Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
Recibido: 19/02/2025 Aceptado: 14/03/2025 Publicado: 17/04/2025
https://rivinglid.omeditorial.com
16
DOI: https://doi.org/10.63618/omd/revinvlid/v2/n2/32
Industria 4.0 y automatización en plantas
agroindustriales.
Industry 4.0 and automation in
agri-industrial plants
Herrera-Sánchez, Daniela Jaqueline
1
1
Universidad UTE; Ecuador; https://orcid.org/0009-0005-3667-8395; daniela.herrera@ute.edu.ec.
Cita: Herrera-Sánchez, D. J. (2025). Industria 4.0 y automatización en plantas
agroindustriales. Revista De Investigación Y Liderazgo, 2(2), 16-
31. https://doi.org/10.63618/omd/revinvlid/v2/n2/32
Resumen
La transformación digital de las plantas agroindustriales enfrenta limitaciones asociadas con madurez
tecnológica, interoperabilidad, inversión, competencias laborales y disponibilidad de evidencia
contextualizada para Ecuador y Latinoamérica. El estudio tuvo como objetivo analizar la relación entre la
adopción de tecnologías de Industria 4.0, el nivel de automatización y el desempeño operativo de las plantas
agroindustriales. Se desarrolló una investigación cualitativa, documental, descriptiva, no experimental y
longitudinal retrospectiva, basada en publicaciones del periodo 2020–2025, analizadas mediante
codificación temática y análisis de contenido. Los resultados mostraron que sensores, blockchain,
inteligencia artificial e Internet de las cosas concentraron el 85 % de las menciones tecnológicas, mientras
que el 54 % de las propuestas permaneció en niveles TRL 3–4. La automatización se vinculó principalmente
con control de calidad, monitoreo continuo y reducciones modeladas del consumo energético entre 3,9 % y
9,8 %. La discusión evidenció que los beneficios técnicos superaron la demostración financiera disponible
y que las pymes enfrentaron mayores restricciones de capital, conocimiento e infraestructura. Se concluyó
que la modernización agroindustrial avanzó de manera progresiva, pero desigual, por lo que requirió
planificación gradual, fortalecimiento de capacidades e indicadores estandarizados de desempeño.
Palabras clave: Industria 4.0; automatización industrial; agroindustria; transformación digital; desempeño
operativo.
Abstract
The digital transformation of agro-industrial plants faces challenges related to technological maturity,
interoperability, investment, workforce skills, and the availability of context-specific evidence for Ecuador
and Latin America. The study aimed to analyze the relationship between the adoption of Industry 4.0
technologies, the level of automation, and the operational performance of agro-industrial plants. A
qualitative, documentary, descriptive, non-experimental, and retrospective longitudinal study was
conducted, based on publications from 2020–2025, analyzed using thematic coding and content analysis.
The results showed that sensors, blockchain, artificial intelligence, and the Internet of Things accounted for
85% of technology mentions, while 54% of the proposals remained at TRL levels 3–4. Automation was
primarily linked to quality control, continuous monitoring, and modeled reductions in energy consumption
ranging from 3.9% to 9.8%. The discussion revealed that technical benefits outweighed the available
financial evidence and that SMEs faced greater constraints in terms of capital, knowledge, and infrastructure.
It was concluded that agroindustrial modernization progressed gradually but unevenly, thus requiring phased
planning, capacity building, and standardized performance indicators.
Keywords: Industry 4.0; industrial automation; agribusiness; digital transformation; operational
performance.
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
17
1. Introducción
La transición hacia la Industria 4.0 adquiere especial relevancia en Ecuador, donde el
Registro Estadístico de Empresas contabiliza 110.304 unidades manufactureras activas
en 2023 y el valor de las exportaciones nacionales alcanza USD 34.421 millones en
2024, con una participación no petrolera del 72,2 %. Dentro de este entramado, la
unidad de análisis se delimita a las plantas agroindustriales ecuatorianas dedicadas a la
elaboración de alimentos y bebidas, correspondientes principalmente a las divisiones
C10 y C11 de la clasificación industrial. Estas instalaciones transforman materias primas
agrícolas, pecuarias, acuícolas y pesqueras mediante procesos cuyo desempeño
depende cada vez más de sensores, controladores, sistemas SCADA, robótica,
inteligencia artificial e Internet industrial de las cosas (INEC, 2023; MPCEIP, 2025;
Folgado et al., 2024).
Esta relevancia económica se complementa con desafíos de productividad, inocuidad,
trazabilidad, consumo energético y generación de desperdicios que exigen decisiones
basadas en datos en tiempo real. La literatura identifica al menos 20 aplicaciones de
Industria 4.0 asociadas con la sostenibilidad manufacturera, mientras que la
industrialización alimentaria de los países en desarrollo permanece estancada alrededor
del 20 %, lo que limita la agregación de valor y la capacidad exportadora. A ello se suma
que entre el 26 % y el 38 % de los empleos latinoamericanos presenta algún grado de
exposición a la inteligencia artificial generativa; aunque entre el 8 % y el 14 % puede
beneficiarse mediante incrementos de productividad, entre el 2 % y el 5 % enfrenta
posibilidades de automatización completa. Por tanto, una transformación tecnológica sin
capacitación ni gobernanza de datos puede profundizar brechas laborales y
empresariales (Javaid et al., 2022; Gmyrek et al., 2024; UNIDO, 2025).
La producción científica reconoce estas oportunidades, pero todavía ofrece resultados
fragmentados sobre su materialización en contextos agroindustriales específicos. Una
revisión de 42 artículos identifica las restricciones económicas, la insuficiencia de
infraestructura y la escasez de competencias digitales como barreras recurrentes,
mientras que otro análisis organiza el conocimiento en cinco clústeres tecnológicos:
sensores e Internet de las cosas, robótica y visión computacional, cadena de bloques y
macrodatos, gemelos digitales y simulación, y aprendizaje automático. Sin embargo,
predominan estudios sobre producción agrícola o cadenas de suministro completas, y
se examinan con menor frecuencia las relaciones entre madurez digital, productividad,
calidad, consumo de recursos, mantenimiento y capacidades laborales dentro de las
plantas. Esta heterogeneidad también dificulta comparar beneficios financieros y
operativos entre empresas de distinto tamaño y subsector, especialmente en Ecuador
(Fragomeli et al., 2024; Fasciolo et al., 2024; Hassoun et al., 2023).
El estudio de estas relaciones resulta conveniente porque el acceso preferencial
derivado del acuerdo comercial entre Ecuador y China comprende el 99,6 % de las
exportaciones actuales, mientras que el 71 % de las empresas ecuatorianas que
exportan a ese mercado corresponde a mipymes o artesanos vinculados, entre otros
rubros, con banano, cacao y alimentos procesados. Mejorar la automatización de las
plantas puede contribuir a sostener estándares de calidad, reducir costos de operación
y fortalecer la inserción de productos con mayor valor agregado. La investigación
también resulta viable mediante el uso articulado de cuatro fuentes disponibles en las
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
18
organizaciones: registros de producción, mantenimiento, calidad y consumo energético,
complementados con cuestionarios dirigidos al personal responsable. Su tratamiento
agregado permite proteger la confidencialidad empresarial y evitar la recopilación de
información personal innecesaria, conforme con criterios de proporcionalidad y
seguridad digital (MPCEIP, 2025; CEPAL, 2022; Folgado et al., 2024).
Sobre esta base, el objetivo general del estudio consiste en analizar la relación entre la
adopción de tecnologías de Industria 4.0, el nivel de automatización y el desempeño
operativo de las plantas agroindustriales ecuatorianas. Este propósito se concreta en
tres objetivos específicos: describir el grado de incorporación de cinco grupos
tecnológicos (sensores e Internet de las cosas, robótica, inteligencia artificial, análisis
de macrodatos y gemelos digitales); determinar su relación con indicadores de
productividad, calidad, mantenimiento, consumo energético y reducción de
desperdicios; y comparar los beneficios, costos y barreras de adopción según el tamaño
empresarial y el subsector agroindustrial. Esta formulación evita atribuir causalidad sin
evidencia experimental y permite construir mediciones comparables sobre madurez
tecnológica y resultados productivos (Morella et al., 2021; Bigliardi et al., 2023; Hassoun
et al., 2023).
La contribución esperada se concreta en un marco analítico que integra cuatro dominios
hasta ahora examinados de forma dispersa: madurez digital, desempeño operacional,
sostenibilidad ambiental y capacidades humanas. Su originalidad reside en trasladar la
discusión global sobre Industria 4.0 hacia evidencia contextualizada de plantas
agroindustriales ecuatorianas y en relacionar tecnologías específicas con indicadores
técnicos, económicos y laborales, en lugar de limitarse a inventariar herramientas
disponibles. De esta manera, los resultados pueden ofrecer a la academia una base
para contrastar relaciones insuficientemente estudiadas y proporcionar a las empresas
una referencia para priorizar inversiones, capacitación y automatización según sus
brechas reales. El estudio también responde a la necesidad regional de orientar la
transformación digital hacia mipymes y sectores productivos, superando
aproximaciones centradas únicamente en conectividad o adopción aislada de equipos
(CEPAL, 2022; Fasciolo et al., 2024; Fragomeli et al., 2024).
2. Materiales y Métodos
La investigación se desarrolló desde un enfoque cualitativo, debido a que buscó
interpretar cómo se configuraron la Industria 4.0 y la automatización dentro de las
plantas agroindustriales, considerando tecnologías incorporadas, procesos
intervenidos, barreras organizacionales y transformaciones percibidas. Esta orientación
permitió examinar significados, decisiones y patrones de adopción que no podían
reducirse exclusivamente a indicadores numéricos. La unidad de análisis estuvo
constituida por las prácticas de digitalización, control automático, integración de datos,
mantenimiento inteligente y trazabilidad documentadas en instalaciones de
procesamiento agroindustrial de Ecuador y otros países latinoamericanos. Esta
delimitación resultó pertinente porque la transformación tecnológica del sector integró
dimensiones técnicas, económicas, humanas y ambientales interdependientes
(Kuckartz & Rädiker, 2023; Hassoun et al., 2023).
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
19
El fenómeno se examinó mediante un diseño no experimental, puesto que las
tecnologías, procesos productivos y decisiones empresariales fueron analizados tal
como aparecieron en las fuentes consultadas, sin manipular variables ni intervenir en
las operaciones de las plantas. A su vez, se adoptó una perspectiva longitudinal
retrospectiva que abarcó el periodo 2020-2025 y permitió reconocer cambios en la
incorporación de sensores, Internet industrial de las cosas, robótica, inteligencia
artificial, análisis de datos y sistemas de supervisión. El componente temporal no se
limitó a ordenar publicaciones por año, sino que contrastó continuidades, cambios
tecnológicos y desplazamientos en las prioridades de automatización, condición
necesaria para considerar la temporalidad dentro de un diseño cualitativo longitudinal
(Audulv et al., 2022; Bigliardi et al., 2023).
El estudio tuvo carácter documental y aplicado, ya que utilizó evidencia científica,
estadística, institucional y técnica para producir conocimiento orientado a la toma de
decisiones en plantas agroindustriales. El razonamiento deductivo partió de categorías
reconocidas en la literatura (madurez digital, automatización, interoperabilidad,
productividad, mantenimiento, calidad, sostenibilidad y capacidades humanas),
mientras que el razonamiento inductivo permitió incorporar categorías emergentes
identificadas durante la lectura y codificación. El alcance fue descriptivo porque se
caracterizaron tecnologías, usos, beneficios, obstáculos y tendencias de
implementación, sin atribuir relaciones causales ni estimar efectos generalizables para
todas las empresas. Esta combinación favoreció una interpretación sistemática y
contextualizada de documentos heterogéneos (Asdal & Reinertsen, 2021; Saldaña,
2021; Braun & Clarke, 2021).
El contexto operativo comprendió plantas ecuatorianas y latinoamericanas dedicadas a
la transformación de alimentos, bebidas y materias primas agropecuarias, pesqueras y
acuícolas. Como marco empresarial de referencia se utilizó el Registro Estadístico de
Empresas 2024, que contabilizó 1.196.545 empresas y 1.465.933 establecimientos en
Ecuador; posteriormente, la delimitación sectorial se efectuó mediante las divisiones
C10, elaboración de productos alimenticios, y C11, elaboración de bebidas. La población
documental incluyó artículos científicos, informes oficiales, documentos técnicos y
reportes empresariales que describieron procesos de automatización en dichas
actividades. La unidad documental se definió como cada publicación que aportó
evidencia identificable sobre tecnologías, aplicaciones, resultados operativos o
condiciones de adopción (Instituto Nacional de Estadística y Censos [INEC], 2026; Asdal
& Reinertsen, 2021).
La selección de documentos se realizó mediante muestreo intencional por criterios,
apropiado para un estudio cualitativo cuyo interés se concentró en la pertinencia y
riqueza analítica de las fuentes. Se incluyeron publicaciones emitidas entre 2020 y 2025,
disponibles en texto completo, relacionadas directamente con plantas agroindustriales
y sustentadas en información metodológica verificable; también se admitieron
documentos institucionales ecuatorianos indispensables para delimitar el contexto. Se
excluyeron registros duplicados, notas comerciales, textos sin autoría comprobable,
estudios centrados exclusivamente en producción agrícola primaria y trabajos que
mencionaron Industria 4.0 sin describir aplicaciones o implicaciones. No se aplicó la
fórmula probabilística para población finita porque el propósito no consistió en inferir
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
20
proporciones, sino en alcanzar suficiencia interpretativa mediante evidencia relevante
(Kuckartz & Rädiker, 2023; Fragomeli et al., 2024).
La búsqueda documental se efectuó en Scopus, Web of Science, ScienceDirect,
SpringerLink y Google Scholar, complementada con repositorios de organismos
públicos de Ecuador y entidades regionales. Se combinaron descriptores en español e
inglés, entre ellos “Industria 4.0”, “automatización industrial”, “agroindustria”, “food
processing”, “smart manufacturing”, “industrial Internet of Things”, “robotics” y “Latin
America”, mediante operadores booleanos AND y OR. La información se registró en una
matriz estructurada que incluyó autor, año, país, subsector, tecnología, proceso
intervenido, beneficios, costos, barreras, competencias laborales y efectos ambientales.
El uso de una matriz uniforme facilitó la comparación longitudinal y redujo
inconsistencias durante la extracción de datos (Audulv et al., 2022; Bigliardi et al., 2023).
La revisión documental se complementó con una encuesta cualitativa de validación
dirigida de manera intencional a responsables de producción, mantenimiento, calidad,
automatización y tecnologías de información vinculados con plantas agroindustriales.
Se utilizó un cuestionario estructurado compuesto por preguntas abiertas sobre
tecnologías implementadas, procesos automatizados, dificultades de integración,
necesidades de capacitación y resultados percibidos, acompañado de preguntas de
caracterización institucional que no solicitaron datos comerciales sensibles. Esta fase
no tuvo finalidad probabilística ni buscó estimar porcentajes para la población nacional;
su función consistió en contrastar la coherencia y aplicabilidad de las categorías
obtenidas documentalmente. Las respuestas fueron codificadas junto con los
documentos, manteniendo diferenciada la procedencia de cada evidencia (Braun &
Clarke, 2021; Kuckartz & Rädiker, 2023).
El análisis se ejecutó mediante codificación temática y análisis cualitativo de contenido
en dos ciclos. En el primero se asignaron códigos descriptivos a tecnologías, procesos,
beneficios y barreras; en el segundo se integraron los códigos en categorías
interpretativas relacionadas con madurez digital, desempeño operativo, sostenibilidad,
interoperabilidad y capacidades humanas. La consistencia se fortaleció mediante
triangulación entre literatura científica, estadísticas oficiales, documentos técnicos y
respuestas de informantes, además de una revisión iterativa de categorías y evidencias
discrepantes. Se protegió la identidad de los participantes, se emplearon datos
agregados, se evitó identificar plantas específicas y se informó el carácter voluntario de
la participación, mientras que los documentos públicos se analizaron respetando
autoría, integridad y contexto original (Saldaña, 2021; Asdal & Reinertsen, 2021)
3. Resultados
Grado de incorporación de tecnologías de Industria 4.0 en las plantas
agroindustriales
La caracterización documental permitió establecer la presencia relativa de las
tecnologías de Industria 4.0 empleadas en el procesamiento agroindustrial y alimentario.
El corpus analizado estuvo conformado por 69 artículos científicos seleccionados a partir
de 1.519 registros iniciales, de los cuales 321 correspondieron a duplicados. El 80 % de
los documentos incluidos se publicó desde 2020, mientras que el 55 % correspondió a
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
21
revisiones de literatura y el 45 % restante reunió estudios empíricos, propuestas
conceptuales y desarrollos experimentales. Esta distribución evidenció que la
producción científica se concentró en años recientes, aunque una parte considerable de
las aplicaciones permaneció en fases de diseño, evaluación o validación tecnológica
(Peres et al., 2025).
La incorporación tecnológica mostró una concentración marcada en soluciones
orientadas a la captura, transmisión, trazabilidad y análisis de información productiva.
Los sensores inteligentes representaron el 39 % de las menciones registradas, seguidos
por blockchain con el 23 %, inteligencia artificial con el 14 % e Internet de las cosas con
el 9 %. En conjunto, estas cuatro tecnologías acumularon el 85 % de la presencia
documental identificada. En contraste, los gemelos digitales alcanzaron el 5 %, el
aprendizaje automático el 4 %, Big Data el 3 % y la robótica el 2 %, lo que reflejó una
incorporación menos frecuente de tecnologías asociadas con simulación avanzada,
autonomía operativa y automatización física de procesos (Peres et al., 2025; Hassoun
et al., 2023).
Tabla 1
Distribución de las tecnologías de Industria 4.0 identificadas en el corpus documental
Posición
Tecnología
Participación en las menciones (%)
Presencia documental
1
Sensores inteligentes
39
Predominante
2
Blockchain
23
Alta
3
Inteligencia artificial
14
Intermedia
4
Internet de las cosas
9
Intermedia
5
Gemelos digitales
5
Emergente
6
Aprendizaje automático
4
Emergente
7
Big Data
3
Emergente
8
Robótica
2
Limitada
Total por redondeo
99
Nota: Las categorías tecnológicas no fueron necesariamente excluyentes, debido a que un
mismo documento pudo abordar más de una solución de Industria 4.0. El total alcanzó el 99 %
como consecuencia del redondeo de los porcentajes publicados. Elaboración basada en Peres
et al. (2025).
El nivel de madurez de las aplicaciones identificadas fue menor que su frecuencia de
aparición en la literatura. El 54 % de las nuevas propuestas se ubicó en los niveles de
preparación tecnológica TRL 3 y TRL 4, correspondientes al desarrollo y validación de
componentes o prototipos en condiciones controladas. Solamente una propuesta
alcanzó los niveles TRL 7 y TRL 8, relacionados con la demostración de sistemas en
entornos operativos. Asimismo, la computación en la nube, la ciberseguridad y los
sistemas ciberfísicos no registraron una representación significativa dentro del corpus,
lo que mostró una integración todavía parcial entre infraestructura digital,
automatización industrial y gestión segura de datos (Peres et al., 2025; Folgado et al.,
2024).
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
22
La distribución sectorial registró ocho publicaciones vinculadas con frutas, vegetales y
productos derivados, cinco relacionadas con productos cárnicos y pesqueros, y seis
concentradas en actividades como arroz, trigo, cacao, chocolate, cereales, especias, té
y bebidas. En la distribución geográfica, China reunió 14 publicaciones, India ocho y
Canadá cinco, mientras que España, Reino Unido y Francia registraron tres documentos
cada uno. Ecuador no apareció entre los países con frecuencias individualizadas, por lo
que no fue posible calcular una tasa nacional de incorporación tecnológica ni estimar
medias, desviaciones estándar, intervalos de confianza o valores p. El hallazgo central
correspondió al predominio de sensores y sistemas de trazabilidad frente a tecnologías
autónomas, robóticas e integradas de mayor madurez operativa (Peres et al., 2025;
Bigliardi et al., 2023).
Relación entre automatización y desempeño operativo de las plantas
agroindustriales
La relación entre automatización y desempeño operativo se examinó mediante los
resultados documentados sobre control de calidad, inocuidad, eficiencia de procesos,
consumo energético y prevención de pérdidas. El análisis de 38 investigaciones sobre
aplicaciones de Industria 4.0 en la manufactura alimentaria mostró que los beneficios se
concentraron en la supervisión automática, la predicción de desviaciones y la respuesta
oportuna ante condiciones anormales. Las tecnologías evaluadas comprendieron
inteligencia artificial, Internet de las cosas y computación en la nube, análisis de grandes
datos, minería de datos y blockchain. Los estudios relacionaron estas soluciones
principalmente con la precisión del control, la continuidad del monitoreo y la reducción
de operaciones manuales susceptibles de error (Semercioz-Oduncuoglu & Luning,
2025).
La inteligencia artificial presentó la mayor vinculación con los indicadores de calidad y
capacidad de respuesta. De los 38 estudios revisados, 24 relacionaron esta tecnología
con la detección de contaminación y la predicción confiable de calidad e inocuidad, cifra
equivalente al 63,2 % del corpus. Otros 23 trabajos, correspondientes al 60,5 %, la
asociaron con evaluaciones en tiempo real y controles rápidos, mientras que 13
estudios, equivalentes al 34,2 %, documentaron su utilización para clasificar productos
según frescura, adulteración, origen o nivel de deterioro. La continuidad del monitoreo
de parámetros y operaciones reunió 11 menciones distribuidas entre inteligencia
artificial, Internet de las cosas, grandes datos y blockchain (Semercioz-Oduncuoglu &
Luning, 2025).
Los resultados operativos también mostraron una presencia diferenciada de beneficios
administrativos y económicos. La reducción de costos, la optimización de recursos y la
prevención de pérdidas financieras acumularon 14 menciones distribuidas entre las
tecnologías examinadas; en cambio, la automatización avanzada del control de calidad
registró siete menciones y el apoyo a decisiones y respuestas rápidas alcanzó ocho.
Estos hallazgos se relacionaron con la disminución del trabajo manual, los menores
tiempos de procesamiento, el uso de componentes de bajo costo y la prevención de
devoluciones, sanciones o retiros de productos. No obstante, las fuentes informaron
estos beneficios mediante categorías y casos heterogéneos, sin proporcionar una
medida monetaria común que permitiera calcular una media financiera conjunta
(Semercioz-Oduncuoglu & Luning, 2025).
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
23
La evidencia cuantitativa sobre consumo energético mostró resultados específicos en
una cadena agroindustrial láctea de siete etapas. El consumo energético específico
inicial fue de 0,984 kWh por kilogramo de producto terminado; al incorporar las pérdidas
de calidad, cuyo valor alcanzó el 35,22 %, el indicador aumentó hasta 1,519 kWh/kg, lo
que representó un incremento aproximado del 50 %. La implementación modelada de
monitoreo y control inteligente redujo el consumo en un 3,9 %, mientras que las prácticas
de mantenimiento disminuyeron el indicador en un 7,9 %. Las intervenciones
automatizadas en el transporte refrigerado redujeron el consumo total en un 9,8 % y
elevaron la calidad final en un punto porcentual (Marchi et al., 2022).
El análisis económico del mismo caso utilizó un precio energético de EUR 0,12 por kWh,
un horizonte de evaluación de 20 años y una tasa de descuento del 4 %. Bajo esos
parámetros, los ahorros acumulados durante la vida útil de las medidas superaron las
necesidades generales de inversión, aunque los valores monetarios variaron según el
tipo de intervención tecnológica. Considerados en conjunto, los hallazgos mostraron que
la automatización se relacionó con mayor frecuencia con la precisión del control de
calidad, el monitoreo continuo y la reducción del consumo energético, mientras que la
evidencia financiera y productiva permaneció menos estandarizada. Debido a la
heterogeneidad de diseños e indicadores, no se calcularon medias combinadas,
desviaciones estándar, intervalos de confianza ni valores p (Marchi et al., 2022;
Semercioz-Oduncuoglu & Luning, 2025).
Beneficios, costos y barreras de adopción según tamaño empresarial y subsector
agroindustrial
La caracterización se orientó a identificar cómo variaron los beneficios, costos y
obstáculos de la automatización según el tamaño empresarial y el segmento
agroindustrial examinado. La evidencia disponible por tamaño se concentró
principalmente en pequeñas y medianas empresas, sin proporcionar muestras
equivalentes de grandes plantas que permitieran calcular diferencias estadísticas
directas. El conjunto cuantitativo incluyó una encuesta aplicada a 271 pymes
manufactureras y una revisión de 54 estudios sobre adopción de Industria 4.0 en
empresas de menor tamaño. Para los subsectores agroindustriales se incorporaron 20
entrevistas a directivos de la cadena de alimentos y bebidas, un estudio que identificó
20 barreras sectoriales y otro que clasificó 27 obstáculos en seis dimensiones. Por esta
composición documental, los resultados representaron patrones de frecuencia y
jerarquización, y no tasas nacionales de adopción en Ecuador (Masood & Sonntag,
2020; Elhusseiny & Crispim, 2022).
La evidencia correspondiente a las pymes mostró cinco beneficios recurrentes: mayor
flexibilidad productiva, reducción de costos, incremento de la eficiencia, mejora de la
calidad y fortalecimiento de la ventaja competitiva. No obstante, las restricciones
financieras y la insuficiencia de conocimientos técnicos aparecieron como los dos
grupos de dificultades principales en la encuesta de 271 empresas, cuyo análisis
presentó una medida de adecuación muestral KMO de 0,701. La revisión
complementaria de 54 estudios agrupó las ventajas en dos conjuntos: mejoras en la
gestión de operaciones y resultados vinculados con mercado, sostenibilidad y
coordinación de la cadena de suministro. En contraste, las limitaciones de recursos,
infraestructura, competencias digitales y personal especializado tuvieron una presencia
más marcada en las pymes de economías en desarrollo. Ninguna de las fuentes
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
24
proporcionó costos de inversión expresados en una moneda y periodo homogéneos, por
lo que no se calculó una media financiera conjunta (Masood & Sonntag, 2020;
Elhusseiny & Crispim, 2022).
La comparación documental mostró que las barreras variaron entre las restricciones
internas de las pymes y los problemas de integración propios de los subsectores
alimentarios. Como se observa en la Tabla 2, los estudios centrados en empresas
pequeñas otorgaron mayor peso a la disponibilidad de capital y conocimiento, mientras
que las investigaciones de alimentos y bebidas añadieron la colaboración
interorganizacional, la inercia administrativa y la resistencia laboral. En la cadena
agroalimentaria ampliada también se registraron costos logísticos, incompatibilidad con
equipos instalados y dificultades para acceder a subsidios tecnológicos. Las bases
analizadas oscilaron entre 10 expertos y 271 empresas, lo cual impidió sumar sus
frecuencias como si procedieran de una sola población. En consecuencia, la tabla
presentó los hallazgos dentro de la unidad de análisis original de cada investigación (Ali
& Aboelmaged, 2022; Rahman et al., 2025; Zhao et al., 2024).
Tabla 2
Beneficios, costos y barreras de adopción según tamaño empresarial y segmento
agroindustrial
Tamaño o
segmento
analizado
Base de
evidencia
Principales costos y barreras
Pymes
manufactureras
271 empresas;
KMO = 0,701
Restricciones financieras y falta de
conocimientos
Pymes de países
desarrollados y en
desarrollo
54 estudios
Escasez de recursos, competencias e
infraestructura; menor disponibilidad
tecnológica en economías en
desarrollo
Industria de
alimentos y bebidas
20 entrevistas
directivas
Falta de colaboración, inercia
organizacional y desconocimiento
tecnológico
Industria de
alimentos y bebidas
20 barreras
identificadas
Seis barreras superiores: restricciones
financieras, escaso apoyo directivo,
ausencia de equipos de I+D,
insuficiencia de habilidades, falta de
estrategia digital y resistencia al
cambio
Cadena
agroalimentaria
27 barreras en 6
categorías; 10
expertos
Aumento del costo logístico final,
dificultades en los subsidios e
incompatibilidad con equipos
existentes
Nota: Los resultados correspondieron a estudios con diseños, países y unidades de análisis
diferentes; por ello, las frecuencias no se sumaron ni se utilizaron para calcular porcentajes
globales. Elaboración basada en Masood y Sonntag (2020), Elhusseiny y Crispim (2022), Ali y
Aboelmaged (2022), Rahman et al. (2025) y Zhao et al. (2024).
Dentro del subsector de alimentos y bebidas, las entrevistas realizadas a 20 directivos
identificaron cuatro beneficios o impulsores: disminución del desajuste entre oferta y
demanda, adaptación a las necesidades cambiantes del consumidor, prevención de
sanciones legales y optimización de costos. Las barreras principales se concentraron
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
25
en la falta de colaboración entre actores, la inercia organizacional y el desconocimiento
de las tecnologías disponibles. En otra investigación sectorial se reconocieron 20
obstáculos, de los cuales seis ocuparon el nivel jerárquico superior: restricciones
financieras, falta de apoyo gerencial, ausencia de un equipo de investigación y
desarrollo, insuficiencia de habilidades laborales, carencia de estrategia digital
acompañada de escasez de recursos y resistencia de los empleados. De este modo, el
30 % de las barreras identificadas en ese estudio quedó ubicado en el nivel de mayor
influencia dentro del modelo jerárquico. Estos hallazgos no incluyeron montos de
inversión, periodos de recuperación ni tasas de rentabilidad comparables (Ali &
Aboelmaged, 2022; Rahman et al., 2025).
La cadena agroalimentaria presentó una estructura más amplia de obstáculos, integrada
por 27 barreras distribuidas en seis categorías y priorizadas mediante la valoración de
10 expertos. El incremento del costo de la logística terminal ocupó el primer lugar
general, seguido por las dificultades relacionadas con la asignación de subsidios para
equipos inteligentes y la baja compatibilidad entre las tecnologías de Industria 4.0 y la
maquinaria agrícola existente. Las dimensiones ambiental y de cadena de suministro
ocuparon las dos primeras posiciones entre las seis categorías analizadas, por encima
de los componentes estrictamente tecnológicos y económicos. Considerados en
conjunto, los resultados mostraron que las pymes enfrentaron principalmente
restricciones de capital y conocimiento, mientras que los subsectores de alimentos,
bebidas y cadenas agroalimentarias añadieron problemas de coordinación,
infraestructura, compatibilidad y logística. La heterogeneidad de los datos impidió
calcular desviaciones estándar, intervalos de confianza, valores p o un costo promedio
de adopción (Zhao et al., 2024).
4. Discusión
El estudio analiza la relación entre la incorporación de tecnologías de Industria 4.0, el
nivel de automatización y el desempeño operativo de las plantas agroindustriales, y los
hallazgos sugieren una transformación digital todavía concentrada en funciones de
captura, transmisión y trazabilidad de datos. Aunque sensores, blockchain, inteligencia
artificial e Internet de las cosas reúnen el 85 % de las menciones tecnológicas, el hecho
de que el 54 % de las propuestas permanezca en niveles TRL 3–4 y solo una alcance
TRL 7–8 evidencia una brecha entre visibilidad científica y aplicación operativa. Esta
configuración parece indicar que la agroindustria avanza primero hacia la supervisión
digital, pero aún no consolida arquitecturas interoperables, robóticas y autónomas. El
resultado coincide con la literatura que describe una integración gradual y desigual de
las tecnologías habilitadoras en la cadena agroalimentaria (Peres et al., 2025; Hassoun
et al., 2023; Folgado et al., 2024).
La relación observada entre automatización y desempeño se manifiesta con mayor
claridad en el control de calidad, la inocuidad y el monitoreo continuo que en los
indicadores financieros agregados. La asociación de la inteligencia artificial con la
detección de contaminación en el 63,2 % de los estudios y con evaluaciones en tiempo
real en el 60,5 % converge con Semercioz-Oduncuoglu y Luning (2025), quienes sitúan
la predicción y la respuesta rápida entre sus aplicaciones más consistentes. De manera
complementaria, las reducciones modeladas del consumo energético entre el 3,9 % y el
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
26
9,8 % respaldan la utilidad potencial de combinar monitoreo inteligente, mantenimiento
y automatización logística (Marchi et al., 2022). Sin embargo, la ausencia de métricas
monetarias homogéneas muestra una divergencia entre la abundancia de beneficios
técnicos reportados y la limitada demostración de rentabilidad, por lo que estas
relaciones deben interpretarse como asociaciones documentales y no como efectos
causales generalizables.
La lectura integrada de los resultados amplía el análisis tecnológico al mostrar que la
adopción depende de capacidades financieras, organizacionales y laborales, y no
únicamente de la disponibilidad de equipos. Las pymes concentran restricciones de
capital y conocimiento especializado, mientras que los subsectores de alimentos y
bebidas incorporan dificultades de colaboración, resistencia al cambio, estrategia digital
e interoperabilidad; en la cadena agroalimentaria también adquieren relevancia los
costos logísticos y la incompatibilidad con maquinaria instalada (Masood & Sonntag,
2020; Ali & Aboelmaged, 2022; Zhao et al., 2024). Esta situación resulta especialmente
significativa para Ecuador, donde el 71 % de las empresas exportadoras hacia China
corresponde a mipymes o artesanos y las exportaciones no petroleras representan el
72,2 % del total. Los hallazgos sugieren, por tanto, que la madurez digital debe
comprenderse como la articulación entre infraestructura, competencias humanas,
gobernanza de datos y desempeño operativo, en concordancia con el enfoque regional
propuesto por la CEPAL (2022).
El alcance documental, cualitativo y no experimental limita la posibilidad de estimar
tasas de adopción nacionales, diferencias estadísticas entre tamaños empresariales o
relaciones causales entre automatización, productividad y rentabilidad. La
heterogeneidad de países, subsectores, diseños e indicadores impide calcular medias
combinadas, intervalos de confianza, valores p o costos promedio, mientras que la
escasa presencia de evidencia ecuatoriana reduce la transferibilidad directa de algunos
resultados. Las investigaciones futuras deberían desarrollar estudios longitudinales y
comparativos en plantas ecuatorianas de las divisiones C10 y C11, emplear indicadores
estandarizados de madurez, energía, calidad, desperdicios y mantenimiento, y estimar
inversión, periodo de recuperación y retorno financiero según tamaño empresarial
(Bigliardi et al., 2023; Elhusseiny & Crispim, 2022). A pesar de estas limitaciones, el
estudio contribuye a cerrar la brecha identificada al integrar tecnología, desempeño,
sostenibilidad y capacidades humanas dentro de un marco aplicable al análisis de la
automatización agroindustrial.
5. Conclusiones
Los resultados permiten concluir que la adopción de tecnologías de Industria 4.0 se
relaciona con mejoras potenciales en el desempeño operativo de las plantas
agroindustriales, especialmente en el monitoreo de procesos, la trazabilidad, el control
de calidad y la eficiencia energética. No obstante, esta relación se manifiesta
principalmente en aplicaciones parciales y no en sistemas plenamente integrados. El
predominio de sensores, blockchain, inteligencia artificial e Internet de las cosas
evidencia una orientación hacia la captura y gestión de información productiva. En
contraste, la baja presencia de robótica, gemelos digitales y arquitecturas ciberfísicas
indica que la automatización avanzada todavía presenta un grado limitado de madurez
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
27
operativa. Esta conclusión debe interpretarse dentro del alcance documental y no
experimental del estudio (Peres et al., 2025; Folgado et al., 2024).
La integración de los objetivos específicos evidencia que el grado de incorporación
tecnológica no siempre coincide con el nivel de aplicación industrial alcanzado. Aunque
el 85 % de las menciones se concentra en cuatro tecnologías habilitadoras, el 54 % de
las propuestas permanece en niveles TRL 3–4, lo que sugiere una distancia entre el
desarrollo conceptual y su implementación en entornos productivos. A su vez, la
automatización se asocia con mayor precisión en el control de calidad, vigilancia
continua y reducciones modeladas del consumo energético de entre 3,9 % y 9,8 %. Sin
embargo, los beneficios económicos no se expresan mediante indicadores homogéneos
de inversión, rentabilidad o recuperación financiera. En conjunto, los hallazgos
evidencian una transformación digital progresiva, pero todavía desigual entre
tecnologías, procesos y subsectores.
El aporte principal del estudio consiste en integrar la madurez tecnológica, el
desempeño operativo, la sostenibilidad y las capacidades organizacionales dentro de
un mismo marco de análisis para la agroindustria. Esta articulación permite observar
que la adopción no depende únicamente de la disponibilidad de equipos, sino también
del acceso a financiamiento, la formación del personal, la estrategia digital, la
interoperabilidad y la coordinación entre actores. Las pymes presentan una mayor
exposición a restricciones de capital y conocimiento, mientras que los subsectores de
alimentos y bebidas añaden barreras relacionadas con resistencia al cambio,
infraestructura y compatibilidad tecnológica. Por consiguiente, la automatización
agroindustrial requiere una planificación gradual que vincule las decisiones técnicas con
las condiciones económicas y humanas de cada organización. Este enfoque ofrece una
referencia útil para orientar procesos de modernización sin asumir que una misma
solución resulta aplicable a todas las plantas.
A partir de estos hallazgos, se recomienda que las plantas agroindustriales prioricen
diagnósticos de madurez digital antes de realizar inversiones y que establezcan
indicadores verificables de calidad, energía, mantenimiento, desperdicios y costos
operativos. También resulta pertinente fortalecer las competencias digitales del personal
y evaluar la compatibilidad de las nuevas soluciones con la maquinaria instalada,
particularmente en pequeñas y medianas empresas. Las futuras investigaciones
deberían desarrollar estudios longitudinales y comparativos en plantas ecuatorianas de
alimentos y bebidas, con mediciones estandarizadas de inversión, productividad,
retorno financiero y desempeño ambiental. Asimismo, convendría ampliar la evidencia
empírica sobre robótica, gemelos digitales, ciberseguridad e interoperabilidad, debido a
su escasa representación actual. De esta manera, la investigación contribuye a reducir
la brecha entre la disponibilidad tecnológica y su aplicación efectiva en la modernización
sostenible de la agroindustria.
Referencias Bibliográficas
Abasolo-Pacheco, F., Sellan-Canales, M. J., García-Gallirgos, V. J., & Onofre-Correa, J.
A. (2025). Desarrollo vegetativo del maíz bajo influencia de diluciones minerales
y biológicas. Revista Científica Zambos, 4(2), 265-280.
https://doi.org/10.69484/rcz/v4/n2/121
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
28
Ali, I., & Aboelmaged, M. G. S. (2022). Implementation of supply chain 4.0 in the food
and beverage industry: Perceived drivers and barriers. International Journal of
Productivity and Performance Management, 71(4), 1426–1443.
https://doi.org/10.1108/IJPPM-07-2020-0393
Asdal, K., & Reinertsen, H. (2021). Doing document analysis: A practice-oriented
method. SAGE Publications. https://uk.sagepub.com/en-gb/eur/doing-document-
analysis/book276193
Audulv, Å., Hall, E. O. C., Kneck, Å., Westergren, T., Fegran, L., Pedersen, M. K.,
Aagaard, H., Dam, K. L., & Ludvigsen, M. S. (2022). Qualitative longitudinal
research in health research: A method study. BMC Medical Research
Methodology, 22, 255. https://doi.org/10.1186/s12874-022-01732-4.
Beltrán-Jimenez, S. S., Gómez-Reina, M. Ángel, Monsalve-Estrada, N. Y., Ospina-
Ladino, M. C., & López-Muñoz, L. G. (2023). Optimización del Overrun (aireado),
del rendimiento, de los sólidos solubles y los costos de un helado mediante el
diseño de mezclas. Journal of Economic and Social Science Research, 3(4), 68–
83. https://doi.org/10.55813/gaea/jessr/v3/n4/81
Bigliardi, B., Bottani, E., Casella, G., Filippelli, S., Petroni, A., Pini, B., & Gianatti, E.
(2023). Industry 4.0 in the agrifood supply chain: A review. Procedia Computer
Science, 217, 1755–1764. https://doi.org/10.1016/j.procs.2022.12.375
Braun, V., & Clarke, V. (2021). One size fits all? What counts as quality practice in
reflexive thematic analysis? Qualitative Research in Psychology, 18(3), 328-352.
Caicedo-Aldaz, J. C., & Herrera-Sánchez, D. J. (2022). El Rol de la Agroecología en el
Desarrollo Rural Sostenible en Ecuador. Revista Científica Zambos, 1(2), 1-16.
https://doi.org/10.69484/rcz/v1/n2/24
Comisión Económica para América Latina y el Caribe. (2022). A digital path for
sustainable development in Latin America and the Caribbean. Naciones Unidas.
https://repositorio.cepal.org/server/api/core/bitstreams/71eb91ed-b241-41c8-
9463-d1eaa3b12932/content
Elhusseiny, H. M., & Crispim, J. (2022). SMEs, barriers and opportunities on adopting
Industry 4.0: A review. Procedia Computer Science, 196, 864–871.
https://doi.org/10.1016/j.procs.2021.12.086
Fasciolo, B., Panza, L., & Lombardi, F. (2024). Exploring the integration of Industry 4.0
technologies in agriculture: A comprehensive bibliometric review. Sustainability,
16(20), 8948. https://doi.org/10.3390/su16208948
Folgado, F. J., Calderón, D., González, I., & Calderón, A. J. (2024). Review of Industry
4.0 from the perspective of automation and supervision systems: Definitions,
architectures and recent trends. Electronics, 13(4), 782.
https://doi.org/10.3390/electronics13040782
Fragomeli, R., Annunziata, A., & Punzo, G. (2024). Promoting the transition towards
Agriculture 4.0: A systematic literature review on drivers and barriers.
Sustainability, 16(6), 2425. https://doi.org/10.3390/su16062425
Garcia-Gallirgos, V. J., Reasco-Tigua, E. D., Díaz-Sandoya, E., Sabando-Avila, F. A., &
Patiño-Uyaguari, J. L. (2025). Agronomía asistida por ImageJ: eficacia del
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
29
mucílago de cacao contra Rigodium implexum y rendimiento. Revista Científica
Ciencia Y Método, 3(4), 96-105. https://doi.org/10.55813/gaea/rcym/v3/n4/97
Gmyrek, P., Winkler, H., & Garganta, S. (2024). Buffer or bottleneck? Employment
exposure to generative AI and the digital divide in Latin America (ILO Working
Paper 121). International Labour Organization.
https://www.ilo.org/publications/buffer-or-bottleneck-employment-exposure-
generative-ai-and-digital-divide
Guamán-Rivera, S. A. (2022). Desarrollo de Políticas Agrarias y su Influencia en los
Pequeños Agricultores Ecuatorianos. Revista Científica Zambos, 1(3), 15-28.
https://doi.org/10.69484/rcz/v1/n3/30
Guamán-Rivera, S. A., & Flores-Mancheno, C. I. (2023). Seguridad Alimentaria y
Producción Agrícola Sostenible en Ecuador. Revista Científica Zambos, 2(1), 1-
20. https://doi.org/10.69484/rcz/v2/n1/35
Guamán-Rivera, S. A., Ruiz-Sánchez, C. I., & Maytin-Fumero, C. (2024). Ganadería
sostenible y gestión eficiente de recursos naturales en zonas rurales. Revista
Científica Enfoques Del Conocimiento, 1(4), 1-20.
https://doi.org/10.55813/gaea/revistacec/v1/n4/22
Hassoun, A., Jagtap, S., Trollman, H., Garcia-Garcia, G., Alhaj Abdullah, N., Goksen,
G., Bader, F., Ozogul, F., Barba, F. J., Cropotova, J., Munekata, P. E. S., &
Lorenzo, J. M. (2023). Food processing 4.0: Current and future developments
spurred by the fourth industrial revolution. Food Control, 145, 109507.
https://doi.org/10.1016/j.foodcont.2022.109507.
Herrera-Sánchez, D. J. (2025). Eficiencia de los sistemas de cultivo hidropónico en
entornos urbanos. Revista Científica Ciencia Y Método, 3(2), 15-29.
https://doi.org/10.55813/gaea/rcym/v3/n2/2
Herrera-Sánchez, D. J., & Gavilánez-Buñay, T. C. (2023). Estrategias de agricultura
regenerativa para mejorar la salud del suelo. Revista Científica Ciencia Y
Método, 1(2), 15-28. https://doi.org/10.55813/gaea/rcym/v1/n2/12
Herrera-Sánchez, D. J., Gavilánez-Buñay, T. C., Lizarraga-Aguirre, H. R., & Allebrandt,
S. L. (2024). Trazabilidad y calidad en la cadena de valor de productos
pesqueros. Revista Científica Enfoques Del Conocimiento, 1(4), 21-40.
https://doi.org/10.55813/gaea/revistacec/v1/n4/23
Instituto Nacional de Estadística y Censos. (2023). Principales resultados del Registro
Estadístico de Empresas 2023.
https://www.ecuadorencifras.gob.ec/documentos/web-
inec/Estadisticas_Economicas/Registro_Empresas_Establecimientos/2023/Se
mestre_I/Principales_Resultados_REEM_2023.pdf
Instituto Nacional de Estadística y Censos. (2026). Registro Estadístico de Empresas
2024 definitivo y 2025 provisional.
https://www.ecuadorencifras.gob.ec/directoriodeempresas/
Javaid, M., Haleem, A., Singh, R. P., Suman, R., & Santibañez Gonzalez, E. (2022).
Understanding the adoption of Industry 4.0 technologies in improving
environmental sustainability. Sustainable Operations and Computers, 3, 203–
217. https://doi.org/10.1016/j.susoc.2022.01.008
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
30
Kuckartz, U., & Rädiker, S. (2023). Qualitative content analysis: Methods, practice and
software (2nd ed.). SAGE Publications. https://www.sagepub.com/shop/buy-a-
book/qualitative-content-analysis-2-282907
Manobanda-Bustillo, M. J., Solis-Pérez, J. M., Galarza-Vera, A. N., Toapanta-Garces, K.
L., & Llerena-Ramos, L. T. (2025). Selenio como bioestimulante en el crecimiento
y rendimiento de Brassica oleracea. Revista Científica Ciencia Y Método, 3(4),
162-176. https://doi.org/10.55813/gaea/rcym/v3/n4/104
Maquilon-Ortega, K. L. (2025). Evaluación del efecto de la harina de coco como
ingrediente alternativo en el rendimiento productivo de pollos de engorde.
Revista Científica Ciencia Y Método, 3(4), 309-317.
https://doi.org/10.55813/gaea/rcym/v3/n4/112
Marchi, B., Bettoni, L., & Zanoni, S. (2022). Assessment of energy efficiency measures
in food cold supply chains: A dairy industry case study. Energies, 15(19), 6901.
https://doi.org/10.3390/en15196901
Masood, T., & Sonntag, P. (2020). Industry 4.0: Adoption challenges and benefits for
SMEs. Computers in Industry, 121, 103261.
Ministerio de Producción, Comercio Exterior, Inversiones y Pesca. (2025). Informe de
gestión institucional 2024. https://www.produccion.gob.ec/wp-
content/uploads/2025/06/Informe_gestion_mpceip_2024.pdf
Morella, P., Lambán, M. P., Royo, J., & Sánchez, J. C. (2021). Study and analysis of the
implementation of 4.0 technologies in the agri-food supply chain: A state of the
art. Agronomy, 11(12), 2526. https://doi.org/10.3390/agronomy11122526
Pachay-Choez, E. Y., & Mieles-Giler, J. W. (2025). Impacto antropogénico y sus efectos
sobre los mamíferos terrestres en el sector la Cuesta, Jipijapa, Ecuador. Revista
Científica Ciencia Y Método, 3(3), 261-277.
https://doi.org/10.55813/gaea/rcym/v3/n3/74
Patiño-Uyaguari, J. L., Guerrero-Calero, J. M., & Castro-Landin, A. L. (2024). Agricultura
sostenible y seguridad alimentaria en contextos de cambio climático. Revista
Científica Enfoques Del Conocimiento, 1(3), 82-101.
https://doi.org/10.55813/gaea/revistacec/v1/n3/21
Peres, F. A. P., Bondarczuk, B. A., Gomes, L. de C., Jardim, L. de C., Corrêa, R. G. de
F., & Baierle, I. C. (2025). Advances in food quality management driven by
Industry 4.0: A systematic review-based framework. Foods, 14(14), 2429.
https://doi.org/10.3390/foods14142429
Pilla-Bardales, L. C., Moreira-Moreira, G. E., Barahona-Casanova, L. D., Llerena-
Ramos, L. T., & Garcia-Gallirgos, V. J. (2025). Respuesta agronómica de
Cucumis sativus a la aplicación de abonos orgánicos bajo invernadero. Revista
Científica Ciencia Y Método, 3(4), 106-120.
https://doi.org/10.55813/gaea/rcym/v3/n4/98
Rahman, M., Emon, M. E. H., Antor, M. H., Haque, S. A., & Talapatra, S. (2025).
Identification and prioritization of barriers to Industry 4.0 adoption in the context
of food and beverage industries of Bangladesh. Benchmarking: An International
Journal, 32(2), 757–783. https://doi.org/10.1108/BIJ-06-2023-0371.
Revista de Investigación y Liderazgo Vol. 02 (Num. 02)(Abril – Junio 2025) ISSN 3151-8532
Investigación, pensamiento crítico y desarrollo social
https://rivinglid.omeditorial.com
31
Rojas, F. E., & Saavedra-Mera, K. A. . (2022). Diversificación de Cultivos y su Impacto
Económico en las Fincas Ecuatorianas. Revista Científica Zambos, 1(1), 51-68.
https://doi.org/10.69484/rcz/v1/n1/21
Saldaña, J. (2021). The coding manual for qualitative researchers (4th ed.). SAGE
Publications. https://books.google.com/books?id=RwcVEAAAQBAJ
Semercioz-Oduncuoglu, A. S., & Luning, P. A. (2025). Industry 4.0 technologies in quality
and safety control systems in food manufacturing: A systematic techno-
managerial analysis on benefits and barriers. Trends in Food Science &
Technology, 163, 105144. https://doi.org/10.1016/j.tifs.2025.105144
United Nations Industrial Development Organization. (2025). Agro-industry’s role in
achieving zero hunger: What strategic actions can developing countries take?
https://www.unido.org/sites/default/files/unido-publications/2025-
04/IID%20Policy%20Brief%2022%20-%20Agro-
industry%20and%20Zero%20Hunger.pdf
Zhao, G., Ye, C., Dennehy, D., Liu, S., Harfouche, A., & Olan, F. (2024). Analysis of
barriers to adopting Industry 4.0 to achieve agri-food supply chain sustainability:
A group-based fuzzy analytic hierarchy process. Business Strategy and the
Environment, 33(8), 8559–8586.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.