UNIVERSIDAD TECNOLÓGICA DE SANTIAGO (UTESA)

Asignatura: Gestión Operativa

Unidad VII · Tecnología, analítica y transformación digital de las operaciones

Material académico para estudiantes de cuarto cuatrimestre

Docente: M. A. Franklin Onésimo Tavárez Sánchez

Modalidad: Clase magistral, material de consulta, apuntes y apoyo para grabación de video educativo.

Introducción a la unidad

La gestión operativa ha evolucionado considerablemente. Antes, muchas empresas controlaban sus inventarios con hojas escritas a mano, registraban las ventas en libros físicos y esperaban a que una máquina se dañara para repararla. Hoy, las organizaciones pueden utilizar sistemas informáticos, sensores, inteligencia artificial y análisis de datos para coordinar sus actividades, anticipar problemas y mejorar el servicio al cliente.

Sin embargo, digitalizar una operación no consiste simplemente en comprar computadoras o instalar un programa. Significa utilizar la tecnología para mejorar los procesos, la calidad, los costos, la productividad, la seguridad y la capacidad de respuesta de la organización.

Los textos universitarios actuales de gestión de operaciones, como Operations Management, de Nigel Slack, Alistair Brandon-Jones y Nicola Burgess, incorporan la tecnología y la información al análisis de cómo las organizaciones producen bienes y prestan servicios. La décima edición fue publicada por Pearson en 2024.

Objetivo general

Comprender cómo la tecnología, los sistemas de información, la analítica de datos y la automatización contribuyen a mejorar la planificación, el control y la ejecución de las operaciones empresariales, reconociendo también sus riesgos y responsabilidades.

Cómo estudiar esta unidad

En cada subtema encontrarás:

• Definición basada en un autor o una institución real: una síntesis explicada con fines didácticos, sin presentarla como una cita textual.

• Definición de Franklin Onésimo Tavárez Sánchez: una formulación propia, preparada para facilitar la comprensión de los estudiantes.

• Ejemplo práctico: una aplicación a situaciones empresariales.

• Imagen alusiva: una referencia visual para acompañar el material del portal.

Las definiciones atribuidas a Franklin son formulaciones pedagógicas originales; no se presentan como citas de publicaciones externas.

Recursos visuales de la unidad

La lámina visual generada para esta clase contiene 15 escenas tecnológicas diferenciadas, correspondientes a los 15 subtemas. Las escenas pueden recortarse individualmente para acompañar cada sección del portal, conservando una identidad gráfica uniforme.

7.1. Transformación digital de las operaciones

Definición basada en un autor

Desde la perspectiva de la gestión de operaciones de Slack, Brandon-Jones y Burgess, la transformación digital puede estudiarse como la incorporación de tecnologías digitales a los procesos operativos para modificar cómo se diseñan, administran y mejoran los bienes y servicios. Esta es una síntesis conceptual, no una cita textual de los autores.

Definición de Franklin Onésimo Tavárez Sánchez

La transformación digital de las operaciones es el proceso mediante el cual una empresa utiliza la tecnología para cambiar y mejorar la manera en que planifica, ejecuta, controla y evalúa sus actividades.

Explicación para los estudiantes

Una empresa puede pasar de registrar sus ventas manualmente a utilizar un sistema que actualice las existencias, genere facturas y produzca informes automáticamente. Si el cambio mejora los procesos y la toma de decisiones, va más allá de la simple adquisición de tecnología.

Ejemplo práctico: una distribuidora de productos alimenticios digitaliza sus pedidos, registra las salidas de mercancía y coordina las entregas mediante un sistema compartido.

Idea clave: digitalizar no significa únicamente hacer lo mismo en una computadora; puede significar rediseñar la forma de trabajar.

7.2. Sistemas de información para la gestión operativa

Definición basada en un autor

Kenneth C. Laudon y Jane P. Laudon, en sus obras sobre sistemas de información gerencial, explican estos sistemas como conjuntos de componentes relacionados que recopilan, procesan, almacenan y distribuyen información para apoyar las operaciones y la toma de decisiones.

Definición de Franklin Onésimo Tavárez Sánchez

Un sistema de información para la gestión operativa es el conjunto de personas, procedimientos, datos y herramientas tecnológicas que permite conocer qué ocurre en los procesos de una empresa y actuar oportunamente.

Explicación para los estudiantes

Los sistemas de información ayudan a responder preguntas como:

• ¿Cuántos pedidos están pendientes?

• ¿Qué productos se encuentran agotados?

• ¿Cuánto se produjo durante el turno?

• ¿Cuáles entregas están retrasadas?

• ¿Qué recursos se necesitan para mañana?

La información debe ser correcta, oportuna, relevante y accesible para las personas autorizadas.

Ejemplo práctico: una empresa de transporte utiliza un sistema para registrar los viajes, controlar las entregas y conocer el estado de sus vehículos.

Idea clave: los datos son los registros; la información es el resultado de organizarlos e interpretarlos para que sean útiles.

7.3. ERP — Enterprise Resource Planning

Definición basada en una fuente especializada

IBM describe el ERP como un sistema de software empresarial que integra funciones y procesos de la organización, compartiendo información entre áreas mediante aplicaciones conectadas y, habitualmente, una base de datos común.

Definición de Franklin Onésimo Tavárez Sánchez

Un ERP es un sistema informático integrado que permite administrar y conectar las principales áreas de una empresa para que trabajen coordinadamente utilizando información compartida.

¿Qué áreas puede integrar?

• Compras y abastecimiento.

• Inventario y almacén.

• Producción y operaciones.

• Ventas y distribución.

• Contabilidad y finanzas.

• Recursos humanos.

Ejemplo práctico: cuando una empresa registra una venta, el ERP puede actualizar las existencias, generar la información para facturación y registrar los datos necesarios para los procesos contables, según los módulos y la configuración implementados.

Ventajas: mayor integración, trazabilidad, menos duplicación de registros y mejor coordinación.

Precaución: un ERP no garantiza por sí solo una buena gestión. Requiere procesos bien definidos, información confiable, capacitación y controles adecuados.

Idea clave: un ERP conecta las áreas para que la empresa funcione como un sistema integrado.

7.4. Sistemas de gestión de inventarios y almacenes

Definición basada en la gestión de operaciones

En la gestión de operaciones estudiada por Heizer, Render y Munson, el inventario comprende los materiales y productos que la organización mantiene para atender la producción y la demanda. Los sistemas digitales de inventario permiten registrar y controlar esos recursos.

Definición de Franklin Onésimo Tavárez Sánchez

Un sistema de gestión de inventarios y almacenes es una herramienta que permite registrar, localizar, controlar y dar seguimiento a las entradas, salidas y existencias de mercancías.

Conceptos que deben dominar los estudiantes

• Existencia: cantidad de unidades disponibles.

• Punto de reorden: nivel que indica cuándo conviene emitir un nuevo pedido.

• Inventario de seguridad: cantidad adicional destinada a protegerse frente a variaciones de la demanda o del suministro.

• Trazabilidad: capacidad de seguir el recorrido de un producto o lote.

Ejemplo práctico: un supermercado utiliza lectores de códigos de barras para registrar las ventas y detectar cuándo debe reponer productos de alta rotación.

Indicadores útiles: exactitud del inventario, rotación, faltantes, pérdidas y tiempo de preparación de pedidos.

Idea clave: el objetivo no es almacenar la mayor cantidad posible, sino disponer de los productos necesarios cuando se necesitan, con un costo razonable.

7.5. Analítica de datos aplicada a operaciones

Definición basada en autores

Thomas H. Davenport y Jeanne G. Harris, en Competing on Analytics, estudian cómo las organizaciones utilizan el análisis sistemático de datos para mejorar sus decisiones y su desempeño competitivo. Aplicado a operaciones, esto significa convertir los registros operativos en información útil para mejorar resultados.

Definición de Franklin Onésimo Tavárez Sánchez

La analítica de datos aplicada a operaciones consiste en examinar los datos de una empresa para descubrir patrones, explicar problemas, anticipar resultados y encontrar oportunidades de mejora.

Niveles de análisis

1. Descriptivo: ¿qué ocurrió? Por ejemplo, cuántos pedidos se entregaron.

2. Diagnóstico: ¿por qué ocurrió? Por ejemplo, por qué aumentaron los retrasos.

3. Predictivo: ¿qué podría ocurrir? Por ejemplo, qué días se espera una mayor demanda.

4. Prescriptivo: ¿qué acción conviene evaluar? Por ejemplo, cómo distribuir mejor las rutas.

Ejemplo práctico: una fábrica analiza sus registros de producción y descubre que los retrasos se concentran en una etapa específica del proceso.

Idea clave: acumular datos no es suficiente; hay que analizarlos para convertirlos en conocimiento útil.

7.6. Dashboards e indicadores operativos

Definición basada en la práctica de inteligencia empresarial

En el ámbito de la inteligencia empresarial, un dashboard es una presentación visual de información relevante que permite supervisar indicadores y reconocer desviaciones respecto de los objetivos.

Definición de Franklin Onésimo Tavárez Sánchez

Un dashboard operativo es un panel visual que reúne los indicadores más importantes de un proceso para que el responsable pueda conocer su desempeño y decidir qué necesita corregirse.

Ejemplos de indicadores clave de desempeño (KPI)

Ejemplo práctico: el gerente de una empresa de distribución observa en su panel que las entregas a tiempo disminuyeron y revisa las rutas, la disponibilidad de vehículos y la preparación de pedidos.

Idea clave: un buen dashboard no está lleno de números; presenta los indicadores que ayudan a actuar.

7.7. Inteligencia artificial aplicada a la gestión operativa

Definición basada en una fuente institucional

El marco de gestión de riesgos de inteligencia artificial del National Institute of Standards and Technology (NIST) aborda cómo incorporar consideraciones de confiabilidad y gestión de riesgos al diseño, desarrollo, uso y evaluación de sistemas de inteligencia artificial. No es una definición comercial de la tecnología, sino un marco para su utilización responsable.

Definición de Franklin Onésimo Tavárez Sánchez

La inteligencia artificial aplicada a las operaciones consiste en utilizar sistemas informáticos capaces de realizar tareas como reconocer patrones, generar predicciones o apoyar decisiones que tradicionalmente requerían mayor intervención humana.

Aplicaciones empresariales

• Clasificar solicitudes y pedidos.

• Detectar anomalías en los procesos.

• Apoyar la planificación de inventarios.

• Analizar consultas de clientes.

• Estimar posibles fallos de equipos.

• Proponer alternativas de planificación.

Ejemplo práctico: una empresa utiliza un modelo de IA para identificar pedidos con riesgo de retraso y priorizar su revisión por parte del personal responsable.

Precaución: los resultados pueden ser incorrectos o estar sesgados. Se deben verificar los datos, proteger la información confidencial y mantener supervisión humana acorde con el riesgo.

Idea clave: la IA puede apoyar al gerente, pero no elimina su responsabilidad de evaluar las decisiones.

7.8. Automatización de procesos

Definición basada en la disciplina de automatización

La automatización industrial, estudiada en textos técnicos como los de Mikell P. Groover, consiste en emplear sistemas de control y tecnología para ejecutar procesos con menor intervención humana directa.

Definición de Franklin Onésimo Tavárez Sánchez

La automatización de procesos es el uso de tecnología para ejecutar de manera automática tareas definidas, siguiendo reglas, instrucciones o parámetros previamente establecidos.

Tipos de automatización

• Administrativa: registro de facturas, avisos y aprobación de solicitudes.

• Industrial: control automático de máquinas y líneas de producción.

• Digital: transferencia de información entre sistemas sin repetir manualmente los mismos datos.

• Robótica: ejecución de tareas físicas mediante robots programados.

Ejemplo práctico: una empresa automatiza el envío de notificaciones cuando un pedido cambia de estado, reduciendo las llamadas y el seguimiento manual.

Advertencia importante: automatizar un proceso ineficiente puede hacer que los errores se repitan con mayor rapidez. Primero se debe revisar el proceso y después decidir qué automatizar.

Idea clave: antes de automatizar, hay que comprender y mejorar el trabajo que se desea automatizar.

7.9. Internet de las cosas (IoT) en las operaciones

Definición basada en la literatura tecnológica

El Internet de las cosas, conocido como IoT por sus siglas en inglés, consiste en conectar objetos físicos equipados con sensores y otras capacidades tecnológicas para recopilar o intercambiar datos mediante redes y sistemas informáticos.

Definición de Franklin Onésimo Tavárez Sánchez

El IoT aplicado a las operaciones es el uso de equipos y sensores conectados para conocer en tiempo real, o a intervalos definidos, las condiciones de máquinas, productos, instalaciones y procesos.

Aplicaciones

• Sensores de temperatura en cámaras frigoríficas.

• Seguimiento de vehículos y mercancías.

• Monitoreo de vibraciones de máquinas.

• Control de condiciones ambientales en almacenes.

• Medición del consumo de energía.

Ejemplo práctico: una empresa de alimentos instala sensores en sus cámaras de refrigeración para recibir una alerta cuando la temperatura sale del rango establecido.

Precaución: la conectividad requiere mantenimiento, control de acceso, protección de los dispositivos y una respuesta definida ante las alertas.

Idea clave: el IoT permite observar las condiciones físicas de una operación mediante datos generados por dispositivos conectados.

7.10. Robótica y automatización inteligente

Definición basada en un autor

Mikell P. Groover, en sus textos de automatización industrial y sistemas de manufactura, estudia los robots industriales como sistemas programables utilizados para realizar movimientos y operaciones físicas en entornos productivos.

Definición de Franklin Onésimo Tavárez Sánchez

La robótica aplicada a operaciones consiste en utilizar máquinas programables capaces de ejecutar tareas físicas, mientras que la automatización inteligente incorpora sensores, datos y, en determinados sistemas, inteligencia artificial para adaptar o mejorar su funcionamiento.

Diferencia importante

• Un equipo automático puede repetir una secuencia previamente programada.

• Un robot puede realizar movimientos programables para manipular objetos o ejecutar tareas.

• Un sistema inteligente puede utilizar información de sensores o modelos computacionales para ajustar su respuesta, según sus capacidades.

Ejemplo práctico: un centro de distribución utiliza robots para trasladar productos dentro del almacén y personal capacitado para supervisar excepciones, seguridad y calidad.

Consideración gerencial: deben evaluarse la inversión, el mantenimiento, la seguridad laboral, la capacitación y el efecto sobre los puestos de trabajo.

Idea clave: la tecnología debe complementar las capacidades humanas y mejorar la seguridad y el desempeño del proceso.

7.11. Predicción de demanda y mantenimiento predictivo

Definición basada en una fuente especializada

IBM explica que el mantenimiento predictivo utiliza datos operativos y la supervisión de las condiciones de los equipos para estimar cuándo un activo podría fallar. Puede emplear sensores, IoT y técnicas de análisis de datos o aprendizaje automático.

Definición de Franklin Onésimo Tavárez Sánchez

La predicción de demanda estima las necesidades futuras de productos o servicios, mientras que el mantenimiento predictivo analiza las condiciones de los equipos para anticipar posibles fallos y planificar intervenciones oportunas.

Dos aplicaciones distintas

A. Predicción de demanda

Se apoya en datos históricos, estacionalidad, tendencias, promociones y otros factores relevantes para estimar ventas futuras.

B. Mantenimiento predictivo

Utiliza información como vibración, temperatura, presión, horas de funcionamiento y registros de fallos para identificar señales que podrían indicar deterioro.

Ejemplo práctico: un supermercado estima una mayor demanda de determinados productos durante una temporada y ajusta sus pedidos. Al mismo tiempo, el centro de distribución monitorea la vibración de un motor para evaluar si requiere mantenimiento.

Importante: una predicción no es una certeza. Su calidad depende de los datos, el método y las condiciones reales.

Idea clave: anticipar permite prepararse; no elimina la incertidumbre.

7.12. Toma de decisiones basada en datos

Definición basada en autores

Foster Provost y Tom Fawcett, en Data Science for Business, explican el valor de comprender los datos y los métodos analíticos para extraer información útil para las decisiones empresariales.

Definición de Franklin Onésimo Tavárez Sánchez

La toma de decisiones basada en datos es el proceso de utilizar información verificable, indicadores, análisis y conocimiento del negocio para seleccionar acciones que respondan a un problema u objetivo operativo.

Pasos recomendados

1. Definir el problema.

2. Reunir datos relevantes y comprobar su calidad.

3. Analizar causas, tendencias y alternativas.

4. Comparar costos, beneficios y riesgos.

5. Elegir y ejecutar una acción.

6. Medir los resultados y corregir si es necesario.

Ejemplo práctico: si aumentan las quejas por entregas tardías, el gerente analiza los tiempos de preparación, las rutas y las horas de salida antes de decidir si necesita más vehículos, cambios de horario o mejoras en el almacén.

Precaución: los datos pueden estar incompletos, desactualizados o mal interpretados. También deben considerarse la experiencia profesional, el contexto y las necesidades de los clientes.

Idea clave: decidir con datos no significa obedecer ciegamente a los números; significa fundamentar y evaluar mejor las decisiones.

7.13. Ciberseguridad y riesgos asociados a la digitalización operativa

Definición basada en una institución oficial

El National Institute of Standards and Technology (NIST), mediante su Cybersecurity Framework 2.0, ofrece orientación para que las organizaciones comprendan, evalúen, prioricen y comuniquen sus riesgos de ciberseguridad. El marco incorpora las funciones de gobernar, identificar, proteger, detectar, responder y recuperar.

Definición de Franklin Onésimo Tavárez Sánchez

La ciberseguridad operativa es el conjunto de medidas técnicas, administrativas y humanas destinadas a proteger los sistemas, los datos y los procesos digitales contra accesos no autorizados, interrupciones, alteraciones y otros incidentes.

Riesgos frecuentes

• Robo o exposición de información.

• Contraseñas comprometidas.

• Ataques de programas maliciosos.

• Interrupción de sistemas de facturación o producción.

• Alteración de registros de inventario.

• Accesos indebidos a dispositivos industriales.

Medidas preventivas

• Utilizar contraseñas robustas y autenticación multifactor.

• Asignar permisos según las funciones de cada empleado.

• Mantener los sistemas actualizados.

• Realizar copias de seguridad y comprobar su recuperación.

• Capacitar al personal para reconocer mensajes fraudulentos.

• Establecer procedimientos para responder a incidentes.

Ejemplo práctico: si el sistema de pedidos de una distribuidora deja de funcionar por un incidente informático, un plan de continuidad permite activar procedimientos alternativos y recuperar las operaciones de forma controlada.

Idea clave: proteger la información es también proteger la continuidad del negocio.

7.14. Sostenibilidad y operaciones responsables

Definición basada en autores

Jay Heizer, Barry Render y Chuck Munson incorporan la sostenibilidad a su tratamiento de la gestión de operaciones y la cadena de suministro. Desde esta perspectiva, las decisiones operativas deben considerar tanto el desempeño productivo como sus efectos ambientales y económicos.

Definición de Franklin Onésimo Tavárez Sánchez

La sostenibilidad operativa consiste en organizar la producción y los servicios procurando utilizar responsablemente los recursos, reducir los desperdicios, controlar los impactos ambientales y mantener la viabilidad económica de la organización.

Aplicaciones empresariales

• Reducir el consumo innecesario de agua y energía.

• Disminuir mermas y productos defectuosos.

• Reutilizar materiales cuando sea seguro y apropiado.

• Optimizar las rutas de distribución.

• Gestionar correctamente los residuos.

• Evaluar prácticas responsables de los proveedores.

Ejemplo práctico: una planta de producción mide el consumo energético por unidad fabricada y compara los resultados antes y después de instalar equipos más eficientes.

Indicadores posibles: consumo de energía por unidad, desperdicio generado, consumo de agua, porcentaje de materiales recuperados y emisiones cuando exista una metodología adecuada para medirlas.

Idea clave: una operación responsable procura generar valor económico sin ignorar sus consecuencias ambientales y sociales.

7.15. El gerente de operaciones frente a la Industria 4.0 y la evolución tecnológica

Definición basada en la literatura especializada

La Industria 4.0 es un enfoque de transformación industrial asociado con la integración de sistemas digitales, conectividad, automatización, sensores y análisis de datos en los procesos productivos. Su aplicación concreta varía según la tecnología, el sector y la capacidad de cada organización.

Definición de Franklin Onésimo Tavárez Sánchez

El gerente de operaciones frente a la Industria 4.0 es el profesional que combina conocimientos administrativos, tecnológicos y humanos para integrar herramientas digitales, mejorar los procesos y asegurar que la innovación produzca resultados medibles, seguros y responsables.

Nuevas responsabilidades del gerente

• Comprender los procesos antes de seleccionar tecnologías.

• Identificar problemas que justifiquen una inversión.

• Coordinar las áreas de operaciones, informática, finanzas y recursos humanos.

• Evaluar costos, beneficios y riesgos.

• Preparar al personal para los cambios.

• Supervisar indicadores de desempeño.

• Promover la ciberseguridad y el uso responsable de la IA.

• Medir los resultados después de implementar una solución.

Ejemplo práctico: el gerente de una fábrica estudia la posibilidad de instalar sensores en sus máquinas. Antes de aprobar el proyecto, analiza el costo, las fallas que busca prevenir, la capacidad del personal, la seguridad de los datos y los indicadores con los que medirá el resultado.

Idea clave: el gerente moderno no necesita ser programador de todas las tecnologías, pero sí debe comprender sus posibilidades, limitaciones, costos y efectos sobre las operaciones.

Actividad de aprendizaje para los estudiantes de UTESA

Título: Diagnóstico tecnológico y propuesta de mejora operativa de una empresa.

Objetivo: aplicar los conceptos de la Unidad VII a una situación empresarial concreta.

El estudiante seleccionará una empresa real o un negocio conocido de la República Dominicana y desarrollará los siguientes puntos:

1. Describir brevemente sus operaciones y un problema que afecte su desempeño.

2. Identificar qué herramientas tecnológicas utiliza actualmente, si dispone de esa información.

3. Seleccionar tres tecnologías o soluciones digitales que podrían ayudar a mejorar sus operaciones.

4. Explicar cómo funcionaría cada solución y qué recursos necesitaría la empresa.

5. Proponer tres indicadores para medir los resultados esperados.

6. Identificar los riesgos de implementación, incluidos los relacionados con la ciberseguridad y la capacitación del personal.

7. Presentar una conclusión sobre la viabilidad de la propuesta.

Ejemplo orientativo: una panadería podría analizar un sistema de registro de ventas e inventarios, un mecanismo de pronóstico de la demanda y un control del consumo energético de sus equipos. La propuesta debe justificarse con datos disponibles o con supuestos claramente identificados; no se deben presentar estimaciones hipotéticas como resultados reales.

Preguntas para comprobar el aprendizaje

• ¿Cuál es la diferencia entre digitalizar una actividad y transformar digitalmente una operación?

• ¿Qué diferencia existe entre un ERP y un sistema de inventarios?

• ¿Por qué un dashboard necesita indicadores bien definidos?

• ¿Cómo se diferencia el mantenimiento preventivo del predictivo?

• ¿Qué riesgos puede generar la automatización?

• ¿Por qué la ciberseguridad es una responsabilidad de la gerencia?

• ¿Cómo puede una empresa pequeña aplicar principios de Industria 4.0 sin realizar inversiones desproporcionadas?

Conclusión  de Franklin Onésimo Tavárez Sánchez.

La tecnología representa una oportunidad para que las organizaciones dominicanas mejoren su productividad, reduzcan errores, utilicen mejor sus recursos y respondan con mayor rapidez a las necesidades de sus clientes. Sin embargo, esos beneficios no aparecen automáticamente por adquirir equipos o contratar programas informáticos.

El éxito depende de identificar problemas reales, diseñar procesos adecuados, disponer de información confiable, capacitar a las personas y medir los resultados. La inteligencia artificial, los robots, los sensores y los sistemas integrados son herramientas cuyo valor debe evaluarse según su contribución a los objetivos de la organización.

Como futuros profesionales de la administración y la gestión operativa, los estudiantes deben aprender a evaluar la tecnología con criterio empresarial: qué problema resuelve, cuánto cuesta, qué riesgos implica y cómo se comprobará que realmente mejora las operaciones.

Bibliografía y fuentes de consulta

Las siguientes referencias permiten profundizar en los conceptos de esta unidad. Las definiciones de los apartados anteriores son síntesis didácticas; no se han presentado como citas textuales ni se atribuyen páginas específicas sin verificación.

Libros especializados

1. Slack, N., Brandon-Jones, A., & Burgess, N. (2024). Operations Management (10.ª ed.). Pearson. Ficha editorial de Pearson.

2. Heizer, J., Render, B., & Munson, C. (2020). Operations Management: Sustainability and Supply Chain Management (13.ª ed.). Pearson. Ficha editorial de Pearson.

3. Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Harvard Business School Press.

4. Provost, F., & Fawcett, T. (2013). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O’Reilly Media.

5. Groover, M. P. (2015). Automation, Production Systems, and Computer-Integrated Manufacturing (4.ª ed.). Pearson.

Fuentes institucionales y tecnológicas

• IBM. Enterprise Resource Planning (ERP).

  

  IBM

• IBM. Predictive Maintenance.

  

  IBM

• National Institute of Standards and Technology (NIST). Cybersecurity Framework 2.0.

  

  NIST

  +1

• National Institute of Standards and Technology (NIST). Artificial Intelligence Risk Management Framework.

  

  NI