Просмотр новости
Найдите то, что Вас интересует
Спутники
РН
SpaceX
Роскосмос
NASA
EL IMPACTO TRANSFORMADOR DE LA INTELIGENCIA ARTIFICIAL EN LA GESTIÓN DE CALIDAD EN PROYECTOS
Дата публикации: 08-07-2026 00:00:00
La Inteligencia Artificial (IA) está revolucionando la gestión de calidad en proyectos industriales, donde la agilidad y precisión son esenciales. Este estudio se propuso analizar y estructurar cómo la IA transforma la gestión de calidad de un enfoque reactivo a uno proactivo y predictivo, mejorando drásticamente la eficiencia, precisión y toma de decisiones. En lo que concierne a la metodología, incluyó una revisión sistemática de artículos académicos y un estudio de caso simulado. Este último implicó el desarrollo y validación de dos modelos de IA: un clasificador Random Forest para la predicción de defectos basado en datos de proceso y una Red Neuronal Convolucional (CNN) con arquitectura ResNet-50 para la inspección automatizada de imágenes termográficas de uniones soldadas, utilizando un conjunto de datos sintético de 10,000 registros. Los resultados demostraron la superioridad de la IA: el modelo Random Forest logró un 94.2% de precisión en la predicción de fallas, y la CNN alcanzó un 95% de precisión en la clasificación de imágenes, superando el 92% de la inspección manual y reduciendo el tiempo de procesamiento en un 98%. En discusión, se confirmó que la IA no solo optimiza la detección de defectos, sino que, crucialmente, permite anticipar y mitigar riesgos antes de que impacten costos y cronogramas, validando la hipótesis de que la IA es un catalizador para una transformación fundamental hacia un aseguramiento de calidad proactivo y basado en datos.
Основное содержимое страницы с новостью.
- Alejandro Alfonzo 1Centro de Investigación de Desarrollo Tecnológico y de Ingeniería, Universidad Dr. Rafael Belloso Chacín (URBE), Maracaibo – Venezuela
- Ramerlys Araujo 1Centro de Investigación de Desarrollo Tecnológico y de Ingeniería, Universidad Dr. Rafael Belloso Chacín (URBE), Maracaibo – Venezuela
- Luis López 2Facultad de Ingeniería, Universidad del Zulia, Cabimas - Venezuela
- Eimy López Centro de Investigación de Desarrollo Tecnológico y de Ingeniería, Universidad Dr. Rafael Belloso Chacín (URBE), Maracaibo – Venezuela
- Rafael Sánchez Centro de Investigación de Desarrollo Tecnológico y de Ingeniería, Universidad Dr. Rafael Belloso Chacín (URBE), Maracaibo – Venezuela
Palabras clave: Inteligencia Artificial, Gestión de Calidad, Gestión de Proyectos, Proyectos Industriales, Análisis Predictivo
Resumen
La Inteligencia Artificial (IA) está revolucionando la gestión de calidad en proyectos industriales, donde la agilidad y precisión son esenciales. Este estudio se propuso analizar y estructurar cómo la IA transforma la gestión de calidad de un enfoque reactivo a uno proactivo y predictivo, mejorando drásticamente la eficiencia, precisión y toma de decisiones. En lo que concierne a la metodología, incluyó una revisión sistemática de artículos académicos y un estudio de caso simulado. Este último implicó el desarrollo y validación de dos modelos de IA: un clasificador Random Forest para la predicción de defectos basado en datos de proceso y una Red Neuronal Convolucional (CNN) con arquitectura ResNet-50 para la inspección automatizada de imágenes termográficas de uniones soldadas, utilizando un conjunto de datos sintético de 10,000 registros. Los resultados demostraron la superioridad de la IA: el modelo Random Forest logró un 94.2% de precisión en la predicción de fallas, y la CNN alcanzó un 95% de precisión en la clasificación de imágenes, superando el 92% de la inspección manual y reduciendo el tiempo de procesamiento en un 98%. En discusión, se confirmó que la IA no solo optimiza la detección de defectos, sino que, crucialmente, permite anticipar y mitigar riesgos antes de que impacten costos y cronogramas, validando la hipótesis de que la IA es un catalizador para una transformación fundamental hacia un aseguramiento de calidad proactivo y basado en datos.
Descargas
La descarga de datos todavía no está disponible.
Citas
Urra-González C. and Ramos-Maldonado M. (2023) “Un enfoque de machine learning para la predicción de la calidad de tableros contrachapados”, Maderas-Cienc Tecnol, vol. 25, p. e3623, Apr. 2023.
Alcántara M. E, Sánchez E, Aguirre I, Villafán L. A., Jarrín E. P. , y León L. M. (2025) «Inteligencia Artificial y su Impacto en la Toma de Decisiones», Revista Científica y Académica, vol. 5, n.º 1, pp. 1073–1091, ene. 2025.
Lerner A and Mavrommatis H. (2021). Inteligencia Artificial (IA): perspectivas para integrar el valor de la innovación y la creatividad con la gestión en las organizaciones. researchgate/publication/357189967. pages = {141-170} https://www.researchgate.net/publication/357189967_Inteligencia_Artificial_IA_perspectivas_para_integrar_el_valor_de_la_innovacion_y_la_creatividad_con_la_gestion_en_las_organizaciones
Jaimes-Quintanilla, M. A., & Zabala-Vargas , S. (2024). Inteligencia artificial en la gestión de proyectos: caso construcción y obra civil. European Public & Social Innovation Review, 9, 1–21. https://doi.org/10.31637/epsir-2024-1615
Justiniano-Tucto, A. (2023). La inteligencia artificial en la gestión de la calidad y su importancia. Gaceta Científica, 9(1), 5-7. https://doi.org/10.46794/gacien.9.1.1860
McKinsey & Company. Chui, M., Hall, B., Singla, A., Sukharevsky, A., & Yee, L. (2023). The state of AI in 2023: Generative AI's breakout year. McKinsey & Company. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year
Peñalver-Higuera, M. J. (2025). La Inteligencia artificial como catalizador en la mejora de los procesos gerenciales. Gestio et Productio. Revista Electrónica de Ciencias Gerenciales, 7(Supl. 1), 1-3. Epub 01 de mayo de 2025.https://doi.org/10.35381/gep.v7i1.289
Peñalver-Higuera, M. J. y Isea-Arguelles, J. J. (2024) Transformación hacia fábricas inteligentes: El papel de la IA en la industria 4.0. Ingenium et Potentia [online]. 2024, vol.6, n.10 [citado 2025-08-14], pp.38-53. Disponible en:
Urra-González C. and Ramos-Maldonado M. (2023) “Un enfoque de machine learning para la predicción de la calidad de tableros contrachapados”, Maderas-Cienc Tecnol, vol. 25, p. e3623, Apr. 2023.
Cómo citar
Alfonzo, A., Araujo, R., López, L., López, E., & Sánchez, R. (2026). EL IMPACTO TRANSFORMADOR DE LA INTELIGENCIA ARTIFICIAL EN LA GESTIÓN DE CALIDAD EN PROYECTOS. REDIELUZ, 16(1), 147 - 152. https://doi.org/10.5281/zenodo.21183400
Sección
Investigación Tecnológica
Derechos de autor 2026 Alejandro Alfonzo, Ramerlys Araujo, Luis López, Eimy López, Rafael Sánchez
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.
Copyright
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación donde se presenta el artículo, el cual se publica bajo una Creative Commons Attribution License, que permite a otros compartir el trabajo previo el reconocimiento de la autoría del trabajo y de la publicación inicial en esta revista.
Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
Esta obra está bajo la licencia:
Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
Схожие новости
Классификация: Наука. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 3.6. Источник: produccioncientificaluz.org.