020, doi: https://doi.org/10.1016/j.techfore.2019.119790
  22. [22] X. Shao, et al. “Multistage implementation framework for smart supply chain management under industry 4.0,” Technological Forecasting and Social Change vol. 162, 2021, doi: https://doi.org/10.1016/j.techfore.2020.120354
  23. [23] Z. Murat Çınar, Q. Zeeshan, O. Korhan, “A framework for industry 4.0 readiness and maturity of smart manufacturing enterprises: a case study,” Sustainability, vol. 13, no. 12, 2021, doi: https://doi.org/10.3390/su13126659
  24. [24] S. Rahamaddulla, et al. “Conceptualizing smart manufacturing readiness-maturity model for small and medium enterprise (SME) in Malaysia,” Sustainability, vol. 13, no. 17, 2021, doi: https://doi.org/10.3390/su13179793
  25. [25] M. Ciano, et al., “One-to-one relationships between Industry 4.0 technologies and Lean Production techniques: a multiple case study,” International journal of production research, vol. 59, no. 5, pp. 1386-1410, 2021, doi: https://doi.org/10.1080/00207543.2020.1821119
  26. [26] A. Sartal, et al., “The sustainable manufacturing concept, evolution and opportunities within Industry 4.0: A literature review,” Advances in Mechanical Engineering, vol 12, no. 5, 2020, doi: https://doi.org/10.1177/1687814020925232
  27. [27] C. Bai, et al., “Industry 4.0 technologies assessment: A sustainability perspective,” International journal of production economics, vol. 229, 2020, doi: https://doi.org/10.1016/j.ijpe.2020.107776
  28. [28] S. Jayashree, et al., “The impact of technological innovation on industry 4.0 implementation and sustainability: an empirical study on Malaysian small and medium sized enterprises,” Sustainability, vol. 13, no. 18, 2021, doi: https://doi.org/10.3390/su131810115
  29. [29] T. Oesterreich, J. Schuir, F. Teuteberg, “The emperor’s new clothes or an enduring IT fashion? Analyzing the lifecycle of industry 4.0 through the lens of management fashion theory,” Sustainability, vol. 12, no. 21, 2020, doi: https://doi.org/10.3390/su12218828
  30. [30] A. Rasheed, O. San, T. Kvamsdal, “Digital Twin: Values, Challenges and Enablers From a Modeling Perspective,” in IEEE Access, vol. 8, pp. 21980-22012, 2020, doi: https://doi.org/10.1109/ACCESS.2020.2970143
  31. [31] M. Sodhi, et al., “Why emerging supply chain technologies initially disappoint: Blockchain, IoT, and AI,” Production and Operations Management, vol. 31, no. 6, pp. 2517-2537, 2022, doi: https://doi.org/10.1111/poms.13694
  32. [32] C. Li, et al. “A Mixed Reality-Based Platform towards Human-Cyber-Physical Systems with IoT Wearable Device for Occupational Safety and Health Training,” Applied Sciences, vol. 12, no. 23, 2022.
  33. [33] Jackson, Aaron, Virginia LM Spiegler, and Kathy Kotiadis, “Exploring the potential of blockchain-enabled lean automation in supply chain management: a systematic literature review, classification taxonomy, and future research agenda,” Production Planning & Control, 2023, doi: https://doi.org/10.1080/09537287.2022.2157746
  34. [34] E. Villas, et al., “La triangulación múltiple como estrategia metodológica,” Reice, Revista iberoamericana sobre calidad, eficacia y cambio en educación, vol. 11, no. 4, pp. 5-24, 2013.
  35. [35] L. Morris, et al., “Prototipo funcional para el mejoramiento del proceso productivo en MiPymes de manufactura y su aproximación a la Industria 4.0,” Entre Ciencia e Ingeniería, vol. 16, no. 31, pp. 70-80, 2022, doi: https://doi.org/10.31908/19098367.2750
  36. [36] L. Morris, et al. “Mapeo para el fortalecimiento de las capacidades productivas en términos indicadores de productividad del sector metalmecánico en Risaralda, Colombia,” 2022. http://dspace.aeipro.com/xmlui/bitstream/handle/123456789/3279/AT06-007_22.pdf?sequence=1&isAllowed=y
  37. [37] M. Volpe, M. Castro Peña, A. Jaramillo-Gutiérrez, L. Morris Molina, A Scientometric Overview of Industry 5.0: The Research Developments in the European Union, Emerald Publishing Limited, Bingley, doi: https://doi.org/10.1108/978-1-83753-190-520231013
  38. [38] L. H. Morris, et al. “Prototipo funcional para el mejoramiento del proceso productivo en MiPymes de manufactura y su aproximación a la Industria 4.0,” Entre Ciencia e Ingeniería, vol.16, no. 31, pp. 70-80, 2022, doi: https://doi.org/10.31908/19098367.2750