El avance en la industria ha generado una creciente necesidad de adaptarse a las demandas del mercado. Los actores de la industria se enfrentan al reto de fabricar productos con alta calidad y personalización, reducir los plazos de entrega y establecer una comunicación eficiente en toda la cadena de suministro (Koren et al., 1999; Maganha et al., 2019). La respuesta a estos desafíos está siendo, gracias a la tecnología, la adopción del modelo de Industria 4.0.

Este modelo se basa en la transformación digital de las empresas (Popkova et al., 2018;Akdil et al., 2018), que redefine los paradigmas tradicionales de los modelos de negocio. Tres pilares fundamentales sostienen la Industria 4.0: el Internet de las Cosas (IoT), la inteligencia artificial (IA) y la robótica avanzada. El IoT conecta dispositivos y sistemas a internet, permitiendo la recopilación y transmisión de datos en tiempo real. La IA permite a las máquinas realizar tareas que antes requerían inteligencia humana, como el aprendizaje y la toma de decisiones. Por su parte, la robótica avanzada utiliza sistemas autónomos para ejecutar diversas tareas. La interconexión de dispositivos de medición en los procesos de fabricación, logística y transporte genera un flujo continuo de datos en tiempo real (Fraile et al., 2018) y combinado con el almacenamiento en la nube, el Big Data y la analítica de datos, facilita tanto el análisis predictivo como la toma de decisiones. Este ecosistema ha dado lugar al concepto de “Fábricas Inteligentes”, que permite a las empresas pasar de un modelo de producción centralizado a uno descentralizado, mejorando su competitividad (del Val Roman, 2012).

La Industria 4.0 ofrece ventajas competitivas mediante la mejora en la eficiencia de los procesos de fabricación facilitando la automatización y optimización de tareas como el control de calidad, la planificación de la producción y la gestión de la cadena de suministro (Bortolini et al., 2017). Esto consigue producir bienes más rápido, con mayor calidad y a menor costo, mejorando la competitividad en el mercado global.

En este contexto de transformación digital, existen diversos trabajos que abordan por separado los conceptos de la Fabricación Cero Defectos (ZDM) y las tecnologías avanzadas como los gemelos digitales y el aprendizaje automático. Si bien las revisiones previas han abordado la ZDM en relación con metodologías como Lean Manufacturing y Six Sigma (Psarommatis, Prouvost, et al., 2020), y se han estudiado herramientas clave como los gemelos digitales y el aprendizaje automático (Psarommatis & May, 2024b), no se ha realizado una revisión exhaustiva que explore la integración de estos avances tecnológicos con la ZDM a lo largo de todo el ciclo de vida de los productos teniendo en cuenta los diferentes activos digitales. Por lo tanto, este trabajo busca llenar ese vacío en la literatura, al aportar una visión integral sobre la implementación de tecnologías de la Industria 4.0 en la ZDM, destacando el rol de los activos digitales a lo largo de todo el ciclo de vida del producto. Asimismo, técnicas como el mantenimiento productivo total (TPM) y la eficacia general de los equipos (OEE) han sido estudiadas en relación con la ZDM (Tewari, 2017), lo que ha abierto nuevas áreas de investigación. Sin embargo, el uso de técnicas avanzadas como el aprendizaje automático para el análisis de las causas raíz en ZDM sigue siendo un campo poco explorado (Papageorgiou et al., 2022). Este estudio contribuye a la discusión sobre cómo las tecnologías emergentes de la Industria 4.0, como el IoT, la IA y el Big Data, pueden ayudar a superar los retos relacionados con la calidad y la eficiencia en los procesos de fabricación.

Actualmente, el interés por la Industria 4.0 sigue creciendo, dada la presión que enfrentan las empresas para adaptarse a entornos competitivos y tecnológicamente dinámicos. Esto ha generado la necesidad de revisar la literatura, ya que muchas organizaciones están en proceso de adopción de tecnologías clave y enfrentan desafíos nuevos en su implementación (Arévalo-Ascanio et al., 2015; Serrano et al., 2021).

El presente trabajo tiene como objetivo principal proporcionar una comprensión más clara y profunda de la Fabricación Cero Defectos (ZDM) en el contexto de la Industria 4.0, específicamente mediante la integración de activos digitales como el IoT, IA, Big Data y gemelos digitales. Este análisis se centrará en cómo estas tecnologías contribuyen a la reducción de defectos en los procesos productivos a lo largo de todo el ciclo de vida del producto, desde su diseño hasta su disposición final. De manera más específica, el alcance de esta revisión abarca las distintas tecnologías digitales como el IoT, la IA, el Big Data y los gemelos digitales, y su impacto en la fabricación con cero defectos. Además, el trabajo se enfoca en identificar las barreras y desafíos actuales en la implementación de ZDM en un entorno de fabricación inteligente, así como en proponer soluciones para superarlos. Se enfatiza cómo estas tecnologías pueden mejorar la toma de decisiones en tiempo real, optimizar los procesos de producción y reducir los defectos, contribuyendo así a mejorar la competitividad de las empresas.

Por último, este estudio ofrece una visión crítica de la literatura reciente, destacando las áreas donde la ZDM ha mostrado avances significativos, así como aquellas que requieren más investigación para una implementación más eficiente y global en la industria manufacturera. La integración de tecnologías digitales en todas las etapas del ciclo de vida del producto facilita que la información fluya entre el diseño, la fabricación y la inspección, promoviendo modelos de negocio más personalizados y flexibles. Esto permite a los fabricantes ofrecer productos y servicios a medida, mejorando su agilidad y capacidad de respuesta en el mercado (Immerman & Westrom, 2022).

Este trabajo aporta una revisión exhaustiva de las principales tecnologías y estrategias de la Industria 4.0, con un enfoque particular en su capacidad para facilitar la Fabricación Cero Defectos (ZDM). Dado que aún existe una falta de comprensión integrada sobre cómo los activos digitales, la automatización y el análisis de datos en tiempo real pueden alinearse eficazmente para implementar ZDM a nivel global (Butt, 2020; Serrano et al., 2021), esta revisión es necesaria y oportuna. La complejidad de los procesos productivos obliga a las empresas a dedicar un gran esfuerzo a garantizar y mejorar la calidad de sus productos, y las tecnologías digitales juegan un papel crucial en este objetivo. La estrategia de “Fabricación Cero Defectos” (ZDM) se centra en la eliminación de defectos durante la producción, garantizando que los productos cumplan con los requisitos de Calidad (Psarommatis, May, et al., 2020). Para lograrlo, las fábricas inteligentes deben gestionar grandes cantidades de datos en tiempo real y tomar decisiones eficientes (Boza et al., 2018). Este trabajo proporciona una comprensión más profunda de ZDM y busca trazar un camino hacia una implementación más global y efectiva en el sector manufacturero.

Los sistemas de fabricación avanzados representan una evolución significativa en la búsqueda de la excelencia en la producción. Estos sistemas permiten minimizar la intervención humana y adoptar enfoques tecnológicos con el objetivo primordial de lograr la meta de “cero defectos” y mejorar la calidad en la fabricación (Psarommatis, May, et al., 2020). En este contexto, se utilizan diversas estrategias tecnológicas que desempeñan un papel fundamental en la transformación de las industrias, permitiendo la producción a gran escala y la satisfacción de la demanda de productos de alta calidad.

La automatización es una de las tecnologías clave en los sistemas de fabricación avanzados (Boyes et al., 2018). En este enfoque, las máquinas asumen tareas repetitivas con una velocidad y alta precisión, eliminando la fatiga y reduciendo al mínimo los errores humanos. La automatización no solo mejora la eficiencia de la producción, sino que también eleva la calidad del producto final. Las máquinas pueden trabajar durante largos períodos a altas velocidades sin degradación en su rendimiento. Esto se traduce en una producción más eficiente y una reducción significativa de defectos (Psarommatis, May, et al., 2020). Por otro lado, que la tecnología mejore la recogida de datos ha permitido mejorar los sistemas de fabricación, ya que, al aprovechar la información generada por procesos y máquinas, es posible identificar y anticipar fallos potenciales. Esto habilita la implementación de acciones preventivas y correctivas que previenen defectos en la producción. La capacidad de recopilar y analizar datos en tiempo real ha demostrado ser un activo invaluable en la mejora de la calidad y la reducción de defectos en los productos fabricados (Tatipala et al., 2018).

Uno de los enfoques más destacados en la búsqueda de la calidad en la fabricación es el conocido como fabricación cero defectos. Según la definición de (Crosby, 2006), un defecto es cualquier característica que no cumple con los estándares de calidad, siendo simplemente un error o equivocación. Desde esta perspectiva, ZDM se propone reducir o eliminar los defectos, independientemente de su magnitud. No obstante, es importante destacar que un error se convierte en defecto solo cuando impacta al cliente, como sugiere (Vinod et al., 2015). ZDM busca la excelencia en la fabricación a través de cuatro estrategias fundamentales: detección, reparación, predicción y prevención (Psarommatis, May, et al., 2020). La detección implica la identificación temprana de posibles defectos o desviaciones en el proceso de fabricación. Se emplean técnicas de inspección y ensayo para verificar la calidad del producto en diferentes etapas del proceso, incluyendo inspecciones no destructivas y controles de calidad. La reparación se refiere a la corrección o eliminación de defectos una vez que son detectados. Se busca identificar la causa raíz de los defectos y tomar medidas para evitar su recurrencia en el futuro. Además, se aplican controles de calidad adicionales para garantizar que los productos corregidos cumplan con las normas establecidas. La predicción se centra en proporcionar una visión anticipada de posibles problemas, lo que permite la implementación de acciones correctivas antes de que ocurran defectos. Esta estrategia minimiza riesgos y reduce los costos asociados a fallos en la producción. La prevención es esencial para evitar la ocurrencia de defectos desde el principio. Se adoptan estrategias y controles adecuados en cada etapa del proceso de fabricación para garantizar el cumplimiento de las normas de calidad. Estas acciones pueden incluir mantenimiento predictivo y preventivo, control de calidad riguroso, optimización de procesos y una gestión efectiva de proveedores.

Una arquitectura de referencia representa un conjunto de documentos o esquemas que proporciona estructuras, integraciones y mejores prácticas recomendadas para diseñar e implementar soluciones en un dominio o sector específico (Muller Prof., 2008). Su función principal radica en servir como modelo de solución y un lenguaje común para discutir e implementar proyectos dentro de ese dominio. Estas arquitecturas de referencia se aplican ampliamente en campos como la arquitectura de software, la arquitectura empresarial y los sistemas informáticos (Valle et al., 2021). En el contexto de la Industria 4.0, surge la Reference Architectural Model Industrie 4.0 (RAMI 4.0) (Pedone & Mezgár, 2018), una iniciativa alemana que proporciona un marco integral y un conjunto de directrices esenciales para diseñar e implementar sistemas y procesos industriales en el actual entorno de transformación digital.

La arquitectura de referencia RAMI 4.0 aborda varios aspectos clave que son fundamentales para la evolución de la Industria 4.0 y garantiza que todas las partes involucradas en estas actividades dispongan de un marco común para comprenderse (Willner & Gowtham, 2020). Destaca la importancia de la interoperabilidad, la normalización y la modularidad en el diseño de sistemas industriales, lo que contribuye a una estructura organizativa más efectiva y cohesiva. Uno de los elementos distintivos de RAMI 4.0 es su representación tridimensional, que proporciona un enfoque holístico para la conceptualización y clasificación de los objetos y conceptos dentro de la arquitectura. Los tres ejes que conforman esta representación tridimensional son (Nazarenko et al., 2021):

RAMI 4.0 no solo proporciona una comprensión compartida de la Industria 4.0, sino que también fomenta la estandarización y la interoperabilidad en su implementación. Esta arquitectura facilita la identificación y definición de estándares para protocolos de comunicación, modelos de datos, interfaces y otros aspectos fundamentales de la arquitectura, lo que permite una integración sin problemas y una colaboración efectiva entre sistemas y tecnologías diversos (Electro Industria, 2016). En el corazón de la arquitectura RAMI 4.0 se encuentran los activos digitales, que se definen como la representación digital de un activo físico dentro del ecosistema industrial. Un activo físico digital es un modelo virtual que incluye no solo la información básica del activo físico, como su tipo y estado operativo, sino también metadatos relacionados con su rendimiento, mantenimientos anteriores, y datos operativos en tiempo real. El activo digital proporciona una visión integral del activo físico en un entorno digital, permitiendo a los sistemas y otros dispositivos interactuar con él de manera eficiente y precisa (Willner & Gowtham, 2020).

Un ejemplo típico de un activo digital sería una máquina en una línea de producción, cuya representación digital incluye datos históricos, operativos y de mantenimiento. Estos datos, almacenados en el Asset Administration Shell (AAS), permiten a los usuarios y a otros dispositivos dentro de la red acceder a información actualizada del estado del activo, su desempeño y necesidades de mantenimiento (Danielle, 2020). El AAS contiene información y metadatos esenciales para la interoperabilidad, la comunicación y la integración dentro del ecosistema de la Industria 4.0. Esto facilita la transformación de objetos físicos en sus gemelos digitales interoperables, lo que a su vez permite el intercambio de datos e información a través de la red (Noura et al., 2019a). La gestión del ciclo de vida de un activo digital abarca todas las fases desde su creación, diseño, operación, mantenimiento y finalmente, su retirada o desmantelamiento. Cada fase del ciclo de vida incluye la generación de nuevos datos y el enriquecimiento del modelo digital del activo. A lo largo del ciclo de vida del activo digital, las decisiones y acciones pueden ser mejor informadas, ya que se dispone de una visión completa del estado operativo, las previsiones de fallos y las oportunidades de mejora en tiempo real. Esto permite lograr objetivos de sostenibilidad, optimización de recursos y mejora en la eficiencia del proceso industrial.

El AAS puede implementarse de varias maneras, ya sea de forma pasiva, proporcionando información a través de un archivo con acceso basado en IP/API (siguiendo el patrón cliente/servidor), o de forma activa, interactuando de igual a igual y utilizando un lenguaje específico de la Industria 4.0. En el entorno de tecnologías de la Industria 4.0 además de los gemelos digitales, otras tecnologías permiten interactuar con estos activos, como Internet de las cosas, Inteligencia Artificial, Soluciones software producción, Sensores y sistemas ciber físicos (Chew & Lee, 2022; Ye et al., 2022). La gestión del ciclo de vida de los activos en la industria abarca todas las etapas de los activos físicos, desde su creación hasta su retirada (Pisching et al., 2018). Trabajar con su activo digital facilita una gestión más efectiva de recursos que respalde la toma de decisiones, el análisis y la creación de sistemas innovadores en el entorno empresarial y tecnológico actual. Esto asegura que el activo físico esté siempre optimizado y su desempeño maximizado, a través del uso de su representación digital, que acumula información sobre su vida útil y proporciona un soporte continuo a la toma de decisiones.

El ciclo de vida de los activos físicos utilizados en la producción está estrechamente relacionado con el ciclo de vida del producto. Los activos, como las máquinas, desempeñan un papel fundamental en las etapas iniciales del ciclo de vida del producto, como el diseño y la fabricación, y pueden condicionar indirectamente en fases posteriores, como la distribución, el uso y, finalmente, el retiro o reciclaje. La gestión efectiva de los activos físicos asegura que estén disponibles y funcionando en óptimas condiciones en cada etapa del proceso de producción, lo que a su vez contribuye a garantizar la calidad del producto, la eficiencia de la producción y la satisfacción del cliente.

Estos ciclos de vida están considerando en ambos casos activos físicos. Sin embargo, cuando se trata de activos digitales, la consideración se amplía a ciclos de vida en el ámbito digital. Esto implica prestar atención al ciclo de vida del desarrollo de software, desde su implementación en la infraestructura digital, así como su evolución y posibles actualizaciones. Además, es crucial tener en cuenta el ciclo de vida de la implementación de soluciones digitales, que abarca desde la planificación estratégica y el diseño de la solución hasta su despliegue, gestión y eventual retirada. La gestión efectiva de estos activos digitales y sus ciclos de vida es esencial para garantizar un funcionamiento óptimo de las soluciones tecnológicas en toda la organización, manteniendo la coherencia con los ciclos de vida de los activos físicos en la producción. A partir de los ciclos de vida abordados anteriormente, (Lu, 2017) propone los siguientes elementos como las etapas que deben abordar los activos digitales:

En cada una de estas fases del ciclo de vida, los activos digitales van evolucionando de forma paralela al activo físico, por ejemplo, se puede realizar el diseño de un activo máquina digital previo a la construcción del activo físico máquina, de forma que se tiene el activo digital previo al activo físico o realizar el diseño del activo digital de la máquina tras la compra de dicho bien de forma que se parte del activo físico para el diseño del activo digital. Estos ciclos de vida de activos digitales en la fabricación se exploran en este artículo en detalle buscando responder preguntas cruciales sobre la integración de estos activos digitales en las propuestas de ZDM.

El propósito de esta investigación es realizar una revisión sistemática de la literatura enfocada en las diferentes etapas del ciclo de vida de los activos digitales en el contexto de fabricación con cero defectos. Partiendo de la pregunta de investigación, esta revisión se esfuerza en proporcionar una visión sobre el estado actual de la integración de las diferentes etapas del ciclo de vida con las acciones de cero defectos. La siguiente pregunta de investigación guía este estudio:

¿Cómo participan las tecnologías que interactúan con los activos digitales en las propuestas de ZDM en las diferentes etapas del ciclo de vida del activo digital?

La exploración detallada de estos activos digitales en las diferentes etapas del ciclo de vida, y su relación directa con la fabricación y las acciones de cero defectos, es oportuna y significativa. Por lo tanto, el documento realiza una revisión crítica de la literatura sobre “Fabricación con Cero Defectos”, “Ciclo de Vida” y “Tecnologías que interactúan con Activos Digitales”.

La gestión de cero defectos es un enfoque crucial en entornos donde la calidad del producto es de suma importancia (Anaya et al., 2020). Dicha gestión se centra en asegurar que los productos defectuosos no lleguen a los clientes, abordando la calidad en todas las etapas del ciclo de vida. Esta filosofía se ha convertido en un objetivo fundamental para muchas empresas que buscan optimizar la calidad de sus productos y minimizar los errores en sus procesos de fabricación (Psarommatis & May, 2024b). Al mismo tiempo, la gestión de activos digitales se ha convertido en una parte esencial de la Industria 4.0, permitiendo un mayor control y monitorización de los procesos de producción (Patil et al., 2019). La incorporación de activos digitales en este proceso se vuelve esencial para optimizar la fabricación y garantizar altos estándares de calidad. En este análisis, exploramos cómo distintos expertos abordan la integración de activos digitales en el ciclo de vida y su relación con las acciones de cero defectos.

En esta investigación se ha proporcionado una revisión bibliográfica detallada del estado actual de la fabricación con cero defectos en relación con los activos digitales a lo largo de su ciclo de vida. La fabricación con cero defectos garantiza que los productos defectuosos no lleguen a los clientes, abordando la calidad en todas las etapas del ciclo de vida. Dentro de esta filosofía, la correcta gestión de activos digitales desempeña un papel fundamental en la Industria 4.0, ya que permite un mayor control y monitoreo de la producción.

A pesar de que el interés actual por la Fabricación Cero Defectos en el contexto de la Industria 4.0 no es aún muy amplio debido a la relativa novedad de estas tecnologías, se observa una tendencia creciente. Este crecimiento se refleja en el aumento del número de publicaciones desde mediados de la pandemia en 2020, como se ha identificado en esta revisión. Sin embargo, todavía faltan artículos en revistas de alto impacto en el campo de la gestión de operaciones, lo cual sugiere que el interés académico aumentará en los próximos años a medida que la Industria 4.0 y la ZDM se adopten más ampliamente.

Los principales hallazgos de esta investigación han revelado que la implementación de estrategias de ZDM en combinación con la gestión de activos digitales puede contribuir a mejorar la calidad de los productos y la eficiencia de los procesos productivos. Se destacan los siguientes puntos clave en este ámbito: la necesidad de reducir la latencia en la transmisión de datos (Noura et al., 2019b), el uso de gemelos digitales para mejorar la visibilidad y predicción del comportamiento de los activos (Willner & Gowtham, 2020), y la implementación de la inteligencia artificial para mejorar la calidad y la eficiencia en los procesos productivos (Brintrup et al., 2024).

Finalmente, cabe señalar que esta investigación tiene algunas limitaciones. Las bases de datos consultadas, es decir, Scopus, Web of Science, se actualizan constantemente y los datos proporcionados corresponden a los obtenidos en el momento en que se realizó la investigación. Otra limitación significativa es que, a pesar de haber seguido un proceso de búsqueda sistemática, algunos artículos clave publicados en revistas de primer nivel podrían no haber sido considerados en esta revisión. Además, aunque la revisión aborda principalmente estudios académicos, la aplicación práctica de las estrategias de ZDM y la gestión de activos digitales en entornos industriales específicos sigue siendo un área que requiere mayor investigación empírica.

Este documento sienta las bases para abordar una investigación en el ámbito de la implementación, desarrollo y gestión de activos digitales en la industria, específicamente en el contexto de alcanzar cero defectos en la producción. La investigación pone de manifiesto diversos desafíos para la implementación efectiva de la fabricación con cero defectos, entre los cuales destacan la complejidad en la gestión de los activos digitales, la interoperabilidad de los sistemas, la resistencia al cambio organizacional, los costos asociados a la adopción de tecnologías avanzadas y la adaptación de los activos digitales a las diferentes fases del ciclo de vida del producto. Superar estos obstáculos demanda una planificación minuciosa, una inversión adecuada y una cultura organizacional que promueva la adaptabilidad y la mejora continua. Estos desafíos constituyen áreas clave de investigación futura. Gracias a ello, se puede avanzar en esta línea de investigación mediante la realización de estudios experimentales que ofrezcan soluciones valiosas para abordar los problemas planteados.

Esta investigación no ha recibido financiación externa.

Conceptualización: Andrés Boza, Francisco Fraile y Miguel Ángel Mateo-Casalí; Metodología: Andrés Boza y Francisco Fraile; Obtención de datos: Miguel Ángel Mateo-Casalí; Análisis de datos: Miguel Ángel Mateo-Casalí; Redacción - Preparación del borrador original: Miguel Ángel Mateo-Casalí; Redacción - Revisión y edición: Miguel Ángel Mateo-Casalí.; Supervisión: Andrés Boza y Francisco Fraile.