Lean Manufacturing e Industria 4.0: modelo de integración tecnológica para la reducción de desperdicios y mejora de la productividad industrial
DOI:
https://doi.org/10.63969/81wyh968Palabras clave:
Lean Manufacturing, Industria 4.0, reducción de desperdicios, productividad industrial, transformación digitalResumen
La integración de Lean Manufacturing e Industria 4.0 representa una alternativa estratégica para mejorar la eficiencia y productividad de los sistemas industriales. Lean Manufacturing contribuye mediante la identificación y eliminación de desperdicios, la optimización de recursos y la mejora continua, mientras Industria 4.0 incorpora tecnologías como Internet de las Cosas, inteligencia artificial, analítica de datos, computación en la nube, sistemas ciberfísicos y automatización avanzada. El propósito fue analizar la integración de ambos enfoques para identificar componentes tecnológicos y metodológicos orientados a reducir desperdicios y mejorar la productividad. Se desarrolló un estudio cualitativo, descriptivo y documental, estructurado conforme a PRISMA 2020 para organizar la búsqueda, selección y análisis de publicaciones científicas relacionadas con eficiencia productiva, digitalización e innovación industrial. El análisis permitió establecer que la incorporación de datos en tiempo real favorece la detección de desviaciones, anticipación de fallas, control de operaciones y toma de decisiones orientadas a la mejora. La integración de ambos enfoques requiere articular tecnología, procesos y personas para alcanzar sistemas productivos más ágiles, eficientes, adaptables y sostenibles, evitando una adopción tecnológica desvinculada de las necesidades operativas.
Descargas
Referencias
Alva, d. l. (2026). Internet de las cosas: el dispositivo de la datificación. Revista mexicana de ciencias políticas y sociales, https://doi.org/10.22201/fcpys.2448492xe.2026.256.94606
Chávez, A. V., & Torres, M. L. (2026). La inteligencia artificial en la investigación científica: una revisión sistemática trienal. Revista InveCom, https://doi.org/10.5281/zenodo.17238020
Cifuentes, W. X., & Herrera, Q. J. (2025). Una oteada reflexiva hacia el contexto epistemológico de la analítica de datos. Sophia, https://doi.org/10.18634/sophiaj.21v.1i.1440
Coronel, R. L., & Balladares, A. C. (2026 ). Análisis de la implementación de la metodología Lean Kaizen en la gestión de energía: una revisión sistemática. Revista InveCom, https://doi.org/10.5281/zenodo.16999763
Domínguez, S. D., Ramírez, E. H., & Martínez, R. M. (2025). El papel de la tecnología para la gestión integral de residuos textiles en México: una revisión. Inter disciplina, https://doi.org/10.22201/ceiich.24485705e.2025.37.87158
Fernández, M., & Sánchez, M. J. (2021). Técnicas e instrumentos de recolección de información: análisis y procesamiento realizado por el investigador cualitativo. Revista Científica UISRAEL, https://doi.org/10.35290/rcui.v8n1.2021.400
Gonzalvez, M. A., & Solano, B. A. (2023). Enseñanza de la analítica de datos usando aprendizaje basado en proyectos colaborativos. Formación universitaria , http://dx.doi.org/10.4067/S0718-50062023000600023
Hernández, R. G., & Arriola, R. E. (2025). ¿Están listas las maquiladoras para implementar la Industria 4.0? Frontera norte, https://doi.org/10.33679/rfn.v1i1.2383
Jimbo, S. P., & Lanzarini, L. C. (2023). Inteligencia artificial para analizar el rendimiento académico en instituciones de educación superior. Una revisión sistemática de la literatura. Revista Cátedra, https://doi.org/10.29166/catedra.v6i2.4408
Maricahua, J. T. (2026). Transformación digital y gestión del talento humano: revisión sistemática de evidencia científica 2020-2024. Revista InveCom, https://doi.org/10.5281/zenodo.15748029
Monsalves, D., Riquelme, F., & Olivares, P. (2025). Inteligencia artificial como servicio: Potenciando la innovación y eficiencia en la industria y las metodologías ágiles. Ingeniare. Revista chilena de ingeniería, http://dx.doi.org/10.4067/s0718-33052024000100234
Moreira, B. J. (2025). Desarrollo de competencias investigativas a través de la inteligencia artificial. Un enfoque innovador. Revista Cátedra, https://doi.org/10.29166/catedra.v8i1.6621
Peñalver, H. M., & Isea, A. J. (2024). Transformación hacia fábricas inteligentes: El papel de la IA en la industria 4.0. Ingenium et Potentia. Revista Electrónica Multidisciplinaria de Ciencias Básicas, Ingeniería y Arquitectura, https://doi.org/10.35381/i.p.v6i10.3742
Pérez, R. A., & Hernández, P. K. (2026). La gestión de la calidad en la industria 4.0: un nuevo enfoque tecnológico y de eficiencia en la era digital. Revista Universidad y Empresa, https://doi.org/10.12804/revistas.urosario.edu.co/empresa/a.14636
Rodríguez, A. L., & Isea, A. J. (2025). Ingeniería de prompts en la industria 4.0: Optimización y automatización inteligente de procesos industriales. Ingenium et Potentia. Revista Electrónica Multidisciplinaria de Ciencias Básicas, Ingeniería y Arquitectura, https://doi.org/10.35381/i.p.v7i12.4438
Valencia, J. J., Gutierrez, C. G., & Flores, M. V. (2025). Lean Manufacturing en el mejoramiento continuo de la productividad. Revista InveCom, https://doi.org/10.5281/zenodo.14002915
Villa, B. C., & Camacho, C. C. (2020). Análisis de datos como alternativa para la evaluación de impacto de los programas sociales. Intersticios sociales, https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-49642020000200013
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Christian Anthony Lázaro Russell (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en la revista se distribuyen bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esta licencia permite a terceros descargar, copiar, distribuir, adaptar y reutilizar una obra, incluso con fines comerciales, siempre que se otorgue el crédito adecuado al autor original.
