https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
176
Artículo de revisión
Gemelos digitales aplicados a la supervisión y control
automático de procesos industriales: una revisión sistemática
Digital twins applied to the supervision and automatic control of industrial
processes: A systematic review
Johana Beatriz Samaniego Palacios*
Escuela Superior Politécnica de Chimborazo
Riobamba-Ecuador
johana.samaniego@espoch.edu.ec
https://orcid.org/0000-0002-3432-2089
Juan Diego Erazo Rodríguez
Escuela Superior Politécnica de Chimborazo
Riobamba-Ecuador
juan.erazo@espoch.edu.ec
https://orcid.org/0000-0003-0152-5645
Byron Daniel Erazo Rodríguez
Escuela Superior Politécnica de Chimborazo
Riobamba-Ecuador
erazodaniel97@gmail.com
https://orcid.org/0009-0001-3339-9017
Wilian Andres Nuñez Yanez
Cooperativa de Ahorro y Crédito
Educadores de Chimborazo
Riobamba-Ecuador
andy_050113@hotmail.com
https://orcid.org/0009-0002-8089-7200
*Correspondencia:
johana.samaniego@espoch.edu.ec
Cómo citar este artículo:
Samaniego, J., Erazo, J., Erazo, B., & Nuñez,
W. (2026). Gemelos digitales aplicados a la
supervisión y control automático de
procesos industriales: una revisión
sistemática. Esprint Investigación, 5(2), 176-
192.
https://doi.org/10.61347/ei.v5i2.356
Recibido: 15 de junio de 2026
Aceptado: 18 de julio de 2026
Publicado: 24 de julio de 2026
Resumen: Los gemelos digitales (GD) se han consolidado como una de las tecnologías
habilitadoras más relevantes de la Industria 4.0 para fortalecer la supervisión, el
monitoreo y el control automático de procesos industriales. El presente artículo tuvo
como objetivo analizar la evidencia científica disponible sobre la aplicación de gemelos
digitales en la supervisión y el control automático de procesos industriales mediante una
revisión sistemática basada en la metodología PRISMA 2020. Se realizó una búsqueda
bibliográfica en
Scopus, Web of Science, IEEE Xplore, ScienceDirect, MDPI y
SpringerLink, identificándose inicialmente 120 registros; tras el proceso de cribado y
evaluación de elegibilidad, se seleccionaron 25 estudios de acceso abierto publicados en
revistas científicas indexadas. Los resultados evidenciaron que los gemelos digitales se
apl
ican principalmente en la supervisión remota mediante sistemas SCADA, la
integración con sistemas de control automático, el diagnóstico de fallas y mantenimiento
predictivo, la ciberseguridad industrial y la formación de operadores mediante realidad
aumentada y realidad virtual. Asimismo, se identificaron aplicaciones en sectores como
manufactura discreta, energía hidroeléctrica y fotovoltaica, petróleo y gas, tratamiento
de agua y robótica industrial, confirmando su carácter transversal dentro de los
ecosistemas industriales inteligentes. Se concluye que los gemelos digitales constituyen
una herramienta estratégica para mejorar la eficiencia operacional, la capacidad
predictiva y la toma de decisiones industriales; sin embargo, su adopción enfrenta
desafíos relacionados con la interoperabilidad, la estandarización de arquitecturas, la
ciberseguridad y los costos de implementación.
Palabras clave: Control automático, gemelo digital, Industria 4.0, PRISMA, revisión
sistemática, supervisión de procesos.
Abstract: Digital twins (DTs) have become one of the most relevant enabling technologies of
Industry 4.0 for strengthening the supervision, monitoring, and automatic control of industrial
processes. This article aimed to analyze the available scientific evidence on the application of
digital twins in the supervision and automatic control of industrial processes through a
systematic review based on the PRISMA 2020 methodology. A bibliographic search was
conducted in Scopus, Web of Science, IEEE Xplore, ScienceDirect, MDPI, and SpringerLink,
initially identifying 120 records; after the screening and eligibility assessment process, 25 open-
access studies published in indexed scientific journals were selected. The results showed that
digital twins are mainly applied in remote supervision through SCADA systems, integration
with automatic control systems, fault diagnosis and predictive maintenance, industrial
cybersecurity, and operator training through augmented and virtual reality. Likewise,
applications were identified in sectors such as discrete manufacturing, hydroelectric and
photovoltaic energy, oil and gas, water treatment, and industrial robotics, confirming their
transversal nature within smart industrial ecosystems. It is concluded that digital twins
constitute a strategic tool for improving operational efficiency, predictive capabilities, and
industrial decision-making; however, their adoption faces challenges related to interoperability,
architecture standardization, cybersecurity, and implementation costs.
Keywords: Automatic control, digital twin, Industry 4.0, PRISMA, process supervision,
systematic review.
Copyright: Derechos de autor 2026 Johana
Beatriz Samaniego Palacios, Juan Diego
Erazo Rodríguez,
Byron Daniel Erazo
Rodríguez, Wilian Andres Nuñez Yanez.
Esta obra está bajo una licencia internacional
Creative Commons Atribución-
NoComercial 4.0.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
177
1. Introducción
La cuarta revolución industrial ha transformado profundamente la forma en que las organizaciones
productivas conciben la supervisión y el control de sus procesos, incorporando tecnologías digitales
capaces de replicar, en tiempo real, el comportamiento de los sistemas físicos que intervienen en la
producción. En este contexto, el gemelo digital se ha consolidado como una de las tecnologías
habilitadoras más relevantes de la Industria 4.0, debido a que permite establecer un flujo de
comunicación bidireccional entre un activo físico y su representación virtual, donde los cambios del
sistema real se reflejan en el modelo digital y permiten generar respuestas orientadas a la optimización
del proceso (Sierla et al., 2020).
De esta manera, el gemelo digital supera la concepción de un modelo estático de simulación para
convertirse en una herramienta dinámica de monitoreo, diagnóstico y toma de decisiones. Su capacidad
para integrar datos históricos y en tiempo real permite anticipar fallas, optimizar el rendimiento
operativo y reducir los tiempos de inactividad de los sistemas productivos (Bofill et al., 2023).
La digitalización de los procesos industriales ha impulsado una expansión significativa de las
aplicaciones de los gemelos digitales en actividades relacionadas con la supervisión y el control
automático. En este sentido, se han desarrollado plataformas que integran gemelos digitales con
sistemas de supervisión, control y adquisición de datos (SCADA), permitiendo la monitorización
remota de variables de proceso mediante protocolos industriales como OPC UA y Modbus (Bastos
Boschoski & de Sousa Santos, 2026; Rodríguez-Alonso et al., 2024).
Asimismo, diversos estudios han explorado la integración de gemelos digitales en esquemas de
control clásico, como los reguladores proporcional-integral-derivativo (PID), con el objetivo de mejorar
la estabilidad y capacidad predictiva de los sistemas industriales ante condiciones operativas
dinámicas y no lineales (Dapkute et al., 2024). Estas aplicaciones evidencian la transición del gemelo
digital desde una herramienta de representación virtual hacia un componente activo dentro de los
sistemas ciberfísicos industriales.
De igual forma, la literatura reciente evidencia un creciente interés por el uso de gemelos digitales
como soporte para el diagnóstico de fallas y el mantenimiento predictivo, especialmente mediante la
incorporación de algoritmos de aprendizaje automático e inteligencia artificial generativa. Estas
técnicas permiten identificar patrones de degradación y anticipar posibles fallos en componentes
críticos antes de que ocurran interrupciones no planificadas del proceso (Mikołajewska et al., 2025;
Zhang et al., 2025).
En este contexto, el mantenimiento predictivo basado en gemelos digitales constituye una de las
líneas de investigación con mayor proyección dentro de la ingeniería industrial y la gestión de activos.
Esta tendencia ha sido confirmada por Abd Wahab et al. (2024), quienes identificaron un crecimiento
sostenido de publicaciones relacionadas con la integración de tecnologías de mantenimiento predictivo
y gemelos digitales durante el periodo 2018–2023.
No obstante, pese a los avances alcanzados, la implementación de gemelos digitales orientados
específicamente a la supervisión y el control automático de procesos industriales aún presenta desafíos
asociados con la interoperabilidad entre plataformas de simulación y sistemas de control reales, la
estandarización de arquitecturas tecnológicas y la ciberseguridad de los canales de comunicación entre
el gemelo digital y su contraparte física (Sayghe, 2025; Birk et al., 2022).
Por ello, resulta necesario consolidar la evidencia científica disponible para identificar las
tendencias actuales, las tecnologías habilitadoras, los principales ámbitos de aplicación y los vacíos de
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
178
investigación relacionados con el uso de gemelos digitales en sistemas industriales de supervisión y
control automático.
En correspondencia con lo anterior, el presente artículo tiene como objetivo analizar, mediante una
revisión sistemática de la literatura basada en la metodología PRISMA 2020 (Page et al., 2021), las
aplicaciones de los gemelos digitales en la supervisión y el control automático de procesos industriales
reportadas en estudios científicos de acceso abierto.
Asimismo, busca caracterizar los enfoques metodológicos empleados, las tecnologías habilitadoras
asociadas y los sectores industriales en los cuales estas soluciones han sido implementadas, con el
propósito de establecer una visión integral del estado actual del conocimiento en esta área.
2. Metodología
El presente trabajo se desarrolló mediante una revisión sistemática de la literatura, siguiendo los
lineamientos establecidos en la declaración PRISMA 2020 (Page et al., 2021), reconocida como una guía
internacional para garantizar la transparencia y reproducibilidad en este tipo de estudios. En este
sentido, se aplicaron de manera secuencial los elementos establecidos en la lista de verificación
PRISMA 2020, desde la identificación de registros hasta la síntesis cualitativa de los estudios incluidos.
Se incluyeron artículos científicos originales y de revisión que abordaron explícitamente la
aplicación de gemelos digitales en actividades de supervisión, monitoreo o control automático de
procesos industriales, publicados entre 2018 y 2026. Como criterios adicionales de inclusión, se
consideró que los estudios debían encontrarse disponibles en acceso abierto, disponer de un
identificador de objeto digital (DOI) verificable y estar publicados en revistas científicas indexadas en
bases bibliográficas reconocidas.
Se excluyeron estudios centrados exclusivamente en gemelos digitales orientados al producto o
diseño sin relación con la supervisión o control de procesos. Además, se descartaron documentos con
acceso restringido, actas de congresos sin publicación asociada en revista científica y artículos cuya
información editorial o indexación no pudo ser comprobada mediante fuentes oficiales.
La búsqueda bibliográfica se realizó en las bases de datos Scopus, Web of Science, IEEE Xplore,
ScienceDirect y SpringerLink, así como en el portal editorial MDPI y el motor de búsqueda académico
Google Scholar como fuente complementaria de verificación cruzada. La última actualización de la
estrategia de búsqueda se efectuó el 23 de julio de 2026.
La estrategia de búsqueda estuvo conformada por la combinación de los términos "digital twin"
AND ("industrial process" OR "process control" OR "process supervision" OR SCADA OR "predictive
maintenance" OR "fault diagnosis"). Los operadores booleanos fueron adaptados según las
características sintácticas de cada base de datos consultada para optimizar la recuperación de
información relevante.
La selección de los estudios se realizó mediante dos fases consecutivas. En la primera fase, se efectuó
un cribado inicial mediante la revisión de títulos y resúmenes, con el objetivo de eliminar registros que
no presentaban relación directa con la temática investigada. En la segunda fase, se evaluaron los textos
completos de los estudios potencialmente elegibles para confirmar el cumplimiento de los criterios
establecidos.
Durante la evaluación a texto completo, se verificó la disponibilidad del DOI, el acceso abierto de
la publicación y la correspondencia del contenido con el objetivo de la revisión. Este proceso contó con
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
179
el apoyo de herramientas digitales asistidas por inteligencia artificial como mecanismo
complementario de comprobación bibliográfica; sin embargo, la selección definitiva de los estudios fue
realizada bajo criterio de los investigadores.
De los estudios incluidos se extrajeron las siguientes variables bibliográficas y metodológicas:
autoría, año de publicación, revista científica, cuartil asignado en Scimago Journal Rank, sector
industrial de aplicación, tecnología de gemelo digital implementada y principales hallazgos
relacionados con la supervisión o el control automático de procesos.
Debido a la heterogeneidad identificada entre los estudios incluidos, considerando las diferencias
existentes en sus diseños metodológicos, tecnologías empleadas y sectores industriales analizados, se
realizó una síntesis narrativa de tipo temático. Los resultados fueron organizados en categorías
relacionadas con la supervisión mediante sistemas SCADA, integración con sistemas de control
industrial, diagnóstico de fallas y mantenimiento predictivo, ciberseguridad industrial, formación de
operadores mediante realidad aumentada y realidad virtual, y aplicaciones específicas por sector
productivo.
De los 120 registros identificados inicialmente en las bases de datos consultadas, se eliminaron 18
duplicados antes del proceso de cribado, obteniéndose 102 registros para la evaluación inicial por título
y resumen. Posteriormente, 47 registros fueron excluidos debido a que no cumplían con el alcance
temático definido, dejando 55 informes para evaluación a texto completo.
Tras la revisión completa de los documentos seleccionados, se excluyeron 30 estudios adicionales
principalmente por presentar acceso restringido o no cumplir con los criterios relacionados con la
verificación bibliográfica e indexación. Finalmente, 25 estudios fueron incluidos en la síntesis
cualitativa de la revisión sistemática. La figura 1 presenta el diagrama de flujo PRISMA 2020
correspondiente al proceso de identificación, selección e inclusión de estudios.
Figura 1
Diagrama de flujo PRISMA 2020 del proceso de identificación, cribado y selección de estudios
Nota. Elaboración propia a partir de la plantilla del diagrama de flujo PRISMA, siguiendo la estructura recomendada por Page et al. (2021).
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
180
3. Resultados
Características generales de los estudios incluidos
Los 25 estudios incluidos en la presente revisión fueron publicados entre 2020 y 2026, con una mayor
concentración durante el periodo 2024–2025. Este comportamiento refleja el crecimiento reciente del
interés científico por la aplicación de los gemelos digitales en la supervisión y el control automático de
procesos industriales.
La mayoría de los estudios analizados fueron publicados en revistas de la editorial MDPI,
principalmente en Sensors, Applied Sciences, Machines y Sustainability. El resto correspondió a
publicaciones de editoriales como Springer, Frontiers y PeerJ, entre otras fuentes científicas indexadas.
La tabla 1 presenta la síntesis de las principales características de los estudios incluidos, considerando
el autor, año de publicación, revista científica y enfoque principal de investigación.
Tabla 1
Estudios incluidos entre 2020 y 2026
N.° Autor(es) y año Revista Enfoque principal
1 Sayghe (2025) Sensors
Ciberseguridad y detección de
intrusiones en SCADA
2 Caiza & Sanz (2023) Applied Sciences
Control y monitoreo con realidad
aumentada
3 Ortiz et al. (2025) Sensors
Formación de operadores y
supervisión de proceso
4 Vyskočil et al. (2023) Sustainability
MES distribuido con planificación por
IA
5 Almusaed et al. (2024) Machines Optimización de manufactura flexible
6 Mikołajewska et al. (2025) Applied Sciences
IA generativa para diagnóstico de
fallas
7 Zhang et al. (2025) Sensors Diagnóstico de fallas en engranajes
8 Dapkute et al. (2024) Machines Integración de GD con control PID
9 Sierla et al. (2020) Applied Sciences
Generación semiautomática de GD
brownfield
10 Hassan et al. (2024) J. Intelligent Manufacturing
Experiencia de implementación en
mantenimiento
11 Birk et al. (2022)
Frontiers in Control
Engineering
Revisión de generación automática de
GD
12 Abd Wahab et al. (2024) PeerJ Computer Science
Revisión sistemática de mantenimiento
predictivo
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
181
13 Boschoski & Santos (2026) Methane
Integración GD-
SCADA en procesos
químicos
14 Rodríguez-Alonso et al. (2024) Sensors
GD por microservicios en tratamiento
de agua
15 Mitacc Meza et al. (2024) Sensors
Revisión de herramientas de GD en
petróleo y gas
16 Yun et al. (2024) Sustainability
Modelos predictivos en industria del
gas
17 Bofill et al. (2023) Sensors
Revisión de monitoreo de fallas con
GD
18 Filipescu et al. (2024) Sensors IoT, nube y GD para celda robótica
19 Cai et al. (2025) Sensors
Monitoreo inteligente en cableado
robotizado
20 Chang et al. (2025) Sensors Control por fusión de realidad virtual
21 Ersan & Irmak (2024) Sensors GD de planta hidroeléctrica real
22 Hueros-Barrios et al. (2025) Sensors
Diagnóstico de fallas en convertidores
fotovoltaicos
23 Bohačík & Fujdiak (2024) Smart Cities
Integración de GD en sistemas
electroenergéticos
24 Alfaro-Viquez et al. (2025) Electronics
Revisión de GD basados en IA en
manufactura
25 Fudyma et al. (2025) Processes
Balance de masa virtual en procesos
continuos
Nota. Elaboración propia a partir de los estudios incluidos mediante el proceso de selección PRISMA 2020.
Con el propósito de complementar la caracterización descriptiva de los estudios incluidos, las
figuras 2 a 5 muestran la distribución de las publicaciones según año de publicación, revista científica,
cuartil Scimago y categoría temática predominante.
La distribución temporal evidencia que la producción científica sobre gemelos digitales aplicados a
procesos industriales se concentró principalmente durante el bienio 2024–2025, periodo en el que se
ubicaron 19 de los 25 estudios incluidos (76 %). Este resultado confirma la expansión reciente de esta
línea de investigación dentro del contexto de la Industria 4.0.
En relación con las fuentes de publicación, la figura 3 muestra que Sensors concentró la mayor
proporción de estudios incluidos, con 11 publicaciones (44 %), seguida por Applied Sciences con tres
artículos. Las restantes revistas aportaron entre uno y dos estudios cada una, evidenciando una
distribución relativamente diversificada de la producción científica, aunque con predominio de
revistas especializadas en sensores y sistemas inteligentes.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
182
Figura 2
Distribución de los estudios incluidos según año de publicación (n = 25)
Nota. Elaboración propia a partir de los 25 estudios incluidos en la revisión (véase tabla 1).
Figura 3
Distribución de los estudios incluidos según revista de publicación (n = 25)
Nota. Elaboración propia a partir de los 25 estudios incluidos en la revisión (véase tabla 1).
Respecto a la calidad editorial de las fuentes seleccionadas, la Figura 4 evidencia que 22 estudios
(88 %) fueron publicados en revistas clasificadas en el primer cuartil (Q1) del Scimago Journal Rank,
mientras que un estudio correspondió al segundo cuartil (Q2). Los dos estudios restantes pertenecieron
a revistas cuyo posicionamiento en Scimago no pudo ser confirmado debido a su reciente
incorporación a las bases de indexación. Este resultado indica que la evidencia analizada provino
principalmente de publicaciones científicas con elevada visibilidad e impacto académico, fortaleciendo
la confiabilidad del conjunto documental evaluado.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
183
Figura 4
Distribución de los estudios incluidos según cuartil Scimago de la revista de publicación (n = 25)
Nota. Elaboración propia a partir de los 25 estudios incluidos en la revisión (véase tabla 1).
La distribución temática presentada en la Figura 5 muestra que el diagnóstico de fallas y
mantenimiento predictivo constituyó la categoría con mayor frecuencia de aparición (n = 5). Le
siguieron la formación de operadores mediante realidad aumentada y realidad virtual, así como las
aplicaciones sectoriales en energía, petróleo y gas (n = 4 respectivamente). Por otra parte, la
ciberseguridad industrial presentó menor representación cuantitativa; sin embargo, los estudios
identificados evidenciaron su importancia creciente debido a la integración de gemelos digitales con
infraestructuras críticas de control industrial.
Figura 5
Distribución temática de los estudios incluidos según su enfoque principal (n = 25)
Nota. Elaboración propia a partir de los 25 estudios incluidos en la revisión (véase tabla 1).
Supervisión de procesos mediante arquitecturas SCADA y plataformas digitales
Uno de los principales enfoques identificados en los estudios analizados corresponde a la integración
de los gemelos digitales con sistemas de supervisión, control y adquisición de datos (SCADA). En este
sentido, Bastos Boschoski y de Sousa Santos (2026) desarrollaron una herramienta computacional que
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
184
integra simuladores de procesos químicos con la plataforma SCADA de código abierto ScadaBR
mediante el protocolo Modbus, permitiendo el monitoreo bidireccional de modelos dinámicos
aplicados a un proceso de hidrocraqueo catalítico y una red de intercambiadores de calor.
De manera similar, Rodríguez-Alonso et al. (2024) propusieron una plataforma de gemelo digital
basada en una arquitectura de microservicios para una planta de tratamiento de aguas residuales. Esta
solución estuvo orientada a optimizar los procesos de operación y mantenimiento mediante la
integración de modelos de información de construcción y técnicas de aprendizaje automático, con
capacidad de despliegue en entornos de computación en el borde.
Asimismo, Vyskočil et al. (2023) plantearon una arquitectura de sistema de ejecución de
manufactura distribuido basada en gemelos digitales y planificación asistida mediante inteligencia
artificial. El sistema permitió recalcular en tiempo real los planes de producción ante variaciones
inesperadas del proceso, evidenciando la convergencia entre sistemas SCADA, sistemas de ejecución
de manufactura (MES) y plataformas inteligentes de gestión industria.
Integración de gemelos digitales con sistemas de control automático
Respecto a la integración de los gemelos digitales con sistemas de control automático, Dapkute et al.
(2024) desarrollaron una plataforma inteligente acoplada a un lazo de control PID aplicado a la
estabilización de temperatura en una caldera de biomasa. Los resultados demostraron mejoras en el
desempeño del sistema respecto a la sintonización convencional del regulador.
Por otra parte, Sierla et al. (2020) propusieron una metodología semiautomática para la generación
de gemelos digitales de estado estacionario en plantas industriales tipo brownfield, es decir,
instalaciones con varios años de operación. La propuesta permitió extraer información desde
diagramas de tuberías e instrumentación, reduciendo los esfuerzos de ingeniería asociados con la
construcción inicial del modelo digital.
En esta misma línea, Fudyma et al. (2025) introdujeron el concepto de balance de masa virtual como
una extensión del gemelo digital aplicado a procesos continuos. La propuesta fue validada mediante
el proceso Tennessee Eastman y evidenció su potencial de aplicación en industrias como petróleo y
gas.
Diagnóstico de fallas y mantenimiento predictivo
El diagnóstico de fallas y el mantenimiento predictivo representan una de las áreas de aplicación más
frecuentes de los gemelos digitales dentro del ámbito industrial. Abd Wahab et al. (2024), mediante
una revisión sistemática sobre mantenimiento predictivo y gemelos digitales, identificaron que las
investigaciones se concentran principalmente en diagnóstico de fallas, detección de anomalías y
estimación de la vida útil remanente de equipos.
Además, los autores señalaron que estas aplicaciones se han extendido hacia sectores emergentes
como la gestión inteligente del agua y la agricultura de precisión. Complementariamente, Zhang et al.
(2025) combinaron simulación estructural mediante elementos finitos, redes de regresión de procesos
gaussianos y transformadas wavelet para el diagnóstico de fallas en engranajes industriales,
alcanzando una precisión superior al 99 %.
Bofill et al. (2023) analizaron los métodos predictivos utilizados en gemelos digitales para monitoreo
de fallas en sectores como manufactura, energía y transporte, identificando al aprendizaje automático
como una de las técnicas predominantes.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
185
De manera complementaria, Mikołajewska et al. (2025) evaluaron el papel de la inteligencia artificial
generativa en gemelos digitales orientados al diagnóstico de fallas, destacando su capacidad para
generar datos sintéticos frente a la limitada disponibilidad de registros reales de fallas industriales.
Finalmente, Hueros-Barrios et al. (2025) propusieron un marco híbrido para el diagnóstico de fallas
en convertidores de corriente continua de plantas fotovoltaicas. El modelo integró un gemelo digital
de cinco dimensiones con clasificadores de aprendizaje automático, permitiendo identificar fallas de
hardware y ataques de inyección de datos falsos con una tasa de falsos positivos inferior al 2,5 %.
Ciberseguridad de los gemelos digitales en sistemas de control industrial
La ciberseguridad constituye una dimensión crítica dentro de la implementación de gemelos digitales,
debido a que estas tecnologías incrementan la interacción entre sistemas de información y sistemas de
operación industrial. En este contexto, Sayghe (2025) desarrolló un marco de detección de intrusiones
basado en gemelos digitales para sistemas SCADA industriales aplicado a una planta de tratamiento
de agua.
La propuesta integró simulación de procesos de alta fidelidad, modelado de sensores en tiempo real
y detección híbrida de anomalías, alcanzando una puntuación F1 de detección del 96,3 % y una latencia
inferior a 500 milisegundos. Estos resultados evidencian el potencial de los gemelos digitales como
mecanismos complementarios para fortalecer la resiliencia de infraestructuras industriales críticas
frente a amenazas cibernéticas.
Realidad aumentada, realidad virtual y formación de operadores
Otro grupo de investigaciones se orientó al uso de gemelos digitales como soporte para la formación
de operadores y la interacción humano-máquina mediante tecnologías inmersivas. Caiza y Sanz (2023)
desarrollaron un gemelo digital integrado con realidad aumentada para el control y monitoreo de un
entorno ciberfísico industrial, logrando comunicación bidireccional entre los entornos físico y virtual
con tiempos cercanos a los 100 milisegundos. Ortiz et al. (2025) implementaron una herramienta de
aprendizaje activo basada en gemelos digitales para la supervisión y control de un proceso industrial
de producción de cacao. Los resultados mostraron una reducción del 38 % en el tiempo de ejecución
de tareas respecto a métodos tradicionales de enseñanza.
Asimismo, Filipescu et al. (2024) integraron tecnologías IoT, computación en la nube, redes privadas
virtuales y gemelos digitales para el monitoreo remoto de una celda robótica multifuncional en
contextos de Industria y Educación 4.0 y 5.0. En esta misma línea, Chang et al. (2025) diseñaron y
validaron una plataforma de control basada en fusión de realidad virtual impulsada por gemelos
digitales para robots industriales.
Aplicaciones en manufactura discreta y robótica industrial
En el contexto de manufactura discreta, Almusaed et al. (2024) presentaron un caso de optimización
de un sistema de manufactura flexible mediante simulación y gemelos digitales, incorporando
mecanismos automáticos para la identificación y evacuación de piezas defectuosas. Cai et al. (2025)
desarrollaron un sistema inteligente de monitoreo basado en gemelos digitales para procesos de
cableado robotizado en manufactura aeroespacial. La propuesta empleó un modelo de cinco
dimensiones y una red neuronal optimizada mediante enjambre de partículas para predecir la calidad
del proceso.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
186
Por su parte, Alfaro-Viquez et al. (2025) realizaron una revisión de aplicaciones de gemelos digitales
basados en inteligencia artificial en manufactura, clasificándolas en tres dimensiones: operador,
proceso y producto. Los autores identificaron que la dimensión del proceso se orienta principalmente
hacia la optimización del flujo productivo, detección de cuellos de botella y reconfiguración dinámica
de sistemas industriales.
Aplicaciones sectoriales en energía, petróleo y gas
Diversos estudios documentaron aplicaciones de gemelos digitales en sectores energéticos específicos.
Ersan y Irmak (2024) desarrollaron un modelo para una planta hidroeléctrica orientado a la predicción y
prevención de errores de sensores mediante un controlador lógico programable, permitiendo diferenciar
fallas reales de errores de medición sin detener la operación. Bohačík y Fujdiak (2024) analizaron los
desafíos asociados con la integración de gemelos digitales en sistemas de control electroenergético,
identificando aspectos relacionados con seguridad de datos y actualización continua de modelos.
En el sector petrolero y gasífero, Mitacc Meza et al. (2024) revisaron herramientas, tecnologías y
marcos de referencia empleados en el desarrollo de gemelos digitales, clasificando 98 estudios según
metodologías, objetivos y tecnologías de adquisición y análisis de datos. Finalmente, Yun et al. (2024)
compararon modelos predictivos aplicados a un gemelo digital para estabilización de presión en
sistemas de suministro de gas urbano, identificando que ARIMA presentó el mejor desempeño frente
a modelos basados en regresión.
Fundamentos, arquitecturas y experiencias de implementación
Finalmente, algunos estudios aportaron una perspectiva transversal sobre arquitecturas y experiencias
prácticas de implementación. Birk et al. (2022) analizaron mecanismos de generación y actualización
automática de gemelos digitales para estimación y control industrial, diferenciando enfoques basados
en aprendizaje automático y modelos fundamentados en ecuaciones.
Hassan et al. (2024) documentaron la implementación de gemelos digitales para mantenimiento
industrial durante un periodo de evaluación de 18 meses. Los autores compararon los resultados
obtenidos por el gemelo digital con registros de mantenimiento y sistemas de control, demostrando su
capacidad para identificar discrepancias operativas antes de la aparición de fallos críticos.
4. Discusión y limitaciones
Interpretación general de los resultados
Los hallazgos de la presente revisión evidencian que la aplicación de los gemelos digitales en la
supervisión y el control automático de procesos industriales ha experimentado una evolución
significativa, pasando de modelos orientados principalmente a la simulación hacia arquitecturas
inteligentes capaces de integrar monitoreo, predicción y toma de decisiones en tiempo real.
Esta transformación confirma que el gemelo digital se ha consolidado como una tecnología
transversal dentro de la Industria 4.0, con aplicaciones que abarcan la supervisión mediante sistemas
SCADA, el control de procesos, el diagnóstico de fallas, la ciberseguridad industrial y la formación de
operadores. Estos resultados coinciden con Alfaro-Viquez et al. (2025), quienes identifican la
dimensión del proceso como uno de los principales ámbitos de desarrollo de los gemelos digitales
basados en inteligencia artificial.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
187
Asimismo, los resultados son consistentes con Abd Wahab et al. (2024), quienes reportan un
crecimiento sostenido de investigaciones relacionadas con mantenimiento predictivo y gemelos
digitales. En conjunto, estas evidencias sugieren que la principal contribución actual de los gemelos
digitales no se limita a representar activos físicos, sino que reside en su capacidad para integrar datos,
modelos analíticos y mecanismos de optimización orientados a mejorar la eficiencia operacional.
Uno de los aspectos más relevantes identificados corresponde a la integración creciente entre
gemelos digitales e inteligencia artificial. Una proporción importante de los estudios analizados
combinó técnicas de aprendizaje automático para diagnóstico de fallas (Zhang et al., 2025; Hueros-
Barrios et al., 2025) y generación de datos sintéticos destinados a superar limitaciones asociadas con la
disponibilidad de registros históricos de fallos (Mikołajewska et al., 2025).
Esta tendencia evidencia que el valor estratégico del gemelo digital depende cada vez más de su
capacidad para actuar como una infraestructura de datos confiable, capaz de alimentar modelos
predictivos y facilitar decisiones anticipadas sobre el comportamiento del sistema industrial. Este
resultado coincide con Bofill et al. (2023), quienes destacan el papel predominante del aprendizaje
automático en aplicaciones de monitoreo predictivo basadas en gemelos digitales.
De igual manera, los resultados muestran una integración progresiva entre gemelos digitales y
mecanismos de ciberseguridad aplicados a sistemas de control industrial. En particular, Sayghe (2025)
evidencia el potencial de estas tecnologías para detectar anomalías y ataques en infraestructuras
críticas, como plantas de tratamiento de agua.
Esta convergencia resulta especialmente relevante debido al incremento de la interconexión entre
tecnologías de información (TI) y tecnologías de operación (TO), donde la protección de los canales de
comunicación entre el entorno físico y virtual se convierte en un requisito fundamental para garantizar
la confiabilidad operacional. Esta situación también fue identificada por Boschoski y Santos (2026) en
sistemas SCADA aplicados a procesos químicos.
Limitaciones de la evidencia incluida
A pesar de los avances identificados, la evidencia disponible presenta algunas restricciones que deben
considerarse al interpretar los resultados. La mayoría de los estudios incluidos corresponden a
implementaciones experimentales, entornos de laboratorio o plantas piloto, mientras que son todavía
limitados los casos documentados en instalaciones industriales de gran escala con condiciones
operativas reales y variables altamente dinámicas.
Esta situación limita la generalización de los resultados hacia otros sectores productivos,
especialmente aquellos donde existen restricciones relacionadas con infraestructura tecnológica,
disponibilidad de datos históricos y requerimientos estrictos de seguridad operacional.
Por otra parte, se observó una concentración relevante de publicaciones en revistas pertenecientes
a un mismo grupo editorial. Aunque esta característica no implica necesariamente una disminución en
la calidad científica de los estudios incluidos, puede representar una posible fuente de sesgo editorial,
por lo que futuras revisiones deberían ampliar la cobertura hacia diferentes bases bibliográficas y
editoriales.
Limitaciones del proceso de revisión
Respecto al proceso metodológico de la revisión, una de las principales limitaciones estuvo relacionada
con la inclusión exclusiva de estudios disponibles en acceso abierto y con DOI verificable. Si bien este
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
188
criterio favoreció la transparencia y reproducibilidad del análisis, pudo excluir investigaciones
relevantes publicadas en revistas de acceso restringido que aportaran evidencia complementaria sobre
la implementación industrial de gemelos digitales.
Asimismo, dos de las revistas incluidas (Frontiers in Control Engineering y Methane) no contaban con
un cuartil Scimago consolidado durante el desarrollo de la revisión debido a su reciente incorporación
a las bases bibliográficas de Scopus. Su inclusión se justificó por la pertinencia temática directa, la
indexación disponible y la relevancia del contenido para responder al objetivo planteado.
Finalmente, aunque el proceso de búsqueda, cribado y extracción de información fue apoyado
mediante herramientas asistidas por inteligencia artificial, estas herramientas fueron utilizadas
únicamente como apoyo operativo y no como sustituto del análisis crítico de los investigadores. En
consecuencia, la ausencia de una evaluación independiente por duplicado constituye una limitación
metodológica, considerando las recomendaciones establecidas por PRISMA 2020 para reducir posibles
sesgos durante la selección de estudios (Page et al., 2021).
Implicaciones para la práctica, la política y la investigación futura
Desde una perspectiva aplicada, los resultados sugieren que las organizaciones industriales
interesadas en implementar gemelos digitales deberían adoptar estrategias progresivas de integración
tecnológica. En una primera etapa, la conexión con sistemas SCADA existentes puede constituir un
punto de entrada viable, debido a que permite aprovechar infraestructuras previamente
implementadas antes de incorporar capacidades avanzadas de inteligencia artificial y análisis
predictivo.
Esta estrategia coincide con las experiencias reportadas por Rodríguez-Alonso et al. (2024) y Bastos
Boschoski y de Sousa Santos (2026), quienes demostraron la viabilidad de integrar gemelos digitales
con plataformas industriales existentes para mejorar la supervisión y gestión operacional.
Desde el ámbito de investigación, los resultados permiten identificar varias líneas prioritarias. Entre
ellas destacan la estandarización de arquitecturas de gemelos digitales, el desarrollo de metodologías
automatizadas o semiautomatizadas para la generación de modelos en plantas industriales existentes
(brownfield) y el fortalecimiento de mecanismos de ciberseguridad aplicados a las interfaces entre los
sistemas físicos y sus representaciones virtuales.
Además, resulta necesario promover estudios longitudinales en ambientes industriales reales que
permitan evaluar el desempeño de estas tecnologías durante periodos prolongados, considerando
aspectos como retorno de inversión, mantenimiento de modelos digitales, escalabilidad e impacto
sobre la eficiencia operacional.
5. Conclusiones
A partir de la revisión sistemática de 25 estudios seleccionados mediante la metodología PRISMA 2020,
se concluye que los gemelos digitales se han consolidado como una tecnología habilitadora clave para
la transformación digital de los procesos industriales, debido a su capacidad para integrar modelos
virtuales, datos en tiempo real y mecanismos avanzados de análisis orientados a la supervisión y el
control automático.
Los estudios analizados evidencian que sus aplicaciones abarcan desde la integración con sistemas
SCADA y lazos de control PID hasta soluciones avanzadas de diagnóstico predictivo de fallas
mediante inteligencia artificial, aprendizaje automático y tecnologías inmersivas para la formación de
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
189
operadores. Esta diversidad confirma que los gemelos digitales han evolucionado desde herramientas
de simulación hacia plataformas inteligentes de apoyo a la toma de decisiones industriales.
La evidencia revisada muestra que el diagnóstico de fallas y el mantenimiento predictivo
constituyen las aplicaciones con mayor presencia dentro de la literatura analizada, seguidas por la
supervisión remota mediante plataformas digitales y la capacitación de operadores mediante realidad
aumentada y realidad virtual.
Asimismo, se identificaron aplicaciones relevantes en sectores como manufactura discreta, energía
hidroeléctrica y fotovoltaica, petróleo y gas, tratamiento de agua y robótica industrial. Estos resultados
reflejan la naturaleza transversal de los gemelos digitales y su capacidad de adaptación a diferentes
contextos productivos dentro de los paradigmas de Industria 4.0 y 5.0.
No obstante, la adopción generalizada de esta tecnología aún enfrenta desafíos asociados con la
escalabilidad de las soluciones fuera de ambientes experimentales, la interoperabilidad entre
plataformas, la estandarización de arquitecturas y la protección de los canales de comunicación entre
los sistemas físicos y virtuales.
En este sentido, las futuras investigaciones deberían orientarse hacia la validación de gemelos
digitales en instalaciones industriales de gran escala, el desarrollo de estándares técnicos comunes y la
creación de metodologías de implementación accesibles para organizaciones con diferentes niveles de
madurez tecnológica.
Los hallazgos de esta revisión aportan una visión integral del estado actual del conocimiento sobre
la aplicación de gemelos digitales en la supervisión y el control automático de procesos industriales.
Además, proporcionan una base de referencia para investigadores y profesionales interesados en
identificar oportunidades de innovación y estrategias de adopción tecnológica dentro de los
ecosistemas industriales inteligentes.
Referencias
Abd Wahab, N., Hasikin, K., Lai, K., Xia, K., Bei, L., Huang, K., & Wu, X. (2024). Systematic review of
predictive maintenance and digital twin technologies challenges, opportunities, and best
practices. PeerJ Computer Science, 10, e1943. https://doi.org/10.7717/peerj-cs.1943
Alfaro-Viquez, D., Zamora-Hernandez, M., Fernandez-Vega, M., Garcia-Rodriguez, J., & Azorin-
Lopez, J. (2025). A comprehensive review of AI-based digital twin applications in
manufacturing: Integration across operator, product, and process dimensions. Electronics, 14(4),
646. https://doi.org/10.3390/electronics14040646
Almusaed, A., Yitmen, I., & Almssad, A. (2024). Digital twin for flexible manufacturing systems and
optimization through simulation: A case study. Machines, 12(11), 785.
https://doi.org/10.3390/machines12110785
Birk, W., Hostettler, R., Razi, M., Atta, K., & Tammia, R. (2022). Automatic generation and updating of
process industrial digital twins for estimation and control – A review. Frontiers in Control
Engineering, 3, 954858. https://doi.org/10.3389/fcteg.2022.954858
Bofill, J., Abisado, M., Villaverde, J., & Sampedro, G. A. (2023). Exploring digital twin-based fault
monitoring: Challenges and opportunities. Sensors, 23(16), 7087.
https://doi.org/10.3390/s23167087
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
190
Bohačík, A., & Fujdiak, R. (2024). The problem of integrating digital twins into electro-energetic control
systems. Smart Cities, 7(5), 2702–2740. https://doi.org/10.3390/smartcities7050105
Boschoski, R., & de Santos, L. (2026). Supervisory monitoring and control using chemical process
simulators and SCADA systems. Methane, 5(1), 8. https://doi.org/10.3390/methane5010008
Cai, J., Ding, H., Wang, P., Guo, X., Hou, H., Jiang, T., & Qiao, X. (2025). Digital twin-based intelligent
monitoring system for robotic wiring process. Sensors, 25(19), 5978.
https://doi.org/10.3390/s25195978
Caiza, G., & Sanz, R. (2023). Digital twin to control and monitor an industrial cyber-physical
environment supported by augmented reality. Applied Sciences, 13(13), 7503.
https://doi.org/10.3390/app13137503
Chang, W., Sun, W., Chen, P., & Xu, H. (2025). Construction and validation of a digital twin-driven
virtual-reality fusion control platform for industrial robots. Sensors, 25(13), 4153.
https://doi.org/10.3390/s25134153
Dapkute, A., Siozinys, V., Jonaitis, M., Kaminickas, M., & Siozinys, M. (2024). Enhancing industrial
process control: Integrating intelligent digital twin technology with proportional-integral-
derivative regulators. Machines, 12(5), 319. https://doi.org/10.3390/machines12050319
Ersan, M., & Irmak, E. (2024). Development and integration of a digital twin model for a real
hydroelectric power plant. Sensors, 24(13), 4174. https://doi.org/10.3390/s24134174
Filipescu, A., Simion, G., Ionescu, D., & Filipescu, A. (2024). IoT-cloud, VPN, and digital twin-based
remote monitoring and control of a multifunctional robotic cell in the context of AI, Industry,
and Education 4.0 and 5.0. Sensors, 24(23), 7451. https://doi.org/10.3390/s24237451
Fudyma, J., Kura, Ł., & Gębicki, J. (2025). Development of digital twins for continuous processes:
Concept description of virtual mass balance based on the Tennessee Eastman process. Processes,
13(2), 337. https://doi.org/10.3390/pr13020337
Hassan, M., Svadling, M., & Björsell, N. (2024). Experience from implementing digital twins for
maintenance in industrial processes. Journal of Intelligent Manufacturing, 35, 875–884.
https://doi.org/10.1007/s10845-023-02078-4
Hueros-Barrios, P., Rodríguez Sánchez, F., Martín Sánchez, P., Santos-Pérez, C., Sangwongwanich, A.,
Novak, M., & Blaabjerg, F. (2025). Digital twin approach for fault diagnosis in photovoltaic
plant DC–DC converters. Sensors, 25(14), 4323. https://doi.org/10.3390/s25144323
Mikołajewska, E., Mikołajewski, D., Mikołajczyk, T., & Paczkowski, T. (2025). Generative AI in AI-
based digital twins for fault diagnosis for predictive maintenance in Industry 4.0/5.0. Applied
Sciences, 15(6), 3166. https://doi.org/10.3390/app15063166
Mitacc Meza, E., Borges de Souza, D., Copetti, A., Barbosa Sobral, A., Vaz Silva, G., Tammela, I., &
Cardoso, R. (2024). Tools, technologies and frameworks for digital twins in the oil and gas
industry: An in-depth analysis. Sensors, 24(19), 6457. https://doi.org/10.3390/s24196457
Ortiz, J., Quishpe, E., Sailema, G., & Guamán, N. (2025). Digital twin-based active learning for
industrial process control and supervision in Industry 4.0. Sensors, 25(7), 2076.
https://doi.org/10.3390/s25072076
Page, M., McKenzie, J., Bossuyt, P., Boutron, I., Hoffmann, T., Mulrow, C., Shamseer, L., Tetzlaff, J.,
Akl, E., Brennan, S., Chou, R., Glanville, J., Grimshaw, J., Hróbjartsson, A., Lalu, M., Li, T.,
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
191
Loder, E., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement:
An updated guideline for reporting systematic reviews. BMJ, 372, n71.
https://doi.org/10.1136/bmj.n71
Rodríguez-Alonso, C., Pena-Regueiro, I., & García, Ó. (2024). Digital twin platform for water treatment
plants using microservices architecture. Sensors, 24(5), 1568. https://doi.org/10.3390/s24051568
Sayghe, A. (2025). Digital twin-driven intrusion detection for industrial SCADA: A cyber-physical case
study. Sensors, 25(16), 4963. https://doi.org/10.3390/s25164963
Sierla, S., Sorsamäki, L., Azangoo, M., Villberg, A., Hytönen, E., & Vyatkin, V. (2020). Towards semi-
automatic generation of a steady state digital twin of a brownfield process plant. Applied
Sciences, 10(19), 6959. https://doi.org/10.3390/app10196959
Vyskočil, J., Douda, P., Novák, P., & Wally, B. (2023). A digital twin-based distributed manufacturing
execution system for Industry 4.0 with AI-powered on-the-fly replanning capabilities.
Sustainability, 15(7), 6251. https://doi.org/10.3390/su15076251
Yun, J., Kim, S., & Kim, J. (2024). Digital twin technology in the gas industry: A comparative simulation
study. Sustainability, 16(14), 5864. https://doi.org/10.3390/su16145864
Zhang, Q., Wu, Z., An, B., Sun, R., & Cui, Y. (2025). Digital twin-based technical research on
comprehensive gear fault diagnosis and structural performance evaluation. Sensors, 25(9), 2775.
https://doi.org/10.3390/s25092775
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 2, julio-diciembre 2026 (176-192)
ISSN: 2960-8317
Johana Beatriz Samaniego Palacios
, Juan Diego Erazo Rodríguez, Byron Daniel Erazo Rodríguez, Wilian Andres Nuñez Yanez
192
Transparencia
Conflicto de interés
Los autores declaran que no existen conflictos de interés de naturaleza alguna como parte de la
presente investigación.
Fuente de financiamiento
Los autores financiaron completamente la investigación.
Declaración sobre el uso de Inteligencia Artificial (IA)
Durante la elaboración de este artículo se utilizó una herramienta de inteligencia artificial como apoyo
en la revisión y mejora del estilo académico del texto, específicamente para la corrección gramatical y
la optimización de la claridad expositiva. La herramienta no participó en la generación de datos, el
análisis, la interpretación de resultados ni en la formulación de conclusiones. En consecuencia, la
responsabilidad sobre el contenido científico, la metodología y la integridad del estudio recae
exclusivamente en los autores.
Contribución de autoría
Johana Beatriz Samaniego Palacios: Conceptualización, metodología, validación, análisis formal,
investigación, gestión de datos, visualización, redacción - revisión y edición, financiamiento, recursos,
supervisión.
Juan Diego Erazo Rodríguez: Metodología, software, validación, análisis formal, investigación,
visualización, redacción - preparación del borrador original, redacción - revisión y edición,
financiamiento, administración del proyecto, supervisión.
Byron Daniel Erazo Rodríguez: Conceptualización, software, investigación, visualización, redacción -
preparación del borrador original, redacción - revisión y edición, financiamiento.
Wilian Andres Nuñez Yanez: Análisis formal, investigación, gestión de datos, visualización, redacción
- preparación del borrador original, redacción - revisión y edición, financiamiento.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
