Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
https://doi.org/10.62574/rmpi.v5ieconomica.377
383
Evaluación del impacto de la industria 4.0 en el plan maestro de
producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
jenny.ibarra5364@utc.edu.ec
Universidad Técnica de Cotopaxi: Latacunga, Cotopaxi, Ecuador
https://orcid.org/0009-0003-6580-6806
Wilson Santiago Olovacha-Toapanta
wilson.olovacha2238@utc.edu.ec
Universidad Técnica de Cotopaxi: Latacunga, Cotopaxi, Ecuador
https://orcid.org/0000-0002-3377-7049
RESUMEN
La investigación tiene por objetivo evaluar el impacto de la implementación de la Industria 4.0 en el Plan
Maestro de Producción (PMP) de la empresa Codihe, dedicada a la fabricación de asfalto, con el fin de
optimizar la eficiencia, reducir costos, aumentar la flexibilidad y elevar la calidad de sus procesos
productivos mediante tecnologías de análisis de datos. Para ello, se empleó un enfoque mixto que
combinó métodos inductivo y deductivo, aplicando el modelo Holt-Winters en Excel y simulaciones en
Crystal Ball, así como el indicador MAPE para validar la precisión de los pronósticos. Los resultados
muestran que, pese a disponer de una planta de alta capacidad, la compañía opera por debajo de su
potencial debido a deficiencias en la planificación y el control de inventarios. La integración de
simulaciones avanzadas facilitó la visualización de escenarios futuros y redujo el margen de error en la
programación.
Descriptores: tecnología avanzada; cambio tecnológico; ética de la tecnología. (Fuente: Tesauro
UNESCO).
ABSTRACT
The objective of this research is to evaluate the impact of implementing Industry 4.0 in the Master
Production Plan (MPP) of Codihe, a company dedicated to asphalt manufacturing, in order to optimise
efficiency, reduce costs, increase flexibility, and improve the quality of its production processes through
data analysis technologies. To this end, a mixed approach was used, combining inductive and deductive
methods, applying the Holt-Winters model in Excel and simulations in Crystal Ball, as well as the MAPE
indicator to validate the accuracy of the forecasts. The results show that, despite having a high-capacity
plant, the company is operating below its potential due to deficiencies in planning and inventory control.
The integration of advanced simulations facilitated the visualisation of future scenarios and reduced the
margin of error in scheduling.
Descriptors: high technology; technological change; ethics of technology. (Source: UNESCO Thesaurus).
Recibido: 23/03/2025. Revisado: 03/04/2025. Aprobado: 19/04/2025. Publicado: 06/05/2025.
Sección artículos de investigación
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
384
INTRODUCCIÓN
La optimización de la producción y la eficiencia operativa se han convertido en factores clave
para satisfacer la demanda del mercado y garantizar el éxito. Un ejemplo de esto es Codihe,
que busca fortalecer su capacidad productiva mediante la implementación de estrategias y
herramientas operativas que le permitan mejorar su control sobre los procesos de producción.
A nivel internacional, las medianas y grandes empresas de construcción vial disponen de una
planta de asfalto, evitando depender de proveedores; pero el problema generado por este tipo
de negocios es la baja productividad, generalmente asociada a la deficiencia en la planificación
de la producción de asfalto (Angulo-Sandoval, 2017). A nivel nacional, existen varias empresas
que disponen de gran conocimiento y habilidades en la producción y ejecución de proyectos
viales; sin embargo, en las empresas que disponen de producción de asfalto, se constata la
baja productividad, lo que conlleva a retrasos en el cumplimiento de proyectos de construcción
o mantenimiento viales.
En este contexto, las estrategias operativas juegan un papel fundamental, ya que no solo
buscan resolver problemas de optimización de recursos, sino también mejorar la competitividad
y la calidad en todos los aspectos del proceso productivo. Con la llegada de la Industria 4.0, las
empresas tienen a su disposición herramientas avanzadas, como la automatización y la
digitalización, que facilitan una toma de decisiones más informada y permiten una mayor
eficiencia en los procesos (Paco-Huamani et al., 2024). Este entorno digital transforma la
manera en que se gestionan las operaciones, creando nuevas oportunidades para optimizar
cada etapa del proceso productivo (Campos-Portugal et al., 2023).
Ante la problemática descrita, se ha planteado el siguiente problema general: ¿Cómo impacta
la implementación de las tecnologías de la Industria 4.0 en la eficiencia y efectividad del Plan
Maestro de Producción en la empresa?
Asimismo, se planteó el siguiente objetivo general: Evaluar el impacto de la implementación de
la Industria 4.0 en el Plan Maestro de Producción de la empresa Codihe, determinando sus
efectos sobre la eficiencia, costos, flexibilidad y calidad de los procesos productivos mediante el
uso de las diferentes tecnologías de análisis de datos.
Los objetivos específicos son los siguientes: (i) Analizar las tecnologías de la Industria 4.0
relevantes para la empresa y su influencia en el Plan Maestro de Producción. (ii) Diagnosticar
la situación actual de la productividad en la producción de asfalto en la empresa. (iii) Evaluar el
impacto de la Industria 4.0 en la eficiencia y efectividad del Plan Maestro de Producción.
La hipótesis fue: La planificación de la producción de asfalto mejora significativamente la
productividad en la empresa. Por lo tanto, la presente investigación se justifica de manera
teórica, ya que se enfoca en la aplicación de conocimientos de la planificación, la producción
de asfalto, así como el uso de herramientas de la Industria 4.0, lo cual contribuirá a la
formación del conocimiento de ambas variables de estudio, fundamentándose teóricamente en
el contexto donde se desarrolla la misma.
De la misma manera, tiene una justificación metodológica porque se centra en una adecuada
gestión de la producción de asfalto, desarrollando metodologías de pronósticos y planificación
de la producción, las cuales serán aplicadas en el área de estudio. Por lo tanto, los volúmenes
de producción de asfalto se destinarán oportunamente, sin pérdidas ni retrasos.
La complejidad de la cadena de suministro aumenta considerablemente debido a factores
como la globalización, nuevos canales, más clientes, mayores expectativas de los clientes,
productos y mayor personalización de los productos, proveedores, componentes, centros de
producción, distribución, competidores, márgenes más apretados, inversionistas más exigentes
con los resultados enfocados a corto plazo, ciclos de diseño, y en definitiva, a gusto de los
consumidores (Álvarez et al., 2007).
Con estas perspectivas, un proceso de la cadena de suministro tiene relaciones comerciales
ineficientes, lo que impacta en los beneficios empresariales. Por lo tanto, se debe ser capaz de
entregar las ventas de acuerdo con los pedidos, verificando que estén alineados con la
demanda pronosticada y con la capacidad de la entidad (Obando, 2004).
La gestión de la cadena de suministro tiene una serie de drivers que sirven a la vez de
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
385
indicadores de rendimiento de esta. No se concibe una cadena de suministro si en su
planteamiento no se hace referencia a los siguientes puntos:
• Visibilidad: la habilidad de poder “ver” los procesos, eventos, datos y la información a
través de la cadena de suministro y la comunidad de las organizaciones asociadas.
• Velocidad: la dirección y rapidez con la que los productos, procesos, datos e
información se mueven a través de la cadena de suministro.
• Flexibilidad (variabilidad): la habilidad para gestionar un gran número de
combinaciones de entes en la cadena de suministro según cambian en el tiempo. La
complejidad continuará siendo un factor de las operaciones del día a día en la cadena
de suministro. Las compañías líderes del mercado ven la variabilidad como una fuente
de ventaja competitiva.
• Calidad (y precisión): la habilidad de desarrollar y mantener un conjunto de datos de
planificación consistentes y precisos, así como datos de planificación (cantidades, por
ejemplo) a diferentes niveles y grados de agregación, y la habilidad de ejecutar el plan.
El software para la gestión de la cadena de suministro se segmenta en los componentes de
planificación y los componentes de ejecución. La parte de planificación trata de lidiar con
actividades tales como desarrollar pronósticos de demanda, establecer relaciones con
proveedores, planificar y programar las operaciones de fabricación y desarrollar métricas para
asegurar unas operaciones eficientes y con coste lo más bajo posible (Álvarez, 2007).
Los procesos de planificación también tienen por objetivo administrar las reglas comerciales de
las empresas de manera efectiva y alinear el plan de la cadena de suministro con el plan
financiero. Las aplicaciones de planificación soportan cada uno de los pasos más importantes
en la gestión de la cadena de suministro, desde la planificación de la demanda hasta la función
de aprovisionamiento, fabricación y compromiso, entrega y transporte de los pedidos del
cliente. Por lo que son responsables de toda la parte de planificación y optimización de los
procesos operacionales, así como de dotar de la capacidad para reaccionar a tiempo, gestionar
por alertas y realizar simulaciones (Rojas et al., 2021).
Las herramientas APS tienen un peso específico fundamental dentro de la gestión integral de la
cadena de suministro. La optimización es un tipo de algoritmo que se utiliza para tratar de
optimizar problemas de cadena de suministro, como la secuenciación con el objetivo de reducir
el tiempo de cambio (Lapiedra-Alcamí et al., 2021).
Planificación tradicional vs planificación avanzada
Toda empresa que compite lo hace según una estrategia. Estas estrategias pueden ser
desarrolladas de forma explícita, a través de un proceso de planificación, o implícita, debido a
la interacción de las actividades de las áreas funcionales. El énfasis dado a la planificación
estratégica por parte de las empresas más avanzadas y competitivas refleja el hecho de que
los beneficios de realizar una planificación estratégica explícita son mayores que los de una
planificación implícita, ya que asegura que las políticas de los departamentos funcionales estén
coordinadas y dirigidas hacia el mismo objetivo (Martínez, 2023).
Crystal Ball
Es una herramienta de análisis predictivo desarrollada por Oracle. Se integra con Microsoft
Excel y permite hacer simulaciones de Monte Carlo, análisis de riesgo, pronósticos y
optimización. Es muy usada en negocios y finanzas para tomar decisiones basadas en datos y
simulaciones de posibles escenarios. Collier (2017) propone esta herramienta que tiene varias
ventajas, tales como:
• Análisis de riesgo y toma de decisiones informadas
• Simulación Monte Carlo
• Integración con Excel
• Pronóstico y modelado predictivo
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
386
• Optimización de decisiones
• Reducción de errores y fallas humanas
• Visualización de datos
MÉTODO
Este estudio se desarrolla bajo un enfoque mixto, combinando métodos inductivo y deductivo,
con el objetivo de identificar, analizar y optimizar la producción de asfalto, integrando
herramientas tecnológicas e industria 4.0 identificando las diferentes características de la
producción.
Se utilizó el enfoque científico mediante la evaluación de las condiciones actuales de las
carreteras para calcular la cantidad de asfalto necesaria, se examinó la instalación donde se
produce el asfalto, se combinaron los datos recopilados y observados, se usó una técnica de
proyección fundamentada en un análisis de HOLT – WINTERS para Excel y MAPE en Crystal
Ball para determinar la necesidad de asfalto para cada proyecto, además, se llevó a cabo la
programación de la producción organizando los requerimientos de materiales y estableciendo
un plan maestro de producción.
Un indicador clave para medir la precisión de la producción utilizando el Error Porcentual
Absoluto Medio (MAPE) que mide la precisión de ellos resultados pronosticados calculando el
promedio de los errores porcentuales absolutos entre la demanda real y el pronóstico
demostrando (Forero-Bonilla & Franco-Arana, 2020), es decir la simulación avanzada puede
mejorar la exactitud frente a un método básico tradicional. El esquema del indicador es el
siguiente:

 
 

Instrumentos de recopilación de información
Lista de verificación: Los registros pasados de la fabricación de asfalto fueron completados en
un Check list proporcionado por la entidad, se tuvo que examinar cada uno de estos registros
para ser posteriormente transferidos a la hoja de cálculo. Los registros históricos sobre
volumen de producción, cantidad de materias primas, consumibles, energía, datos de
productividad tanto mensuales como total, una vez ingresados los datos, fueron tratados en
una hoja de cálculo de Excel para realizar los cálculos necesarios.
Herramienta propuesta
Se utilizará diferentes tablas donde se refleja la producción de la planta de asfalto que
corresponde a los datos iniciales, pronósticos, MRP, PMP, Control de inventarios e indicadores,
de los cuales se toman datos claves para la simulación en Crystal Ball.
Procedimiento
1. Estado de la situación actual de la gestión de riesgo.
Para conocer el estado actual se aplica el método de observación directa en la
empresa de todo el proceso que con lleva al producto final que es el asfalto, se
consideró la aplicación de una entrevista al personal involucrado en el proceso.
2. Obtención de datos.
En esta fase se analiza los documentos de interés proporcionados por la empresa
priorizando los datos relevantes para el desarrollo del estudio propuesto.
3. Desarrollo y procesamiento de datos.
Inicialmente se elaboran los pronósticos pertinentes correspondientes a cada mes, se
realiza un control de inventarios, un plan de requerimiento de materiales y un análisis
de costos por compuestos tratados durante la producción de asfalto.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
387
4. Obtención de resultados.
RESULTADOS
La capacidad instalada de la planta es de 160 toneladas/h, lo que significa que es una empresa
con un abuena capacidad de producción, pero la misma solo produce un promedio de 980
toneladas al mes bajo pedido debido a la falta de planificación y control de inventarios. Para
simular los diferentes escenarios se toma en cuantos datos principales como el pronóstico de la
demanda.
Figura 1. Pronóstico de la demanda. Fuente: Elaboración propia
En el Figura 1 se observa el pronóstico de la demanda con una tendencia cíclica en donde la
variación de los datos (MAD) es de 19.33 con una media de 797.
Se elaboran los pronósticos mediante el método de Holt – Winter reflejado en la segunda
columna de la Tabla N° 1, de la misma manera se realiza el cálculo de los turnos de trabajo de
acuerdo con los días laborables y los ingresos a obtener por cada mes.
Tabla 1. Datos principales para la simulación de escenarios.
Mes
Pronóstico
(t)
Demanda
Turnos de
trabajo
Turnos por
trabajar
Ventas
Ingresos
MAR
731.33
160
0
712
$ 56,963
ABR
0.00
168
0
0
$ -
MAY
0.00
192
0
0
$ -
JUN
0.00
160
0
0
$ -
JUL
0.00
176
0
0
$ -
AGO
0.00
160
0
0
$ -
SEP
0.00
160
0
0
$ -
OCT
0.00
176
0
0
$ -
NOV
0.00
160
0
0
$ -
DIC
0.00
184
0
0
$ -
Turnos totales
21
Total ingresos
$ 56,963
Fuente: Elaboración propia
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
388
Al tratar todos los datos Crystal Ball genera un informe en donde presenta una gráfica de
rendimiento. Figura 2.
Figura 2. Figura de rendimiento. Fuente: Elaboración propia
El Figura 2 representa el rendimiento del plan maestro de producción al analizar las diferentes
situaciones y establecer posibles soluciones en diferentes escenarios de simulación. Dentro de
las previsiones de utiliza los valores de ingresos la cual obtuvo un valor estándar de $74 con el
caso base de $ 56 963 y después de realizar 1000 pruebas, la variación d ellos datos obtenidos
se reflejan en el siguiente Figura 3.
Figura 3. Previsión totales de Ingreso. Fuente: Elaboración propia
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
389
Para poder verificar la confiabilidad de los datos obtenidos mediante Crystal Ball se realiza una
comparación con indicadores de precisión de pronósticos de producción obteniendo los
siguientes resultados:
Figura 4. MAPE (Mean Absolute Percentage Error). Fuente: Elaboración propia.
En la figura 4 se muestra el error de precisión de Excel y Crystal Ball en donde se puede
observar que en la mayoría de los meses el error con Excel es mayor que los resultados
obtenidos en Crystal Ball.
Figura 5. MAPE GENERAL Fuente: Elaboración propia.
0%
5%
10%
15%
20%
25%
30%
35%
MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Error Excel Error Crystal Ball
13%
8%
0%
2%
4%
6%
8%
10%
12%
14%
MAPE
Error Excel Error Crystal Ball
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
390
En la figura 5 se muestra el cálculo de la precisión global en donde los errores de Excel
registran un 13% a diferencia de los errores de Crystal Ball que marcan un 8% lo que
demuestra que la Industria 4.0 busca mejorar la precisión de los pronósticos mediante modelos
avanzados.
Comparación entre Excel y Crystal Ball
Microsoft Excel es una herramienta ampliamente utilizada para el análisis de datos y la
creación de modelos, pero tiene limitaciones cuando se trata de manejar la incertidumbre y el
riesgo. En cambio, Oracle Crystal Ball, que funciona como complemento de Excel, permite
realizar simulaciones avanzadas, análisis predictivo y evaluación de riesgos, ofreciendo una
visión más completa para la toma de decisiones. A continuación, se comparan sus principales
características y capacidades:
Tabla 2. Cuadro comparativo.
Fuente: Elaboración propia.
Aspecto
Excel
Crystal Ball
Capacidad para Manejar
Datos
Limitada en la capacidad de manejar
grandes volúmenes de datos o datos
complejos.
Puede manejar grandes volúmenes de
datos, aunque se enfoca en la simulación,
no en el análisis de datos puros.
Simulación de
Escenarios
No tiene capacidad de simulación
avanzada; se requiere modelado
manual.
Permite simulaciones de Monte Carlo,
análisis de riesgos y evaluación de
múltiples escenarios con incertidumbre.
Análisis Predictivo
Se pueden realizar predicciones
básicas con fórmulas y herramientas de
tendencia, pero sin modelado
avanzado.
Ofrece un análisis predictivo avanzado
basado en simulaciones de probabilidades.
Algoritmos y Modelos
Limitado a fórmulas estándar y macros;
no tiene algoritmos avanzados de
aprendizaje automático.
Utiliza simulaciones probabilísticas, pero no
incorpora algoritmos de aprendizaje
automático.
Tiempo de
Implementación
Rápido para tareas simples, pero
puede ser muy lento para procesos
complejos o grandes volúmenes de
datos.
Rápido para configuraciones estándar de
simulaciones y análisis predictivos, pero
requiere tiempo para aprendizaje inicial.
Integración con Otros
Sistemas
Se puede integrar con otras
herramientas de Microsoft y bases de
datos externas mediante
complementos.
Se integra bien con otras herramientas de
análisis y bases de datos, aunque depende
de la compatibilidad de la licencia.
Requerimientos
Técnicos
Requiere conocimientos intermedios de
Excel para análisis avanzados, pero no
necesita conocimientos técnicos
específicos.
Requiere conocimientos básicos de
simulación y análisis de riesgos. No se
necesitan conocimientos avanzados de
programación.
Escalabilidad
Escalable en términos de datos
simples, pero limita la capacidad
cuando se trata de grandes volúmenes
de datos o tareas complejas.
Escalable para simulaciones de gran
tamaño y análisis de múltiples escenarios
de forma eficiente.
Capacidades de
Visualización
Ofrece Figuras básicos para
visualización de datos; no tiene
visualización avanzada de análisis
complejos.
Ofrece Figuras y tablas avanzadas para
mostrar resultados de simulaciones.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
391
DISCUSIÓN
De acuerdo con el objetivo general, evaluar el impacto de la implementación de la Industria 4.0
en el Plan Maestro de Producción de la empresa, permitió analizar la forma integral de
planificación de la producción de la planta de asfalto, considerando no solo el PMP, sino
también la optimización avanzada mediante el uso de la tecnología.
El uso de Crystal Ball aportó un valor agregado al estudio, ya que, a través de simulaciones con
distribución normal y triangular, logró modelar la incertidumbre de la demanda mensual, lo que
permite visualizar posibles escenarios futuros. Mientras que el uso del MAPE como indicador
facilita comparar la efectividad de los datos de los modelos desarrollados, confirmando que la
metodología avanzada ofrece una visión completa y flexible.
Aunque Excel es una herramienta muy poderosa y versátil para el análisis de datos y la
modelación básica, su funcionalidad estándar no permite evaluar de forma efectiva el riesgo o
la incertidumbre en los resultados. En este sentido, Crystal Ball representa una mejora
significativa, ya que incorpora simulaciones de Monte Carlo y análisis predictivos directamente
en Excel. Esto permite a los usuarios tomar decisiones más informadas al considerar múltiples
escenarios posibles, algo que no es posible con fórmulas deterministas tradicionales. Así,
Crystal Ball complementa y amplía las capacidades de Excel para aplicaciones más complejas
y estratégicas.
CONCLUSIONES
La combinación de técnicas tradicionales (Excel) con simulaciones avanzadas (Crystal Ball) ha
permitido el desarrollo de un Plan Maestro de Producción flexible y preciso para la planta de
asfalto CODIHE, en el que la gestión de inventarios y el pronóstico de la demanda, basados en
datos históricos, refuerzan la agilidad operativa. Además, la adopción de herramientas de la
Industria 4.0 crea nuevas posibilidades para mejorar los procesos de producción.
Crystal Ball permitió modelar la demanda mensual con distribuciones normal y triangular,
simulando incertidumbre y validando la precisión del PMP bajo escenarios variables,
permitiendo la visualización de resultados en figuras como histogramas y figuras
personalizadas, brindando una comprensión clara de los posibles rangos de producción y
riesgos.
La digitalización y el uso de simulación avanzada reflejan un impacto positivo de la Industria 4.0
en la planificación de la producción: mayor capacidad de respuesta ante cambios de demanda
y reducción de errores humanos.
FINANCIAMIENTO
No monetario
CONFLICTO DE INTERÉS
No existe conflicto de interés con personas o instituciones ligadas a la investigación.
AGRADECIMIENTOS
A la Universidad Técnica de Cotopaxi: Latacunga, Cotopaxi, Ecuador.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Económica), 381-392, 2025
Evaluación del impacto de la industria 4.0 en el plan maestro de producción
Evaluation of the impact of Industry 4.0 on the production master plan
Jenny Consuelo Ibarra-Esmeraldas
Wilson Santiago Olovacha-Toapanta
392
CONTRIBUCIÓN DE LOS AUTORES
Jenny Consuelo Ibarra-Esmeraldas: Responsable del diseño metodológico, recolección de
datos y análisis cuantitativo. Participó en la redacción del manuscrito y en la interpretación de
los resultados.
Wilson Santiago Olovacha-Toapanta: Supervisión académica, aportes al marco teórico y
discusión de los resultados. También contribuyó a la revisión y edición final del manuscrito.
REFERENCIAS
Álvarez, L., Delgado, J., & Ponce, E. (2007). Gestión eficiente de los procesos logísticos a
través de sistemas de planificación avanzada (APS). 357–366.
http://adingor.es/congresos/web/uploads/cio/cio2007/manufacturing_management/0357
_0366.pdf
Angulo-Sandoval, J. E. (2017). Propuesta para la mejora de la productividad en la planta de
emulsiones y asfaltos SAC bajo la metodología PHVA. Lima, Perú: Universidad de San
Martín de Porres.
Campos-Portugal, P. A., Cerrud-Álvarez, F., & González-Tejedor, M. B. (2023). La
administración de la cadena de suministro y su importancia en las empresas, como
parte de la estrategia en los nuevos modelos de negocios. Ciencia Latina, 7(3), 16–25.
https://doi.org/10.37811/cl_rcm.v7i3.6709
Collier, J. E. D. (2017). Administración de operaciones. ITEMEX.
Forero-Bonilla, C. A., & Franco-Arana, J. D. (2020). Mejora en el sistema de inventario del
almacén de materiales. Cali, Colombia: Universidad ICESI.
Lapiedra-Alcamí, R., Devece-Carañana, C., & Guiral-Herrando, J. (2021). Introducción a la
gestión. México: Publicacions de la Universitat Jaume I. Servei de Comunicació i
Publicacions.
Martínez, J. M. (2023). Metodologías avanzadas para la planificación y mejora: Planificación
Estratégica, BSC, SIX SIGMA. Madrid, España: Ediciones Díaz de Santos, S.A.
Obando, L. C. (2004). Beneficios de una administración eficiente y eficaz de los sistemas de
control de inventarios con demanda dependiente mediante el uso de ERP.
Paco-Huamani, W. F., De la Cruz-Ccora, J. L., & Cardenas, R. Y. (2024). El impacto de las
TICs en la competitividad global. Perú: Biblioteca Nacional del Perú. Nº 2024-11067.
Rojas, M. D., Guisao, E., & Cano, J. A. (2021). Logística integral: Una propuesta práctica para
su negocio. Bogotá, Colombia: Ediciones de la U.
Derechos de autor: 2025 Por los autores. Este artículo es de acceso abierto y distribuido según los términos y
condiciones de la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC
BY-NC-SA 4.0)
https://creativecommons.org/licenses/by-nc-sa/4.0/