Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
DOI: https://doi.org/10.46296/ig.v9i17.0345  
PROPUESTA DE MONITOREO DE LAS CONDICIONES FÍSICAS DE  
FUNCIONAMIENTO EN TIEMPO REAL DE UNA MÁQUINA EXTRUSORA DE  
PVC MEDIANTE LA IMPLEMENTACIÓN DE TECNOLOGÍA 4.0  
PROPOSAL FOR REAL-TIME MONITORING OF THE PHYSICAL  
OPERATING CONDITIONS OF A PVC EXTRUSION MACHINE THROUGH  
THE IMPLEMENTATION OF 4.0 TECHNOLOGY  
1
2
Barahona-Martínez Jaime Eduardo ; Olovacha-Toapanta Wilson Santiago  
1
Universidad Técnica de Cotopaxi. Latacunga, Ecuador.  
Correo: jaime.barahona4634@utc.edu.ec. ORCID ID: https://orcid.org/0009-0008-3606-4408.  
2
Universidad Técnica de Cotopaxi. Latacunga, Ecuador.  
Correo: wilson.olovacha2238@utc.edu.ec. ORCID ID: https://orcid.org/0000-0002-3377-7049.  
Resumen  
El presente proyecto aborda la necesidad de optimizar los procesos en la industria manufacturera  
de polímeros mediante la propuesta de un sistema de monitoreo en tiempo real para una máquina  
extrusora de PVC, basado en tecnologías de la Industria 4.0. La revisión de la literatura  
académica confirma la tendencia global hacia la digitalización, destacando la importancia del  
Internet de las Cosas (IoT), el análisis de Big Data y la Inteligencia Artificial (IA) para mejorar la  
eficiencia operativa, predecir fallos y asegurar la calidad del producto. La propuesta busca  
integrar estos elementos para crear un sistema ciberfísico robusto que ofrezca una supervisión  
continua de las condiciones físicas de la maquinaria. Como validación conceptual de la  
propuesta, se desarrolló una aplicación móvil para Android utilizando Kotlin. Este prototipo simula  
el funcionamiento del motor de la extrusora, generando y mostrando datos en tiempo real de  
parámetros eléctricos (voltaje, potencia) y térmicos (temperaturas por zonas). La aplicación  
incluye una interfaz de usuario moderna con indicadores visuales, alertas automáticas ante  
condiciones anómalas (sobrecorriente, sobrecalentamiento) y una función para exportar un  
historial completo de los datos en formato CSV. Este desarrollo demuestra la viabilidad de la  
arquitectura de software propuesta y sirve como una prueba de concepto efectiva, materializando  
los principios de monitoreo, alerta y registro de datos que son fundamentales para la Industria  
4
.0. La solución final representa un paso tangible hacia la implementación de sistemas de  
mantenimiento predictivo y optimización de procesos en el sector.  
Palabras clave: Industria 4.0, Monitoreo en Tiempo Real, Extrusora de PVC, Simulación,  
Aplicación Móvil, Internet de las Cosas (IoT), Mantenimiento Predictivo, Kotlin.  
Abstract  
This project addresses the need to optimize processes in the polymer manufacturing industry by  
proposing a real-time monitoring system for a PVC extruder, based on Industry 4.0 technologies.  
A review of the academic literature confirms the global trend toward digitalization, highlighting the  
importance of the Internet of Things (IoT), Big Data analytics, and Artificial Intelligence (AI) to  
improve operational efficiency, predict failures, and ensure product quality. The proposal seeks  
to integrate these elements to create a robust cyber-physical system that offers continuous  
monitoring of the machinery's physical conditions. As conceptual validation of the proposal, a  
mobile application for Android was developed using Kotlin. This prototype simulates the operation  
of the extruder motor, generating and displaying real-time data on electrical parameters (voltage,  
power) and thermal parameters (zone temperatures). The application includes a modern user  
interface with visual indicators, automatic alerts for abnormal conditions (overcurrent,  
overheating), and a function to export a complete data history in CSV format. This development  
Información del manuscrito:  
Fecha de recepción: 06 de febrero de 2026.  
Fecha de aceptación: 20 de abril de 2026.  
Fecha de publicación: 20 de mayo de 2026.  
489  
Barahona-Martínez et al. (2026)  
demonstrates the viability of the proposed software architecture and serves as an effective proof  
of concept, materializing the monitoring, alerting, and data logging principles that are fundamental  
to Industry 4.0. The final solution represents a tangible step toward the implementation of  
predictive maintenance systems and process optimization in the sector.  
Keywords: Industry 4.0, Real-Time Monitoring, PVC Extruder, Simulation, Mobile Application,  
Internet of Things (IoT), Predictive Maintenance, Kotlin.  
1. Introducción  
de adoptar enfoques más avanzados  
para la gestión de la producción  
La industria manufacturera moderna  
se enfrenta a un desafío constante:  
optimizar la eficiencia operativa,  
reducir los costos de producción y  
garantizar la calidad del producto  
final en un entorno cada vez más  
competitivo. En el sector del  
(
Jacob et al., 2024).  
Tradicionalmente, el monitoreo de  
las condiciones de funcionamiento  
de  
la  
maquinaria  
industrial,  
incluyendo las extrusoras de PVC,  
se ha basado en inspecciones  
manuales periódicas, mediciones  
puntuales o sistemas de control  
reactivos. Si bien estos métodos han  
sido funcionales, carecen de la  
capacidad de proporcionar una  
visión completa y en tiempo real del  
estado de los equipos (Hu et al.,  
procesamiento de plásticos,  
y
específicamente en la extrusión de  
PVC, estos retos se magnifican  
debido a la complejidad de los  
procesos, la sensibilidad de los  
materiales a las variaciones de  
temperatura  
necesidad  
y
presión,  
mantener  
continuo  
y
la  
un  
2
020).  
de  
funcionamiento  
para  
Esta limitación impide la detección  
temprana de anomalías, la  
maximizar la productividad (Islam et  
al., 2024).  
predicción de fallas y la optimización  
proactiva de los parámetros de  
proceso, lo que a menudo conduce a  
Las interrupciones inesperadas, los  
defectos de calidad o el desgaste  
tiempos  
de  
inactividad  
no  
prematuro  
de  
la  
maquinaria  
planificados, mayores costos de  
mantenimiento correctivo y una  
calidad del producto inconsistente.  
La falta de datos en tiempo real  
representan pérdidas significativas  
que pueden impactar directamente la  
rentabilidad y la reputación de la  
empresa, lo que resalta la urgencia  
490  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
dificulta la toma de decisiones  
informadas y la implementación de  
monitoreo en tiempo real para las  
condiciones físicas de  
estrategias  
predictivo eficaces (Garcia et al.,  
025).  
de  
mantenimiento  
funcionamiento de una máquina  
extrusora de PVC, apalancándose  
en los principios y tecnologías de la  
Industria 4.0. Se busca desarrollar  
una solución que permita la  
adquisición continua de datos  
2
En este contexto, la Cuarta  
Revolución Industrial, o Industria 4.0,  
emerge  
como  
un  
paradigma  
relevantes  
como  
temperatura,  
consumo  
transformador que ofrece soluciones  
innovadoras a estos desafíos. La  
integración de tecnologías como el  
Internet de las Cosas (IoT), el  
análisis de datos masivos (Big Data),  
la inteligencia artificial (IA) y el  
aprendizaje automático (Machine  
Learning) permite la creación de  
sistemas de monitoreo avanzados  
que van más allá de la mera  
recolección de datos (Mendonca et  
al., 2025).  
presión, vibración  
y
energético desde puntos críticos de  
la extrusora.  
Estos datos serán procesados y  
analizados mediante herramientas  
avanzadas  
para  
ofrecer  
una  
visualización clara del estado de la  
máquina, generar alertas tempranas  
sobre desviaciones y facilitar la toma  
de decisiones proactivas para el  
mantenimiento predictivo  
optimización del proceso.  
y
la  
Estos sistemas son capaces de  
procesar información en tiempo real,  
El objetivo final de esta investigación  
es demostrar cómo la  
identificar  
patrones,  
predecir  
comportamientos y alertar sobre  
posibles problemas antes de que se  
conviertan en fallas críticas, abriendo  
así las puertas a una gestión más  
inteligente y eficiente de los activos  
industriales (Khan et al., 2025).  
implementación de tecnología 4.0 en  
el monitoreo de una extrusora de  
PVC  
no  
solo  
mejorará  
la  
confiabilidad y disponibilidad del  
equipo, sino que también contribuirá  
significativamente a la reducción de  
costos operativos, el aumento de la  
calidad del producto y la mejora  
general de la competitividad de la  
El presente trabajo se enfoca en la  
propuesta de un sistema de  
491  
Barahona-Martínez et al. (2026)  
planta de producción. Se espera que  
este enfoque innovador sirva como  
un modelo para la modernización de  
Autores como Fernández et al.  
(2025) destacan la importancia del  
mantenimiento predictivo habilitado  
por la IA y el IoT como una estrategia  
clave para minimizar fallos en  
maquinaria compleja. Asimismo,  
(Gatell y Avella (2024) subrayan  
cómo las plataformas de monitoreo  
en tiempo real son esenciales para la  
detección temprana de anomalías, lo  
que reduce los costos operativos y  
mejora la vida útil de los equipos.  
otros industriales,  
sentando las bases para una  
manufactura más inteligente  
procesos  
y
sostenible en el futuro, impulsando la  
transformación digital en la industria  
del plástico.  
Revisión literaria  
La  
transformación  
digital  
ha  
la  
impactado  
profundamente  
Uno de los componentes esenciales  
de la Industria 4.0 es el Internet de  
las Cosas (IoT), que permite la  
recolección masiva de datos de  
industria manufacturera, con un  
énfasis creciente en la optimización  
de procesos y la eficiencia operativa.  
La implementación de la Industria  
sensores  
distribuidos  
en  
la  
4.0,  
caracterizada  
por  
la  
maquinaria industrial. La aplicación  
del IoT en extrusoras de PVC ha sido  
interconexión, la inteligencia artificial  
y el análisis de datos, se ha  
convertido en un pilar fundamental  
para lograr estos objetivos (Yaqub y  
Alsabban, 2023). En el ámbito  
específico de la extrusión de  
polímeros, la adopción de estas  
tecnologías es crucial para superar  
explorada  
por  
diversos  
investigadores. Reis y Melão (2023)  
desarrollaron redes de sensores  
inteligentes  
parámetros  
para  
monitorear  
como la  
críticos  
temperatura del barril, la presión de  
la matriz y la velocidad del tornillo,  
demostrando su efectividad en la  
captura de datos de alta fidelidad.  
desafíos  
inherentes  
como  
la  
variabilidad del proceso, los tiempos  
de inactividad no planificados y la  
necesidad de una calidad constante  
del producto (Chirumalla et al.,  
Complementariamente, el trabajo de  
Wang et al. (2025) se centró en la  
integración de estos datos con  
plataformas en la nube para un  
2025).  
acceso  
remoto  
y
análisis  
492  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
centralizado,  
supervisión  
facilitando  
la  
identificar los puntos de operación  
más eficientes. La gestión  
desde cualquier  
y
ubicación. La fiabilidad y la latencia  
en la transmisión de datos IoT en  
visualización efectiva de estos datos  
complejos fue un foco para Kumar et  
al. (2023), quienes propusieron  
interfaces HMI (Human-Machine  
Interface) avanzadas para una  
interpretación intuitiva.  
entornos  
industriales  
fueron  
abordadas por Alsafran et al. (2025),  
quienes propusieron protocolos de  
comunicación  
robustos  
para  
garantizar la integridad de la  
información.  
La inteligencia artificial (IA) y el  
aprendizaje automático (Machine  
Learning, ML) son cruciales para  
transformar los datos brutos en  
El análisis de datos masivos (Big  
Data) provenientes de los sensores  
IoT es un segundo pilar que dota de  
inteligencia a los sistemas de  
monitoreo. La capacidad de procesar  
grandes volúmenes de datos en  
tiempo real es fundamental para  
información  
aplicación  
accionable.  
La  
el  
de  
ML  
para  
mantenimiento  
predictivo  
en  
extrusoras ha sido un área de  
intensa investigación. Por ejemplo,  
identificar patrones  
comportamientos (Hornos y Quinde,  
024). En este sentido, Jing et al.  
2024) investigaron el uso de  
y
predecir  
Cavallucci  
et  
al.  
(2025)  
de  
implementaron  
aprendizaje  
modelos  
2
supervisado  
para  
(
predecir fallas en el motor del tornillo  
de la extrusora basándose en datos  
de vibración y temperatura.  
algoritmos de Big Data para  
correlacionar variaciones en la  
calidad del PVC extruido con  
De manera similar, Manjunatha et al.  
fluctuaciones  
sutiles  
en  
los  
(2025) utilizaron redes neuronales  
parámetros de la máquina, lo que  
permite ajustes proactivos.  
para anticipar la degradación de la  
calidad del PVC ante cambios en la  
Adicionalmente, el estudio de  
Dostatni et al. (2024) mostró cómo la  
aplicación de técnicas de Big Data  
formulación  
y
condiciones de  
proceso. La optimización en tiempo  
real de los parámetros de extrusión  
utilizando IA fue demostrada por  
Wilson y Young (2023), logrando una  
puede consumo  
optimizar  
el  
energético de las extrusoras al  
493  
Barahona-Martínez et al. (2026)  
reducción significativa de defectos.  
La robustez de estos modelos ante  
datos ruidosos o incompletos fue un  
tema tratado por Singh et al. (2025),  
quienes propusieron algoritmos de  
fundamental.  
El  
trabajo  
de  
Mrugalska et al. (2020) presentó  
métricas de rendimiento para evaluar  
la eficacia de los sistemas de  
monitoreo predictivo en extrusoras,  
incluyendo la reducción de tiempos  
de inactividad y el incremento en la  
eficiencia energética. Asimismo,  
Tajima y Chen (2023) realizaron un  
análisis de costo-beneficio de la  
implementación de la tecnología 4.0  
en el monitoreo de extrusoras,  
concluyendo que la inversión inicial  
se justifica por los ahorros a largo  
preprocesamiento  
mejorados.  
de  
datos  
La integración de estas tecnologías  
en una arquitectura coherente para  
el monitoreo en tiempo real es un  
desafío clave. Archenti et al. (2024)  
delinearon modelos de arquitectura  
para sistemas ciberfísicos aplicados  
a líneas de extrusión, destacando la  
interconexión entre el mundo físico y  
el digital. La implementación práctica  
de estas arquitecturas ha sido  
explorada por Mizuyama et al.  
plazo  
en  
mantenimiento  
y
producción. La adaptabilidad de  
estas soluciones a diferentes tipos y  
escalas  
de  
extrusoras  
fue  
investigada por Arefin et al. (2025),  
demostrando la flexibilidad de las  
plataformas modulares basadas en  
IoT.  
(2026), quienes presentaron un caso  
de estudio sobre una extrusora de  
PVC equipada con un sistema de  
monitoreo 4.0 que mejoró la  
disponibilidad del equipo en un 15%.  
La seguridad cibernética en estos  
sistemas interconectados es una  
preocupación creciente, abordada  
por Keim et al. (2025), quienes  
propusieron marcos de seguridad  
robustos para proteger los datos  
La literatura reciente a partir de 2020  
ha demostrado un interés creciente y  
avances  
significativos  
en  
la  
aplicación de tecnologías de la  
Industria 4.0 para el monitoreo en  
tiempo real de extrusoras de PVC.  
Los estudios cubren desde la  
adquisición de datos mediante IoT y  
el análisis de Big Data, hasta la  
predicción de fallas y la optimización  
de procesos a través de la IA y el  
industriales  
de  
accesos  
no  
autorizados y ciberataques.  
La validación de estos sistemas en  
entornos industriales reales es  
494  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
Machine Learning (Ashebir et al.,  
024).  
tangible es un producto de software  
2
una aplicación móvil para Android  
que se vale de herramientas y  
La  
integración  
en  
de estos  
arquitecturas  
lenguajes  
de  
programación  
componentes  
específicos, como Kotlin y Android  
Studio, para crear una herramienta  
funcional destinada al diagnóstico,  
entrenamiento o análisis de datos  
operativos de un motor.  
ciberfísicas robustas y seguras ha  
sido validada en diversos contextos,  
evidenciando  
los  
beneficios  
tangibles en términos de eficiencia,  
reducción de costos y mejora de la  
calidad.  
Este  
cuerpo  
de  
Diseño de Investigación  
conocimiento proporciona una base  
sólida para el desarrollo y la  
implementación de una propuesta de  
monitoreo avanzado para extrusoras  
de PVC, posicionando a la Industria  
Para el desarrollo de la aplicación se  
adoptó un diseño de investigación  
basado en el prototipado evolutivo,  
una metodología que permite  
construir y refinar el software de  
manera incremental. El proceso  
comenzó con la conceptualización  
de las funciones clave, seguida del  
diseño de un prototipo de baja  
fidelidad en XML que definió la  
estructura visual. Posteriormente,  
este esqueleto se transformó en un  
prototipo funcional de alta fidelidad  
4.0 como el futuro ineludible de la  
manufactura de polímeros (Werheid  
et al., 2025).  
2. Metodología  
Tipo de Investigación  
El presente proyecto se enmarca  
dentro de una investigación de tipo  
aplicada y tecnológica. Es aplicada  
porque su objetivo principal es  
desarrollar una solución práctica a  
un problema concreto: la simulación  
y el monitoreo de un motor eléctrico,  
en lugar de generar conocimiento  
teórico abstracto. A su vez, es  
tecnológica, ya que el resultado  
implementando  
la  
lógica  
de  
simulación en Kotlin. A través de  
ciclos de evaluación, se refinó el  
prototipo añadiendo características  
esenciales como los indicadores  
visuales de temperatura y las alertas  
automáticas.  
Finalmente,  
se  
integraron funcionalidades más  
complejas, como la gestión de  
495  
Barahona-Martínez et al. (2026)  
permisos y la exportación de datos a  
CSV, asegurando la compatibilidad  
con distintas versiones de Android y  
resultando en el producto final  
documentado.  
no se refiere a personas, sino a la  
totalidad de los posibles estados  
operativos y eventos que un motor  
eléctrico  
puede  
experimentar,  
abarcando desde el funcionamiento  
normal hasta condiciones críticas de  
Técnicas de Recolección de Datos  
sobrecorriente  
o
sobrecalentamiento. Por su parte, la  
muestra corresponde al conjunto de  
datos que la simulación genera  
durante una sesión de uso; cada  
ciclo de 5 segundos añade un nuevo  
La recolección de datos en este  
proyecto se basa en la generación  
de datos sintéticos mediante una  
simulación estocástica. Se utilizó la  
clase Random de Kotlin para  
producir valores numéricos que  
imitan el comportamiento dinámico y  
variable de un motor en operación.  
Esta técnica se aplicó para simular el  
estado de encendido/apagado, los  
parámetros eléctricos como voltaje,  
corriente y frecuencia dentro de  
rangos operativos realistas, y las  
fluctuaciones térmicas en las  
diferentes zonas del motor. Los  
datos generados en cada ciclo de  
registro  
a
esta muestra. En  
consecuencia, el tamaño de la  
muestra es dinámico y directamente  
proporcional al tiempo que la  
aplicación  
permanece  
activa,  
capturando una secuencia de  
eventos que representa una porción  
del comportamiento total de la  
población.  
Hipótesis  
simulación son registrados  
y
El proyecto se fundamentó en una  
hipótesis de trabajo tecnológica que  
postulaba la viabilidad de crear una  
solución de software específica. Se  
hipotetizó que "es factible desarrollar  
una aplicación móvil para Android,  
utilizando Kotlin y componentes de  
Material Design, que pueda simular  
de manera efectiva y en tiempo real  
los parámetros operativos de un  
motor eléctrico, proporcionar alertas  
almacenados temporalmente en  
memoria, constituyendo la fuente de  
información que la aplicación  
procesa, muestra y exporta.  
Población de Estudio y Tamaño de  
Muestra  
En el contexto de este desarrollo  
tecnológico, la población de estudio  
496  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
visuales ante condiciones anómalas  
y registrar un historial de datos  
exportable, ofreciendo así una  
herramienta útil para el monitoreo y  
diagnóstico". La culminación exitosa  
del proyecto, con una aplicación que  
entre  
diferentes  
parámetros,  
transformando los datos crudos en  
conocimiento accionable.  
Procesamiento de Datos  
El procesamiento de datos en la  
aplicación sigue una secuencia  
estructurada para convertir los  
valores brutos de la simulación en un  
cumple  
con  
todas  
las  
funcionalidades descritas, sirve  
como validación empírica de esta  
hipótesis.  
registro  
persistente  
y
útil.  
Inicialmente, se generan datos  
crudos para los parámetros del  
Métodos de Análisis  
El análisis de datos se implementó  
en dos niveles distintos: uno en  
tiempo real dentro de la aplicación y  
otro para análisis posterior. El  
análisis en tiempo real se basa en un  
sistema de reglas predefinidas en el  
código que evalúa continuamente los  
datos generados para la detección  
inmediata de anomalías; por  
ejemplo, dispara una alerta si la  
corriente supera los 20 A o si una  
temperatura excede su rango de  
tolerancia. Para el análisis post-  
mortem, la aplicación genera un  
archivo CSV que permite al usuario  
realizar estudios más profundos en  
motor,  
los  
cuales  
son  
y
inmediatamente transformados  
enriquecidos, como en el cálculo de  
la potencia a partir del voltaje y la  
corriente, y el formateo de la fecha y  
hora. Estos datos enriquecidos se  
estructuran en una cadena de texto y  
se almacenan temporalmente en una  
lista en memoria. Al momento de la  
exportación, la aplicación formatea  
estos registros para el formato CSV,  
asegurando que cada valor se alinee  
con su columna correspondiente  
bajo una cabecera descriptiva.  
Finalmente,  
se  
utiliza  
ContentResolver y MediaStore para  
garantizar la persistencia de los  
datos, guardando de forma segura el  
archivo motor_extrusor_historial.csv  
en la carpeta de descargas del  
software  
externo.  
Utilizando  
herramientas como Excel o scripts  
de Python, es posible visualizar  
tendencias, calcular estadísticas  
descriptivas y buscar correlaciones  
497  
Barahona-Martínez et al. (2026)  
dispositivo, un método moderno y  
compatible con las políticas de  
almacenamiento de Android.  
3. Resultados y discusión  
mostrando parámetros eléctricos  
voltaje, frecuencia, potencia),  
(
Aplicación de Simulación de  
Motor  
estado del motor y temperaturas de  
varias zonas. También permite  
guardar un historial en formato CSV  
con la información registrada.  
1. Descripción General  
La el  
aplicación  
simula  
funcionamiento de un motor eléctrico  
Ilustración 1. Descripción General  
Nota. Se desarrolló en Kotlin para Android usando Android Studio, con un diseño limpio basado  
en CardViews, ProgressBars y botones con estilos personalizados. Fuente: Realizado por autor  
2. Interfaz de Usuario (XML)  
El archivo activity_main.xml define la  
interfaz visual de la aplicación,  
dividida en secciones.  
498  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
Ilustración 2. Interfaz de Usuario (XML)  
Fuente: Realizado por autor  
La interfaz de usuario de la  
aplicación está estructurada sobre  
un ScrollView que contiene un  
LinearLayout principal, permitiendo  
Más abajo, se visualizan las  
temperaturas de siete zonas  
distintas mediante una combinación  
de TextViews para los valores  
el  
desplazamiento  
vertical  
y
numéricos  
y
ProgressBars que  
organizando de manera ordenada  
todos los componentes visuales. En  
la parte superior, destaca un  
CardView de color azul que muestra  
el estado del motor, indicando si se  
reflejan visualmente dichos niveles.  
Finalmente, en la parte inferior y  
centrado, se ubica un botón con un  
distintivo fondo naranja y bordes  
redondeados, cuya función es  
permitir al usuario descargar el  
historial de la simulación en un  
archivo CSV.  
encuentra encendido ("ON")  
apagado ("OFF"). A continuación,  
una sección dedicada los  
presenta  
voltaje, la  
o
a
parámetros  
eléctricos  
el  
dinámicamente  
frecuencia y la potencia, cada uno  
dentro de su propio CardView.  
499  
Barahona-Martínez et al. (2026)  
3. Código Kotlin – MainActivity.kt  
Ilustración 3. Código Kotlin – MainActivity.kt  
Fuente: Realizado por autor  
segundos,  
alternando  
La lógica principal de la aplicación,  
implementada en el archivo  
aleatoriamente el estado del motor  
entre encendido y apagado. Cuando  
el motor está encendido, se calculan  
parámetros eléctricos dentro de  
rangos definidos: voltaje (60-220 V),  
corriente (5-22 A) y frecuencia (20-  
MainActivity.kt, comienza con la  
inicialización, donde se establecen  
referencias a los elementos de la  
interfaz de usuario para permitir su  
actualización en tiempo real. Un  
temporizador ejecuta el núcleo de la  
simulación del motor cada cinco  
60 Hz), a partir de los cuales se  
deriva la potencia (P=V×I).  
500  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
Simultáneamente, se realiza la  
actualización de temperaturas,  
que incluye la fecha  
y
hora  
(formateada como yyyy-MM-dd  
HH:mm:ss), el estado del motor, los  
donde cada una de las siete zonas  
varía su valor en un rango de ±15°C,  
cambiando su color a rojo si se  
exceden ciertos límites para una  
rápida identificación visual. El  
sistema incluye alertas automáticas  
que se disparan mediante cuadros  
de diálogo si la corriente supera los  
parámetros  
eléctricos  
y
las  
temperaturas de todas las zonas,  
creando un historial completo del  
funcionamiento simulado.  
4. Drawable del Botón  
El  
archivo  
2
0 A o si alguna temperatura se  
res/drawable/btn_background.xml  
define un fondo naranja (#FF9800)  
con bordes redondeados (12dp) y  
borde más oscuro (#F57C00).  
desvía de su rango de tolerancia.  
Finalmente, para el guardado en  
CSV, cada ciclo de simulación  
registra una nueva línea de datos  
Ilustración 4. Drawable del Botón  
Fuente: Realizado por autor  
gatilla una actualización visual  
5. Funcionalidad Clave  
instantánea en la interfaz, utilizando  
colores y barras de progreso para  
reflejar el estado de los parámetros y  
las temperaturas.  
Las funcionalidades clave de la  
aplicación se centran en ofrecer una  
experiencia de monitoreo completa y  
dinámica. La simulación automática,  
que se ejecuta cada 5 segundos,  
genera datos realistas del motor y  
Para seguridad  
garantizar  
la  
operativa, el sistema dispara alertas  
501  
Barahona-Martínez et al. (2026)  
automáticas  
en  
caso  
de  
construida con CardViews para una  
organización clara botones  
sobrecalentamiento o exceso de  
corriente, notificando al usuario  
sobre condiciones críticas. Toda la  
información generada durante la  
simulación se registra en un historial  
y
personalizados que mejoran la  
experiencia de usuario.  
6. Descarga del Historial  
completo  
en  
formato  
CSV,  
El archivo generado se llama  
motor_extrusor_historial.csv y se  
guarda en la carpeta Descargas del  
dispositivo Android.  
permitiendo un análisis detallado  
posterior. Todo esto se presenta en  
una interfaz moderna y atractiva,  
Ilustración 5. Descarga del Historial  
Fuente: Realizado por autor  
"
Frecuencia", "Potencia", y columnas  
La funcionalidad de descarga de  
historial genera un archivo llamado  
motor_extrusor_historial.csv, que se  
guarda directamente en la carpeta  
individuales para cada una de las  
temperaturas, desde "Zona1" hasta  
"Zona7". Cada fila corresponde a un  
ciclo de la simulación, mostrando los  
valores registrados en ese momento,  
lo que permite un análisis detallado y  
una trazabilidad completa del  
comportamiento del motor a lo largo  
del tiempo.  
"
Descargas" del dispositivo Android  
para un fácil acceso por parte del  
usuario. Como se puede observar en  
la imagen, este archivo CSV  
organiza los datos de la simulación  
en columnas claras y estructuradas:  
"Fecha",  
"Status",  
"Voltaje",  
502  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
Discusión  
La funcionalidad de monitoreo en  
tiempo real, un pilar en la literatura  
según Gatell y Avella (2024), se  
refleja de manera efectiva en la  
aplicación desarrollada. La interfaz  
de usuario, con su actualización  
automática cada 5 segundos y su  
uso de indicadores visuales como  
ProgressBars y cambios de color,  
materializa el concepto de una HMI  
La revisión literaria establece un  
marco teórico robusto y avanzado,  
centrado en la implementación de  
tecnologías de la Industria 4.0 como  
IoT, Big Data e Inteligencia Artificial  
para el monitoreo en tiempo real de  
extrusoras de PVC. Los trabajos de  
autores como Reis y Melão (2023) o  
Wang et al. (2025) describen  
sistemas complejos que utilizan  
redes de sensores físicos para  
capturar datos de alta fidelidad y  
transmitirlos a la nube para un  
análisis centralizado.  
(Human-Machine Interface) intuitiva,  
un aspecto destacado por Kumar et  
al. (2023). La aplicación simula la  
recolección de parámetros críticos  
mencionados en la investigación  
(
temperatura, parámetros eléctricos)  
y los presenta de forma clara,  
cumpliendo con el objetivo  
En  
contraste,  
los  
resultados  
presentados corresponden a una  
aplicación de simulación, que emula  
el comportamiento de un motor  
eléctrico generando datos sintéticos.  
Mientras la literatura se enfoca en la  
captura de datos del mundo real, la  
aplicación desarrollada funciona  
como un prototipo conceptual o una  
herramienta de entrenamiento que  
recrea un entorno de monitoreo sin  
necesidad de hardware físico,  
sirviendo como una excelente  
primera aproximación a los sistemas  
descritos.  
fundamental de la supervisión  
continua, aunque los datos no  
provengan de sensores IoT reales.  
Un punto de conexión crucial es la  
detección de anomalías  
y
la  
generación de alertas. La revisión  
literaria subraya la importancia de los  
sistemas de alerta temprana para el  
mantenimiento predictivo  
y
la  
reducción de costos operativos. La  
aplicación implementa esta idea de  
forma directa a través de sus alertas  
automáticas  
por  
"exceso  
de  
corriente" o "temperatura fuera de  
rango". Este mecanismo, aunque  
503  
Barahona-Martínez et al. (2026)  
basado en reglas simples (if-then),  
es un precursor funcional de los  
modelos de IA más complejos  
mencionados por Cavallucci et al.  
realizar el análisis avanzado que la  
literatura describe.  
La arquitectura de la aplicación, si  
bien es más sencilla, también  
presenta paralelismos con los  
modelos de arquitectura para  
sistemas ciberfísicos delineados por  
Archenti et al. (2024). La aplicación  
representa la capa digital o "ciber"  
del sistema, que recibe datos  
(2025) o Manjunatha et al. (2025),  
que buscan predecir fallos  
basándose en patrones de datos. La  
aplicación simula el resultado de  
dicho  
análisis  
(la  
alerta),  
demostrando el valor de esta  
funcionalidad.  
(simulados, en este caso), los  
El concepto de análisis de datos  
masivos (Big Data), explorado por  
Hornos y Quinde (2024) y Jing et al.  
procesa y los visualiza. El archivo  
Kotlin (MainActivity.kt) actúa como el  
motor de procesamiento central,  
(2024) en la revisión, encuentra su  
mientras  
que  
el  
XML  
contraparte práctica en la  
(activity_main.xml) funciona como la  
interfaz de visualización. Aunque no  
hay una interconexión con un  
componente físico real, la aplicación  
sirve como un modelo a escala de la  
parte de software de un sistema de  
monitoreo 4.0, demostrando la lógica  
de integración entre la recolección, el  
procesamiento y la presentación de  
datos.  
funcionalidad de descarga de  
historial en formato CSV. La  
aplicación captura sistemáticamente  
los datos de cada ciclo de simulación  
(fecha, estado, voltaje, potencia,  
temperaturas) y los estructura en un  
archivo motor_extrusor_historial.csv.  
Este archivo es, en esencia, un  
conjunto de datos (un "pequeño Big  
Data") listo para un análisis post-  
mortem. Cumple con el principio de  
registrar datos para identificar  
La aplicación de simulación de motor  
no implementa directamente las  
tecnologías avanzadas de IoT, Big  
Data o IA de la revisión literaria, sino  
que actúa como una validación  
conceptual y una demostración  
funcional de los principios que estas  
tecnologías buscan lograr. Traduce  
tendencias,  
correlaciones  
y
optimizar procesos, tal como lo  
proponen los estudios, habilitando el  
uso de herramientas externas para  
504  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
los objetivos teóricos —monitoreo en  
tiempo real, detección de anomalías  
y registro de datos para análisis— en  
una herramienta tangible y práctica.  
La aplicación es un excelente  
prototipo que sienta las bases para  
una futura integración con sensores  
IoT reales y algoritmos de Machine  
un concepto futurista, sino una  
necesidad estratégica para mejorar  
la eficiencia, reducir costos  
y
garantizar la calidad del producto. El  
cuerpo de investigación existente  
confirma que el camino hacia la  
optimización  
operativa  
pasa  
ineludiblemente por la digitalización  
y la inteligencia de datos.  
Learning,  
alineándose  
perfectamente con la visión y los  
beneficios expuestos en la literatura  
sobre la Industria 4.0.  
La  
aplicación  
de  
simulación  
desarrollada en Kotlin para Android  
representa un paso fundamental en  
la materialización de esta propuesta.  
Actúa como un prototipo funcional  
que valida los conceptos teóricos y  
4. Conclusiones  
La presente propuesta para el  
monitoreo en tiempo real de una  
demuestra  
los  
componentes  
esenciales de un sistema de  
monitoreo avanzado. A través de su  
máquina  
extrusora  
de  
PVC,  
mediante la implementación de  
tecnología 4.0, se fundamenta en  
una sólida base de conocimiento  
científico-tecnológico que valida su  
pertinencia y viabilidad. La revisión  
literaria ha demostrado de manera  
interfaz clara  
y
dinámica, la  
aplicación logra emular el monitoreo  
en tiempo real de parámetros críticos  
como el voltaje, la potencia y las  
temperaturas de múltiples zonas.  
Además, la implementación de  
alertas automáticas y la capacidad  
de registrar un historial detallado en  
formato CSV traducen los principios  
concluyente  
que  
la  
industria  
manufacturera, y en particular el  
sector de extrusión de polímeros, se  
beneficia enormemente de la  
adopción de sistemas ciberfísicos.  
La integración de IoT para la captura  
de datos, Big Data para su análisis y  
la Inteligencia Artificial para la  
predicción y optimización, no es ya  
de detección de anomalías  
y
recolección de datos, pilares de la  
Industria 4.0, en funcionalidades  
tangibles y comprensibles.  
505  
Barahona-Martínez et al. (2026)  
Al comparar los resultados obtenidos  
con el marco teórico, se evidencia  
que la aplicación, aunque es una  
simulación, funciona como una  
prueba de concepto exitosa. Sirve  
como un puente entre la teoría  
abstracta de la Industria 4.0 y una  
estratégica y alcanzable. El proyecto  
ha demostrado con éxito la viabilidad  
de  
sus  
componentes  
clave,  
posicionándose como el punto de  
partida para una implementación a  
escala real que promete transformar  
la eficiencia operativa  
y
la  
solución práctica  
Demuestra que  
y
aplicable.  
factible  
competitividad en la industria de la  
extrusión de polímeros.  
es  
centralizar, visualizar y analizar  
datos operativos en una plataforma  
accesible, sentando las bases para  
una futura evolución que reemplace  
los datos sintéticos con mediciones  
de sensores IoT reales. Este  
Bibliografía  
Alsafran, A. S., Alwabari, M., & Al-  
Bahrani,  
M.  
(2025).  
Challenges in Implementing  
IoT for Enhanced Reliability  
and Effectiveness in Smart  
Grids: Literature Review.  
International Transactions on  
Electrical Energy Systems,  
prototipo  
no  
solo  
valida  
la  
arquitectura de software propuesta,  
sino que también sirve como una  
herramienta invaluable para la  
2
025(1), 5514628.  
https://doi.org/10.1155/etep/5  
14628  
formación de personal  
y
la  
5
familiarización con los paradigmas  
del monitoreo digital.  
Archenti, A., Gao, W., Donmez, A.,  
Savio, E., & Irino, N. (2024).  
En definitiva, esta propuesta  
Integrated  
advanced  
CIRP Annals, 73(2), 639–665.  
https://doi.org/10.1016/j.cirp.2  
024.05.003  
metrology  
manufacturing.  
for  
establece un camino claro  
y
justificado para modernizar el control  
de procesos en extrusoras de PVC.  
La combinación del conocimiento  
extraído de la literatura y la  
validación práctica obtenida a través  
de la aplicación de simulación,  
confirma que la implementación de  
un sistema de monitoreo basado en  
tecnología 4.0 es una inversión  
Arefin, N., Moni, H.-E., Espinosa, D.,  
Cong, W., & Zeng, M. (2025).  
Multi-material  
manufacturing  
storage  
devices: Recent progress and  
future prospects. Applied  
additive  
energy  
of  
and  
conversion  
Physics  
Reviews,  
12(1).  
506  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
https://pubs.aip.org/aip/apr/art  
icle/12/1/011330/3339482  
Dostatni,  
E.,  
Osiński,  
F.,  
Mikołajewski, D., Sapietová,  
A., & Rojek, I. (2024). Neural  
Networks for Prediction of 3D  
Ashebir, D. A., Hendlmeier, A., Dunn,  
M., Arablouei, R., Lomov, S.  
V., Di Pietro, A., & Nikzad, M.  
Printing  
Parameters  
for  
Reducing Particulate Matter  
Emissions and Enhancing  
Sustainability. Sustainability,  
(2024). Detecting Multi-Scale  
Defects in Material Extrusion  
Additive Manufacturing of  
Fiber-Reinforced  
Thermoplastic Composites: A  
Review of Challenges and  
1
6(19), 8616.  
https://doi.org/10.3390/su161  
8616  
9
Advanced  
Testing  
Polymers,  
Non-Destructive  
Techniques.  
Fernández, A., García, F. E., Ortíz,  
S., Jiménez, M., Fernández,  
A. P., & Settembre-Blundo, D.  
16(21),  
2986.  
https://doi.org/10.3390/polym  
6212986  
(2025).  
Transformations  
Manufacturing:  
AI-Driven  
in  
Bridging  
1
Cavallucci, D., Brad, S., & Livotov, P.  
Eds.). (2025). World  
Industry 4.0, 5.0, and 6.0 in  
Sustainable Value Chains.  
Future Internet, 17(9), 430.  
https://doi.org/10.3390/fi1709  
(
Conference of AI-Powered  
Innovation and Inventive  
Design: 24th IFIP WG 5.4  
International TRIZ Future  
Conference, TFC 2024, Cluj-  
Napoca, Romania, November  
0430  
Gatell, I. S., & Avella, L. (2024).  
Impact of Industry 4.0 and  
circular economy on lean  
6–8, 2024, Proceedings, Part  
II (Vol. 736). Springer Nature  
Switzerland.  
https://doi.org/10.1007/978-3-  
culture  
and  
leadership:  
Assessing digital green lean  
as a new concept. European  
Research on Management  
and Business Economics,  
031-75923-9  
Chirumalla, K., Oghazi, P., Nnewuku,  
R. E., Tuncay, H.,  
Yahyapour, N. (2025). Critical  
3
0(1).  
&
https://doi.org/10.1016/j.iedee  
n.2023.100232  
factors  
affecting  
digital  
in  
transformation  
manufacturing  
International  
Hornos, M. J., & Quinde, M. (2024).  
Development methodologies  
companies.  
for  
IoT-based  
systems:  
Entrepreneurship  
and  
Challenges and research  
Management Journal, 21(1),  
4.  
https://doi.org/10.1007/s1136  
-024-01056-3  
directions. Journal of Reliable  
5
Intelligent  
Environments,  
215–244.  
10(3),  
5
507  
Barahona-Martínez et al. (2026)  
https://doi.org/10.1007/s4086  
-024-00229-9  
Advances in Materials and  
Manufacturing Processes for  
0
Composite  
Applications  
Jing, L., Matsumoto, Y., & Zhang, Z.  
2024). Exploring IoT Sensors  
and Their Applications:  
(AMMPCOM): Proceedings of  
(
the  
ISAMPE  
National  
Conference on Composites  
Advancements, Challenges,  
and Opportunities in Smart  
Environments.  
https://www.mdpi.com/books/  
reprint/9829-exploring-iot-  
sensors-and-their-  
(
INCCOM-18)  
(Vol.  
83).  
Nature.  
Springer  
https://doi.org/10.1007/978-  
81-96-8734-3  
9
Mizuyama,  
H.,  
Morinaga,  
E.,  
applications-advancements-  
challenges-and-opportunities-  
in-smart  
Nonaka, T., Kaihara, T., Von  
Cieminski, G., & Romero, D.  
(Eds.). (2026). Advances in  
Production  
Systems.  
Human Production Systems:  
Human-AI Collaboration and  
Beyond: 44th IFIP WG 5.7  
Management  
Cyber-Physical-  
Keim, A. O., Pandit, P. P., Sotelo, L.  
D., & McClain, M. S. (2025).  
Nondestructive evaluation of  
material properties in polymer  
additive  
manufacturing  
International  
APMS 2025,  
Conference,  
Kamakura,  
processes: Moving towards  
process-agnostic  
Japan, August 31 - September  
, 2025, Proceedings, Part V  
Vol. 768). Springer Nature  
qualification.  
Virtual  
and  
4
(
Physical Prototyping, 20(1),  
e2569544.  
https://doi.org/10.1080/17452  
Switzerland.  
https://doi.org/10.1007/978-3-  
759.2025.2569544  
032-03546-2  
Kumar, S., Gopi, T., Harikeerthana,  
N., Gupta, M. K., Gaur, V.,  
Krolczyk, G. M., & Wu, C.  
Mrugalska, B., Trzcielinski, S.,  
Karwowski, W., Di  
Nicolantonio, M., & Rossi, E.  
Eds.). (2020). Advances in  
Manufacturing, Production  
(
2023). Machine learning  
techniques in additive  
manufacturing: A state of the  
art review on design,  
(
Management and Process  
Control: Proceedings of the  
processes and production  
control. Journal of Intelligent  
Manufacturing, 34(1), 21–55.  
https://doi.org/10.1007/s1084  
AHFE  
Conferences  
Aspects  
Manufacturing,  
Production Management and  
Process Control, and Additive  
2020  
on  
of  
Virtual  
Human  
Advanced  
Advanced  
5-022-02029-5  
Manjunatha, C. M., Padmanabhan,  
M. A., Dey, A., & Mohan  
Kumar, M. (Eds.). (2025).  
Manufacturing,  
Systems and 3D Prototyping,  
Modeling  
508  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Propuesta de monitoreo de las condiciones físicas de funcionamiento en tiempo real de una máquina extrusora  
de PVC mediante la implementación de tecnología 4.0.  
July 16–20, 2020, USA (Vol.  
216). Springer International  
Publishing.  
Hamann, T., Abdelrazeq, A., &  
1
Schmitt,  
Machine  
R.  
H.  
vision  
(2025).  
in  
https://doi.org/10.1007/978-3-  
manufacturing  
review. Discover Applied  
Sciences, 7(5), 371.  
https://doi.org/10.1007/s4245  
-025-06923-4  
SMEs:  
A
030-51981-0  
Reis, J., & Melão, N. (2023). Digital  
transformation: A meta-review  
and guidelines for future  
2
research.  
e12834.  
Heliyon,  
9(1),  
Yaqub, M. Z., & Alsabban, A. (2023).  
Industry-4.0-Enabled Digital  
https://doi.org/10.1016/j.heliy  
on.2023.e12834  
Transformation:  
Instruments, Challenges, and  
Implications for Business  
Prospects,  
Singh, S., Mohite, P., & Datta, D.  
Strategies.  
5(11),  
Sustainability,  
(Eds.). (2025). Biomaterial-  
1
8553.  
based Additive Manufacturing  
in Tissue Engineering and  
https://doi.org/10.3390/su151  
8553  
1
Regeneration  
(Vol.  
7).  
Springer Nature Switzerland.  
https://doi.org/10.1007/978-3-  
031-96070-3  
Tajima, T., & Chen, P. (2023).  
Progress in Laser Accelerator  
and Future Prospects. MDPI-  
Multidisciplinary  
Publishing  
Digital  
Institute.  
https://www.mdpi.com/books/  
reprint/7438-progress-in-  
laser-accelerator-and-future-  
prospects/  
Wang, Q., Li, Y., & Li, R. (2025).  
Integrating  
intelligence  
artificial  
energy  
in  
transition: A comprehensive  
review.  
Energy  
Strategy  
Reviews,  
57,  
101600.  
https://doi.org/10.1016/j.esr.2  
24.101600  
0
Werheid, H.,  
J.,  
Behnen,  
Woltersmann, J.-H., He, S.,  
509