La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas  
tecnológicas  
Maintenance management: A look from current technological perspectives  
Amilkar Ávila Atencio1 (amilkar@ltu.thaba.cu) (https://orcid.org/0000-0003-2109-6542)  
Eduardo León Parra2 (eduardolp@ult.edu.cu) (https://orcid.org/0000-0001-8843-6025)  
Ailen Estevez Torres3 (ailenet@ult.edu.cu) (https://orcid.org/0000-0002-4337-0250)  
Resumen  
La gestión del mantenimiento constituye un aspecto de gran valor a tener en cuenta en  
el desarrollo de la industria, que ha sido objeto de estudio desde la antigüedad hasta la  
actualidad. El desarrollo de la informática y las comunicaciones ha impuesto nuevos  
retos para su aplicación en los procesos vinculados a la gestión del mantenimiento, sin  
embargo, se requiere una actualización continua de sus políticas a partir de las normas  
jurídicas que se establecen. En tal sentido, esta investigación ofrece un estudio  
bibliográfico de diferentes fuentes, pertenecientes a autores nacionales e  
internacionales, que profundizan en la gestión del mantenimiento, pero que demanda  
de nuevas miradas desde su sistematización. Se persigue como objetivo analizar las  
principales tendencias internacionales referidas a la gestión del mantenimiento. Para  
ello se emplearon métodos del nivel teórico como el histórico lógico que permite  
comprender la gestión del mantenimiento en su desarrollo, su historia y su lógica  
mediante el conocimiento de sus distintas etapas en su sucesión cronológica; su  
evolución y desarrollo; principales rasgos, desenvolvimiento y conexiones históricas  
fundamentales. Además, se empleó el análisis y síntesis para encauzar el objeto de la  
investigación y sus principales resultados. Como conclusión se pudo identificar que el  
paradigma de la referida gestión evoluciona constantemente y sus tradicionales  
prácticas están siendo desplazadas hacia un mantenimiento predictivo donde impera  
la necesidad de actuar en base a la necesidad y no en base a un calendario.  
Palabras clave: mantenimiento, gestión del mantenimiento, gemelo digital.  
Abstract  
Maintenance management is an aspect of great value to be taken into account in the  
development of industry, which has been the subject of study from ancient times to the  
present. The development of information technology and communications has imposed  
new challenges for its application in the processes linked to maintenance management,  
however, a continuous updating of its policies is required based on the legal norms that  
are established. In this sense, this research offers a bibliographic study of different  
sources, belonging to national and international authors, that deepen in the maintenance  
1 Máster en Ingeniería Industrial. Licenciado en Educación Primaria. Unidad Empresarial de Base 210 THABA. Las  
Tunas, Cuba.  
2 Máster en ciencias. Profesor Auxiliar. Universidad de Las Tunas, Cuba.  
3 Máster en ciencias. Profesora Asistente. Universidad de Las Tunas, Cuba.  
Página 191  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
management, but that demands of new looks from its systematization. The objective is  
to analyze the main international trends referred to maintenance management. For this  
purpose, methods of the theoretical level were used, such as the historical logic that  
allows understanding maintenance management in its development, its history and its  
logic through the knowledge of its different stages in its chronological succession; its  
evolution and development; main features, development and fundamental historical  
connections. In addition, analysis and synthesis were used to channel the object of the  
research and its main results. As a conclusion, it was possible to identify that the  
paradigm of the referred management is constantly evolving and its traditional practices  
are being displaced towards a predictive maintenance in which.  
Key word: maintenance, maintenance management, digital twin.  
Introducción  
La gestión del mantenimiento durante en su evolución histórica, ha estado marcada por  
continuos cambios debidos, principalmente, al enorme aumento en la nomenclatura y  
diversidad de los activos físicos que deben ser actualizados en todo el mundo, a la  
elaboración de diseños más complejos, al uso de nuevos métodos de mantenimiento y  
a la existencia de una óptica cambiante en la organización de esta actividad y sus  
responsabilidades (Alfonso, 2009; Rodríguez, 2012).  
La gestión del mantenimiento y su análisis es una tarea compleja y de alta prioridad,  
teniendo en cuenta lo descrito en la norma ISO 55000:2014 sobre la gestión de activos  
y los criterios que se concretan en la NC ISO 9001: 2015 sobre el análisis de la  
infraestructura (como se citó en Marrero et al., 2019).  
El objetivo de la presente investigación es analizar las principales tendencias  
internacionales referidas a la gestión del mantenimiento. Para ello se emplearon como  
métodos del nivel teórico: el histórico lógico, que permitió comprender la gestión del  
mantenimiento en su desarrollo, su historia y su lógica mediante el conocimiento de sus  
distintas etapas en su sucesión cronológica; su evolución y desarrollo; principales  
rasgos, su desenvolvimiento y las conexiones históricas fundamentales. Además, se  
empleó el análisis y síntesis para encauzar el desarrollo de la investigación y presentar  
sus principales resultados. Se aprovechó también, la consulta a expertos en el tema de  
gestión del mantenimiento para obtener su consenso en la importancia de este proceso  
desde la perspectiva de la investigación que se desarrolla y arribar a las principales  
conclusiones.  
Desarrollo  
El mantenimiento, como actividad, surge aparejada a la necesidad de reparar artículos  
sencillos y vitales para la subsistencia del hombre primitivo y ha evolucionado en la  
actualidad hasta nuevas filosofías o tendencias avanzadas como son los “Digital Twins”  
o gemelos digitales para la operación y mantenimiento de activos (figura 1).  
Página 192  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
Figura 1.  
Generalidades sobre la actividad del mantenimiento.  
Fuente: elaboración propia a partir de Alfonso, 2009; Rodríguez, 2012.  
Importancia de la actividad de mantenimiento  
Una correcta gestión del mantenimiento en una organización es fundamental (cuadro  
1); en tanto se precisa de una necesaria relación entre: conservar los activos en  
óptimas condiciones para cumplir las funciones para las que fueron creados, con un  
máximo de fiabilidad y a costos competitivos y el mantenimiento de la entidad de  
servicio a la producción, lo que facilita alcanzar, en gran medida, una relación básica.  
Cuadro 1.  
Importancia de la actividad del mantenimiento  
Fuente: elaboración propia a partir de Rodríguez, 2012.  
Diversos son los autores que han definido el mantenimiento (Alfonso, 2009; Rodríguez,  
2012). Según sus análisis, ajustados a la realidad histórico-concreta en la que se  
desempeñó la vida profesional de estos estudiosos del tema, a pesar de que varían  
mucho en su estructura, la mayoría coincide en la definición de su contenido  
relacionado con una serie de actividades o tareas que se organizan, planifican, ejecutan  
y controlan sobre un componente, equipo o sistema, para garantizar que se realicen las  
funciones para las que fue diseñado dentro de su contexto operacional.  
Página 193  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
Así, a nivel internacional, la evolución del mantenimiento, ha sido respuesta en gran  
medida a la evolución de los sistemas de producción, que han transitado de la  
producción en masa hasta la producción ajustada (lean production). La figura 2 sintetiza  
las principales etapas y enfoques del mantenimiento, declaradas en la bibliografía  
especializada.  
Figura 2.  
Evolución del mantenimiento.  
Fuente: elaboración propia a partir de Rodríguez, 2012.  
Cada una de estas generaciones ha estado marcada por técnicas (figura 3) para llevar  
a cabo la gestión del mantenimiento, transitando desde el famoso “se rompe lo arreglo”  
hasta pronosticar, hibridar simulaciones en tiempo real con datos en tiempo real para  
obtener en un gemelo digital potente, para operación y mantenimiento, los posibles  
modos de fallo de sistemas complejos.  
Figura 3.  
Técnicas para llevar a cabo la gestión del mantenimiento.  
Integra prácticas gerenciales, financieras,  
gemelos  
de ingeniería, de logística  
producción a los activos físicos buscando  
costes de ciclo de vida (CCV) económicos  
y
de  
digitales para  
mantenimiento  
Basado en mantenibilidad  
y
fiabilidad.  
Monitoreo de condición. Estudios de riesgo.  
Utilización de pequeños y rápidos ordenadores.  
Modos de Fallo  
y
Causas de Fallo (FMEA,  
FMECA). Sistemas expertos. Polivalencia  
trabajo en equipos  
y
Mantenimiento preventivo.  
Gestión del riesgo. Sistemas  
Mejora  
Continua.  
Mantenimiento predictivo.  
Mantenimiento proactivo.  
Como principal  
o
única técnica: el  
Mantenimiento  
correctivo  
Revisiones periódicas. Utilización de  
grandes ordenadores. Sistemas de  
control  
y
planificación  
del  
mantenimiento  
Página 194  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
Fuente: elaboración propia a partir de Alfonso, 2009; Rodríguez, 2012.  
A criterio de los autores, sustentado en la experiencia de otros especialistas como  
Alfonso, 2009; Diez et al., 2019; Galar, 2020; Rodríguez, 2012, en la gestión del  
mantenimiento se han ido dando pasos de avances que transitan desde la diagnosis o  
mantenimiento basado en la condición, hasta la prognosis o mantenimiento predictivo  
basado en la predicción del estado futuro del activo, pero se debe tener en cuenta que  
estas propuestas se han diseñado para componentes específicos, nunca para  
subsistemas o sistemas completos.  
Actualmente existe la necesidad de enfocar este mantenimiento predictivo y prescriptivo  
hacia un entorno de sistemas complejos, de sistemas holísticos, es decir, existe la  
necesidad de modificar el mantenimiento tradicional centrado en acciones correctivas y  
preventivas donde la actividad visceral estaba dirigida a “cuando se rompa se repara”  
hasta un modelo más actual de anticipación del fallo (figura 4).  
Las tendencias más actuales significan el empleo de Gemelos digitales (Digital Twins).  
En la actualidad se precisa de un modelo de anticipación que facilite una visión holística  
de la salud de todo el activo, donde, dicha anticipación al fallo, supere la mera  
sustitución de un componente (Abbas et al., 2021 y Galar, 2020).  
Página 195  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
Figura 4  
Necesidad actual del enfoque en la actividad del mantenimiento  
Fuente: elaboración propia a partir de Abbas et al., 2021 y Galar, 2020.  
Lo enunciado anteriormente justifica que el paradigma del mantenimiento está  
cambiando sus tradicionales prácticas, donde lo que se hace es una inspección  
periódica o un mantenimiento sistemático, un mantenimiento de reemplazos  
prematuros, basado en el mantenimiento preventivo, hacia un mantenimiento predictivo  
donde se reemplace o actúe en base a la necesidad y no en base a un calendario.  
Lo que comúnmente se hace a nivel internacional en la mayoría de las organizaciones,  
es manejar los datos o la información de campo que se obtiene utilizando las bondades  
de la inteligencia artificial (en lo adelante, IA), actividad que, aunque no es nueva,  
posee limitaciones en su manejo. Se puede asumir, teniendo en cuenta el criterio de  
varios especialistas, que las metas que se habían propuesto para 2020 respecto al  
mantenimiento predictivo para la industria 4.0 no se lograron cumplir, solo se registraron  
casos de uso, demostradores, pruebas de concepto o proyectos pilotos, pero no existen  
grandes escalados de proyectos donde se actúe en base a la necesidad.  
Teniendo en cuenta esta conclusión, se asume que una brecha de la ciencia de hoy  
está en la evolución hacia gemelos digitales (en operación y mantenimiento) para  
sistemas complejos que permitan actuar de forma predictiva, es decir, se precisa de un  
escalado para desarrollar un gemelo digital para un sistema completo, complejo y  
actuar de manera predictiva para él y no solo para un componente o parte del sistema  
(Abbas et al., 2021; Galar, 2020; González, 2020 y Pascual et al., 2019).  
A nivel internacional, se ha evolucionado en la actividad del análisis de datos a través  
del tiempo (figura 5). Inicialmente, se aplicaban procedimientos correspondientes a la  
analítica descriptiva (entendida como el análisis forense del fallo, se respondía a la  
interrogante: ¿qué pasó? La analítica diagnóstica ¿por qué sucedió este fallo? La  
Página 196  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
analítica predictiva ¿qué podría pasar? Y la analítica prescriptiva, recomendar qué se  
debe hacer y cuándo hacerlo para alargar la vida del activo.  
Sin embargo, en ninguno de los casos, se ha avanzado hacia la analítica cognitiva,  
donde las decisiones se toman de manera automática, teniendo en cuenta que el ser  
humano no puede encarar de forma efectiva toda esta complejidad de decisiones  
(Galar, 2020).  
Figura 5.  
Evolución en la actividad del análisis de datos para mantenimiento.  
Fuente: elaboración propia partir de Galar, 2020.  
La pandemia COVID-19, demostró a nivel internacional, que son necesarios sistemas  
autónomos, sistemas desatendidos, donde las personas para operar y para mantener la  
maquinaria es mínima; estos sistemas están llamados a evitar que las fábricas y los  
activos se detengan (Galar, 2020).  
Por las razones antes expuestas, se debe tener en cuenta la necesidad de contar con  
un modelo de mantenimiento cognitivo en el que las decisiones (referidas al propio  
mantenimiento) se tomen de forma autónoma, además de las respuestas ulteriores para  
sustentar esas decisiones tomadas; y es precisamente ahí donde intervienen lo que los  
especialistas denominan gemelo digital o “Digital Twin” (Galar, 2020).  
No obstante, la sistematización teórica realizada revela que en la actualidad no se ha  
tenido total éxito al respecto, pues aun cuando se están procesando datos para el  
mantenimiento predictivo, aún se invierte el 80% del tiempo haciendo un pre-procesado  
y limpieza de datos, que implican acciones manuales y tediosas. Por otra parte, se  
puede industrializar de manera autónoma y automatizar para el mantenimiento  
predictivo de forma muy escueta (Abbas et al., 2021; Diez et al., 2019; Galar, 2020;  
Johnson et al., 2021 y Pascual et al., 2019).  
Al implementar el mantenimiento predictivo se concreta la ayuda que presta o debe  
prestar el gemelo digital, o sea, en el mantenimiento predictivo, se predice lo que se  
sabe. Por ejemplo: si se tienen tres modos de fallo, se intenta predecir esos tres modos  
Página 197  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
de fallo, pero la idea primera para la creación de un gemelo digital para el  
mantenimiento es que este ayude a predecir lo invisibles. Es decir, identificar aquellos  
modos de fallo que están ahí y que no se han reconocido en el sistema debido a la  
conjunción de múltiples sistemas o subsistemas de sistemas en sistemas complejos.  
Por lo tanto, lo que se necesita es un sistema de mantenimiento basado en Digital Twin  
(gemelo digital) que pueda identificar esas fallas, inconveniencias que no son visibles,  
tan complejas que no se pueden identificar de golpe o con relativa facilidad por la  
organización (Galar, 2020; González, 2020; Oakes et al., 2021; Palensky et al., 2021;  
Pascual et al., 2019; Wang et al., 2021; Wenner et al., 2021).  
A esto es a lo que los autores anteriores denominan el efecto mariposa digital (the  
digital butterfly effect). Es decir, cuando se está creando un activo donde interactúan  
sistemas suficientemente complejos, necesariamente implica el surgimiento de una  
serie de fallos que son muchos más que los modos de fallo sumados de todos esos  
sistemas, o sea, si se tienen tres sistemas, con ocho modos de fallos cada uno, esos 24  
modos de fallo no son los totales de sistema complejo, lo más probable es que se  
tengan, por citar un ejemplo, otros 40 modos de fallos creados debido a la interacción  
de estos sistemas.  
Por tanto, cuando se está frente a un modelo complejo, donde interactúan subsistemas  
que son muy complejos, como pueden ser en la aeronáutica, los ferrocarriles, la  
biotecnología, la minería (teniendo en cuenta la complejidad del proceso de la  
manufactura), los fallos de estos sistemas son muy difíciles de enfocar desde una  
perspectiva clásica del mantenimiento.  
Hoy día existe la necesidad imperante de identificar estos “modos de fallos invisibles” y  
es el Digital Twin o gemelo digital quien tiene que ayudar en este proceso (Abbas et al.,  
2021; Agrawal et al., 2022; Galar, 2020; González, 2020; Oakes et al., 2021; Palensky  
et al., 2021; Pascual et al., 2019; Pystina et al., 2021; Reyes y Garg, 2021; Wang et al.,  
2021; Wenner et al., 2021).  
El gemelo digital no debe verse solo como un modelo 3D o para mostrarlo como una  
mascota en una feria, sino que sea un modelo en 3D para poder ver como un activo se  
degrada si se opera de determinadas maneras (Abbas et al., 2021; Agrawal et al., 2022;  
Galar, 2020; Pascual et al., 2019).  
A partir de los descrito, se puede asumir que el objetivo principal de un gemelo digital  
debe ser identificar: ¿qué pasará en el futuro? y ¿cuándo sucederá?, donde se modifica  
el paradigma tradicional del diagnóstico, donde lo que se hace es identificar: ¿qué ha  
pasado? y ¿qué está pasado?  
Hoy día, lo que se exige es hacer la predicción de los fallos (Galar, 2020; Pascual et al.,  
2019 y Shim et al., 2019), es decir, hay que enfrentar la predicción de fallos de  
diferentes sistemas complejos y dicha predicción conlleva al enfrentamiento de nuevos  
problemas.  
Página 198  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
Dos de los problemas más usuales en operación y mantenimiento son los llamados  
“cisne negro” y el “canto del cisne”.  
Se le denomina cisne negro, en producción y mantenimiento, al evento que tiene una  
frecuencia de aparición muy baja pero que su impacto es devastador.  
Más formalmente, un evento “cisne negro”, es un acontecimiento o suceso que se  
desvía de lo que normalmente se espera de una situación y que sería extremadamente  
difícil de predecir; por tanto, teniendo en cuenta que el ser humano está condicionado  
por sus conocimientos, muchas veces esto genera que la predicción de nuevos fallos  
esté limitada y haya que tener muy en cuenta, el sesgo del conocimiento a la hora de  
predecir fallos en operación y mantenimiento (Abbas et al., 2021; Galar, 2020; Pascual  
et al., 2019; Ustundag y Cevikcan, 2020).  
La pregunta en mantenimiento es: ¿cuál es el “canto de cisne4” de un activo?, ¿cuál es  
la señal unívoca de que la maquinara está a punto de no ser funcional (fallar o “morir”)?  
Estas ideas no son triviales o ajenas al bregar diario de aquellos que trabajan en  
empresas productoras de bienes o servicios. Está claro que se conoce que un sistema  
va a morir o fallar porque se han identificado que partes de este no funcionan  
correctamente o han alcanzado cierto umbral, pero lograr identificar el canto del cisne,  
que es identificar lo que unívocamente deja el sistema inutilizable es algo relativamente  
complejo.  
Por lo tanto, a la hora de predecir los fallos, un aspecto fundamental es saber cuándo el  
activo va a perder la capacidad para cumplir su función. Para lograr esto es necesario  
disponer del conocimiento para enfrentar las perspectivas de los riesgos sobre los  
activos a los cuales nos interesa implementarles el mantenimiento predictivo. Lo básico  
al respecto es el conocimiento histórico (disponible en los datos) + el conocimiento de  
dominio (o knowledge dimention) + las sorpresas (debido a la propia de la integración  
de sistemas complejos) (Abbas et al., 2021; Agrawal et al., 2022; Galar, 2020; Oakes et  
al., 2021; Pascual et al., 2019; Pystina et al., 2021; Ustundag y Cevikcan, 2020; Wang  
et al., 2021 y Zhao et al., 2022):  
La solución a esta perspectiva es crear una réplica de la realidad, que se pueda tener  
disponible y en ella, analizar cómo se deteriora, mientras se mantienen los activos de  
manera totalmente funcionales (Abbas et al., 2021; Agrawal et al., 2022; Galar, 2020;  
Pascual et al., 2019 y Pystina et al., 2021).  
Un gemelo digital o réplica digital es un modelo virtual de un activo físico como un  
producto, un proceso, un sistema o una instalación. Dicha replica digital toma y utiliza  
datos de un activo físico real para comprender mejorar y aumentar su rendimiento.  
Gracias a una combinación de inteligencia artificial (IA), aprendizaje automático  
4 El término “canto del cisne” proviene del tercer siglo A.C. donde se decía que el cisne pasa toda su vida en silencio,  
pero emite un hermoso canto justo antes de morir.  
Página 199  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
(machine learning) y análisis de datos (data analytics), los gemelos digitales pueden  
reflejar un gemelo físico y revelar los problemas antes de que se produzcan. Para ello,  
se basan en una serie de sensores integrados en el mundo físico para transferir datos  
en tiempo real sobre el proceso operativo y el entorno. Los datos recogidos por los  
sensores conectados se analizan en la “nube” y son accesibles a través de un panel de  
control (Ladj et al., 2021; Oakes et al., 2021).  
Un digital twin es un modelo ingenieril orientado al negocio, proveedor de servicios, en  
el cual se introducen datos (de contexto, llamados inputs) y se obtienen como resultado  
u outcomes: disponibilidad, puntualidad, capacidad, entre otros, en función del activo  
que se trate. En este digital twin, lo deseado es tener esos datos de entrada o inputs  
como forma de inversión y los outputs o resultados como el desempeño del activo.  
Un digital twin puede ser muchas cosas, en general, es un modelo que se va a nutrir de  
manera permanente de su entorno, que va a necesitar formas de control y, sobre todo,  
tiene que ayudar en la gestión de los riesgos, en la gestión del diagnóstico, en la  
gestión del pronóstico y en la gestión de las decisiones de mantenimiento (figura 6).  
A nivel internacional, el digital twin entra con mucha fuerza donde hay una  
sensorización masiva de los activos y una preocupación por la pérdida de funciones de  
estos activos (Galar, 2020; Pascual et al., 2019).  
Figura 6  
Funciones básicas del “Digital Twin”.  
Fuente: elaboración propia a partir de (Abbas et al., 2021; Agrawal et al., 2022; Galar,  
2020).  
Los digital twins han evolucionado gracias a esa gran capacidad computacional que  
existe hoy, donde se integran modelos ingenieriles con datos de campo fácilmente  
accesibles obtenidos a costos muy competitivos gracias al internet de las cosas (IoT)  
(figura 7).  
Por 20 años, los digital twins han evolucionado, pasando desde la sensorización de  
manera masiva, luego a la virtualización y últimamente a la digitalización; es decir,  
donde se mezcla el modelo ingenieril con datos de campo y esto es gracias a esa gran  
capacidad de computación y comunicaciones en que se pueden traer datos de campo y  
Página 200  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
modelos y juntarlos de una manera unívoca (Abbas et al., 2021; Diez et al., 2019; Galar,  
2020 y Pascual et al., 2019).  
Figura 7  
Evolución de los Digital Twins.  
Fuente: elaboración propia a partir de Abbas et al., 2021; Agrawal et al., 2022; Galar,  
2020; Pascual et al., 2019; Reyes y Garg, 2021 y Wenner et al., 2021.  
Al asumir lo descrito hasta el momento, un digital twins no puede ser un modelo de  
adorno, debe ser un modelo de servicio; una instancia virtual del producto físico que es  
inteligente y está conectado.  
En la actualidad el digital twin se convierte en el punto de unión donde fabricantes y  
usuarios finales convergen, ponen los datos y los modelos y obtienen los beneficios que  
cada uno los fabricantes y usuarios finales necesita.  
Por tanto, con un digital twin se busca (Abbas et al., 2021; Agrawal et al., 2022; Galar,  
2020; Pascual et al., 2019):  
a) tener un producto conectado,  
b) creación de una plataforma como servitizadora para los fabricantes de bienes, y  
c) creación de servicios de soporte logístico y servicios de mantenimiento remoto.  
En la bibliografía especializada se destacan dos modelos básicos de digital twin  
basados en el enfoque de modelización: gemelo digital estocástico y gemelo digital en  
tiempo real.  
Un gemelo digital estocástico: es donde se utilizan como parámetros para caracterizar  
los modelos, variables aleatorias que tienen comportamientos estimados, pero no se  
conoce con certidumbre previamente cuál será el valor que tomen. Por ejemplo, el  
modelo digital twin estocástico es aquel que tiene un único digital twin donde se  
proyectan todos los posibles modos de fallo de todo un conjunto de activos, por  
ejemplo, de 100 autobuses. De esta manera, se tiene un elemento de prueba donde se  
están proyectando todos los fallos de todos los autobuses, por tanto, no es un gemelo  
Página 201  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
digital único, sino un gemelo que sirve básicamente para estimar la vida media de los  
diferentes componentes que se tiene en esa flota de autobuses. Este gemelo digital  
estocástico es probabilístico, donde lo que se estima es la densidad de probabilidad de  
fallos de los diferentes subsistemas.  
Un gemelo digital en tiempo real se identifica con un modelo donde es posible obtener  
valores del desempeño del sistema y los estados del sistema en tiempo real (para el  
caso que nos ocupa, tiempo real significa que los datos referidos a un sistema se  
analizan y actualizan al ritmo en que se reciben), si se asume que la flota de autobuses  
anterior, sería de 100 gemelos digitales, uno para cada autobús, donde cada gemelo  
digital es único y se está actualizando permanentemente. Aquí lo que se estimaría sería  
la probabilidad de fallo de una unidad específica.  
En ambos casos, el principal servicio que prestan estos modelos es el Soporte Logístico  
Integrado (ILS) para mejorar los perfiles de misión del activo en cuestión (Galar, 2020 y  
Pascual et al., 2019).  
La propia evolución de los gemelos digitales ha permitido clasificarlos, además, a partir  
de su funcionalidad, basados en la jerarquía, en la tecnología de entrada, y basados en  
la capacidad; de estas últimas, la manera de clasificarlos más frecuente ha sido según  
la tecnología de entrada en (Abbas et al., 2021; Galar, 2020; Pascual et al., 2019):  
Primeramente, el Gemelo Digital 1.0 es considerado el más sencillo de todos y está  
sustentado en Operational Technologies o Tecnologías Operativas (OT), es decir,  
aporta datos que están cerca del activo, provenientes de sensores que están cerca del  
activo, de esta forma, se utilizan redes neuronales, análisis de regresión para  
determinar y analizar la desviación de la normalidad y conocer el comportamiento del  
activo.  
Para entender como estos gemelos digitales han evolucionado a Daigital twin 2.0 se  
debe comprender qué son las taxonomías y las antologías.  
En un Daigital twin 2.0 se entrelazan taxonomías y antologías, donde las primeras  
representan la descomposición del activo de sistema a componente, mientras que las  
segundas constituyen conexiones entre bases de datos diferentes. Por ejemplo: se  
detecta una vibración en un activo que genera una parada de máquina, esto a su vez  
implica la compra de un repuesto, que genera una orden de desarme del activo y así  
sucesivamente. Todas estas actividades concatenadas, son conexiones entre bases de  
datos diferentes es a lo que se le denomina antología en operación y mantenimiento.  
En definitiva, la antología es la convergencia entre tecnologías de la información (IT)  
con Operational Technologies o Tecnologías Operativas (OT), donde se pueden  
explicar un conjunto más amplio de ideas, es decir, explicar qué pasa con una orden de  
trabajo, cuánta confiabilidad se recupera después de esa orden de trabajo y qué sucede  
después de una parada, entre otras acciones (figura 8).  
Página 202  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
Figura 8  
Evolución hacia el Digital Twin 2.0.  
Fuente: Elaboración propia a partir de Abbas et al., 2021; Agrawal et al., 2022; Galar,  
2020; Pascual et al., 2019; Pystina et al., 2021 y Zhao et al., 2022.  
Esta convergencia de IT con OT, determina que la explotación de los datos (referida a  
operación y mantenimiento) sea mucho más compleja. En un primer lugar, porque se  
crean necesariamente metadatos, donde se insertan los eventos que se tienen  
disponibles de manera asíncrona en los datos, pero a la larga esto facilita la explicación  
de las discontinuidades presentes en los datos.  
No obstante, todas estas ideas aún son incompletas, debido a que continuamente se  
están registrando muchísimos datos en la organización, y esto genera una brecha  
digital enorme entre la información que se está capturando y el conocimiento que se  
está extrayendo (Abbas et al., 2021; Agrawal et al., 2022; Galar, 2020; Pascual et al.,  
2019 y Pystina et al., 2021).  
Cómo se logra mezclar todo ese conocimiento al conocimiento de mantenimiento, pues,  
con lo que los especialistas llaman “los motores de contexto” (Abbas et al., 2021; Galar,  
2020; Pascual et al., 2019 y Pystina et al., 2021).  
En mantenimiento, el contexto está representado por las variables climáticas o  
medioambientales, socioeconómicas, sociopolíticas, es decir, todo lo que rodea  
contextualmente al activo. Por ejemplo, no funcionan igual autobuses para la  
transportación de pasajeros en la Ciudad de La Habana que en la ciudad de Las Tunas  
o en Santiago de Cuba, donde influyen, por ejemplo, la cantidad de personas que se  
transportan, características de las vías, características del terreno, entre otras.  
Todo esto genera los llamados gemelos digitales 2.1, donde al analizar datos de  
contexto, permite ampliar la capacidad de atinar mucho más en ese pronóstico de fallos  
que se planifica (Galar, 2020).  
No obstante, aún quedan cosas por resolver, es por ello que se diseñan o surgen  
modelos híbridos de gemelos digitales que mezclan modelos basados en los datos con  
modelos basado en la física del fallo (estos últimos capturan la base física del fallo en  
Página 203  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
un modelo que relaciona: las fuerzas que causan el daño con su efecto) (Abbas et al.,  
2021 y Galar, 2020).  
Estos modelos híbridos de Digital Twin combinan los conocimientos sobre el proceso  
físico y la información procedente de las lecturas de los sensores para mejorar las  
capacidades de pronóstico, donde la integración de los datos medidos y la física, puede  
conducir a una reducción de la incertidumbre; por ejemplo, ajustar la predicción del  
modelo utilizando los datos observados (figura 9).  
Figura 9  
Modelos híbridos de digital twin.  
Fuente: elaboración propia a partir de Abbas et al., 2021; Galar, 2020; Oakes et al.,  
2021; Pascual et al., 2019; Ustundag y Cevikcan, 2020.  
Hoy se defienden la idea de que esto es mucho más que mezclar simulación con  
operación y mantenimiento, ya que significa hibridar simulación en tiempo real con  
datos en tiempo real para obtener un gemelo digital potente (Galar, 2020).  
Figura 10  
Digital twin 3.0.  
Fuente: elaboración propia a partir de Galar, 2020 y Pascual et al., 2019  
Página 204  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
En conclusión, estos modelos híbridos generan el digital twin 3.0, como modelos  
híbridos en el cual la física del fallo, con los datos de contexto, facilitan servicios  
basados en contexto, donde se hibridan: las IT, OT y las tecnologías de ingeniería  
(Engineering Technologies, ET). Así, se convierten en un modelado físico del activo  
(Abbas et al., 2021; Agrawal et al., 2022; Galar, 2020; Oakes et al., 2021; Palensky et  
al., 2021; Pascual et al., 2019; Pystina et al., 2021; Reyes y Garg, 2021; Ustundag y  
Cevikcan, 2020; Wenner et al., 2021; Zakharov y Derksen, 2020) (figura 10).  
Conclusiones  
A partir de la sistematización teórica de los referentes relacionados con la gestión del  
mantenimiento se pudo identificar que el paradigma de dicha gestión está cambiando  
sus tradicionales prácticas hacia un mantenimiento predictivo donde impera la  
necesidad de actuar en base a la necesidad y no en base a un calendario. De esta  
manera, los digital twins surgen como modelos ingenieriles emergentes orientados al  
negocio, esencialmente a los proveedores de servicios, en consecuencia, deben facilitar  
la gestión de los riesgos, la gestión del diagnóstico, la gestión del pronóstico y la  
gestión de las decisiones de mantenimiento de los activos.  
Referencias bibliográficas  
Abbas, M., Liu, Y. y Cai, B. (2021). Digital Twin-based Prognostics and Health  
Management for Subsea systems: Concepts, Classification, Opportunities and  
Challenges. Proceedings of the 31st European Safety and Reliability Conference.  
https://www.rpsonline.com.sg/proceedings/9789811820168/html/070.xml  
Agrawal, A., Fischer, M. y Singh, V. (2022). Digital Twin: From Concept to Practice.  
Journal  
of  
Management  
in  
Engineering,  
38(3).  
https://doi.org/10.1061/(asce)me.1943-5479.0001034  
Aivaliotis, P., Georgoulias, K., Arkouli, Z. y Makris, S. (2019). Methodology for enabling  
digital twin using advanced physics-based modelling in predictive maintenance.  
Procedia CIRP, 81, 417-422. https://dx.doi.org/10.1016/j.procir.2019.03.072  
Alfonso, A. (2009). Procedimiento para la asistencia decisional al proceso de  
tercerización de la ejecución del mantenimiento [Tesis doctoral, Universidad  
Central “Marta Abreu” de Las Villas]. Cuba.  
D’Amico, D., Ekoyuncu, J., Addepalli, S., Smith, C., Keedwell, E., Sibson, J. y Penver, S.  
(2019). Conceptual framework of a digital twin to evaluate the degradation status  
of  
complex  
engineering  
systems.  
Procedia  
CIRP,  
86,  
61-67.  
https://dx.doi.org/10.1016/j.procir.2020.01.043  
Diez, A., Del Ser, J., Galar, D. y Sierra, B. (2019). Data fusion and machine learning for  
industrial prognosis: Trends and perspectives towards Industry 4.0. Information  
Fusion, 50, 92-111. https://doi.org/10.1016/j.inffus.2018.10.005  
Página 205  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
Galar, D. (2020). Gemelos digitales para operación y mantenimiento. Tecnal: a.  
Webinar. https://www.tecnalia.com/agenda/gemelos-digitales-para-operacion-y-  
mantenimiento  
González, C. (2020). Gemelos industriales  
y
mantenimiento industrial.  
https://software.aeromarine.es/los-gemelos-digitales-y-el-mantenimiento-  
industrial/  
Johnson, A., Heaton, J., Yule, S., Luke, S., Pocock, D., Parlikad, A. K. y Schooling, J.  
(2021). Informing the information requirements of a digital twin: a rail industry  
case study. Proceedings of the Institution of Civil Engineers-Smart Infrastructure  
and Construction, 40(XXXX), 1-13. https://dx.doi.org/10.1680/jsmic.20.00017  
Ladj, A., Wang, Z., Meski, O., Belkadi, F., Ritou, M. y Da Cunha, C. (2021). A  
knowledge-based Digital Shadow for machining industry in a Digital Twin  
perspective.  
Journal  
of  
Manufacturing  
Systems,  
58,  
168-179.  
https://www.sciencedirect.com/journal/journal-of-manufacturing-  
systems/vol/58/part/PA  
Marrero, R. A., Vilalta, J. A. y Martínez, E. (2019). Modelo de diagnóstico-planificación y  
control del mantenimiento. Ingeniería Industrial, 40(2), 148-160.  
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-59362019000200148  
Oakes, B. J., Parsai, A., Van Mierlo, S., Demeyer, S., Denil, J., De Meulenaere, P., &  
Vangheluwe, H. (2021). Improving Digital Twin Experience Reports.  
MODELSWARD. https://doi.org/10.5220/0010236101790190  
Palensky, P., Cvetkovic, M., Gusain, D. y Joseph, A. (2021). Digital twins and their use  
in  
future  
power  
systems.  
Digital  
Twin,  
1(4),  
4.  
http://dx.doi.org/10.12688/digitaltwin.17435.2  
Pascual, D. G., Daponte, P. y Kumar, U. (2019). Handbook of industry 4.0 and SMART  
systems. Routledge. CRC Press.  
Pystina, K., Sekhari, A., Gzara, L. y Cheutet, V. (2021). Digital Twin for production  
systems: a literature perspective. SOHOMA'21-11th International Workshop on  
Service Oriented, Holonic and Multi-Agent Manufacturing Systems for Industry of  
the Future. https://hal.science/hal-03457473/document  
Reyes, M. F. y Garg, S. (2021). Adaptability of Manufacturing Operations through Digital  
Twins. MIT Libraries. DSpace@MIT. https://hdl.handle.net/1721.1/130954  
Rodríguez, A. (2012). Manual de gestión de mantenimiento [Tesis de grado,  
Universidad  
Central  
de  
Las  
Villas  
Marta  
Abreu].  
Cuba.  
https://dspace.uclv.edu.cu/handle/123456789/5574  
Shim, C., Kang, H. y Dang, N. (2019). Digital twin models for maintenance of cable-  
supported bridges. International Conference on Smart Infrastructure and  
Construction 2019 (ICSIC). http://dx.doi.org/10.1680/icsic.64669.737  
Página 206  
La gestión del mantenimiento: Una mirada desde las actuales perspectivas tecnológicas  
Amilkar Ávila Atencio  
Eduardo León Parra  
Ailen Estevez Torres  
Volumen: 16  
Número: 3  
Año: 2024  
Recepción: 20/04/2023 Aprobado: 14/03/2024  
Artículo de revisión  
Ustundag, A. y Cevikcan, E. (2020). Industry 4.0: managing the digital transformation.  
Springer. http://dx.doi.org/10.1007/978-3-319-57870-5  
Wang, Z., Itard, L. y Meijer, A. (2021). Trends in digital twinning for design, operation  
and maintenance in non-residential buildings: a short review from literature. IEBB  
THEMA  
2. https://tki-bouwentechniek.nl/wp-content/uploads/2_Report-IEBB-  
activity-1.4-final.pdf  
Wenner, M., Meyer-Westphal, M., Herbrand, M. y Ullerich, C. (2021). The Concept of  
the Digital Twin to Revolutionise the Infrastructure Maintenance: the Pilot Project  
smartBRIDGE  
Hamburg.  
27  
th  
ITS  
World  
Congress.  
https://www.hamburg.com/world-congress-2021-17226  
Zakharov, L. y Derksen, L. (2020). Hardware and Software Infrastructure of Digital Twin  
Technology. KnE Engineering. https://dx.doi.org/10.18502/keg.v5i3.6754  
Zhao, Y., Wang, N., Liu, Z. & Mu, E. (2022). Construction Theory for a Building  
Intelligent Operation and Maintenance System Based on Digital Twins and  
Machine  
Learning.  
Buildings,  
12(2),  
87.  
https://dx.doi.org/10.3390/buildings12020087  
Conflicto de intereses: Los autores declaran no tener conflictos de intereses.  
Contribución de los autores: Los autores participaron en la búsqueda y análisis de la información para el artículo, así  
como en su diseño y redacción.  
Página 207