Mantenimiento predictivo basado en machine learning: una revisión sistemática de la literatura y perspectivas en la industria 4.0

Resumen

En el marco de la Industria 4.0, el mantenimiento predictivo (PdM) emerge como componente esencial para maximizar la disponibilidad de activos y garantizar la excelencia operacional. La explosión de datos de sensores y la complejidad creciente de los sistemas productivos exigen enfoques analíticos avanzados. Esta revisión sistemática examina literatura donde se aplican técnicas de aprendizaje automático (ML) al PdM en sectores como energía eólica, ferrocarriles, manufactura e infraestructuras. Se analizan algoritmos utilizados, escenarios de despliegue, métricas de rendimiento y resultados reportados. Redes neuronales, máquinas de vectores de soporte y métodos de conjuntos dominan la detección de fallas, estimación de vida útil remanente y planificación de intervenciones. Los estudios muestran mejoras en precisión pronóstica, reducción de tiempos de paro y disminución de costos. Se concluye que el ML actúa como habilitador del PdM orientado a datos, reforzando confiabilidad y sostenibilidad, y se identifican líneas de investigación para estrategias de mantenimiento inteligente futuro.