Palabras clave
Cómo citar
Resumen
El estudio analizó la influencia de las herramientas tecnológicas de la industria 4.0 en la eficiencia de la gestión del mantenimiento vehicular público en la ciudad de Cuenca. El objetivo principal fue determinar cómo dichas herramientas inciden en la eficiencia operativa del mantenimiento de vehículos públicos durante el año 2025, con el propósito de reconocer las oportunidades de mejora en los procesos operativos institucionales. La investigación fue de tipo exploratoria, descriptiva y correlacional, utilizando como técnica la encuesta, aplicada a 45 funcionarios de áreas administrativas y operativas. Los datos recopilados fueron analizados estadísticamente con un modelo de regresión lineal múltiple para determinar la relación entre las variables independientes herramientas tecnológicas 4.0, nivel de implementación e integración de sistemas de mantenimiento, y la variable dependiente eficiencia de gestión. Los resultados mostraron que la variable que más afecta la eficiencia del mantenimiento es la integración de sistemas (p = 0,000), mientras que las otras variables no mostraron resultados estadísticamente significativos. Se concluye que la eficiencia de las instituciones está relacionada con el grado de integración y uso de tecnología, lo que crea un modelo de gestión inteligente orientado a la transformación digital y la sostenibilidad del sector público.
Citas
Achouch, M., Dimitrova, M., Ziane, K., Sattarpanah Karganroudi, S., Dhouib, R., Ibrahim, H., & Adda, M. (2022). On predictive maintenance in industry 4.0: Overview, models, and challenges. Applied Sciences, 12(16). https://doi.org/10.3390/app12168081
Anchundia, J. C., Rodríguez-Borges, C., & Pérez-Rodríguez, J. A. (2025). Mejoras en la calidad del mantenimiento vehicular empleando herramientas de la Industria 4.0. Revista Científica FINIBUS - Ingeniería, Industria Y Arquitectura, 8. https://doi.org/10.56124/finibus.v8i16.009
Banco Central del Ecuador. (2024). Boletín Comercio Exterior – octubre 2024.
Boateng, G. O., Neilands, T. B., Frongillo, E. A., Melgar-Quiñonez, H. R., & Young, S. L. (2018). Best practices for developing and validating scales for health, social, and behavioral research: A primer. Frontiers in Public Health, 6. https://doi.org/10.3389/fpubh.2018.00149
Briones, G. (1996). Metodología de la investigación cuantitativa en las ciencias sociales: V.3. Instituto Colombiano para el Fomento de la Educación Superior.
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches. SAGE.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334. https://doi.org/10.1007/BF02310555
Dalzochio, J., Kunst, R., Pignaton, E., Binotto, A., Sanyal, S., Favilla, J., & Barbosa, J. (2020). Machine learning and reasoning for predictive maintenance in Industry 4.0: Current status and challenges. Computers in Industry, 123. https://doi.org/10.1016/j.compind.2020.103298
Etikan, I. (2016). Comparison of convenience sampling and purposive sampling. American Journal of Theoretical and Applied Statistics, 5(1), 1-4. https://doi.org/10.11648/j.ajtas.20160501.11
Febrianto, A., Suef, M., Hakim, M. S., Yayat, K. D., & Hardiatama, I. (2025). Operational efficiency and sustainable asset management of heavy equipment in industry: A data-driven framework. Results in Engineering, 27. https://doi.org/10.1016/j.rineng.2025.106476
Fernández-Gómez, E., Martín-Salvador, A., Luque-Vara, T., Sánchez-Ojeda, M. A., Navarro-Prado, S., & Enrique-Mirón, C. (2020). Content validation through expert judgement of an instrument on the nutritional knowledge, beliefs, and habits of pregnant women. Nutrients, 12(4), 1136. https://doi.org/10.3390/nu12041136
Grisold, T., Groß, S., Stelzl, K., Vom Brocke, J., Mendling, J., Röglinger, M., & Rosemann, M. (2022). The Five Diamond Method for Explorative Business Process Management. Business & Information Systems Engineering, 64(2), 149-166. https://doi.org/10.1007/s12599-021-00703-1
Harboe-Chaman, P., Philipps-Berrospi, K., & Quiroz-Flores, J. C. (2025). Optimización de los Servicios Posventa en el Sector del Mantenimiento de Automóviles: Un Estudio de Caso de Lean Manufacturing y MRP en Perú. Ingeniería Industrial, 48, 113-138. https://doi.org/10.26439/ing.ind2025.n48.7261
Hernández Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Interamericana.
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014). Metodología de la investigación. McGraw-Hill.
Herrera-Sánchez, G., Morán-Bravo, L. D. C., Gallardo-Navarro, J. L., & Silva-Juárez, A. (2020). Gestión del mantenimiento y la industria 4.0. Revista de Ingeniería Innovativa, 15(4), 18-28. https://doi.org/10.35429/JOIE.2020.15.4.18.28
Hwang, W.-S., & Kim, H.-S. (2022). Does the adoption of emerging technologies improve technical efficiency? Evidence from Korean manufacturing SMEs. Small Business Economics, 59(2), 627-643. https://doi.org/10.1007/s11187-021-00554-w
Instituto Nacional de Estadística y Censos (INEC). (2025). Principales resultados de las Estadísticas de Transporte (Anuario 2024).
Işık, B., & Zilka, M. (2025). Maintenance Management in Production: A Qualitative Study on Industry 4.0 Adoption and Challenges. Procedia Computer Science, 253, 2478-2487. https://doi.org/10.1016/j.procs.2025.01.308
Jasiulewicz-Kaczmarek, M., Legutko, S., & Kluk, P. (2020). Maintenance 4.0 technologies – new opportunities for sustainability driven maintenance. Management and Production Engineering Review, 11(2), 74-87. https://doi.org/10.24425/mper.2020.133730
Jebb, A. T., Ng, V., & Tay, L. (2021). A review of key Likert scale development advances: 1995–2019. Frontiers in Psychology, 12. https://doi.org/10.3389/fpsyg.2021.637547
Kans, M., & Campos, J. (2024). Digital capabilities driving industry 4.0 and 5.0 transformation: Insights from an interview study in the maintenance domain. Journal of Open Innovation: Technology, Market, and Complexity, 10(4). https://doi.org/10.1016/j.joitmc.2024.100384
Killeen, P., Ding, B., Kiringa, I., & Yeap, T. (2019). IoT-based predictive maintenance for fleet management. Procedia Computer Science, 151, 607-613. https://doi.org/10.1016/j.procs.2019.04.184
Konstantinidis, F. K., Kansizoglou, I., Santavas, N., Mouroutsos, S. G., & Gasteratos, A. (2020). MARMA: A mobile augmented reality maintenance assistant for fast-track repair procedures in the context of Industry 4.0. Machines, 8(4). https://doi.org/10.3390/machines8040088
León-Duarte, J. A., & Martínez-Cadena, G. F. (2024). Desarrollo de un plan de mantenimiento vehicular apoyado por un sistema de gestión asistido por ordenador. Información Tecnológica, 35(1), 23-32. https://doi.org/10.4067/S0718-07642024000100023
Luján-Tangarife, J. A., & Cardona Arias, J. A. (2015). Construcción y validación de escalas de medición en salud: Revisión de propiedades psicométricas. Archivos de Medicina, 11(2), 1-10. https://hdl.handle.net/20.500.12494/41245
Mendoza, J., & Garza, J. B. (2009). La medición en el proceso de investigación científica: Evaluación de validez de contenido y confiabilidad. Revista Innovaciones de Negocios, 6(11), 1-19. https://doi.org/10.29105/rinn6.11-2
Padilla Valdez, C. L. (2012). Plan de gestión del mantenimiento para la flota vehicular del Gobierno Autónomo Descentralizado Intercultural de la ciudad de Cañar [Tesis de grado, Universidad Politécnica Salesiana].
Pinciroli, L., Baraldi, P., & Zio, E. (2023). Maintenance optimization in industry 4.0. Reliability Engineering & System Safety, 234. https://doi.org/10.1016/j.ress.2023.109204
Polit, D. F., Beck, C. T., & Owen, S. V. (2007). Is the CVI an acceptable indicator of content validity? Appraisal and recommendations. Research in Nursing & Health, 30(4), 459-467. https://doi.org/10.1002/nur.20199
Rogers, E. M. (2003). Diffusion of innovations. Free Press.
Salgado Reyes, N., Guamba Gómez, A., & Guerrero Flores, R. (2024). El impacto de la tecnología de la información en la gestión empresarial. Nexus Research Journal, 3(2), 17-34. https://doi.org/10.62943/nrj.v3n2.2024.101
Shaheen, B. W., & Németh, I. (2022). Integration of maintenance management system functions with Industry 4.0 technologies and features—A review. Processes, 10(11). https://doi.org/10.3390/pr10112173
Togra Cáceres, D. (2024). Diseño de un modelo de gestión 4.0 para control de procesos críticos en el mantenimiento de la flota vehicular y maquinaria pesada en el Gobierno Provincial del Azuay [Tesis de maestría, Universidad Politécnica Salesiana].
Tran Anh, D., Dąbrowski, K., & Skrzypek, K. (2018). The predictive maintenance concept in the maintenance department of the “Industry 4.0” production enterprise. Foundations of Management, 10(1), 283-292. https://doi.org/10.2478/fman-2018-0022
Vujanović, D., Momčilović, V., Bojović, N., & Papić, V. (2012). Evaluation of vehicle fleet maintenance management indicators by application of DEMATEL and ANP. Expert Systems with Applications, 39(12), 10552-10563. https://doi.org/10.1016/j.eswa.2012.02.159
Werbińska-Wojciechowska, S., & Winiarska, K. (2023). Maintenance performance in the age of Industry 4.0: A bibliometric performance analysis and a systematic literature review. Sensors, 23(3). https://doi.org/10.3390/s23031409
Zamanzadeh, V., Ghahramanian, A., Rassouli, M., Abbaszadeh, A., Alavi-Majd, H., & Nikanfar, A.-R. (2015). Design and implementation content validity study: Development of an instrument for measuring patient-centered communication. Journal of Caring Sciences, 4(2), 165-178. https://doi.org/10.15171/jcs.2015.017
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.