Revisión Sistemática de Literatura: ¿Qué enfoques de planificación de mantenimiento preventivo han demostrado ser más efectivos en términos de costos y confiabilidad del vehículo? Raymond Labanda-Z1 Universidad Nacional de Loja1 raymond.labanda@unl.edu.ec Resumen Antecedentes: El documento presenta un estudio sobre mantenimiento y conservación en diferentes contextos, centrándose en la eficacia y la planificación de estas actividades. Se utilizan bases de datos como Scopus, Web of Science, IEEE Xplore y ACM Digital Library para recopilar información relevante. Objetivo: El objetivo del estudio es analizar la literatura existente sobre mantenimiento, conservación, y temas relacionados, con un enfoque en la eficiencia, planificación y gestión de estas actividades. Se busca identificar documentos publicados en revistas de alto impacto y en idioma inglés que cumplan con los criterios de inclusión establecidos. Métodos: Se emplean scripts de búsqueda específicos en cada base de datos para recopilar información relevante. Posteriormente, se descargan y almacenan los resultados en un formato BibTeX para su análisis. Se establecen criterios de selección e inclusión, considerando aspectos como el contenido, el idioma, y la relevancia de los documentos. Resultados: Tras el proceso de selección y análisis, se obtienen un total de 26 documentos de la base de datos Scopus que cumplen con los criterios establecidos. No se encuentran documentos relevantes en las otras bases de datos analizadas. Se realiza una evaluación de la calidad de los documentos seleccionados para responder a las preguntas de investigación planteadas en el estudio. 1. Introducción La actual revisión sistemática de literatura se enfoca en analizar y sintetizar investigaciones relevantes que aborden el enfoque de planificación, mantenimiento preventivo, costos y confiabilidad del vehículo, analizando exhaustivamente las investigaciones previas relacionadas con estrategias de mantenimiento predictivo en la industria automotriz. Se busca identificar cómo los enfoques de planificación de mantenimiento preventivo han evolucionado para mejorar la confiabilidad de los vehículos, reducir los costos operativos y maximizar la vida útil de los motores y componentes automotrices. Se examinan las metodologías, técnicas y modelos de aprendizaje profundo utilizados para desarrollar sistemas de monitoreo de la salud de los motores vehiculares, con el objetivo de anticipar y prevenir fallas mecánicas de manera proactiva. Además, se analiza el impacto económico de implementar estrategias de mantenimiento predictivo en términos de eficiencia operativa, reducción de gastos de reparación y mantenimiento, y aumento de la confiabilidad y seguridad de los vehículos en circulación. El objetivo de la presente revisión sistemática de literatura es analizar de manera integral las investigaciones previas relacionadas con el enfoque de planificación en mantenimiento preventivo en la industria automotriz, centrándose en la mejora de la confiabilidad de los vehículos, la reducción de costos operativos y la optimización de la vida útil de los motores y componentes automotrices. Se busca identificar las metodologías, técnicas y modelos de aprendizaje profundo utilizados en el desarrollo de sistemas de monitoreo de la salud de los motores vehiculares, con el propósito de anticipar y prevenir fallas mecánicas de manera proactiva. Asimismo, se pretende evaluar el impacto económico de la implementación de estrategias de mantenimiento predictivo en términos de eficiencia operativa, reducción de gastos de reparación y mantenimiento, y mejora de la confiabilidad y seguridad de los vehículos en circulación. En la Tabla 1 se muestran cinco trabajos que ejemplifican el estado de la cuestión en temas vinculados a la optimización de procesos industriales y la toma de decisiones de mantenimiento. Estos estudios abordan cuestiones cruciales para mejorar la eficiencia y minimizar los costos. El primer trabajo se centra en la optimización de la programación de producción y el mantenimiento preventivo adaptativo, buscando minimizar los costos totales. El segundo trabajo desarrolla un modelo de mantenimiento predictivo dinámico basado en datos para sistemas de fabricación, aprovechando los datos de sensores en línea y el deterioro de la calidad. La colaboración entre la eficacia general del equipo (OEE) y la fiabilidad de la máquina es el enfoque del tercer trabajo, que demuestra cómo esta sinergia optimiza el rendimiento del mantenimiento. El cuarto trabajo presenta un marco de programación dinámica para la programación de mantenimiento de aeronaves, considerando múltiples tareas y restricciones operativas. Finalmente, el quinto trabajo mejora la detección temprana de fallas en motores de vehículos mediante modelos de aprendizaje profundo, lo que mejora la seguridad y reduce los costos asociados. Estos estudios demuestran el enfoque actual en la optimización de procesos, el mantenimiento predictivo y la toma de decisiones basada en datos en entornos industriales. Tabla 1. Trabajos relacionados Trabajo Adaptive Preventive Maintenance for Flow Shop Scheduling with Resumable Processing Pregunta de investigación u objetivo ¿Cómo optimizar la programación de la producción y la toma de decisiones de mantenimiento en un entorno de flujo de trabajo para minimizar los costos totales, centrándose en la estrategia de mantenimiento preventivo adaptativo? Data-driven dynamic predictive maintenance for a ¿Cómo desarrollar un modelo de mantenimiento predictivo dinámico basado en datos para un sistema de Objetivo de la investigación Desarrollar una estrategia de mantenimiento preventivo adaptativo para la programación de la producción en un entorno de flujo de trabajo, con el fin de minimizar los costos totales asociados con el mantenimiento preventivo, el mantenimiento correctivo y los retrasos en la producción. Proponer un modelo de mantenimiento predictivo dinámico basado en datos para un sistema de fabricación que manufacturing system with quality deterioration and online sensors fabricación con deterioro de calidad y sensores en línea? Optimization maintenance performance level through collaboration of overall equipment effectiveness and machine reliability ¿Cómo la colaboración entre la eficacia general del equipo y la fiabilidad de la máquina contribuye a optimizar el nivel de rendimiento del mantenimiento? Condition-Based Maintenance scheduling of an aircraft fleet under partial observability: A Deep Reinforcement Learning approach ¿Cómo desarrollar un marco de programación dinámica para optimizar la programación de mantenimiento de una flota de aeronaves, considerando múltiples tipos de tareas de mantenimiento (preventivo, correctivo y basado en pronósticos) y restricciones operativas reales? ¿Cómo mejorar la detección temprana de fallas en los motores de vehículos mediante un modelo de aprendizaje profundo en conjunto An Ensemble Deep Learning Model for Vehicular Engine Health Prediction utiliza datos de degradación en línea para mejorar continuamente la predicción de degradación de componentes de herramientas y ajustar constantemente el programa de mantenimiento. Analizar cómo la colaboración entre la eficacia general del equipo y la fiabilidad de la máquina puede influir y optimizar el nivel de rendimiento del mantenimiento, con el fin de mejorar la efectividad de la máquina y la fiabilidad del equipo en entornos industriales. Mejorar la disponibilidad de activos y la eficiencia de las operaciones de las aerolíneas Garantizar un mantenimiento predictivo más efectivo y una mayor precisión en la toma de decisiones para prevenir problemas en los motores de los vehículos. 2. Metodología Se utilizó la metodología propuesta por Kitchenham [1][2], el análisis PICOC (Tabla 2) del método PRISMA [3] y la guía práctica para desarrollar un Revisión Sistemática de Literatura (RSL) propuesta en [4], que en conjunto y de manera sistemática permitirán especificar, identificar, evaluar, seleccionar y sintetizar los datos de las fuentes primarias recopiladas. 2.1. Preguntas de investigación Tabla 1. PICOC para contextualizar la RSL Item Descripción P ¿quién? I ¿qué? C ¿con qué comparar? O ¿qué se busca? C ¿tipo de organización? Detalle Enfoques de planificación de mantenimiento preventivo implementados en flotas de vehículos. Enfoques específicos de planificación de mantenimiento preventivo, como mantenimiento programado, mantenimiento basado en condiciones, mantenimiento predictivo, etc. Enfoques tradicionales de mantenimiento reactivo o enfoques de mantenimiento preventivo menos estructurados. Efectividad en términos de costos (reducción de costos de mantenimiento, rentabilidad) y confiabilidad del vehículo (mayor disponibilidad, durabilidad, vida útil, menor número de fallas). investigación desarrollada en el campo de educación primaria y secundaria En la Tabla 3 se presenta la pregunta general de investigación relacionada con el objeto de estudio, y en la Tabla 4 las preguntas específicas de investigación. Tabla 2. Pregunta general de investigación ID Pregunta de investigación general PG-1 ¿Qué enfoques de planificación de mantenimiento preventivo han demostrado ser más efectivos en términos de costos y confiabilidad del vehículo? Tabla 3. Preguntas específicas de investigación ID Preguntas de investigación específicas P1 ¿Cuáles son los indicadores clave de desempeño (KPI) comúnmente utilizados para evaluar la efectividad en términos de costos de los diferentes enfoques de planificación de mantenimiento preventivo en la industria automotriz? ¿Cómo afectan las tecnologías predictivas la confiabilidad del vehículo y los costos de mantenimiento en comparación con los enfoques de mantenimiento preventivo tradicionales? ¿Qué factores contextuales, como el tipo de vehículo, la antigüedad de la flota o la disponibilidad de recursos, influyen en la elección de un enfoque de planificación de mantenimiento preventivo rentable y confiable? P2 P3 2.2. Estrategia de Búsqueda a. Definir las palabras claves: Se identificaron las palabras claves en el idioma inglés, algunas de ellas fueron extraídas del Tesauro de la IEEE1, que servirán para definir las cadenas de búsqueda: ● Planning approaches: Strategies, Methods, Techniques, Tactics, Schemes ● Preventive maintenance: Proactive maintenance, Precautionary care, Preventative measures, Prophylactic maintenance ● Cost-effectiveness: Efficiency, Affordability, Value for money, Economic viability, Cost-benefit ● Vehicle reliability: Dependability, Consistency, Durability, Trustworthiness, Performance ● Automotive industry: Car manufacturing, Vehicle production, Transportation sector, Motor industry, Auto trade ● Maintenance: Upkeep, Care, Preservation, Repair, Servicing ● Strategies: Plans, Approaches, Tactics, Maneuvers, Ploys ● Optimization: Maximization, Improvement, Enhancement, Refinement, Fine-tuning ● Reliability: Consistency, Stability, Trustworthiness, Dependence, Accuracy ● Cost management: Expense control, Financial planning, Budgeting, Resource allocation, Expenditure optimization b. Definir las bases de datos De acuerdo con los lineamientos de Kitchenham y de la guía práctica para desarrollar una RSL, en la Tabla 5 se presentan las bases de datos científicas multidisciplinarias y especializadas de 1 Tesauro de la IEEE, https://www.ieee.org/publications/services/thesaurus-access-page.html [12/03/2021] gran impacto mundial que se utilizaron en la investigación. Tabla 4. Bases de datos científicas ID Base de datos científica Dirección Web BD-1 Scopus https://www.scopus.com/home.uri BD-2 IEEE Xplore https://ieeexplore.ieee.org/Xplore/home.jsp BD-3 ACM Digital Library https://dl.acm.org/ BD-4 Scince Direct https://www.sciencedirect.com/ BD-5 Springer https://link.springer.com/ c. Definir y comprobar los scripts de búsqueda Una vez definidas las bases de datos e identificadas las palabras claves se realizó las consultas básicas de prueba utilizando los operadores lógicos AND/OR [(”artificial intelligence”) AND (”elementary education” OR ”primary education” OR school) AND teaching], que a posterior se generó los scripts o cadenas de búsqueda finales que se muestran en la Tabla 6. Cada script de búsqueda tiene su particularidad en cada base de datos, ya que la sintaxis de consulta es diferente. Tabla 5. Scripts de búsqueda por cada base de datos ID Cadena SC-1 TITLE-ABS-KEY(("maintenance" OR "conservation" OR "repair" OR "revision" OR "service" OR "care") AND ("preventive" OR "proactive" OR "anticipatory" OR "precautionary" OR "protective" OR "prevention") AND ("cost effective" OR "efficient" OR "productive" OR "profitable" OR "successful" OR "satisfactory") AND ("planning" OR "programming" OR "organization" OR "strategy" OR "management" OR "design")) TITLE-ABS-KEY(("vehicle reliability" OR "transport reliability" OR "automobile reliability" OR "car reliability" OR "machine reliability") AND ("maintenance" OR "conservation" OR "repair" OR "revision" OR "service" OR "care") AND ("preventive" OR "proactive" OR "anticipatory" OR "precautionary" OR "protective" OR "prevention")) TITLE-ABS-KEY(("planning" OR "programming" OR "organization" OR "strategy" OR "management" OR "design") AND ("maintenance" OR "conservation" OR "repair" OR "revision" OR "service" OR "care") AND ("preventive" OR "proactive" OR "anticipatory" SC-2 SC-3 Base de datos Scopus Fecha de consulta 18/05/202 4 Scopus 18/05/202 4 Scopus 18/05/202 4 OR "precautionary" OR "protective" OR "prevention") AND ("impact" OR "effect" OR "consequence" OR "outcome")) 2.3. Ejecutar scripts de búsqueda Al ejecutar los scripts descritos en la Tabla 6, se presenta el resumen y total de fuentes primarias encontradas (Tabla 7). Tabla 6. Resumen de las fuentes primarias luego de la búsqueda Base de datos # Documentos Scopus 26 Web of Science 0 IEEE Xplore 0 ACM Digital Library 0 Total 26 2.4. Descargar y almacenar los resultados de los scripts de búsqueda De acuerdo con los resultados obtenidos en cada una de las bases de datos (Tabla 7), se exportó en el formato BibTeX (.bib) los metadatos “Citation information” y “Abstract & keywords”, que fueron importados en el gestor bibliográfico Mendeley (Fig. 1). Figura 1. Resultado de la ejecución de la búsqueda 2.5. Criterios de selección En la Tabla 8 y 9 se establecen los criterios de inclusión y exclusión. Tabla 7. Criterios de inclusión Criterio Descripción Tipo de documentos Documentos publicados en revistas. Contenido En el contenido de los documentos se debe contener la cadena de búsqueda en su título y resumen Motor de búsqueda Los documentos deberán ser únicamente de las bases de datos de alto impacto: Scopus, Web of Science, IEEE Xplore y ACM Digital Library Idioma Se consideran únicamente los documentos en inglés. Tabla 8. Criterios de exclusión Criterio Descripción Contexto Trabajos que se encuentren en el ámbito universitario Contenido No contiene información que aporten para poder responder a las preguntas propuestas Motor de búsqueda Literatura gris Repercusión actual Artículos de no más de 5 años de antigüedad, del 2019 en adelante 2.6. Proceso de selección Para la selección de los estudios se utilizó tres análisis, el primer análisis consistió en leer el título y resumen de los artículos obtenidos en base a las palabras claves y cadenas de búsqueda, teniendo en cuenta los criterios de inclusión y exclusión. Posteriormente, se procedió con el segundo análisis, donde se procede a descargar los artículos candidatos, se procede a leer la introducción, metodología y las conclusiones, con el fin de filtrar los trabajos más relacionados con el objeto de estudio. Finalmente, en el tercer análisis, se realiza la evaluación de la calidad, considerando cinco criterios, y que servirán para responder las preguntas de investigación. Para la extracción de datos de cada uno de los análisis se utilizó el gestor bibliográfico Mendeley en conjunto con una matriz de análisis en una hoja de cálculo. En la Figura 2, se resume el proceso para la selección de artículos, indicando los resultados obtenidos en cada etapa de análisis. Figura 2. Síntesis del proceso de selección de artículos En cada análisis se determinó tres criterios de selección: ● Incluido: si al leer el trabajo de identifica que es pertinente con la mayor parte de las preguntas de investigación. ● Dudoso: si al leer el trabajo se vincula con algunas de las preguntas de investigación. ● Excluido: si al leer el trabajo no se vincula con las preguntas de investigación. Análisis 1: título y resumen Se realizó la lectura exhaustiva de título y resumen de los trabajos identificados en las bases de datos científicas, a los cuales se les aplicó los criterios de inclusión y exclusión, obteniendo un total de 84 artículos, en esta fase se consideró los criterios de análisis: incluido y dudoso, que pasarán al segundo análisis. Análisis 2: introducción, metodología y conclusiones Se analiza la introducción, metodología y conclusiones dando como resultado 67 artículos, en esta fase se consideró los criterios de análisis: incluido y dudoso, que pasarán al tercer análisis. Análisis 3: lectura crítica de artículos y evaluación de calidad Se procede a realizar una lectura crítica de cada artículo con el fin de obtener información relevante de acuerdo con las preguntas de investigación, además, se aplicó la evaluación de calidad de acuerdo con cinco criterios (Tabla 11). En la Tabla 10 se observa por cada base de datos el número de artículos que se usarán en la investigación y sus respectivos porcentajes (Fig. 3). Tabla 9. Resumen del análisis 3 Base de datos Scopus Web of Science IEEE Xplore ACM Digital Library Total Incluido 26 0 0 0 26 Dudoso Subtotal 0 0 0 0 0 26 0 0 0 26 0% Scopus Web of Science IEEE Xplore ACM Digital Library 100% Figura 3. Porcentajes de los artículos de la fase de análisis 3 3. Resultados P1: ¿Cuáles son los indicadores clave de desempeño (KPI) comúnmente utilizados para evaluar la efectividad en términos de costos de los diferentes enfoques de planificación de mantenimiento preventivo en la industria automotriz? Tabla 11. ¿Cuáles son los indicadores clave de desempeño (KPI) comúnmente utilizados para evaluar la efectividad en términos de costos de los diferentes enfoques de planificación de mantenimiento preventivo en la industria automotriz? # Trabajo Influential factors on medical equipment maintenance management: In search of a framework[5] 1 On preventive maintenance policies: a selection framework[6] 2 3 Analytical evaluation of TPM performance based on an economic criterion[7] 4 Design of an intelligent decision-making system for maintenance practices using fuzzy inference system in northern Indian SMEs[8] 5 Optimal decision of an economic production quantity model for imperfect manufacturing under hybrid maintenance policy with shortages and partial backlogging[9] 6 Establishing simulation model for optimizing efficiency of CNC machine using reliability-centered maintenance approach[10] ¿Cuáles son los indicadores clave de desempeño (KPI) comúnmente utilizados para evaluar la efectividad en términos de costos de los diferentes enfoques de planificación de mantenimiento preventivo en la industria automotriz? Se aborda la necesidad de recursos adecuados, la capacitación del personal, la documentación de procesos y la implementación de programas de mantenimiento preventivo para aumentar la durabilidad de los equipos, prevenir fallas y reducir costos. Se mencionan aspectos como la educación, el control de calidad, la información, la inspección y el mantenimiento preventivo, que son elementos clave para evaluar el desempeño del mantenimiento. Se discute la importancia de seleccionar la política de mantenimiento preventivo más eficiente y efectiva, y se menciona que la eficiencia y efectividad de las políticas de mantenimiento se pueden calcular para seleccionar la mejor política de mantenimiento, se menciona que, en muchos casos, los componentes se reemplazan con demasiada frecuencia antes de alcanzar el final de su vida útil, lo que se considera ineficiente desde una perspectiva de costos Se mencionan aspectos como la integración de actividades de mantenimiento preventivo en la planificación, la consideración de impactos económicos en estrategias de mantenimiento integrado, y la evaluación cuantitativa del impacto de la implementación de TPM en una empresa. El estudio destaca que los problemas de mantenimiento correctivo, mantenimiento general, mantenimiento preventivo y mantenimiento por averías han surgido como variables indicadoras importantes para la implementación efectiva de prácticas de mantenimiento en las PYMEs del norte de la India . Además, se discute el uso de un sistema de inferencia difusa (fuzzy inference system) para evaluar la implementación exitosa de prácticas de mantenimiento, lo que implica la consideración de factores clave como mantenimiento correctivo, mantenimiento general, mantenimiento preventivo y mantenimiento por averías Se mencionan autores como Alfares, Khursheed, and Noman (2005) , quienes integraron decisiones de calidad y mantenimiento en un modelo de producción-inventario para artículos deteriorados. También se aborda el estudio de Cheng, Zhou, and Li (2016) , que analiza estrategias integradas de control de producción y mantenimiento para un sistema de mecanizado. 1. El estudio presenta un análisis detallado de los costos totales del sistema y los costos asociados con partes buenas y defectuosas para cada enfoque de planificación de mantenimiento preventivo. 2. Se discute la comparación de los costos totales del sistema entre el enfoque actual y los cinco enfoques de optimización propuestos, lo que podría proporcionar información sobre la efectividad en términos de costos de los diferentes enfoques. 3. 7 Development of opportunistic maintenance policy towards optimal maintenance system (OPTOMS) model: A case study[11] 8 Optimization maintenance performance level through collaboration of overall equipment effectiveness and machine reliability[12] 9 Sustainable asset management: A repairreplacement decision model considering environmental impacts, maintenance quality, and risk[13] 10 Condition-based critical level policy for spare parts inventory management[14] 11 Joint planning of maintenance, buffer stock and quality control for unreliable, imperfect manufacturing systems[15] 12 Reliability-oriented design of integrated model of preventive maintenance and quality control policy with timebetween-events control chart[16] Se menciona que la reducción de los costos de mantenimiento preventivo fue del 46% en el enfoque propuesto, lo que indica un posible KPI relacionado con la eficiencia en costos. 4. Se describen los cambios en los costos asociados con partes buenas y defectuosas al implementar diferentes enfoques de planificación de mantenimiento, lo que podría ser relevante para evaluar la efectividad en términos de costos. Se hace referencia a la reducción de costos de mantenimiento como un objetivo clave del sistema de mantenimiento óptimo. Se discute cómo calcular los costos de mantenimiento para medir la optimización de la política de mantenimiento, lo que indica que los costos de mantenimiento podrían ser un KPI importante para evaluar la efectividad de los enfoques de planificación de mantenimiento. Se mencionan los indicadores clave de desempeño como el nivel de desempeño de mantenimiento (MPL), la confiabilidad de la máquina (MR) y la efectividad general del equipo - efectividad de la máquina (OEE-ME). Además, se aborda la optimización de la efectividad de la máquina y la confiabilidad a través de la colaboración de OEE-ME y MR, lo que puede influir y optimizar el nivel de desempeño del mantenimiento (MPL) Se discuten modelos de decisión de reparación-reemplazo con consideraciones económicas y ambientales, así como la importancia de la calidad del mantenimiento preventivo y correctivo en la toma de decisiones de reparación-reemplazo. Además, se mencionan enfoques sostenibles de mantenimiento basados en la salud de los activos y sus atributos energéticos, lo cual puede ser relevante para evaluar la efectividad en términos de costos de los enfoques de mantenimiento preventivo en la industria automotriz. Se discuten enfoques de mantenimiento preventivo, incluida la integración parcial de mantenimiento basado en condiciones y gestión de inventario de repuestos, así como la consideración de políticas de nivel crítico basadas en el estado de degradación de los equipos. Además, se mencionan aspectos relacionados con la optimización de costos a lo largo del tiempo y se aborda el uso de tecnologías avanzadas como sensores y aprendizaje automático en el mantenimiento 4.0. Se discute la importancia de la planificación conjunta de mantenimiento, producción y control de calidad en sistemas de fabricación, y cómo la integración de estas decisiones puede ayudar a minimizar los costos totales del sistema. Se mencionan modelos matemáticos integrados que consideran el mantenimiento preventivo, correctivo, la programación de producción y el control de calidad, lo que podría ser relevante para comprender los KPI utilizados en la evaluación de la efectividad de los enfoques de planificación de mantenimiento preventivo en la industria automotriz Se discute la importancia de la calidad del proceso de fabricación para la producción de productos confiables, lo cual es fundamental en la industria automotriz. Además, aborda la necesidad de coordinar la garantía de fiabilidad del producto con el análisis tradicional de calidad de fabricación para mitigar los riesgos causados por posibles fallas del producto en el proceso de fabricación. Esto sugiere que la efectividad en términos de costos de los enfoques de planificación de mantenimiento preventivo puede evaluarse considerando la mejora en la fiabilidad del producto y la reducción de fallas potenciales. 13 Two-dimensional extended warranty strategy including maintenance level and purchase time: A win-win perspective[17] 14 Maintenance service strategy for leased equipment: Integrating lessor-preventive maintenance and lessee-careful protection efforts[18] Se mencionan estudios previos que abordan la optimización de políticas de mantenimiento preventivo, la influencia de las estrategias de mantenimiento en los costos de garantía, y la relación entre la fiabilidad del producto y la efectividad de las estrategias de mantenimiento preventivo. Se menciona la importancia de diseñar contratos de costos compartidos para optimizar las estrategias de mantenimiento y garantizar la mejora de Pareto de las partes involucradas, lo cual puede ser un indicador clave de desempeño para evaluar la eficacia de los enfoques de mantenimiento preventivo en la industria automotriz. P2: ¿Cómo afectan las tecnologías predictivas la confiabilidad del vehículo y los costos de mantenimiento en comparación con los enfoques de mantenimiento preventivo tradicionales? Tabla 12. ¿Cómo afectan las tecnologías predictivas la confiabilidad del vehículo y los costos de mantenimiento en comparación con los enfoques de mantenimiento preventivo tradicionales? # Trabajo 1 On preventive maintenance policies: a selection framework[6] 2 Design of an intelligent decision-making system for maintenance practices using fuzzy inference system in northern Indian SMEs[8] 3 Optimal decision of an economic production quantity model for imperfect manufacturing under hybrid maintenance policy with shortages and partial backlogging[9] 4 Establishing simulation model for optimizing efficiency of CNC machine using reliability-centered maintenance approach[10] P2: ¿Cómo afectan las tecnologías predictivas la confiabilidad del vehículo y los costos de mantenimiento en comparación con los enfoques de mantenimiento preventivo tradicionales? Se discute la importancia de seleccionar la política de mantenimiento preventivo más eficiente y efectiva, lo que implica considerar criterios como costos, disponibilidad, confiabilidad, seguridad y riesgo. Además, se menciona que la eficiencia y efectividad de las políticas de mantenimiento se pueden calcular para seleccionar la mejor política de mantenimiento. El estudio se centra en analizar la importancia de las prácticas clave de mantenimiento en la implementación efectiva de parámetros de rendimiento en las PYMEs del norte de la India, utilizando un enfoque de inferencia difusa para evaluar la implementación exitosa de prácticas de mantenimiento. Además, se discute la relevancia de factores como el mantenimiento correctivo, mantenimiento general, mantenimiento preventivo y mantenimiento por averías en la efectividad de las prácticas de mantenimiento. Se menciona el mantenimiento predictivo (CBM) como una de las estrategias consideradas en la literatura. Además, se hace referencia a estudios como el de Peng and Houtum (2016) , que desarrollaron una optimización conjunta de mantenimiento basado en la condición y programación de lotes de producción. 1. Se discute la aplicación de la metodología de Análisis de Modo y Efecto de Falla (FMEA) para identificar las causas de falla de los elementos críticos de la máquina CNC, lo que sugiere un enfoque proactivo para abordar posibles fallas 2. 2. Se menciona el uso de la confiabilidad centrada en el mantenimiento (RCM) para identificar los componentes críticos de la máquina y establecer estrategias de mantenimiento preventivo, lo que podría implicar una mayor confiabilidad del equipo 13. 3. Se describen los resultados de la implementación de un modelo de optimización-simulación para el intervalo de tiempo de mantenimiento preventivo, lo que podría proporcionar información sobre la eficacia de los enfoques predictivos en comparación con los enfoques tradicionales 13. 4. Se discute la reducción de los costos de mantenimiento preventivo en un enfoque propuesto, lo que podría indicar posibles ahorros en costos al utilizar tecnologías predictivas más eficientes 1. 1. 2. 5 Development of opportunistic maintenance policy towards optimal maintenance system (OPTOMS) model: A case study[11] 3. 6 Optimization maintenance performance level through collaboration of overall equipment effectiveness and machine reliability[12] 7 Sustainable asset management: A repairreplacement decision model considering environmental impacts, maintenance quality, and risk[13] 8 Condition-based critical level policy for spare parts inventory management[14] 9 Reliability-oriented design of integrated model of preventive maintenance and quality control policy with time-betweenevents control chart[16] El documento discute la importancia de la confiabilidad y la disponibilidad de los equipos como objetivos clave del mantenimiento 10. Se menciona que uno de los objetivos del mantenimiento es aumentar la disponibilidad, el tiempo de operación y la confiabilidad de los equipos, lo que sugiere que las tecnologías predictivas podrían tener un impacto positivo en estos aspectos. Se hace referencia a la aplicación de herramientas como el control chart para medir el desempeño del mantenimiento 7. Se discute cómo estas herramientas pueden proporcionar una observación continua del desempeño del mantenimiento y mejorar la confiabilidad del sistema, lo que indica que las tecnologías predictivas podrían contribuir a una mejor gestión de la confiabilidad. Se aborda el tema de la optimización de los costos de mantenimiento a través de enfoques como el mantenimiento oportunista 23. Se discute cómo la reducción de costos de mantenimiento es un objetivo clave, lo que sugiere que las tecnologías predictivas podrían influir en la eficiencia de los costos en comparación con los enfoques tradicionales. Se menciona que la optimización de la efectividad del mantenimiento a través de la colaboración de la efectividad general del equipo - efectividad de la máquina (OEE-ME) y la confiabilidad de la máquina (MR) puede influir y optimizar el nivel de desempeño del mantenimiento (MPL). Además, se discuten criterios como el mantenimiento normal óptimo, el mantenimiento preventivo y el intervalo de tiempo de mantenimiento óptimo, que pueden ser relevantes para comparar los enfoques de mantenimiento preventivo tradicionales con las tecnologías predictivas en términos de confiabilidad y costos. Se mencionan enfoques sostenibles de mantenimiento basados en la salud de los activos y sus atributos energéticos, lo cual puede ser relevante para evaluar el impacto de las tecnologías predictivas en la confiabilidad y los costos de mantenimiento de los vehículos en comparación con los enfoques tradicionales. Se menciona que en el contexto de la Industria 4.0, donde las máquinas están continuamente monitoreadas por sensores, se introduce una política de nivel crítico basada en el estado de degradación de los equipos. Estos enfoques avanzados tienen como objetivo mejorar la confiabilidad del vehículo al predecir fallas antes de que ocurran, lo que puede reducir los costos de mantenimiento al evitar reparaciones costosas y tiempos de inactividad no planificados. Las tecnologías predictivas, como el monitoreo en tiempo real, el análisis de datos y el mantenimiento basado en la condición, son herramientas clave para mejorar la confiabilidad del vehículo al permitir la detección temprana de posibles fallas o problemas. Al anticiparse a los problemas potenciales, las tecnologías predictivas 10 Two-dimensional extended warranty strategy including maintenance level and purchase time: A win-win perspective[17] pueden ayudar a prevenir averías inesperadas, reducir el tiempo de inactividad del vehículo y mejorar su confiabilidad operativa. En términos de costos de mantenimiento, las tecnologías predictivas pueden contribuir a una gestión más eficiente de los recursos al permitir una planificación más precisa de las actividades de mantenimiento. Al identificar de manera proactiva las necesidades de mantenimiento, se pueden programar intervenciones en momentos óptimos, evitando costosos tiempos de inactividad no planificados y minimizando los costos asociados con reparaciones de emergencia. Se discute la importancia de incorporar un plan de mantenimiento preventivo efectivo en las decisiones de garantía extendida, lo cual sugiere que la implementación de estrategias de mantenimiento predictivo puede influir en la confiabilidad del vehículo y los costos asociados. Además, se mencionan estudios previos que abordan la optimización de políticas de mantenimiento preventivo y la relación entre la fiabilidad del producto y la efectividad de las estrategias de mantenimiento preventivo. 4. Referencias [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] B. Kitchenham and C. Stuart, “Guidelines for performing Systematic Literature Reviews in Software Engineering,” Durham, 2007. doi: 10.1145/1134285.1134500. S. Pizard, F. Acerenza, V. Casella, S. Moreno, and D. Vallespir, “Conceptos de Ingeniería de Software Basado en Evidencias,” Montevideo, 2015. G. Urrútia and X. Bonfill, “Declaración PRISMA: una propuesta para mejorar la publicación de revisiones sistemáticas y metaanálisis,” Medicina Clínica, vol. 135, no. 11, pp. 507–511, Sep. 2010, doi: 10.1128/JCM.00582-08. L. Chamba-Eras, “Ciencias de la Computación basada en evidencia: Guía práctica para desarrollar una Revisión Sistemática de Literatura,” Loja, 2021. R. Bahreini, L. Doshmangir, and A. Imani, “Influential factors on medical equipment maintenance management: In search of a framework,” J Qual Maint Eng, vol. 25, no. 1, pp. 128–143, Mar. 2019, doi: 10.1108/JQME-11-2017-0082. I. Alsyouf, S. Hamdan, M. Shamsuzzaman, S. Haridy, and I. Alawaysheh, “On preventive maintenance policies: a selection framework,” J Qual Maint Eng, vol. 27, no. 1, pp. 225– 252, Feb. 2021, doi: 10.1108/JQME-10-2018-0085. K. Chaabane, J. Schutz, S. Dellagi, and W. Trabelsi, “Analytical evaluation of TPM performance based on an economic criterion,” J Qual Maint Eng, vol. 27, no. 2, pp. 413– 429, 2020, doi: 10.1108/JQME-08-2019-0085. S. S. Sidhu, K. Singh, and I. S. Ahuja, “Design of an intelligent decision-making system for maintenance practices using fuzzy inference system in northern Indian SMEs,” J Qual Maint Eng, vol. 28, no. 1, pp. 154–179, Feb. 2022, doi: 10.1108/JQME-05-2020-0043. X. Lai, Z. Chen, and B. Bidanda, “Optimal decision of an economic production quantity model for imperfect manufacturing under hybrid maintenance policy with shortages and partial backlogging,” Int J Prod Res, vol. 57, no. 19, pp. 6061–6085, Oct. 2019, doi: 10.1080/00207543.2018.1562249. Z. Hussain and H. Jan, “Establishing simulation model for optimizing efficiency of CNC machine using reliability-centered maintenance approach,” International Journal of Modeling, Simulation, and Scientific Computing, vol. 10, no. 6, Dec. 2019, doi: 10.1142/S179396231950034X. H. Ab-Samat and S. Kamaruddin, “Development of opportunistic maintenance policy towards optimal maintenance system (OPTOMS) model: A case study,” J Qual Maint Eng, vol. 26, no. 1, pp. 129–165, Feb. 2020, doi: 10.1108/JQME-07-2018-0057. [12] [13] [14] [15] [16] [17] [18] F. Rahman, S. Sugiono, A. A. Sonief, and O. Novareza, “OPTIMIZATION MAINTENANCE PERFORMANCE LEVEL THROUGH COLLABORATION OF OVERALL EQUIPMENT EFFECTIVENESS AND MACHINE RELIABILITY,” Journal of Applied Engineering Science, vol. 20, no. 3, pp. 917–936, 2022, doi: 10.5937/jaes035189. A. Abdi and S. Taghipour, “Sustainable asset management: A repair-replacement decision model considering environmental impacts, maintenance quality, and risk,” Comput Ind Eng, vol. 136, pp. 117–134, Oct. 2019, doi: 10.1016/j.cie.2019.07.021. P. Dendauw, T. Goeman, D. Claeys, K. De Turck, D. Fiems, and H. Bruneel, “Conditionbased critical level policy for spare parts inventory management,” Comput Ind Eng, vol. 157, Jul. 2021, doi: 10.1016/j.cie.2021.107369. S. M. Hadian, H. Farughi, and H. Rasay, “Joint planning of maintenance, buffer stock and quality control for unreliable, imperfect manufacturing systems,” Comput Ind Eng, vol. 157, Jul. 2021, doi: 10.1016/j.cie.2021.107304. Y. He et al., “Reliability-oriented design of integrated model of preventive maintenance and quality control policy with time-between-events control chart,” Comput Ind Eng, vol. 129, pp. 228–238, Mar. 2019, doi: 10.1016/j.cie.2019.01.046. Z. He, D. Wang, S. He, Y. Zhang, and A. Dai, “Two-dimensional extended warranty strategy including maintenance level and purchase time: A win-win perspective,” Comput Ind Eng, vol. 141, Mar. 2020, doi: 10.1016/j.cie.2020.106294. B. Liu, Y. Wang, H. Yang, A. Segerstedt, and L. Zhang, “Maintenance service strategy for leased equipment: Integrating lessor-preventive maintenance and lessee-careful protection efforts,” Comput Ind Eng, vol. 156, Jun. 2021, doi: 10.1016/j.cie.2021.107257. 5. ANEXOS Anexo 1 Ejecución de las Scripts de Búsqueda Se agrega un enlace que redirige a Drive, en donde encontrara los documentos en PDF que se recopiló para el trabajo. https://drive.google.com/drive/folders/1j8bSeDRSlCnEgWA7kjKLUzMmhbYwtKF2?usp=drive_li nk