01
Supply Chain 5.0
INDUSTRIA 5.0
Y ECOSISTEMA DE DATOS
Oscar Alejo
AI & Data Engineer
Builder con 15 años de experiencia construyendo soluciones de automatización, datos e IA industrial desde cero.
MBAEGADE · Tec de Monterrey
Contenidos del módulo
EN ESTE MÓDULO
10h
01
De dónde venimos y a dónde vamos
02
El dato como insumo para una industria mejor
03
La Smart Factory con alma humana
04
Herramientas y KPIs de I5.0
05
Integración y proyecto del módulo
01
Bloque 1 de 5
DE DÓNDE VENIMOS Y A DÓNDE VAMOS
Tema 1.1
LAS 5 REVOLUCIONES INDUSTRIALES
1.1
1.0
1760
Vapor y mecanización
2.0
1870
Electricidad y producción en masa
3.0
1970
Automatización y electrónica
4.0
2011
Digitalización e IoT
5.0
HOY
Humanización y sostenibilidad
La diferencia clave
NO ES UNA SUSTITUCIÓN, ES UNA EVOLUCIÓN
vs
I 4.0
Máquina en el centro
Eficiencia como fin
Automatización total
Solo optimización
I 5.0
Humano en el centro
Eficiencia como medio
Colaboración humano‑máquina
Sostenibilidad + resiliencia
I5
Definición clave
TECNOLOGÍA AL SERVICIO DEL BIENESTAR HUMANO Y DEL PLANETA SIN SACRIFICAR EFICIENCIA
Fuente: Comisión Europea, Industry 5.0 (2021)
Centrada en el humano
Sostenible
Resiliente
Tema 1.1 · Pilares
TRES EJES QUE LO CAMBIAN TODO
3
Centrada en el humano
El trabajador amplifica sus capacidades con tecnología, no es reemplazado por ella.
Sostenible
La producción opera dentro de los límites ambientales del planeta.
Resiliente
El sistema se adapta y se recupera ante disrupciones externas.
≠
Tema 1.1 · Conceptos clave
¿SON LO MISMO? CASI, PERO NO
Sustentabilidad
Uso responsable de recursos naturales
Orientación principalmente ambiental
Satisfacer necesidades actuales sin agotar las futuras
Concepto más histórico y acotado
Sostenibilidad
Concepto más amplio: ambiental + social + económico
Sistema que se mantiene en equilibrio a lo largo del tiempo
Término oficial de la ONU y organismos internacionales
El término predominante en la práctica actual
Aunque en el uso cotidiano se intercambian, en contextos académicos e institucionales la diferencia es relevante.
Tema 1.1 · Modelo
TRIPLE BOTTOM LINE Y MODELO ESG
TBL
Ambiental
Reducción de CO₂ · Uso eficiente del agua · Energías renovables · Conservación de biodiversidad
Social
Derechos humanos · Inclusión y diversidad · Salud y seguridad laboral · Educación comunitaria
Económico
Rentabilidad sostenible · Innovación · Gestión eficiente de recursos · Creación de empleo
ESG: La evolución del modelo
Muchas organizaciones agregan un cuarto componente: Governance (Gobernanza), formando el estándar ESG (Environmental, Social & Governance), ampliamente utilizado para evaluación de empresas e inversiones a nivel global.
Una iniciativa es realmente sostenible cuando genera valor económico, aporta valor social y minimiza su impacto ambiental, al mismo tiempo.
GW
Tema 1.1 · Alerta crítica
GREENWASHING: PARECER MÁS VERDE DE LO QUE ERES
Práctica en la que una empresa comunica una imagen de responsabilidad ambiental mayor de la que realmente tiene. En otras palabras: parece sostenible, pero no lo es.
·Empaque “100% reciclable” sin infraestructura para reciclarlo donde se vende
·Aerolínea con programa de compensación de carbono mientras sigue siendo altamente emisora
·Producto con colores verdes y palabras como “eco” o “natural” sin evidencia verificable
Es uno de los mayores obstáculos para la sostenibilidad real: reduce la confianza en los programas ESG
Lectura recomendada
Iberdrola.com · Sostenibilidad
GREENWASHING: ¿QUÉ ES Y CÓMO DETECTARLO?
Estrategia de marketing con la que algunas empresas aparentan ser más ecológicas de lo que realmente son, también llamado ecopostureo. El artículo explica su origen, cómo detectarlo (inconsistencias, falta de certificaciones, vaguedades) y las consecuencias reales: multas, daño reputacional y pérdida de confianza del consumidor. La UE ya sancionó alegaciones ecológicas sin certificación verificable.
Tema 1.1 · Cómo detectarlo
5 SEÑALES DE ALERTA Y CÓMO EVALUAR
5
Señales de greenwashing
Afirmaciones vagas: “Eco-friendly”, “natural”
Falta de evidencia: sin certificaciones ni métricas
Destacar algo irrelevante: “Libre de CFC” (ya prohibido)
Ocultar impactos: mejora menor que tapa el problema
Sellos falsos: creados por la misma empresa
Qué buscar siempre
Metas medibles con plazos definidos
KPIs de sostenibilidad publicados
Certificaciones independientes
Reportes auditados por terceros
Resultados históricos, no solo promesas futuras
Ejemplo: “Nuestras botellas contienen 30% de plástico reciclado” sin reportar huella de carbono, plástico nuevo usado ni estrategia de recuperación de residuos, podría ser greenwashing.
Lectura recomendada
ITUser.es · Estrategias · Nov 2025
EL 72% DE LAS EMPRESAS INDUSTRIALES REFORZARÁ SU APUESTA POR I4.0
El estudio de CEAM y Bossard Spain revela que, pese al interés creciente, las empresas enfrentan frenos reales: altos costes de implantación (57.4%), falta de talento especializado (51.1%) y resistencia al cambio (38.3%). Solo el 18.7% usa robótica y apenas el 17.5% aplica IA de forma efectiva. La IA será el motor del crecimiento industrial en los próximos años.
Tema 1.2
LA OPORTUNIDAD DEL NEARSHORING BIEN HECHO
1.2
35B
$35 mil millones USD en nearshoring proyectado para México
Nuevo León, Jalisco y Guanajuato lideran el Índice I5.0 FINSA 2025
El reto: no replicar I4.0 de Asia, llegar con mentalidad I5.0 desde el inicio
E1
Ejercicio 01
TU EMPRESA ACTUAL
Identifica la empresa donde hiciste prácticas y responde en equipo:
1.¿En qué revolución industrial opera hoy?
2.¿Qué tan centrada en el humano está su operación?
3.¿Qué impacto ambiental visible tiene su proceso?
4.¿Qué cambiaría si operara bajo I5.0?
⏱ 15 minutos
Tema 1.3
LOS 9 PILARES TECNOLÓGICOS + 3 DIMENSIONES I5.0
9
IoT
Big Data
Cloud
Robótica
IA / ML
Manufactura Aditiva
Realidad Aumentada
Simulación Digital
Ciberseguridad
BienestarSostenibilidadResiliencia
Atravesados por las 3 dimensiones de I5.0
Video recomendado
INDUSTRIA 5.0: NUEVA REVOLUCIÓN QUE FUSIONA CIENCIA, TECNOLOGÍA Y HUMANIDAD
Ver en YouTube →
02
Bloque 2 de 5
EL DATO COMO INSUMO PARA UNA INDUSTRIA MEJOR
Tema 2.1
¿QUÉ ES UN DATO?
2.1
Un dato es la representación elemental de un hecho, evento o característica, sin contexto ni interpretación. Por sí solos no generan conocimiento.
25
Número
Oscar
Texto
2026-06-06
Fecha
MX
Código
¿Cuántos años tiene Oscar? ¿De qué país es MX? Sin contexto, los datos son inertes.
5
Tema 2.1 · Visión completa
EL CAMINO DEL DATO
1
DATA COLLECTION
2
DATA PREPARATION
3
DATA VISUALIZATION
4
DATA ANALYSIS
5
DATA STORYTELLING
Tema 2.1 · ETL
EXTRACT: OBTENER LOS DATOS DE SUS FUENTES
E
Fuentes típicas
MySQL
PostgreSQL
APIs REST
CSV / Excel
Kafka
ERP / CRM
Ejemplo JSON extraído
{
"id": 123,
"nombre": "Oscar",
"venta": "500.00",
"fecha": "06/06/2026"
}
"id": 123,
"nombre": "Oscar",
"venta": "500.00",
"fecha": "06/06/2026"
}
Los datos pueden llegar en cualquier formato. La clave es obtenerlos con la menor pérdida y latencia posibles.
Tema 2.1 · ETL
TRANSFORM: LIMPIAR Y ESTANDARIZAR
T
Antes
{
"venta": "500.00",
"fecha": "06/06/2026"
}
"venta": "500.00",
"fecha": "06/06/2026"
}
Después
{
"venta": 500.00,
"fecha": "2026-06-06",
"iva": 80.00,
"venta_neta": 420.00
}
"venta": 500.00,
"fecha": "2026-06-06",
"iva": 80.00,
"venta_neta": 420.00
}
Actividades comunes:
Eliminar duplicadosCorregir formatos
Validar calidadEnriquecer datosCalcular métricas
Tema 2.1 · ETL
LOAD + VISUALIZACIÓN: DEL DATO AL DASHBOARD
L
Destinos de carga
Data Warehouse → Snowflake, Redshift, BigQuery
Data Lake → Azure, AWS S3
Data Mart → subconjunto por área
Data Lake → Azure, AWS S3
Data Mart → subconjunto por área
Herramientas BI
Power BI
Tableau
Looker / Grafana
GENERAN →
Dashboards
KPIs
Reportes
Alertas
Gráficas
VIZ
Tema 2.1 · Visualización
¿QUÉ GRÁFICO USAR Y CUÁNDO?
GRÁFICO DE BARRAS
Comparar valores entre categorías distintas. útil para rankings, comparaciones de productos o turnos.
GRÁFICO DE LÍNEA
Mostrar tendencias y evolución en el tiempo. Ideal para series de tiempo: temperatura, OEE, producción diaria.
GRÁFICO DE PASTEL
Mostrar proporciones de un todo. Usar con pocas categorías (máx. 5). Ej: distribución de causas de paro.
DIAGRAMA DE DISPERSIÓN
Visualizar correlaciones entre dos variables. Ej: temperatura vs. defectos, velocidad vs. consumo energético.
MAPA DE CALOR
Mostrar intensidad o densidad en una matriz. Ej: fallos por turno y máquina, actividad por hora del día.
GRÁFICO DE ÁREA
Mostrar evolución acumulada o volumen en el tiempo. Ideal para stock, producción acumulada o consumo energético.
Tema 2.1 · Evolución
ETL VS ELT: LA ARQUITECTURA MODERNA
vs
ETL: Tradicional
Extract → Transform → Load
Transformación fuera del destino
Más control pero más lento
Ideal para datos estructurados y volúmenes medios
ELT: Moderno
Extract → Load → Transform
El dato se carga primero en el warehouse
Aprovecha el cómputo de la plataforma destino
Más escalable para Big Data en la nube
Plataformas como Snowflake, Google BigQuery y Amazon Redshift hacen que ELT sea hoy la opción preferida para arquitecturas de datos modernas y escalables.
Tema 2.1
DE LA SEÑAL AL CONOCIMIENTO
2.1
DATO
temperatura: 87.3
INFORMACIÓN
Horno 3 a las 14:22 del 4-jun superó 85°C
CONOCIMIENTO
Cuando supera 85°C hay 23% más defectos en la pieza
INTELIGENCIA
El sistema ajusta la válvula automáticamente antes del umbral
Tema 2.1 · Fuentes
¿DE DÓNDE VIENEN LOS DATOS EN I5.0?
3
Proceso
Sensores físicos
SCADA / DCS
MES
ERP
PLCs
Bienestar
Wearables de fatiga
Sensores de postura
Temperatura corporal
Calidad del aire (CO₂)
Sostenibilidad
CO₂ por proceso
Consumo de agua
Medidores de energía
Emisiones por celda
Lectura recomendada
IBM Think · Insights · Jun 2023
PROBLEMAS DE INTEGRIDAD DE DATOS: EJEMPLOS, IMPACTO Y PREVENCIÓN
La integridad de datos garantiza que la información sea precisa, coherente y confiable a lo largo de su ciclo de vida. IBM identifica 6 problemas comunes (silos, múltiples herramientas, mala auditoría, sistemas heredados, errores humanos y ciberataques) y 4 medidas preventivas: validación, copias de seguridad, auditorías periódicas e implementar seguridad robusta.
E2
Ejercicio 02
FUENTES DE DATOS DE UNA EMBOTELLADORA
Dado este proceso: línea de embotelladora de refresco, identifica:
·8 fuentes de datos de PROCESO
·4 fuentes de datos de BIENESTAR del trabajador
·4 fuentes de datos de SOSTENIBILIDAD
·Para cada fuente: qué mide, frecuencia de datos y capa de arquitectura
⏱ 20 minutos
Tema 2.2
NO TODOS LOS DATOS SON IGUALES
2.2
80%
Estructurado
Tablas, SQL, Excel
Fácil de consultar y analizar. Ideal para registros de producción y calidad.
Semiestructurado
JSON, XML, MQTT
Flexible y común en sistemas IoT. Los sensores industriales suelen generar este tipo.
No estructurado
Imágenes, audio, video, texto libre
El 80% del volumen de datos industriales. Requiere IA para extraer valor.
Tema 2.2 · Tipo principal
EL 80% DE TUS DATOS SERÁN SERIES DE TIEMPO
TS
Una línea de producción moderna genera entre 1 TB y 10 TB de datos por día. La mayoría de plantas en México usa solo el 1-2% de esos datos.
McKinsey Manufacturing Analytics, 2024
Video recomendado
DATOS ESTRUCTURADOS, SEMIESTRUCTURADOS Y NO ESTRUCTURADOS
Ver en YouTube →
E3
Ejercicio 03
CLASIFICA ESTOS 15 DATOS
De una planta automotriz, haz clic en cada dato para revelar su tipo:
1. Temperatura del horno c/100ms
9. Coordenadas GPS de AGV c/seg
2. Foto de pieza con defecto
10. Comentario libre del operador
3. Órdenes de producción en SAP
11. Presión hidráulica c/50ms
4. Audio de vibración de motor
12. PDF de procedimiento
5. JSON de respuesta sensor IoT
13. Código QR de trazabilidad
6. Excel de control de calidad
14. Medición de CO₂ ambiental
7. Video de línea de ensamble
15. Imagen de postura detectada
8. XML de factura electrónica
⏱ 15 minutos
6
Tema 2.3
6 ETAPAS, 6 OPORTUNIDADES DE FALLAR
GENERACIÓN
CAPTURA
ALMACENAMIENTO
PROCESAMIENTO
ANÁLISIS
ACCIÓN
El dato nace: sensores, máquinas, sistemas ERP/MES o interacciones humanas lo producen. La calidad y frecuencia de generación define todo lo que viene después.
Tema 2.3 · Errores comunes
DÓNDE SE PIERDE EL VALOR DEL DATO
6
GENERACIÓN
Sensores mal calibrados, datos faltantes
CAPTURA
Latencia, pérdida de paquetes
ALMACENAMIENTO
Silos de datos: ERP no habla con MES
PROCESAMIENTO
Outliers, NaN, duplicados, formatos inconsistentes
ANÁLISIS
Modelos mal entrenados, sesgos históricos
ACCIÓN ← EL PEOR
Nadie actúa sobre los insights generados
Lectura recomendada
Actian.com · Data Governance
GOBERNANZA VS. GESTIÓN DE DATOS: DIFERENCIAS CLAVE
La gobernanza define el “qué y por qué”: políticas, normas, compliance y propiedad de los datos. La gestión ejecuta el “cómo”: almacenamiento, ETL, calidad y accesibilidad. Sin gobernanza no hay dirección; sin gestión, la estrategia es solo teoría. Juntos garantizan datos fiables, seguros y listos para decisiones basadas en IA.
E4
Ejercicio 04
DIAGNÓSTICO DE CALIDAD DE DATOS
Con el dataset proporcionado (500 registros de línea de producción con errores intencionales):
1.Identifica y clasifica los problemas de calidad de datos encontrados
2.Nombra en qué etapa del ciclo de vida ocurre cada problema
3.Propón cómo se corregiría cada uno
Entregable: tabla en Excel con tus hallazgos
⏱ Para entregar en la siguiente sesión
03
Bloque 3 de 5
LA SMART FACTORY CON ALMA HUMANA
Lectura recomendada
UNIR Revista · Ingeniería y Tecnología · Ago 2025
QUÉ ES UNA SMART FACTORY Y EN QUÉ CONSISTE LA FABRICACIÓN INTELIGENTE
Una smart factory combina IA, robótica, IoT, big data y cloud para automatizar y conectar procesos productivos. Sus características clave: interconexión digital, operación autónoma, datos en tiempo real, sostenibilidad y mejora continua. Ejemplos reales: Gestamp (gemelo digital 5G), Airbus (robotización), SEAT (IA y vehículos autónomos).
Tema 3.1
LA FÁBRICA QUE OPTIMIZA TRES COSAS A LA VEZ
3.1
HCF
Definición clave
DONDE LOS SISTEMAS DIGITALES AMPLIFICAN AL HUMANO EN VEZ DE REEMPLAZARLO
Los datos protegen al trabajador tanto como optimizan la máquina. La sostenibilidad es un KPI operativo, no una declaración de valores.
Tema 3.2
DE LA MÁQUINA A LA NUBE: 5 CAPAS + 2 NUEVAS
3.2
CAPA 1
CAMPO
Sensores, PLCs, robots
CAPA 2
CONTROL
SCADA, DCS
CAPA 3
PLANTA
MES, trazabilidad
CAPA 4
EMPRESA
ERP, BI
CAPA 5
NUBE / EDGE
Azure IoT, AWS IoT
CAPA 6
BIENESTAR
Wearables, ergonomía
I5.0
CAPA 7
SOSTENIBILIDAD
Energía, CO₂, agua
I5.0
Tema 3.2 · Arquitectura Visual
ARQUITECTURA COMPLETA: PLANTA INTELIGENTE I5.0
4. NUBE: ENTERPRISE IT & ANALYTICS
Cloud Storage
Big Data Analytics
ML Models
Data Warehouse
MES / ERP
Remote Dashboards
Azure IoT Hub · REST API
3. EDGE COMPUTING
Edge Servers
Local Data Lakes
AI Inference (detección defectos)
Network Infrastructure
MQTT · OPC-UA
2. CONTROL: PLC & SCADA
PLCs (Siemens S7-1500)
Paneles Control Industrial
HMI
Edge Gateways
Data Loggers
SCADA Redundante
OPC-UA · Modbus
1. CAMPO: PLANTA FÍSICA (OT)
Conveyor / Entrada
Estaciones Sorting AI
Máquinas proceso
Robots Paletizado
Sensores IoT
Actuadores
ETHERNET/IP · PROFINET · IO-Link
5. BIENESTAR I5.0
Wearables salud & seguridad
Zona descanso / break
Iluminación erg. natural
Monitoreo CO₂ / clima
Centro capacitación VR/AR
Espacios verdes
Zona descanso / break
Iluminación erg. natural
Monitoreo CO₂ / clima
Centro capacitación VR/AR
Espacios verdes
6. SOSTENIBILIDAD I5.0
Paneles solares en techo
Captación agua de lluvia
Planta reciclaje de agua
Clasificación residuos
Iluminación LED inteligente
Captación agua de lluvia
Planta reciclaje de agua
Clasificación residuos
Iluminación LED inteligente
Lectura recomendada
EscudoDigital · Ciberseguridad · Abr 2021
EL 61% DE LOS FABRICANTES HA SUFRIDO CIBERINCIDENTES EN SUS SMART FACTORIES
Encuesta de Trend Micro a 500 profesionales de TI y OT en EEUU, Alemania y Japón: el 61% de fabricantes sufrieron ciberincidentes, el 75% tuvo interrupciones de sistema y el 43% parós de más de 4 días. La falta de colaboración TI–OT es el principal detonador. Tecnología (78%), personas (68%) y procesos (67%) son los retos críticos.
Tema 3.2 · Concepto clave
EL MAYOR RETO CULTURAL DE LA TRANSFORMACIÓN DIGITAL
IT/OT
OT
Fábrica física, máquinas
PLCs, SCADA
Tiempo real, crítico
Seguridad operativa
Décadas de estabilidad
CONVERGENCIA
IT
Datos y sistemas
ERP, Cloud, BI
Agilidad, negocio
Actualizaciones rápidas
Cultura de cambio
Históricamente vivían separados. I5.0 los une, y ese es el reto más humano del proceso: dos equipos con culturas distintas trabajando juntos.
E5
Ejercicio 05
DIAGRAMA DE ARQUITECTURA DE UNA PLANTA
Dado el diagrama en blanco de una planta empacadora, ubica correctamente:
·10 componentes tecnológicos en su capa correspondiente (OT a Nube)
·3 elementos de la capa de BIENESTAR del trabajador
·2 elementos de la capa de SOSTENIBILIDAD
·Indica el protocolo de comunicación entre al menos 3 capas
⏱ 25 minutos
Tema 3.3
IIoT: EL SISTEMA NERVIOSO DE I5.0
3.3
IIoT = red de dispositivos industriales que recopilan, intercambian y analizan datos para optimizar procesos, con requisitos de confiabilidad y seguridad más altos que IoT de consumo.
THINGMáquina, sensor
→
SENSORCaptura señal
→
GATEWAYProtocolo local
→
REDOPC-UA, MQTT
→
PLATAFORMAAzure / AWS IoT
→
APLICACIÓNDashboard, IA
Tema 3.3 · Sensores
QUÉ MEDIR EN UNA FÁBRICA I5.0
3.3
Proceso
Temperatura
Vibración mecánica
Presión / flujo
Nivel de llenado
Visión artificial
Bienestar
Vibración en guantes (micro-traumas)
CO₂ ambiental (calidad del aire)
Cámara de postura
Temperatura corporal
Sostenibilidad
Consumo energético / celda
Caudal de agua / proceso
Medidor de emisiones
Residuos por turno
Video recomendado
INDUSTRIAL INTERNET OF THINGS: THE TECHNOLOGY CHANGING INDUSTRIES FOREVER
Ver en YouTube →
E6
Ejercicio 06
ESQUEMA IIoT COMPLETO
Diseña el esquema IIoT para una línea de producción de piezas metálicas:
·Qué medir (proceso + bienestar + sostenibilidad)
·Qué sensor usar para cada variable
·Cómo conectarlo (protocolo)
·Dónde almacenar los datos (capa)
·Qué alerta generar en cada caso
·Cómo proteger al trabajador con ese dato
⏱ 30 minutos · Presentación 5 min
04
Bloque 4 de 5
HERRAMIENTAS Y KPIS DE I5.0
Tema 4.1
LAS HERRAMIENTAS DEL ECOSISTEMA
4.1
SQL
PostgreSQL · MySQL
Datos transaccionales, catálogos, registros de calidad. Ideal cuando los datos tienen estructura fija.
Time Series DB
InfluxDB · OSIsoft PI
Lecturas de sensores y telemetría continua. Optimizado para series de tiempo de alta frecuencia.
Data Lake
Azure · AWS S3
Todo el dato raw, decisión de uso posterior. El destino final de los datos de la fábrica inteligente.
Visualización
Power BI / Grafana / Tableau
Dashboards de KPIs de producción, bienestar y sostenibilidad en tiempo real.
KPI
Definición clave
KPI DE TRIPLE IMPACTO: PRODUCTIVIDAD + BIENESTAR + SOSTENIBILIDAD
Productividad
OEE ≥ 85%
Throughput / turno
Tiempo ciclo
Throughput / turno
Tiempo ciclo
Bienestar
Rotación de personal
Índice de lesiones
Satisfacción del equipo
Índice de lesiones
Satisfacción del equipo
Sostenibilidad
Energía / pieza
CO₂ / turno
Agua / lote
CO₂ / turno
Agua / lote
Tema 4.2 · KPI principal
OEE: EL KPI MÁS IMPORTANTE DE LA MANUFACTURA
OEE
85%
OEE = DISPONIBILIDAD × RENDIMIENTO × CALIDAD
Clase mundial85%+
Promedio industria MX55-65%
Un turno con OEE de 95% pero con 2 lesiones NO es un buen turno en I5.0.
Lectura recomendada
ADEN Business Magazine · IA Aplicada · Ene 2026
10 CASOS DE ÉXITO DE EMPRESAS QUE APLICAN INTELIGENCIA ARTIFICIAL
McKinsey confirma: las empresas que invierten en IA tienen 20% más probabilidad de aumentar ingresos. Casos reales: Netflix y Spotify (recomendaciones personalizadas con Big Data), chatbots en Bancolombia y Avianca, tarifas dinámicas de Uber y Airbnb, personalización de Nike con visión computacional y búsquedas de Google con BERT.
Video recomendado
HOW TO WORK IN DATA SCIENCE IN THE AI ERA
Ver en YouTube →
E7
Ejercicio 07
DASHBOARD DE TRIPLE IMPACTO
Con el dataset proporcionado (500 registros: producción + energía + ausentismo):
1.Crea un dashboard con 4 KPIs de productividad (incluye OEE), 2 de bienestar y 2 de sostenibilidad
2.Identifica el turno con mayor variabilidad
3.Identifica el proceso con mayor consumo energético por pieza
4.Propón 1 acción de mejora con enfoque I5.0
Herramienta: Excel o Power BI
⏱ Entregar próxima sesión
05
Bloque 5 de 5
INTEGRACIÓN Y PROYECTO DEL MÓDULO
Tema 5.1 · Framework Europeo
I5.0 MATURITY MODEL: ESCALA DE MADUREZ
Autoevaluación + KPIs operativos + validación de expertos. Benchmarking contra rangos 4.0 para medir progreso hacia I5.0.
0–5
0
Ausente
No existe capacidad. Sin procesos, tecnología ni prácticas relacionadas.
1
Inicial
Capacidad básica y ad-hoc. Procesos informales, sin documentación, dependencia de individuos.
2
Definido
Procesos documentados y estándar, aún reactivos. Tecnología entendida pero sin integración.
3
Implementado
Procesos implementados y gestionados. Tecnología integrada en operaciones con métricas básicas.
4
Gestionado
Procesos cuantitativamente gestionados. Optimización activa, métricas consolidadas, mejora continua.
5
Óptimo / Innovador
Capacidad óptima y autoevolutiva. Innovación continua, automatización inteligente, liderazgo en la dimensión.
I5
Tema 5.1 · I5.0 Maturity Model
4 DIMENSIONES QUE SE EVALÚN
Validado en SME de manufactura de precisión, multinacional y hub de innovación
Human-Centricity
Humano-central
Colaboración humano-máquina, bienestar laboral, inclusión, capacitación continua y valores sociales en la operación.
Sustainability
Sostenibilidad
Economía circular, eficiencia energética, reducción de residuos, descarbonización e impacto ambiental medible.
Digitalization
Digitalización
IoT, IA, gemelos digitales, automatización avanzada, conectividad 5G y arquitecturas de datos integradas.
Collaboration
Colaboración
Integración en cadena de valor, ecosistemas, resiliencia operativa y toma de decisiones descentralizada.
Tema 5.1
¿EN QUÉ NIVEL ESTÁ TU EMPRESA?
5.1
Estrategia digital
3
Fábrica inteligente
2.5
Operaciones
3.5
Productos conectados
2.8
Servicios de datos
2
Empleados
3.3
Bienestar trabajador I5.0
1.2
Sostenibilidad operativa I5.0
1.5
Resiliencia de cadena I5.0
1
Escala: 0-5 por dimensión · Framework europeo I5.0 Maturity Model
EF
Ejercicio Final
DIAGNÓSTICO DE MADUREZ I5.0 DE UNA EMPRESA MEXICANA
Aplica el framework completo de madurez I5.0:
1.Elige una empresa mexicana (prácticas, familiar o regional)
2.Analiza la madurez de la empresa basándote en la escala del I5.0 Maturity Model (0-5 por dimensión)
3.Calcula el puntaje de madurez
4.Identifica los 3 gaps más críticos
5.Propón 1 iniciativa I5.0 concreta (incluye bienestar o sostenibilidad)
Tema 5.2
GESTIÓN DEL CAMBIO: MÁS QUE TECNOLOGÍA
5.2
Disciplina que busca preparar, acompañar y apoyar a personas, equipos y organizaciones durante la transición de una situación actual a una futura, minimizando la resistencia y maximizando la adopción.
Identificar la necesidad del cambio
Evaluar el impacto en personas y procesos
Definir estrategia de adopción y comunicar la visión
Capacitar a los involucrados y gestionar la resistencia
Monitorear el avance con indicadores
Consolidar el cambio en la cultura organizacional
El objetivo no es solo implementar una nueva tecnología, sino lograr que las personas la adopten de manera efectiva y sostenible. Los marcos más utilizados: Prosci (ADKAR) y John Kotter (8 pasos).
Tema 5.2 · Prosci
MODELO ADKAR: LA RUTA DEL INDIVIDUO
ADKAR
ADKAR describe las 5 etapas que debe atravesar cada persona para adoptar exitosamente un cambio. Si alguna falla, el cambio no se consolida.
A
Awareness: Conciencia de por qué es necesario el cambio
D
Desire: Deseo de participar y apoyar activamente
K
Knowledge: Conocimiento de cómo hacer el cambio
A
Ability: Habilidad para implementarlo en la práctica
R
Reinforcement: Refuerzo para sostenerlo en el tiempo
8
Tema 5.2 · John Kotter
8 PASOS DEL CAMBIO EXITOSO
Selecciona un segmento
CHG
Tema 5.2 · Reflexión final
EN I5.0 EL MAYOR CAMBIO NO ES TECNOLÓGICO: ES CULTURAL
Implementar un cobot, un sensor o un dashboard es la parte técnica. Lograr que el operador lo adopte, el supervisor lo confíe y el equipo directivo lo sostenga en el tiempo: eso es gestión del cambio. Sin él, la mejor tecnología fracasa.
Resistencia al cambio
Liderazgo transformador
Adopción sostenible
Cultura I5.0
Video de cierre
REFLEXIÓN FINAL DEL MÓDULO
Ver en YouTube →
?
Detente y responde
01
¿Cómo sabes en qué punto está tu empresa hoy?
02
¿Tienes los datos y la infraestructura para sostener lo que quieres construir?
FIN
FIN
Supply Chain 5.0
Industria 5.0