pág. 2422
CLÚSTERES TECNOLÓGICOS DE LA
TRANSFORMACIÓN DIGITAL EN EL CICLO
DE VIDA DEL PRODUCTO
TECHNOLOGICAL CLUSTERS OF DIGITAL
TRANSFORMATION IN THE PRODUCT LIFE CYCLE
Cristian Joel Jáuregui Sánchez
Universidad Nacional de Ingeniería, Lima, Perú.
Gisselle Blanca Silva Núñez
Universidad Nacional de Ingeniería, Lima, Perú.
Gustavo Alexander Quiroz Chumbimuni
Universidad Nacional de Ingeniería, Lima, Perú.
Royer Publio Osorio Huasco
Universidad Nacional de Ingeniería, Lima, Perú.
Friedman Edgard Turín Alvarado
Universidad Nacional de Ingeniería, Lima, Perú.
pág. 2423
DOI: https://doi.org/10.37811/cl_rcm.v10i4.25272
Clústeres tecnológicos de la transformación digital en el ciclo de vida del
producto
Cristian Joel Jáuregui Sánchez1
cristian.jauregui.s@uni.pe
https://orcid.org/0009-0001-7971-4326
Universidad Nacional de Ingeniería, Lima, Perú.
Gisselle Blanca Silva Núñez
gisselle.silva.n@uni.pe
https://orcid.org/0009-0005-5725-7784
Universidad Nacional de Ingeniería, Lima, Perú.
Gustavo Alexander Quiroz Chumbimuni
gustavo.quiroz.c@uni.pe
https://orcid.org/0009-0003-0239-5341
Universidad Nacional de Ingeniería, Lima, Perú.
Royer Publio Osorio Huasco
r.osorio.h@uni.pe
https://orcid.org/0009-0000-5947-062X
Universidad Nacional de Ingeniería, Lima, Perú.
Friedman Edgard Turín Alvarado
friedman.turin.a@uni.pe
https://orcid.org/0009-0000-8509-471X
Universidad Nacional de Ingeniería, Lima, Perú.
RESUMEN
La transformación digital integra siete clústeres tecnológicos -Internet de las Cosas, Big Data e
Inteligencia Artificial, Cloud Computing, Fabricación Aditiva, Gemelos Digitales, Robótica Avanzada
y Ciberseguridad/Blockchain- en el desarrollo de productos, aunque la literatura los aborda de forma
dispersa. Esta revisión sistemática, bajo el protocolo PRISMA 2020, analizó la integración de estos
clústeres en el desarrollo de productos, sus aplicaciones, beneficios y desafíos. Se buscó en Scopus y
ScienceDirect (5592 registros identificados), evaluando 114 estudios en texto completo, de los cuales
82 cumplieron los criterios de elegibilidad. Los resultados muestran que el Gemelo Digital domina la
literatura (74.4% de los estudios), concentrado en Diseño/Desarrollo (37.8%) y Manufactura (32.9%),
con fuerte concentración geográfica en Alemania (72%) y editorial en Procedia CIRP (84%). Los
beneficios reportados incluyen reducciones de hasta 98% en esfuerzo manual de ingeniería y
clasificaciones de uso con más de 96% de precisión, mientras que las barreras son técnicas,
organizacionales y económicas. Se concluye que el Gemelo Digital funciona como eje integrador de las
demás tecnologías, identificándose vacíos en Ciberseguridad/Blockchain, Cloud Computing, la fase de
fin de vida del producto, y en la representatividad geográfica de la evidencia disponible.
Palabras clave: transformación digital; ciclo de vida del producto; gemelos digitales; Industria 4.0;
revisión sistemática.
1Autor principal
Correspondencia: cristian.jauregui.s@uni.pe
DOI: https://doi.org/10.37811/cl_rcm.v10i4.25272
Clústeres tecnológicos de la transformación digital en el ciclo de vida del
producto
Cristian Joel Jáuregui Sánchez1
cristian.jauregui.s@uni.pe
https://orcid.org/0009-0001-7971-4326
Universidad Nacional de Ingeniería, Lima, Perú.
Gisselle Blanca Silva Núñez
gisselle.silva.n@uni.pe
https://orcid.org/0009-0005-5725-7784
Universidad Nacional de Ingeniería, Lima, Perú.
Gustavo Alexander Quiroz Chumbimuni
gustavo.quiroz.c@uni.pe
https://orcid.org/0009-0003-0239-5341
Universidad Nacional de Ingeniería, Lima, Perú.
Royer Publio Osorio Huasco
r.osorio.h@uni.pe
https://orcid.org/0009-0000-5947-062X
Universidad Nacional de Ingeniería, Lima, Perú.
Friedman Edgard Turín Alvarado
friedman.turin.a@uni.pe
https://orcid.org/0009-0000-8509-471X
Universidad Nacional de Ingeniería, Lima, Perú.
RESUMEN
La transformación digital integra siete clústeres tecnológicos -Internet de las Cosas, Big Data e
Inteligencia Artificial, Cloud Computing, Fabricación Aditiva, Gemelos Digitales, Robótica Avanzada
y Ciberseguridad/Blockchain- en el desarrollo de productos, aunque la literatura los aborda de forma
dispersa. Esta revisión sistemática, bajo el protocolo PRISMA 2020, analizó la integración de estos
clústeres en el desarrollo de productos, sus aplicaciones, beneficios y desafíos. Se buscó en Scopus y
ScienceDirect (5592 registros identificados), evaluando 114 estudios en texto completo, de los cuales
82 cumplieron los criterios de elegibilidad. Los resultados muestran que el Gemelo Digital domina la
literatura (74.4% de los estudios), concentrado en Diseño/Desarrollo (37.8%) y Manufactura (32.9%),
con fuerte concentración geográfica en Alemania (72%) y editorial en Procedia CIRP (84%). Los
beneficios reportados incluyen reducciones de hasta 98% en esfuerzo manual de ingeniería y
clasificaciones de uso con más de 96% de precisión, mientras que las barreras son técnicas,
organizacionales y económicas. Se concluye que el Gemelo Digital funciona como eje integrador de las
demás tecnologías, identificándose vacíos en Ciberseguridad/Blockchain, Cloud Computing, la fase de
fin de vida del producto, y en la representatividad geográfica de la evidencia disponible.
Palabras clave: transformación digital; ciclo de vida del producto; gemelos digitales; Industria 4.0;
revisión sistemática.
1Autor principal
Correspondencia: cristian.jauregui.s@uni.pe
pág. 2424
Technological clusters of digital transformation in the product life cycle
ABSTRACT
Digital transformation integrates seven technological clusters -Internet of Things, Big Data and
Artificial Intelligence, Cloud Computing, Additive Manufacturing, Digital Twins, Advanced Robotics,
and Cybersecurity/Blockchain- into product development, although the literature addresses them
separately. This systematic review, following the PRISMA 2020 protocol, analyzed the integration of
these clusters in product development, their applications, benefits, and challenges. Scopus and
ScienceDirect were searched (5592 records identified), yielding 114 full-text assessed studies, of which
82 met the eligibility criteria. Results show that Digital Twin dominates the literature (74.4% of studies),
concentrated in Design/Development (37.8%) and Manufacturing (32.9%), with strong geographic
concentration in Germany (72%) and editorial concentration in Procedia CIRP (84%). Reported benefits
include reductions of up to 98% in manual engineering effort and usage-scenario classification with over
96% accuracy, while identified barriers are technical, organizational, and economic. Digital Twin is
concluded to function as an integrating hub for the other technologies, with gaps identified in
Cybersecurity/Blockchain, Cloud Computing, the end-of-life phase, and the geographic
representativeness of the available evidence.
Keywords: digital transformation; product life cycle; digital twins; Industry 4.0; systematic review.
Artículo recibido 20 mayo 2026
Aceptado para publicación: 20 junio 2026
Technological clusters of digital transformation in the product life cycle
ABSTRACT
Digital transformation integrates seven technological clusters -Internet of Things, Big Data and
Artificial Intelligence, Cloud Computing, Additive Manufacturing, Digital Twins, Advanced Robotics,
and Cybersecurity/Blockchain- into product development, although the literature addresses them
separately. This systematic review, following the PRISMA 2020 protocol, analyzed the integration of
these clusters in product development, their applications, benefits, and challenges. Scopus and
ScienceDirect were searched (5592 records identified), yielding 114 full-text assessed studies, of which
82 met the eligibility criteria. Results show that Digital Twin dominates the literature (74.4% of studies),
concentrated in Design/Development (37.8%) and Manufacturing (32.9%), with strong geographic
concentration in Germany (72%) and editorial concentration in Procedia CIRP (84%). Reported benefits
include reductions of up to 98% in manual engineering effort and usage-scenario classification with over
96% accuracy, while identified barriers are technical, organizational, and economic. Digital Twin is
concluded to function as an integrating hub for the other technologies, with gaps identified in
Cybersecurity/Blockchain, Cloud Computing, the end-of-life phase, and the geographic
representativeness of the available evidence.
Keywords: digital transformation; product life cycle; digital twins; Industry 4.0; systematic review.
Artículo recibido 20 mayo 2026
Aceptado para publicación: 20 junio 2026
pág. 2425
INTRODUCCIÓN
La cuarta revolución industrial ha situado a la transformación digital como un eje central en la manera
en que las organizaciones diseñan, producen y gestionan sus productos a lo largo de todo su ciclo de
vida. Dentro de este proceso conviven al menos siete clústeres tecnológicos interrelacionados -Internet
de las Cosas (IoT/IIoT), Big Data e Inteligencia Artificial, Cloud Computing, Fabricación Aditiva,
Gemelos Digitales y Realidad Extendida, Robótica Avanzada y Automatización, y Ciberseguridad y
Blockchain-, cada uno con una literatura propia que rara vez se examina de forma conjunta bajo el marco
del ciclo de vida del producto.
Diversas revisiones previas han abordado estos clústeres de manera parcial. Por ejemplo, Lo et al. (2021)
revisan específicamente el uso del Gemelo Digital en el diseño y desarrollo de producto, mientras que
Liu et al. (2021) y Ante (2021) se concentran en mapear conceptual y bibliométricamente el campo del
Gemelo Digital en la manufactura inteligente, sin vincularlo explícitamente a otras fases del ciclo de
vida más allá del diseño y la producción. Por su parte, Wang et al. (2021) examinan el rol de la
Inteligencia Artificial a lo largo de las etapas de Product Lifecycle Management (PLM), y Lou et al.
(2025) revisan los sistemas humano-ciber-físicos propios de la Industria 5.0, evidenciando que la
investigación reciente tiende a analizar cada clúster tecnológico de forma aislada o, cuando mucho, en
pares. Esta dispersión constituye un vacío de conocimiento relevante: no existe, hasta donde se ha
podido identificar, una síntesis que integre los siete clústeres bajo un mismo marco de ciclo de vida del
producto.
La relevancia de cerrar este vacío es tanto teórica como práctica. En el plano teórico, permite construir
un mapa integral de qué tecnologías se aplican en qué fase del desarrollo de producto, y con qué
evidencia empírica de respaldo. En el plano práctico, ofrece a gestores de ingeniería y de innovación un
panorama basado en evidencia para priorizar inversiones tecnológicas según la fase del ciclo de vida en
la que se encuentren sus productos.
Como marco teórico, este estudio se apoya en tres cuerpos de literatura complementarios. Primero, el
paradigma de Industria 4.0, que articula la digitalización de los sistemas productivos mediante la
interconexión de tecnologías físicas y digitales. Segundo, la disciplina de Product Lifecycle
Management (PLM), que organiza la gestión de la información del producto a lo largo de sus fases de
INTRODUCCIÓN
La cuarta revolución industrial ha situado a la transformación digital como un eje central en la manera
en que las organizaciones diseñan, producen y gestionan sus productos a lo largo de todo su ciclo de
vida. Dentro de este proceso conviven al menos siete clústeres tecnológicos interrelacionados -Internet
de las Cosas (IoT/IIoT), Big Data e Inteligencia Artificial, Cloud Computing, Fabricación Aditiva,
Gemelos Digitales y Realidad Extendida, Robótica Avanzada y Automatización, y Ciberseguridad y
Blockchain-, cada uno con una literatura propia que rara vez se examina de forma conjunta bajo el marco
del ciclo de vida del producto.
Diversas revisiones previas han abordado estos clústeres de manera parcial. Por ejemplo, Lo et al. (2021)
revisan específicamente el uso del Gemelo Digital en el diseño y desarrollo de producto, mientras que
Liu et al. (2021) y Ante (2021) se concentran en mapear conceptual y bibliométricamente el campo del
Gemelo Digital en la manufactura inteligente, sin vincularlo explícitamente a otras fases del ciclo de
vida más allá del diseño y la producción. Por su parte, Wang et al. (2021) examinan el rol de la
Inteligencia Artificial a lo largo de las etapas de Product Lifecycle Management (PLM), y Lou et al.
(2025) revisan los sistemas humano-ciber-físicos propios de la Industria 5.0, evidenciando que la
investigación reciente tiende a analizar cada clúster tecnológico de forma aislada o, cuando mucho, en
pares. Esta dispersión constituye un vacío de conocimiento relevante: no existe, hasta donde se ha
podido identificar, una síntesis que integre los siete clústeres bajo un mismo marco de ciclo de vida del
producto.
La relevancia de cerrar este vacío es tanto teórica como práctica. En el plano teórico, permite construir
un mapa integral de qué tecnologías se aplican en qué fase del desarrollo de producto, y con qué
evidencia empírica de respaldo. En el plano práctico, ofrece a gestores de ingeniería y de innovación un
panorama basado en evidencia para priorizar inversiones tecnológicas según la fase del ciclo de vida en
la que se encuentren sus productos.
Como marco teórico, este estudio se apoya en tres cuerpos de literatura complementarios. Primero, el
paradigma de Industria 4.0, que articula la digitalización de los sistemas productivos mediante la
interconexión de tecnologías físicas y digitales. Segundo, la disciplina de Product Lifecycle
Management (PLM), que organiza la gestión de la información del producto a lo largo de sus fases de
pág. 2426
ideación, diseño, manufactura, uso y fin de vida (Wang et al., 2021). Tercero, el concepto de Gemelo
Digital como representación virtual sincronizada de un producto o sistema físico, identificado en
revisiones previas como una de las tecnologías con mayor potencial transformador dentro del desarrollo
de producto (Lo et al., 2021; Liu et al., 2021; Ante, 2021), pero cuya integración con los demás clústeres
tecnológicos -más allá de estudios de caso aislados- aún no ha sido sistematizada.
Preguntas de investigación:
• PI1: ¿De qué manera se están aplicando los siete clústeres tecnológicos en las distintas fases del
desarrollo de productos (ideación, diseño, prototipado, pruebas y lanzamiento)?
• PI2: ¿Qué impacto (reducción de tiempos, optimización de costos, mejora de calidad) reporta la
literatura empírica al integrar estos clústeres?
• PI3: ¿Cuáles son las principales barreras o desafíos metodológicos para la adopción de estas
tecnologías en el ciclo de vida del producto?
Objetivo principal: analizar el estado actual de la literatura científica respecto a la integración de los
siete clústeres tecnológicos de la transformación digital en el proceso de desarrollo de nuevos productos,
identificando sus aplicaciones, beneficios y desafíos.
METODOLOGÍA
Enfoque y tipo de investigación
La presente investigación se desarrolla bajo un enfoque cualitativo de tipo documental. Corresponde a
una Revisión Sistemática de la Literatura (RSL), cuyo proceso de identificación, selección y reporte de
estudios sigue los lineamientos establecidos por la declaración PRISMA 2020 (Page et al., 2021). El
alcance del estudio es descriptivo, orientado a sintetizar la evidencia científica disponible sobre la
integración de los siete clústeres tecnológicos de la transformación digital (Internet de las Cosas, Big
Data e Inteligencia Artificial, Cloud Computing, Fabricación Aditiva, Gemelos Digitales y Realidad
Extendida, Robótica Avanzada y Automatización, y Ciberseguridad y Blockchain) en las distintas fases
del ciclo de vida del producto.
ideación, diseño, manufactura, uso y fin de vida (Wang et al., 2021). Tercero, el concepto de Gemelo
Digital como representación virtual sincronizada de un producto o sistema físico, identificado en
revisiones previas como una de las tecnologías con mayor potencial transformador dentro del desarrollo
de producto (Lo et al., 2021; Liu et al., 2021; Ante, 2021), pero cuya integración con los demás clústeres
tecnológicos -más allá de estudios de caso aislados- aún no ha sido sistematizada.
Preguntas de investigación:
• PI1: ¿De qué manera se están aplicando los siete clústeres tecnológicos en las distintas fases del
desarrollo de productos (ideación, diseño, prototipado, pruebas y lanzamiento)?
• PI2: ¿Qué impacto (reducción de tiempos, optimización de costos, mejora de calidad) reporta la
literatura empírica al integrar estos clústeres?
• PI3: ¿Cuáles son las principales barreras o desafíos metodológicos para la adopción de estas
tecnologías en el ciclo de vida del producto?
Objetivo principal: analizar el estado actual de la literatura científica respecto a la integración de los
siete clústeres tecnológicos de la transformación digital en el proceso de desarrollo de nuevos productos,
identificando sus aplicaciones, beneficios y desafíos.
METODOLOGÍA
Enfoque y tipo de investigación
La presente investigación se desarrolla bajo un enfoque cualitativo de tipo documental. Corresponde a
una Revisión Sistemática de la Literatura (RSL), cuyo proceso de identificación, selección y reporte de
estudios sigue los lineamientos establecidos por la declaración PRISMA 2020 (Page et al., 2021). El
alcance del estudio es descriptivo, orientado a sintetizar la evidencia científica disponible sobre la
integración de los siete clústeres tecnológicos de la transformación digital (Internet de las Cosas, Big
Data e Inteligencia Artificial, Cloud Computing, Fabricación Aditiva, Gemelos Digitales y Realidad
Extendida, Robótica Avanzada y Automatización, y Ciberseguridad y Blockchain) en las distintas fases
del ciclo de vida del producto.
pág. 2427
Fuentes de información y estrategia de búsqueda
La búsqueda se realizó en Scopus y ScienceDirect, combinando tres bloques conceptuales con el
operador AND: (1) desarrollo de productos y ciclo de vida, (2) transformación digital, y (3) los siete
clústeres tecnológicos; dentro de cada bloque se usaron sinónimos combinados con OR.
Ecuación en Scopus (TITLE-ABS-KEY), 535 resultados:
TITLE-ABS-KEY ( ( "product development" OR "new product development" OR "product lifecycle" )
AND ( "digital transformation" OR "Industry 4.0" OR "digitalization" ) AND ( "IoT" OR "internet of
things" OR "big data" OR "artificial intelligence" OR "cloud computing" OR "additive manufacturing"
OR "3D printing" OR "digital twin" OR "augmented reality" OR "cybersecurity" OR "robotics" ) ) AND
PUBYEAR > 2020
Ecuación en ScienceDirect (campo Title/abstract/keywords, acotada por el límite de conectores del
buscador a IoT, IA, Impresión 3D y Gemelos Digitales), 5057 resultados:
( "product development" OR "new product development" ) AND ( "digital transformation" OR "Industry
4.0" ) AND ( "IoT" OR "artificial intelligence" OR "3D printing" OR "digital twin" )
Se restringió a artículos de 2021-2026, en inglés o español. No fue necesario ampliar a SpringerLink
(contemplada inicialmente) dado el volumen ya suficiente obtenido.
Criterios de elegibilidad
La Tabla 1 presenta los criterios de inclusión y exclusión aplicados; el incumplimiento de al menos uno
determinó el descarte del estudio.
Fuentes de información y estrategia de búsqueda
La búsqueda se realizó en Scopus y ScienceDirect, combinando tres bloques conceptuales con el
operador AND: (1) desarrollo de productos y ciclo de vida, (2) transformación digital, y (3) los siete
clústeres tecnológicos; dentro de cada bloque se usaron sinónimos combinados con OR.
Ecuación en Scopus (TITLE-ABS-KEY), 535 resultados:
TITLE-ABS-KEY ( ( "product development" OR "new product development" OR "product lifecycle" )
AND ( "digital transformation" OR "Industry 4.0" OR "digitalization" ) AND ( "IoT" OR "internet of
things" OR "big data" OR "artificial intelligence" OR "cloud computing" OR "additive manufacturing"
OR "3D printing" OR "digital twin" OR "augmented reality" OR "cybersecurity" OR "robotics" ) ) AND
PUBYEAR > 2020
Ecuación en ScienceDirect (campo Title/abstract/keywords, acotada por el límite de conectores del
buscador a IoT, IA, Impresión 3D y Gemelos Digitales), 5057 resultados:
( "product development" OR "new product development" ) AND ( "digital transformation" OR "Industry
4.0" ) AND ( "IoT" OR "artificial intelligence" OR "3D printing" OR "digital twin" )
Se restringió a artículos de 2021-2026, en inglés o español. No fue necesario ampliar a SpringerLink
(contemplada inicialmente) dado el volumen ya suficiente obtenido.
Criterios de elegibilidad
La Tabla 1 presenta los criterios de inclusión y exclusión aplicados; el incumplimiento de al menos uno
determinó el descarte del estudio.
pág. 2428
Tabla 1. Criterios de elegibilidad
Criterio Inclusión Exclusión
Periodo de publicación 2021 – 2026 Publicaciones anteriores a 2021
Tipo de documento Artículos de investigación
originales, empíricos o de
estudio de caso
Revisiones de literatura,
capítulos de libro, tesis,
editoriales o actas cortas
Disponibilidad Acceso Abierto (Open Access) Acceso restringido (Paywall) o
sin texto completo disponible
Idioma Inglés y Español Cualquier otro idioma
Enfoque temático
(Población/Contexto)
Procesos de desarrollo de
productos, diseño de productos
o ciclo de vida del producto
Transformación digital en otras
áreas (marketing, RR. HH.,
finanzas puras)
Enfoque temático
(Intervención)
Aplicación explícita de al
menos uno de los siete clústeres
tecnológicos
Artículos sobre digitalización
genérica sin especificar
tecnología o clúster
Proceso de selección de estudios
El proceso siguió las fases de PRISMA 2020: identificación, cribado, evaluación de texto completo e
inclusión final (detalle completo en la Tabla 2 y la Figura 1). De 5592 registros identificados, 114
informes (100 ScienceDirect + 14 Scopus) fueron evaluados en texto completo; 82 fueron incluidos y
32 excluidos.
Tabla 1. Criterios de elegibilidad
Criterio Inclusión Exclusión
Periodo de publicación 2021 – 2026 Publicaciones anteriores a 2021
Tipo de documento Artículos de investigación
originales, empíricos o de
estudio de caso
Revisiones de literatura,
capítulos de libro, tesis,
editoriales o actas cortas
Disponibilidad Acceso Abierto (Open Access) Acceso restringido (Paywall) o
sin texto completo disponible
Idioma Inglés y Español Cualquier otro idioma
Enfoque temático
(Población/Contexto)
Procesos de desarrollo de
productos, diseño de productos
o ciclo de vida del producto
Transformación digital en otras
áreas (marketing, RR. HH.,
finanzas puras)
Enfoque temático
(Intervención)
Aplicación explícita de al
menos uno de los siete clústeres
tecnológicos
Artículos sobre digitalización
genérica sin especificar
tecnología o clúster
Proceso de selección de estudios
El proceso siguió las fases de PRISMA 2020: identificación, cribado, evaluación de texto completo e
inclusión final (detalle completo en la Tabla 2 y la Figura 1). De 5592 registros identificados, 114
informes (100 ScienceDirect + 14 Scopus) fueron evaluados en texto completo; 82 fueron incluidos y
32 excluidos.
pág. 2429
Tabla 2. Registros evaluados e incluidos (estado actual del proceso)
Fase N°
Registros identificados en ScienceDirect 5057
Registros identificados en Scopus 535
Total de registros identificados 5592
Registros duplicados eliminados (estimado) 80
Registros cribados (título y resumen) 5512
Registros excluidos en cribado (estimado) 5398
Informes evaluados en texto completo 114
— Procedentes de ScienceDirect 100
— Procedentes de Scopus 14
Estudios incluidos (elegibles) 82
Estudios excluidos en texto completo 32
La Tabla 3 desagrega los motivos de exclusión: la mayoría (25 de 32) corresponde al Criterio 2 (revisiones o propuestas
conceptuales sin validación empírica).
Tabla 2. Registros evaluados e incluidos (estado actual del proceso)
Fase N°
Registros identificados en ScienceDirect 5057
Registros identificados en Scopus 535
Total de registros identificados 5592
Registros duplicados eliminados (estimado) 80
Registros cribados (título y resumen) 5512
Registros excluidos en cribado (estimado) 5398
Informes evaluados en texto completo 114
— Procedentes de ScienceDirect 100
— Procedentes de Scopus 14
Estudios incluidos (elegibles) 82
Estudios excluidos en texto completo 32
La Tabla 3 desagrega los motivos de exclusión: la mayoría (25 de 32) corresponde al Criterio 2 (revisiones o propuestas
conceptuales sin validación empírica).
pág. 2430
Tabla 3. Motivos de exclusión por criterio incumplido
Motivo de exclusión (criterio incumplido) N° de estudios
Criterio 2 — Tipo de documento (mayoritariamente revisiones de
literatura, propuestas conceptuales/teóricas o estudios sin validación
empírica)
25
Criterio 3 — Contexto (aplicación ajena al desarrollo, diseño o ciclo
de vida del producto)
4
Criterio 4 — Intervención (no aplica explícitamente ninguno de los 7
clústeres tecnológicos definidos)
4
Para efectos del diagrama de flujo PRISMA (Figura 1), los motivos anteriores se agrupan en dos categorías: “Datos
insuficientes” (equivalente al Criterio 2, n=25) y “No tratan el tema” (equivalente a los Criterios 3 y 4 combinados, n=7).
La Figura 1 resume el proceso completo de selección mediante el diagrama de flujo PRISMA 2020.
Tabla 3. Motivos de exclusión por criterio incumplido
Motivo de exclusión (criterio incumplido) N° de estudios
Criterio 2 — Tipo de documento (mayoritariamente revisiones de
literatura, propuestas conceptuales/teóricas o estudios sin validación
empírica)
25
Criterio 3 — Contexto (aplicación ajena al desarrollo, diseño o ciclo
de vida del producto)
4
Criterio 4 — Intervención (no aplica explícitamente ninguno de los 7
clústeres tecnológicos definidos)
4
Para efectos del diagrama de flujo PRISMA (Figura 1), los motivos anteriores se agrupan en dos categorías: “Datos
insuficientes” (equivalente al Criterio 2, n=25) y “No tratan el tema” (equivalente a los Criterios 3 y 4 combinados, n=7).
La Figura 1 resume el proceso completo de selección mediante el diagrama de flujo PRISMA 2020.
pág. 2431
Figura 1. Diagrama de flujo PRISMA 2020 del proceso de identificación, cribado y selección de
estudios.
Figura 1. Diagrama de flujo PRISMA 2020 del proceso de identificación, cribado y selección de
estudios.
pág. 2432
Instrumento de extracción de datos
Se empleó una matriz bibliográfica en Excel con 20 campos: identificación (código, autor, año, título,
revista, país, base de datos, DOI), caracterización (tipo de estudio, clúster tecnológico, fase del ciclo de
vida, muestra/contexto, metodología), y síntesis (beneficios, desafíos, hallazgos clave, cita
representativa, nivel de relevancia y estado de elegibilidad).
Consideraciones éticas y limitaciones
Al ser un estudio documental, no involucra sujetos humanos. Limitaciones: (i) búsqueda restringida a
Scopus y ScienceDirect; (ii) posible exclusión de estudios bajo modelos de suscripción; (iii) fuerte
concentración editorial (Procedia CIRP) y geográfica (Alemania), con riesgo de sesgo de publicación;
y (iv) dependencia de la calidad y transparencia con que cada estudio primario reportó su evidencia.
RESULTADOS Y DISCUSIÓN
Selección y características generales de los estudios
Del corpus final de 82 estudios (ver proceso completo en Tablas 2 y 3 y Figura 1), 69 (84.1%) fueron
clasificados con relevancia alta y 13 (15.9%) con relevancia media. Predominan los estudios de caso —
industriales, técnicos o experimentales— (56 de 82, 68.3%), consistente con el Criterio 2 que exigió
evidencia empírica original.
Cabe señalar que dos estudios incluidos (Seegrün et al., 2023; Oliveira-Dias et al., 2022) combinan
una revisión de literatura con un componente de estudio de caso o encuesta empírica propios; se optó
por mantenerlos en la síntesis dado que aportan datos primarios propios más allá de la revisión, aunque
se recomienda una verificación adicional de este criterio en una futura actualización de la revisión.
La Tabla 4 identifica los 82 estudios mediante un código interno (apellido del primer autor + año), su
clúster y fase del ciclo de vida abordada, para facilitar su ubicación en el resto de esta sección; la
referencia completa de cada uno está en la Lista de Referencias.
Instrumento de extracción de datos
Se empleó una matriz bibliográfica en Excel con 20 campos: identificación (código, autor, año, título,
revista, país, base de datos, DOI), caracterización (tipo de estudio, clúster tecnológico, fase del ciclo de
vida, muestra/contexto, metodología), y síntesis (beneficios, desafíos, hallazgos clave, cita
representativa, nivel de relevancia y estado de elegibilidad).
Consideraciones éticas y limitaciones
Al ser un estudio documental, no involucra sujetos humanos. Limitaciones: (i) búsqueda restringida a
Scopus y ScienceDirect; (ii) posible exclusión de estudios bajo modelos de suscripción; (iii) fuerte
concentración editorial (Procedia CIRP) y geográfica (Alemania), con riesgo de sesgo de publicación;
y (iv) dependencia de la calidad y transparencia con que cada estudio primario reportó su evidencia.
RESULTADOS Y DISCUSIÓN
Selección y características generales de los estudios
Del corpus final de 82 estudios (ver proceso completo en Tablas 2 y 3 y Figura 1), 69 (84.1%) fueron
clasificados con relevancia alta y 13 (15.9%) con relevancia media. Predominan los estudios de caso —
industriales, técnicos o experimentales— (56 de 82, 68.3%), consistente con el Criterio 2 que exigió
evidencia empírica original.
Cabe señalar que dos estudios incluidos (Seegrün et al., 2023; Oliveira-Dias et al., 2022) combinan
una revisión de literatura con un componente de estudio de caso o encuesta empírica propios; se optó
por mantenerlos en la síntesis dado que aportan datos primarios propios más allá de la revisión, aunque
se recomienda una verificación adicional de este criterio en una futura actualización de la revisión.
La Tabla 4 identifica los 82 estudios mediante un código interno (apellido del primer autor + año), su
clúster y fase del ciclo de vida abordada, para facilitar su ubicación en el resto de esta sección; la
referencia completa de cada uno está en la Lista de Referencias.
pág. 2433
Tabla 4. Estudios incluidos en la síntesis (n=82)
Código Autor(es) y
año
Título (abreviado) Revista Clúster(es) Fase
LOP-
2023
Ahumada-
Tello &
Evans
(2023)
Human Factors,
Innovation and
Technology, and
Cluster Strategies
Procedia
CIRP
IA, Blockchain Ideación / Diseño
ALE-
2023
Alexopoulos
et al. (2023)
An industrial data-
spaces framework for
resilient manufacturing
value…
Procedia
CIRP
Cloud Logística /
Manufactura
RÖH-
2023
Arnemann et
al. (2023)
Information Model to
Return Data of Digital
Twins into Product
Design
Procedia
CIRP
Gemelo Digital Diseño / Ciclo de
vida
PFA-
2026
Augustino
Doan et al.
(2026)
Framework selection
for simulation-driven,
web-based digital twins
Procedia
CIRP
Gemelo Digital Operación / Diseño
BAR-
2021
Barata & Da
Cunha
(2021)
Augmented product
information: crafting
physical-digital
transparency…
Int. J. Adv.
Manuf.
Technol.
IoT, Cloud,
Gemelo
Digital/AR-VR
Uso, Operación y
Mantenimiento / Fin
de…
STO-
2022
Bertoni et al.
(2022)
Digital Twins of
Operational Scenarios
in Mining for Design of
Electr…
Procedia
CIRP
Gemelo Digital Operación / Diseño
de Producto
Tabla 4. Estudios incluidos en la síntesis (n=82)
Código Autor(es) y
año
Título (abreviado) Revista Clúster(es) Fase
LOP-
2023
Ahumada-
Tello &
Evans
(2023)
Human Factors,
Innovation and
Technology, and
Cluster Strategies
Procedia
CIRP
IA, Blockchain Ideación / Diseño
ALE-
2023
Alexopoulos
et al. (2023)
An industrial data-
spaces framework for
resilient manufacturing
value…
Procedia
CIRP
Cloud Logística /
Manufactura
RÖH-
2023
Arnemann et
al. (2023)
Information Model to
Return Data of Digital
Twins into Product
Design
Procedia
CIRP
Gemelo Digital Diseño / Ciclo de
vida
PFA-
2026
Augustino
Doan et al.
(2026)
Framework selection
for simulation-driven,
web-based digital twins
Procedia
CIRP
Gemelo Digital Operación / Diseño
BAR-
2021
Barata & Da
Cunha
(2021)
Augmented product
information: crafting
physical-digital
transparency…
Int. J. Adv.
Manuf.
Technol.
IoT, Cloud,
Gemelo
Digital/AR-VR
Uso, Operación y
Mantenimiento / Fin
de…
STO-
2022
Bertoni et al.
(2022)
Digital Twins of
Operational Scenarios
in Mining for Design of
Electr…
Procedia
CIRP
Gemelo Digital Operación / Diseño
de Producto
pág. 2434
LIC-
2024
Burggräf et
al. (2024)
Towards Digital Twin
Driven Factory
Planning
Procedia
CIRP
Gemelo Digital Planificación /
Fábrica
BIE-
2021
Czwick &
Anderl
(2021)
Conceptual Use Cases
for Integrating
Artificial Intelligence
into Cyb…
Procedia
CIRP
Big Data/IA Desarrollo /
Producto-Servicio
WUR-
2021
De Almeida
et al. (2021)
Innovative Framework
to manage New
Product Development
(NPD) Integrat…
Procedia
CIRP
Fab. Aditiva Ideación /
Prototipado
KRA-
2021
De Oliveira
Hansen et al.
(2021)
Design and
development of
Automation Equipment
based on Digital Twin
Procedia
CIRP
Gemelo Digital Diseño y
Comisionamiento
KAU-
2026
Disselkamp
et al. (2026)
Sketch2Factory:
Roadmap for AI-
Driven Sketch-to-3D
Model Pipeline
Procedia
CIRP
Gemelo Digital Ideación / Diseño
HEN-
2025
Enarevba &
Haapala
(2025)
Sustainability
assessment of
industrial hemp
enabled by Industry 4.0
Procedia
CIRP
IoT, IA Manufactura /
Sostenibilidad
ZHO-
2025
Escobedo et
al. (2025)
Towards an Intelligent
Digital Machine Twin
for CAM Process
Procedia
CIRP
Gemelo Digital Manufactura / CAM
LIC-
2024
Burggräf et
al. (2024)
Towards Digital Twin
Driven Factory
Planning
Procedia
CIRP
Gemelo Digital Planificación /
Fábrica
BIE-
2021
Czwick &
Anderl
(2021)
Conceptual Use Cases
for Integrating
Artificial Intelligence
into Cyb…
Procedia
CIRP
Big Data/IA Desarrollo /
Producto-Servicio
WUR-
2021
De Almeida
et al. (2021)
Innovative Framework
to manage New
Product Development
(NPD) Integrat…
Procedia
CIRP
Fab. Aditiva Ideación /
Prototipado
KRA-
2021
De Oliveira
Hansen et al.
(2021)
Design and
development of
Automation Equipment
based on Digital Twin
Procedia
CIRP
Gemelo Digital Diseño y
Comisionamiento
KAU-
2026
Disselkamp
et al. (2026)
Sketch2Factory:
Roadmap for AI-
Driven Sketch-to-3D
Model Pipeline
Procedia
CIRP
Gemelo Digital Ideación / Diseño
HEN-
2025
Enarevba &
Haapala
(2025)
Sustainability
assessment of
industrial hemp
enabled by Industry 4.0
Procedia
CIRP
IoT, IA Manufactura /
Sostenibilidad
ZHO-
2025
Escobedo et
al. (2025)
Towards an Intelligent
Digital Machine Twin
for CAM Process
Procedia
CIRP
Gemelo Digital Manufactura / CAM
pág. 2435
BIE-
2021
Gaha et al.
(2021)
Towards the
implementation of the
Digital Twin in CMM
inspection
Procedia
Manuf.
Gemelo Digital Pruebas / Calidad
KUG-
2023
Göllner et al.
(2023)
Guidelines for
providing digital twins
Procedia
CIRP
Gemelo Digital Manufactura /
Gestión de activos
HAM-
2025
Hamlaoui et
al. (2025)
Digital Twin for Field
Data Management:
Design of a platform to
promo…
Procedia
CIRP
IoT Operación / Pruebas
HAM-
2026
Hamlaoui et
al. (2026)
Digital Twin for Field
Data Management:
Text-Based Scenario
Descripti…
Procedia
CIRP
Gemelo Digital Desarrollo / Pruebas
MÜL-
2024
Hidalgo-
Crespo et al.
(2024)
Design platform
concept for product-as-
a-Service by electrical
EEE
Procedia
CIRP
Gemelo Digital Ciclo de Vida
HEI-
2024
Himmelstoss
et al. (2024)
Digital Twins and
Software Services:
Leveraging Product
Data for Digi…
Procedia
CIRP
Cloud Desarrollo /
Producto-Servicio
REU-
2023
Himmelstoß
et al. (2023)
Designing Smart
Services for a
Component
Procedia
CIRP
Gemelo Digital Servicios / Ciclo de
vida
BIE-
2021
Gaha et al.
(2021)
Towards the
implementation of the
Digital Twin in CMM
inspection
Procedia
Manuf.
Gemelo Digital Pruebas / Calidad
KUG-
2023
Göllner et al.
(2023)
Guidelines for
providing digital twins
Procedia
CIRP
Gemelo Digital Manufactura /
Gestión de activos
HAM-
2025
Hamlaoui et
al. (2025)
Digital Twin for Field
Data Management:
Design of a platform to
promo…
Procedia
CIRP
IoT Operación / Pruebas
HAM-
2026
Hamlaoui et
al. (2026)
Digital Twin for Field
Data Management:
Text-Based Scenario
Descripti…
Procedia
CIRP
Gemelo Digital Desarrollo / Pruebas
MÜL-
2024
Hidalgo-
Crespo et al.
(2024)
Design platform
concept for product-as-
a-Service by electrical
EEE
Procedia
CIRP
Gemelo Digital Ciclo de Vida
HEI-
2024
Himmelstoss
et al. (2024)
Digital Twins and
Software Services:
Leveraging Product
Data for Digi…
Procedia
CIRP
Cloud Desarrollo /
Producto-Servicio
REU-
2023
Himmelstoß
et al. (2023)
Designing Smart
Services for a
Component
Procedia
CIRP
Gemelo Digital Servicios / Ciclo de
vida
pág. 2436
Manufacturer Based on
Digita…
KLA-
2026
Huang et al.
(2026)
Toward an XR-Based
Scalable Modular
Design Framework for
Smart PSS
Procedia
CIRP
Gemelo Digital Diseño / Producto-
Servicio
JAG-
2021
Jagusch et
al. (2021)
Digital thread in
shipbuilding as a
prerequisite for the
digital twin
Procedia
CIRP
Gemelo Digital Diseño / Producción
ZHI-
2022
Zhi et al.
(2022)
A modeling method of
complex assembly
based on digital twin
Procedia
CIRP
Gemelo
Digital/AR-VR
Prototipado /
Ensamblaje
SCH-
2024
Kattenstroth
et al. (2024)
Challenges in the
implementation of
simulation models for
the digital…
Procedia
CIRP
Gemelo Digital Diseño /
Manufactura
KAU-
2026
Kausler et al.
(2026)
AI-Driven Product-
Production-CoDesign
through digital
manufacturing c…
Procedia
CIRP
Big Data/IA Diseño del producto
/ Planificación de…
HOF-
2025
Kovacevic et
al. (2025)
Augmented Reality to
Visualize Digital
Twins for Remote Final
Accepta…
Procedia
CIRP
Gemelo
Digital/AR-VR
Pruebas /
Aceptación final
Manufacturer Based on
Digita…
KLA-
2026
Huang et al.
(2026)
Toward an XR-Based
Scalable Modular
Design Framework for
Smart PSS
Procedia
CIRP
Gemelo Digital Diseño / Producto-
Servicio
JAG-
2021
Jagusch et
al. (2021)
Digital thread in
shipbuilding as a
prerequisite for the
digital twin
Procedia
CIRP
Gemelo Digital Diseño / Producción
ZHI-
2022
Zhi et al.
(2022)
A modeling method of
complex assembly
based on digital twin
Procedia
CIRP
Gemelo
Digital/AR-VR
Prototipado /
Ensamblaje
SCH-
2024
Kattenstroth
et al. (2024)
Challenges in the
implementation of
simulation models for
the digital…
Procedia
CIRP
Gemelo Digital Diseño /
Manufactura
KAU-
2026
Kausler et al.
(2026)
AI-Driven Product-
Production-CoDesign
through digital
manufacturing c…
Procedia
CIRP
Big Data/IA Diseño del producto
/ Planificación de…
HOF-
2025
Kovacevic et
al. (2025)
Augmented Reality to
Visualize Digital
Twins for Remote Final
Accepta…
Procedia
CIRP
Gemelo
Digital/AR-VR
Pruebas /
Aceptación final
pág. 2437
KUG-
2021
Kugler et al.
(2021)
Method for the
generation of use case
related views for
Digital Twins
Procedia
CIRP
Gemelo Digital Operación / Diseño
MÖL-
2021
Kuhn &
Lucke
(2021)
Supporting the Digital
Transformation: A
Low-Threshold
Approach
Procedia
CIRP
IoT, IA Operación /
Mantenimiento
PFA-
2021
Langlotz et
al. (2021)
Unification of lean
production and
Industry 4.0
Procedia
CIRP
Automatización,
IA
Producción /
Manufactura
MAU-
2022
Langlotz et
al. (2022)
Concept of hybrid
modeled digital twins
and its application for
produ…
Procedia
CIRP
Big Data/IA Producción
THU-
2024
Leirmo
(2024)
Digital Twins for
Industry 5.0:
Unlocking the Human
Potential
Procedia
CIRP
Gemelo Digital Manufactura
KAU-
2024
Lick et al.
(2024)
Digital Factory Twin:
A Practitioner-Driven
Approach for
Integrating…
Procedia
CIRP
Gemelo Digital Manufactura /
Producción
LIC-
2024
Lick et al.
(2024)
Guiding The
Transformation To A
Procedia
CIRP
Gemelo Digital Operación /
Estrategia
KUG-
2021
Kugler et al.
(2021)
Method for the
generation of use case
related views for
Digital Twins
Procedia
CIRP
Gemelo Digital Operación / Diseño
MÖL-
2021
Kuhn &
Lucke
(2021)
Supporting the Digital
Transformation: A
Low-Threshold
Approach
Procedia
CIRP
IoT, IA Operación /
Mantenimiento
PFA-
2021
Langlotz et
al. (2021)
Unification of lean
production and
Industry 4.0
Procedia
CIRP
Automatización,
IA
Producción /
Manufactura
MAU-
2022
Langlotz et
al. (2022)
Concept of hybrid
modeled digital twins
and its application for
produ…
Procedia
CIRP
Big Data/IA Producción
THU-
2024
Leirmo
(2024)
Digital Twins for
Industry 5.0:
Unlocking the Human
Potential
Procedia
CIRP
Gemelo Digital Manufactura
KAU-
2024
Lick et al.
(2024)
Digital Factory Twin:
A Practitioner-Driven
Approach for
Integrating…
Procedia
CIRP
Gemelo Digital Manufactura /
Producción
LIC-
2024
Lick et al.
(2024)
Guiding The
Transformation To A
Procedia
CIRP
Gemelo Digital Operación /
Estrategia
pág. 2438
Digital Factory Twin:
Towards An Ente…
LIU-
2023
Liu et al.
(2023)
Leveraging digital
capabilities toward a
circular economy
Comput. Ind.
Eng.
IoT, IA Fin de vida /
Logística
SCH-
2021
Martikkala
et al. (2021)
Trends for Low Cost
and Open Source IoT
Solutions Development
Procedia
Manuf.
Gemelo Digital Desarrollo /
Manufactura
ANG-
2023
Mediavilla
et al. (2023)
Asset administration
shell-based engineering
change management
proces…
Procedia
CIRP
Gemelo
Digital/AR-VR
Diseño / Ingeniería
de Cambios
WAC-
2026
Meyer &
Jochem
(2026)
Derivation of key
success factors for the
use of digital twins in
pro…
Procedia
CIRP
Gemelo Digital Operación y Cadena
de Valor
EIC-
2024
Molter et al.
(2024)
Development of a
characterization and
modeling method for
Digital Twi…
Procedia
CIRP
Gemelo Digital Diseño /
Manufactura
NAM-
2024
Nambiar et
al. (2024)
Automation in
Unstructured
Production
Environments Using
Isaac Sim: A…
Procedia
CIRP
Gemelo Digital Manufactura /
Producción
Digital Factory Twin:
Towards An Ente…
LIU-
2023
Liu et al.
(2023)
Leveraging digital
capabilities toward a
circular economy
Comput. Ind.
Eng.
IoT, IA Fin de vida /
Logística
SCH-
2021
Martikkala
et al. (2021)
Trends for Low Cost
and Open Source IoT
Solutions Development
Procedia
Manuf.
Gemelo Digital Desarrollo /
Manufactura
ANG-
2023
Mediavilla
et al. (2023)
Asset administration
shell-based engineering
change management
proces…
Procedia
CIRP
Gemelo
Digital/AR-VR
Diseño / Ingeniería
de Cambios
WAC-
2026
Meyer &
Jochem
(2026)
Derivation of key
success factors for the
use of digital twins in
pro…
Procedia
CIRP
Gemelo Digital Operación y Cadena
de Valor
EIC-
2024
Molter et al.
(2024)
Development of a
characterization and
modeling method for
Digital Twi…
Procedia
CIRP
Gemelo Digital Diseño /
Manufactura
NAM-
2024
Nambiar et
al. (2024)
Automation in
Unstructured
Production
Environments Using
Isaac Sim: A…
Procedia
CIRP
Gemelo Digital Manufactura /
Producción
pág. 2439
ZHU-
2021
Nick et al.
(2021)
Industry 4.0 readiness
in manufacturing:
Company Compass 2.0
Procedia
Manuf.
Gemelo Digital Planificación /
Manufactura
OLI-
2022
Oliveira-
Dias et al.
(2022)
The link between
information and digital
technologies of I4.0
and agi…
Comput. Ind.
Eng.
Gemelo Digital Planificación /
Estrategia
SEN-
2023
P. Senna et
al. (2023)
Development of a
digital maturity model
for Industry 4.0 based
on the…
Comput. Ind.
Eng.
Big Data/IA Planificación /
Estrategia
PER-
2024
Peretz-
Andersson et
al. (2024)
Artificial intelligence
implementation in
manufacturing SMEs:
A resou…
Int. J. Inf.
Manage.
Big Data/IA Planificación
Estratégica
HOF-
2025
Permin et al.
(2025)
Success Factors for
Value Creation in
Industry 4.0
Procedia
CIRP
Gemelo Digital Estrategia /
Operación
PIC-
2025
Pickel et al.
(2025)
A survey on the
utilization of
ontologies for decision-
making in indu…
Procedia
CIRP
Big Data/IA Diseño / Toma de
decisiones
PLA-
2023
Plantec et al.
(2023)
Big data as an
exploration trigger or
problem-solving patch:
Design a…
Technovation Big Data/IA Desarrollo de
producto /
Industrializac…
ZHU-
2021
Nick et al.
(2021)
Industry 4.0 readiness
in manufacturing:
Company Compass 2.0
Procedia
Manuf.
Gemelo Digital Planificación /
Manufactura
OLI-
2022
Oliveira-
Dias et al.
(2022)
The link between
information and digital
technologies of I4.0
and agi…
Comput. Ind.
Eng.
Gemelo Digital Planificación /
Estrategia
SEN-
2023
P. Senna et
al. (2023)
Development of a
digital maturity model
for Industry 4.0 based
on the…
Comput. Ind.
Eng.
Big Data/IA Planificación /
Estrategia
PER-
2024
Peretz-
Andersson et
al. (2024)
Artificial intelligence
implementation in
manufacturing SMEs:
A resou…
Int. J. Inf.
Manage.
Big Data/IA Planificación
Estratégica
HOF-
2025
Permin et al.
(2025)
Success Factors for
Value Creation in
Industry 4.0
Procedia
CIRP
Gemelo Digital Estrategia /
Operación
PIC-
2025
Pickel et al.
(2025)
A survey on the
utilization of
ontologies for decision-
making in indu…
Procedia
CIRP
Big Data/IA Diseño / Toma de
decisiones
PLA-
2023
Plantec et al.
(2023)
Big data as an
exploration trigger or
problem-solving patch:
Design a…
Technovation Big Data/IA Desarrollo de
producto /
Industrializac…
pág. 2440
REU-
2024
Pronk et al.
(2024)
What-if considerations
in digital twinning: an
autorarchic approach
Procedia
CIRP
Gemelo Digital Diseño /
Manufactura
PUS-
2022
Puschel et al.
(2022)
Unblackboxing Smart
Things—A Multilayer
Taxonomy and
Clusters of Nont…
IEEE Trans.
Eng.
Manage.
IoT Ideación / Diseño
WAG-
2021
Rahatulain
et al. (2021)
Relationship and
dependencies between
factors affecting new
product d…
Procedia
CIRP
IoT, IA Ideación /
Prototipado
JAU-
2021
Rasor et al.
(2021)
Towards collaborative
life cycle specification
of digital twin
Procedia
CIRP
Gemelo Digital Ciclo de vida
completo
LAM-
2026
Recker et al.
(2026)
LaMAS4PD - A Multi-
Agent LLM Approach
for Ontology-Driven
Structural…
Procedia
CIRP
IA
(LLM/Agentes)
Desarrollo / Diseño
MAR-
2025
Reichenstein
et al. (2025)
Role-based
manufacturing
systems: A concept
towards intelligent
produ…
Procedia
CIRP
IA,
Automatización
Producción /
Manufactura
RES-
2021
Resman et
al. (2021)
Methodology for
planning smart factory
Procedia
CIRP
Gemelo Digital Manufactura /
Planificación
REU-
2024
Pronk et al.
(2024)
What-if considerations
in digital twinning: an
autorarchic approach
Procedia
CIRP
Gemelo Digital Diseño /
Manufactura
PUS-
2022
Puschel et al.
(2022)
Unblackboxing Smart
Things—A Multilayer
Taxonomy and
Clusters of Nont…
IEEE Trans.
Eng.
Manage.
IoT Ideación / Diseño
WAG-
2021
Rahatulain
et al. (2021)
Relationship and
dependencies between
factors affecting new
product d…
Procedia
CIRP
IoT, IA Ideación /
Prototipado
JAU-
2021
Rasor et al.
(2021)
Towards collaborative
life cycle specification
of digital twin
Procedia
CIRP
Gemelo Digital Ciclo de vida
completo
LAM-
2026
Recker et al.
(2026)
LaMAS4PD - A Multi-
Agent LLM Approach
for Ontology-Driven
Structural…
Procedia
CIRP
IA
(LLM/Agentes)
Desarrollo / Diseño
MAR-
2025
Reichenstein
et al. (2025)
Role-based
manufacturing
systems: A concept
towards intelligent
produ…
Procedia
CIRP
IA,
Automatización
Producción /
Manufactura
RES-
2021
Resman et
al. (2021)
Methodology for
planning smart factory
Procedia
CIRP
Gemelo Digital Manufactura /
Planificación
pág. 2441
REU-
2023
Reuter et al.
(2023)
Adaptive inspection
planning using a digital
twin for quality
assuran…
Procedia
CIRP
Big Data/IA Pruebas /
Aseguramiento de
Calidad
REU-
2026
Reuther et
al. (2026)
A Digital Twin
Framework for
Programmable Logic
Controllers in Indust…
Procedia
CIRP
Gemelo
Digital/AR-VR
Diseño de
manufactura /
Comisionamiento…
SCH-
2023
Roehm et al.
(2023)
Development of an
Information Model for
Simulation Data
Management in…
Procedia
CIRP
Gemelo Digital Desarrollo /
Ingeniería
OST-
2026
Rohde &
Stechert
(2026)
Integrating
Autonomous 3D
Printing and VR Digital
Twins for Engineeri…
Procedia
CIRP
Fab. Aditiva Diseño /
Manufactura
RÖH-
2021
Röhm et al.
(2021)
Approach of simulation
data management for
the application of the
dig…
Procedia
CIRP
IoT Pruebas / Uso y
Retroalimentación
SCH-
2022
Röhm &
Anderl
(2022)
Simulation Data
Management in the
Digital Twin (SDM-
DT)
Procedia
CIRP
Gemelo Digital Desarrollo / Diseño
REU-
2023
Reuter et al.
(2023)
Adaptive inspection
planning using a digital
twin for quality
assuran…
Procedia
CIRP
Big Data/IA Pruebas /
Aseguramiento de
Calidad
REU-
2026
Reuther et
al. (2026)
A Digital Twin
Framework for
Programmable Logic
Controllers in Indust…
Procedia
CIRP
Gemelo
Digital/AR-VR
Diseño de
manufactura /
Comisionamiento…
SCH-
2023
Roehm et al.
(2023)
Development of an
Information Model for
Simulation Data
Management in…
Procedia
CIRP
Gemelo Digital Desarrollo /
Ingeniería
OST-
2026
Rohde &
Stechert
(2026)
Integrating
Autonomous 3D
Printing and VR Digital
Twins for Engineeri…
Procedia
CIRP
Fab. Aditiva Diseño /
Manufactura
RÖH-
2021
Röhm et al.
(2021)
Approach of simulation
data management for
the application of the
dig…
Procedia
CIRP
IoT Pruebas / Uso y
Retroalimentación
SCH-
2022
Röhm &
Anderl
(2022)
Simulation Data
Management in the
Digital Twin (SDM-
DT)
Procedia
CIRP
Gemelo Digital Desarrollo / Diseño
pág. 2442
KÜH-
2021
Sallati &
Schützer
(2021)
Development of smart
products for elders
within the Industry 4.0
Procedia
CIRP
Gemelo Digital Ideación / Diseño
NAU-
2024
Sarfraz et al.
(2024)
Navigating Circular
Economy and
Digitalisation
Procedia
CIRP
Gemelo Digital Estrategia / Ciclo de
vida
WIE-
2023
Schabany et
al. (2023)
Development of a
Maturity Assessment
Model for Digital
Twins in Batte…
Procedia
CIRP
Gemelo Digital Manufactura
SCH-
2025
Schuchter et
al. (2025)
Application of artificial
intelligence in model-
based systems
enginee…
Procedia
CIRP
Big Data/IA Diseño / Ingeniería
de sistemas
WAG-
2021
Schuh et al.
(2021)
Effects of Digital Twin
Simulation Modelling
on a Flexible and
Fluid…
Procedia
CIRP
Gemelo Digital Manufactura /
Producción
SEN-
2023
Seegrün et
al. (2023)
Sustainable product
lifecycle management
with Digital Twins
Procedia
CIRP
Gemelo Digital Ciclo de Vida /
Sostenibilidad
SIN-
2021
Singh et al.
(2021)
Advancing digital twin
implementation: a
toolbox for modelling
and si…
Procedia
CIRP
Gemelo Digital Uso, Operación y
Mantenimiento
KÜH-
2021
Sallati &
Schützer
(2021)
Development of smart
products for elders
within the Industry 4.0
Procedia
CIRP
Gemelo Digital Ideación / Diseño
NAU-
2024
Sarfraz et al.
(2024)
Navigating Circular
Economy and
Digitalisation
Procedia
CIRP
Gemelo Digital Estrategia / Ciclo de
vida
WIE-
2023
Schabany et
al. (2023)
Development of a
Maturity Assessment
Model for Digital
Twins in Batte…
Procedia
CIRP
Gemelo Digital Manufactura
SCH-
2025
Schuchter et
al. (2025)
Application of artificial
intelligence in model-
based systems
enginee…
Procedia
CIRP
Big Data/IA Diseño / Ingeniería
de sistemas
WAG-
2021
Schuh et al.
(2021)
Effects of Digital Twin
Simulation Modelling
on a Flexible and
Fluid…
Procedia
CIRP
Gemelo Digital Manufactura /
Producción
SEN-
2023
Seegrün et
al. (2023)
Sustainable product
lifecycle management
with Digital Twins
Procedia
CIRP
Gemelo Digital Ciclo de Vida /
Sostenibilidad
SIN-
2021
Singh et al.
(2021)
Advancing digital twin
implementation: a
toolbox for modelling
and si…
Procedia
CIRP
Gemelo Digital Uso, Operación y
Mantenimiento
pág. 2443
ALV-
2021
Sjarov et al.
(2021)
Towards "Design for
Interoperability" in the
context of Systems
Engin…
Procedia
CIRP
Gemelo Digital Diseño / Ingeniería
DAM-
2023
Slot et al.
(2023)
Versatile information
provisioning in a
configure-to-order
process
Procedia
CIRP
Gemelo Digital Diseño / Ciclo de
vida
SME-
2023
Smeets et al.
(2023)
Digital twins for
automotive
development: Two
wheelers application
Adv. Eng.
Inform.
Gemelo Digital,
Big Data/IA
Desarrollo del
producto / Ideación
KRO-
2022
Spaltini et al.
(2022)
Defining the Roadmap
towards Industry 4.0:
The 6Ps Maturity
Model
Procedia
CIRP
Big Data/IA Planificación /
Estrategia
SCH-
2023
Stetter et al.
(2023)
Geometric and kinetic
digital twin of a body-
in-white assembly
system
Procedia
CIRP
Gemelo Digital Diseño / Montaje
TUS-
2021
Turkyilmaz
et al. (2021)
Industry 4.0:
Challenges and
opportunities for
Kazakhstan SMEs
Procedia
CIRP
Automatización,
IA
Planificación /
Estrategia
HOL-
2021
Uhlmann et
al. (2021)
Holistic Concept
Towards a Reference
Procedia
CIRP
Big Data/IA Operación /
Mantenimiento
ALV-
2021
Sjarov et al.
(2021)
Towards "Design for
Interoperability" in the
context of Systems
Engin…
Procedia
CIRP
Gemelo Digital Diseño / Ingeniería
DAM-
2023
Slot et al.
(2023)
Versatile information
provisioning in a
configure-to-order
process
Procedia
CIRP
Gemelo Digital Diseño / Ciclo de
vida
SME-
2023
Smeets et al.
(2023)
Digital twins for
automotive
development: Two
wheelers application
Adv. Eng.
Inform.
Gemelo Digital,
Big Data/IA
Desarrollo del
producto / Ideación
KRO-
2022
Spaltini et al.
(2022)
Defining the Roadmap
towards Industry 4.0:
The 6Ps Maturity
Model
Procedia
CIRP
Big Data/IA Planificación /
Estrategia
SCH-
2023
Stetter et al.
(2023)
Geometric and kinetic
digital twin of a body-
in-white assembly
system
Procedia
CIRP
Gemelo Digital Diseño / Montaje
TUS-
2021
Turkyilmaz
et al. (2021)
Industry 4.0:
Challenges and
opportunities for
Kazakhstan SMEs
Procedia
CIRP
Automatización,
IA
Planificación /
Estrategia
HOL-
2021
Uhlmann et
al. (2021)
Holistic Concept
Towards a Reference
Procedia
CIRP
Big Data/IA Operación /
Mantenimiento
pág. 2444
Architecture Model for
Predictiv…
CIA-
2025
Vitti et al.
(2025)
Industry 4.0
technologies in support
of circular Economy: A
10R-based…
Comput. Ind.
Eng.
Fab. Aditiva Ciclo de Vida
BER-
2021
Vogt et al.
(2021)
Production in the loop -
the interoperability of
digital twins
Procedia
CIRP
Gemelo Digital Operación /
Producción
ZIN-
2021
Wang et al.
(2021)
Integration of model
based system
engineering into the
digital twin
Procedia
CIRP
Gemelo Digital Desarrollo / Diseño
KRA-
2026
Wawer et al.
(2026)
Harmonization of
digital shadows to
develop a data space for
additive…
Procedia
CIRP
Cloud Diseño /
Manufactura
MIE-
2024
Wehking et
al. (2024)
Sustainable Product
Lifecycle Management
- Implementation of a
DT
Procedia
CIRP
Gemelo Digital Ciclo de Vida
KRA-
2025
Werrel et al.
(2025)
Examination of the
Utilization of Use
Phase Data for PSS
Design
Procedia
CIRP
Big Data/IA Uso / Diseño
Architecture Model for
Predictiv…
CIA-
2025
Vitti et al.
(2025)
Industry 4.0
technologies in support
of circular Economy: A
10R-based…
Comput. Ind.
Eng.
Fab. Aditiva Ciclo de Vida
BER-
2021
Vogt et al.
(2021)
Production in the loop -
the interoperability of
digital twins
Procedia
CIRP
Gemelo Digital Operación /
Producción
ZIN-
2021
Wang et al.
(2021)
Integration of model
based system
engineering into the
digital twin
Procedia
CIRP
Gemelo Digital Desarrollo / Diseño
KRA-
2026
Wawer et al.
(2026)
Harmonization of
digital shadows to
develop a data space for
additive…
Procedia
CIRP
Cloud Diseño /
Manufactura
MIE-
2024
Wehking et
al. (2024)
Sustainable Product
Lifecycle Management
- Implementation of a
DT
Procedia
CIRP
Gemelo Digital Ciclo de Vida
KRA-
2025
Werrel et al.
(2025)
Examination of the
Utilization of Use
Phase Data for PSS
Design
Procedia
CIRP
Big Data/IA Uso / Diseño
pág. 2445
XIA-
2021
Xia et al.
(2021)
A digital twin to train
deep reinforcement
learning agent for smart
m…
J. Manuf.
Syst.
Gemelo Digital,
Robótica, Big
Data/IA
Manufactura /
Producción
INT-
2025
Yan et al.
(2025)
Integrating Digital
Twins and Extended
Reality for Smart PSS
Design
Procedia
CIRP
Gemelo Digital Diseño / Servicios
ZHU-
2025
Zhu et al.
(2025)
A knowledge graph-
based operational data
representation method
of dig…
Procedia
CIRP
Big Data/IA Manufactura /
Producción
Distribución temporal de la producción científica
La Tabla 5 y la Figura 2 muestran un pico en 2021 (29.3%), año de consolidación de la agenda de
Industria 4.0 tras la pandemia, y una producción luego estable entre 2023 y 2026, lo que sugiere un
campo de investigación activo y consolidado más que una tendencia emergente.
XIA-
2021
Xia et al.
(2021)
A digital twin to train
deep reinforcement
learning agent for smart
m…
J. Manuf.
Syst.
Gemelo Digital,
Robótica, Big
Data/IA
Manufactura /
Producción
INT-
2025
Yan et al.
(2025)
Integrating Digital
Twins and Extended
Reality for Smart PSS
Design
Procedia
CIRP
Gemelo Digital Diseño / Servicios
ZHU-
2025
Zhu et al.
(2025)
A knowledge graph-
based operational data
representation method
of dig…
Procedia
CIRP
Big Data/IA Manufactura /
Producción
Distribución temporal de la producción científica
La Tabla 5 y la Figura 2 muestran un pico en 2021 (29.3%), año de consolidación de la agenda de
Industria 4.0 tras la pandemia, y una producción luego estable entre 2023 y 2026, lo que sugiere un
campo de investigación activo y consolidado más que una tendencia emergente.
pág. 2446
Tabla 5. Distribución temporal de los estudios incluidos (2021-2026)
Año N° de estudios (%)
2021 24 (29.3%)
2022 7 (8.5%)
2023 16 (19.5%)
2024 13 (15.9%)
2025 12 (14.6%)
2026 10 (12.2%)
Total 82 (100%)
Figura 2. Distribución temporal de los estudios incluidos (2021-2026).
Distribución geográfica y editorial
La Tabla 6 y la Figura 3 evidencian una marcada concentración geográfica (72.0% en Alemania) y
editorial (84.1% en Procedia CIRP, revista de actas de la CIRP con fuerte tradición en ingeniería de
manufactura europea), consistente con el liderazgo de grupos alemanes vinculados al Fraunhofer-
Gesellschaft y universidades técnicas (TU Berlin, TU Darmstadt, RWTH Aachen). Esto representa una
24
7
16
13 12 10
0
5
10
15
20
25
30
2021 2022 2023 2024 2025 2026
N° de estudios
Año
Distribución temporal de los estudios incluidos (n=82)
Tabla 5. Distribución temporal de los estudios incluidos (2021-2026)
Año N° de estudios (%)
2021 24 (29.3%)
2022 7 (8.5%)
2023 16 (19.5%)
2024 13 (15.9%)
2025 12 (14.6%)
2026 10 (12.2%)
Total 82 (100%)
Figura 2. Distribución temporal de los estudios incluidos (2021-2026).
Distribución geográfica y editorial
La Tabla 6 y la Figura 3 evidencian una marcada concentración geográfica (72.0% en Alemania) y
editorial (84.1% en Procedia CIRP, revista de actas de la CIRP con fuerte tradición en ingeniería de
manufactura europea), consistente con el liderazgo de grupos alemanes vinculados al Fraunhofer-
Gesellschaft y universidades técnicas (TU Berlin, TU Darmstadt, RWTH Aachen). Esto representa una
24
7
16
13 12 10
0
5
10
15
20
25
30
2021 2022 2023 2024 2025 2026
N° de estudios
Año
Distribución temporal de los estudios incluidos (n=82)
pág. 2447
limitación relevante para la generalización de los hallazgos a otros contextos, detallada en las
limitaciones del estudio.
Tabla 6. Distribución geográfica de los estudios incluidos
País del estudio N° de estudios
Alemania 59
China 4
Suecia 2
Portugal 2
Otros (12 países, 1 estudio cada uno: Grecia/Alemania, Polonia,
México, Kazajistán, Italia/Reino Unido, Eslovenia, Arabia
Saudita/Reino Unido, Portugal/Reino Unido, España, Países Bajos,
Francia, Estados Unidos, Alemania/Singapur)
15
Total 82
Figura 3. Distribución geográfica de los estudios incluidos (top países).
59
4
2
2
15
0 10 20 30 40 50 60 70
Alemania
China
Suecia
Portugal
Otros países (16 países/combinaciones, 1
estudio cada uno)
País
N° de estudios
Distribución geográfica de los estudios incluidos (n=82)
limitación relevante para la generalización de los hallazgos a otros contextos, detallada en las
limitaciones del estudio.
Tabla 6. Distribución geográfica de los estudios incluidos
País del estudio N° de estudios
Alemania 59
China 4
Suecia 2
Portugal 2
Otros (12 países, 1 estudio cada uno: Grecia/Alemania, Polonia,
México, Kazajistán, Italia/Reino Unido, Eslovenia, Arabia
Saudita/Reino Unido, Portugal/Reino Unido, España, Países Bajos,
Francia, Estados Unidos, Alemania/Singapur)
15
Total 82
Figura 3. Distribución geográfica de los estudios incluidos (top países).
59
4
2
2
15
0 10 20 30 40 50 60 70
Alemania
China
Suecia
Portugal
Otros países (16 países/combinaciones, 1
estudio cada uno)
País
N° de estudios
Distribución geográfica de los estudios incluidos (n=82)
pág. 2448
Distribución por clúster tecnológico (PI1)
En respuesta a PI1, la Tabla 7 y la Figura 4 muestran el dominio del clúster Gemelos Digitales/Realidad
Extendida (74.4%), seguido de IoT/IIoT (19.5%) y Big Data e IA (18.3%); Ciberseguridad y Blockchain
apenas alcanza el 1.2% (Ahumada-Tello & Evans, 2023). Varios estudios combinan clústeres —Xia et
al. (2021) integran Gemelo Digital, Robótica y Aprendizaje por Refuerzo Profundo; Smeets et al. (2023)
combinan Gemelo Digital con Machine Learning—, lo que sugiere que el Gemelo Digital funciona
como plataforma de integración sobre la cual se articulan las demás tecnologías.
Tabla 7. Distribución por clúster tecnológico
Clúster tecnológico N° de estudios (%)*
Gemelos Digitales y Realidad Extendida (AR/VR) 61 (74.4%)
Internet de las Cosas (IoT/IIoT) 16 (19.5%)
Big Data e Inteligencia Artificial 15 (18.3%)
Robótica Avanzada y Automatización 9 (11.0%)
Cloud Computing 4 (4.9%)
Fabricación Aditiva 4 (4.9%)
Ciberseguridad y Blockchain 1 (1.2%)
Distribución por clúster tecnológico (PI1)
En respuesta a PI1, la Tabla 7 y la Figura 4 muestran el dominio del clúster Gemelos Digitales/Realidad
Extendida (74.4%), seguido de IoT/IIoT (19.5%) y Big Data e IA (18.3%); Ciberseguridad y Blockchain
apenas alcanza el 1.2% (Ahumada-Tello & Evans, 2023). Varios estudios combinan clústeres —Xia et
al. (2021) integran Gemelo Digital, Robótica y Aprendizaje por Refuerzo Profundo; Smeets et al. (2023)
combinan Gemelo Digital con Machine Learning—, lo que sugiere que el Gemelo Digital funciona
como plataforma de integración sobre la cual se articulan las demás tecnologías.
Tabla 7. Distribución por clúster tecnológico
Clúster tecnológico N° de estudios (%)*
Gemelos Digitales y Realidad Extendida (AR/VR) 61 (74.4%)
Internet de las Cosas (IoT/IIoT) 16 (19.5%)
Big Data e Inteligencia Artificial 15 (18.3%)
Robótica Avanzada y Automatización 9 (11.0%)
Cloud Computing 4 (4.9%)
Fabricación Aditiva 4 (4.9%)
Ciberseguridad y Blockchain 1 (1.2%)
pág. 2449
Figura 4. Distribución por clúster tecnológico.
*Un mismo estudio puede reportar más de un clúster tecnológico; los porcentajes se calculan sobre el total de 82 estudios
incluidos y no suman 100%.
Distribución por fase del ciclo de vida del producto (PI1)
La Tabla 8 y la Figura 5 muestran que Diseño/Desarrollo (37.8%) y Manufactura/Producción (32.9%)
concentran más de dos tercios de la evidencia, mientras que Fin de vida/Reciclaje es la menos estudiada
(3.7%) —un vacío relevante dado que la sostenibilidad es un eje declarado de la Industria 4.0 (Vitti et
al., 2025). Esto sugiere que la transformación digital avanza de forma desigual: se prioriza optimizar
procesos ya establecidos (diseño, producción) antes que explorar nuevas oportunidades (ideación) o
cerrar sosteniblemente el ciclo (reciclaje).
16 15
4 4
61
9
82 82
0
10
20
30
40
50
60
70
80
90
N° de estudios
Clúster tecnológico
Distribución por clúster tecnológico (n=82)
Figura 4. Distribución por clúster tecnológico.
*Un mismo estudio puede reportar más de un clúster tecnológico; los porcentajes se calculan sobre el total de 82 estudios
incluidos y no suman 100%.
Distribución por fase del ciclo de vida del producto (PI1)
La Tabla 8 y la Figura 5 muestran que Diseño/Desarrollo (37.8%) y Manufactura/Producción (32.9%)
concentran más de dos tercios de la evidencia, mientras que Fin de vida/Reciclaje es la menos estudiada
(3.7%) —un vacío relevante dado que la sostenibilidad es un eje declarado de la Industria 4.0 (Vitti et
al., 2025). Esto sugiere que la transformación digital avanza de forma desigual: se prioriza optimizar
procesos ya establecidos (diseño, producción) antes que explorar nuevas oportunidades (ideación) o
cerrar sosteniblemente el ciclo (reciclaje).
16 15
4 4
61
9
82 82
0
10
20
30
40
50
60
70
80
90
N° de estudios
Clúster tecnológico
Distribución por clúster tecnológico (n=82)
pág. 2450
Tabla 8. Distribución por fase del ciclo de vida del producto
Fase del ciclo de vida del producto N° de estudios (%)*
Diseño / Desarrollo de producto 31 (37.8%)
Manufactura / Producción 27 (32.9%)
Uso, operación y mantenimiento 15 (18.3%)
Planificación y estrategia 13 (15.9%)
Prototipado y pruebas 9 (11.0%)
Ideación / diseño conceptual 7 (8.5%)
Fin de vida y reciclaje 3 (3.7%)
Otra / no especificada claramente 8 (9.8%)
Figura 5. Distribución por fase del ciclo de vida del producto.
*Un mismo estudio puede abarcar más de una fase del ciclo de vida; los porcentajes se calculan sobre el total de 82 estudios
incluidos y no suman 100%.
31 27
15 13 9 7 3
8
0
5
10
15
20
25
30
35
N° de estudios
Fase del ciclo de vida
Distribución por fase del ciclo de vida del producto (n=82)
Tabla 8. Distribución por fase del ciclo de vida del producto
Fase del ciclo de vida del producto N° de estudios (%)*
Diseño / Desarrollo de producto 31 (37.8%)
Manufactura / Producción 27 (32.9%)
Uso, operación y mantenimiento 15 (18.3%)
Planificación y estrategia 13 (15.9%)
Prototipado y pruebas 9 (11.0%)
Ideación / diseño conceptual 7 (8.5%)
Fin de vida y reciclaje 3 (3.7%)
Otra / no especificada claramente 8 (9.8%)
Figura 5. Distribución por fase del ciclo de vida del producto.
*Un mismo estudio puede abarcar más de una fase del ciclo de vida; los porcentajes se calculan sobre el total de 82 estudios
incluidos y no suman 100%.
31 27
15 13 9 7 3
8
0
5
10
15
20
25
30
35
N° de estudios
Fase del ciclo de vida
Distribución por fase del ciclo de vida del producto (n=82)
pág. 2451
Beneficios e impactos reportados (PI2)
La segunda pregunta de investigación (PI2) indagó los impactos reportados al integrar estos clústeres.
Los beneficios se agrupan en tres categorías: (a) reducción de tiempos y esfuerzo manual —Kausler et
al. (2026) reportan hasta 98% menos esfuerzo manual en gestión de cambios PLM mediante Machine
Learning, y Xia et al. (2021) logran políticas de programación robótica cercanas al óptimo sin arriesgar
el sistema físico mediante Aprendizaje por Refuerzo Profundo—; (b) mejora de trazabilidad, como la
estrategia de "transparencia por diseño" de Barata y Da Cunha (2021) con IoT, nube y realidad
aumentada; y (c) generación de conocimiento objetivo para decisiones de diseño, como el gemelo digital
de Smeets et al. (2023), que clasifica escenarios de uso del cliente con 96.6% de precisión, y la
taxonomía empírica de productos inteligentes de Püschel et al. (2022).
Barreras y desafíos metodológicos (PI3)
La tercera pregunta (PI3) identifica barreras técnicas, organizacionales y económicas. Entre las técnicas:
la sincronización en tiempo real entre gemelo físico y virtual en condiciones transitorias (Smeets et al.,
2023) y el balance exploración-explotación en aprendizaje por refuerzo (Xia et al., 2021). Entre las
organizacionales, Plantec et al. (2023) encuentran —contraintuitivamente— que las empresas
automotrices usan la IA como "parche" en fases finales del desarrollo, no desde la concepción, por falta
de un proceso dedicado. Entre las económicas, Kausler et al. (2026) muestran que, pese a retornos
excepcionales desde el tercer año, la inversión inicial en IA es considerablemente mayor que la
automatización basada en reglas —barrera especialmente relevante para PYMES. En conjunto, estas
barreras son tanto tecnológicas como organizacionales y financieras.
Beneficios e impactos reportados (PI2)
La segunda pregunta de investigación (PI2) indagó los impactos reportados al integrar estos clústeres.
Los beneficios se agrupan en tres categorías: (a) reducción de tiempos y esfuerzo manual —Kausler et
al. (2026) reportan hasta 98% menos esfuerzo manual en gestión de cambios PLM mediante Machine
Learning, y Xia et al. (2021) logran políticas de programación robótica cercanas al óptimo sin arriesgar
el sistema físico mediante Aprendizaje por Refuerzo Profundo—; (b) mejora de trazabilidad, como la
estrategia de "transparencia por diseño" de Barata y Da Cunha (2021) con IoT, nube y realidad
aumentada; y (c) generación de conocimiento objetivo para decisiones de diseño, como el gemelo digital
de Smeets et al. (2023), que clasifica escenarios de uso del cliente con 96.6% de precisión, y la
taxonomía empírica de productos inteligentes de Püschel et al. (2022).
Barreras y desafíos metodológicos (PI3)
La tercera pregunta (PI3) identifica barreras técnicas, organizacionales y económicas. Entre las técnicas:
la sincronización en tiempo real entre gemelo físico y virtual en condiciones transitorias (Smeets et al.,
2023) y el balance exploración-explotación en aprendizaje por refuerzo (Xia et al., 2021). Entre las
organizacionales, Plantec et al. (2023) encuentran —contraintuitivamente— que las empresas
automotrices usan la IA como "parche" en fases finales del desarrollo, no desde la concepción, por falta
de un proceso dedicado. Entre las económicas, Kausler et al. (2026) muestran que, pese a retornos
excepcionales desde el tercer año, la inversión inicial en IA es considerablemente mayor que la
automatización basada en reglas —barrera especialmente relevante para PYMES. En conjunto, estas
barreras son tanto tecnológicas como organizacionales y financieras.
pág. 2452
Discusión integradora
En conjunto, la evidencia confirma que el Gemelo Digital funciona como infraestructura central del
paradigma PLM digital, integrando datos de IoT, IA y robótica; esto explica la representación marginal
de Cloud Computing, Fabricación Aditiva y, sobre todo, Ciberseguridad/Blockchain, probablemente
estudiados como componentes habilitantes antes que como objetos de estudio independientes —una
línea de investigación futura relevante. Asimismo, la concentración en Diseño/Desarrollo y Manufactura
frente al abandono de Ideación y Fin de vida sugiere una "digitalización incremental" de procesos ya
estructurados, más que una transformación disruptiva, consistente con la literatura de Industria 4.0.
La fuerte concentración geográfica (72% Alemania) y editorial (84% Procedia CIRP) refleja el liderazgo
alemán en investigación aplicada de Industria 4.0, pero limita la generalización a contextos con distinta
infraestructura digital y estructura empresarial —como el latinoamericano, predominantemente de
PYMES—, lo que constituye una oportunidad clara para investigación empírica situada en la región.
Finalmente, los hallazgos de beneficios (PI2) y barreras (PI3) sugieren que la integración exitosa
depende menos de la disponibilidad tecnológica —ya madura, según los casos reales revisados (BMW,
industria automotriz, manufactura de vidrio)— y más de factores organizacionales: procesos dedicados,
disposición a asumir inversión con retorno diferido, y capacidad de redefinir roles a lo largo de la cadena
de valor.
CONCLUSIONES
Esta revisión sistemática analizó 82 estudios empíricos para responder tres preguntas de investigación
sobre la integración de los siete clústeres tecnológicos de la transformación digital en el desarrollo de
productos.
• Respecto a PI1 “¿De qué manera se están aplicando los siete clústeres tecnológicos en las
distintas fases del desarrollo de productos (ideación, diseño, prototipado, pruebas y
lanzamiento)?”, los hallazgos muestran que el Gemelo Digital y la Realidad Extendida se
consolidan como el clúster dominante (74.4% de los estudios) y como plataforma de integración
de las demás tecnologías, concentrado principalmente en las fases de Diseño/Desarrollo (37.8%)
y Manufactura/Producción (32.9%), mientras que Ideación y Fin de vida permanecen
notoriamente rezagadas.
Discusión integradora
En conjunto, la evidencia confirma que el Gemelo Digital funciona como infraestructura central del
paradigma PLM digital, integrando datos de IoT, IA y robótica; esto explica la representación marginal
de Cloud Computing, Fabricación Aditiva y, sobre todo, Ciberseguridad/Blockchain, probablemente
estudiados como componentes habilitantes antes que como objetos de estudio independientes —una
línea de investigación futura relevante. Asimismo, la concentración en Diseño/Desarrollo y Manufactura
frente al abandono de Ideación y Fin de vida sugiere una "digitalización incremental" de procesos ya
estructurados, más que una transformación disruptiva, consistente con la literatura de Industria 4.0.
La fuerte concentración geográfica (72% Alemania) y editorial (84% Procedia CIRP) refleja el liderazgo
alemán en investigación aplicada de Industria 4.0, pero limita la generalización a contextos con distinta
infraestructura digital y estructura empresarial —como el latinoamericano, predominantemente de
PYMES—, lo que constituye una oportunidad clara para investigación empírica situada en la región.
Finalmente, los hallazgos de beneficios (PI2) y barreras (PI3) sugieren que la integración exitosa
depende menos de la disponibilidad tecnológica —ya madura, según los casos reales revisados (BMW,
industria automotriz, manufactura de vidrio)— y más de factores organizacionales: procesos dedicados,
disposición a asumir inversión con retorno diferido, y capacidad de redefinir roles a lo largo de la cadena
de valor.
CONCLUSIONES
Esta revisión sistemática analizó 82 estudios empíricos para responder tres preguntas de investigación
sobre la integración de los siete clústeres tecnológicos de la transformación digital en el desarrollo de
productos.
• Respecto a PI1 “¿De qué manera se están aplicando los siete clústeres tecnológicos en las
distintas fases del desarrollo de productos (ideación, diseño, prototipado, pruebas y
lanzamiento)?”, los hallazgos muestran que el Gemelo Digital y la Realidad Extendida se
consolidan como el clúster dominante (74.4% de los estudios) y como plataforma de integración
de las demás tecnologías, concentrado principalmente en las fases de Diseño/Desarrollo (37.8%)
y Manufactura/Producción (32.9%), mientras que Ideación y Fin de vida permanecen
notoriamente rezagadas.
pág. 2453
• Respecto a PI2 “¿Qué impacto (reducción de tiempos, optimización de costos, mejora de
calidad) reporta la literatura empírica al integrar estos clústeres?”, la evidencia confirma
beneficios concretos y medibles —reducciones de hasta 98% en esfuerzo manual de ingeniería
(Kausler et al., 2026), políticas de control robótico cercanas al óptimo (Xia et al., 2021) y
clasificación de escenarios de uso con más de 96% de precisión (Smeets et al., 2023)— que
sustentan el valor práctico de estas tecnologías.
• Respecto a PI3 “¿Cuáles son las principales barreras o desafíos metodológicos para la adopción
de estas tecnologías en el ciclo de vida del producto?”, las barreras identificadas trascienden lo
técnico: la adopción exitosa depende de procesos organizacionales dedicados y de la disposición
a asumir costos de inversión inicial con retorno diferido (Plantec et al., 2023; Kausler et al.,
2026).
La principal novedad científica de este trabajo es integrar, bajo un mismo marco de ciclo de vida del
producto, evidencia dispersa sobre siete clústeres tecnológicos que la literatura previa suele abordar de
forma aislada, ofreciendo así una síntesis que ubica al Gemelo Digital como eje articulador y evidencia
vacíos claros en Ciberseguridad/Blockchain, Cloud Computing y la fase de fin de vida del producto.
Este estudio presenta limitaciones que abren líneas de investigación futura: la búsqueda se restringió a
Scopus y ScienceDirect, con una fuerte concentración geográfica (72% Alemania) y editorial (84%
Procedia CIRP) que limita la generalización de los hallazgos.
Se recomienda que futuras revisiones amplíen la búsqueda a otras bases de datos (SpringerLink, Web
of Science), incorporen estudios de contextos industriales emergentes —incluido el latinoamericano,
con predominio de PYMES— y profundicen en las fases de ideación y fin de vida del producto, así
como en los clústeres de Ciberseguridad, Blockchain y Cloud Computing, actualmente subrepresentados
en la literatura empírica disponible.
• Respecto a PI2 “¿Qué impacto (reducción de tiempos, optimización de costos, mejora de
calidad) reporta la literatura empírica al integrar estos clústeres?”, la evidencia confirma
beneficios concretos y medibles —reducciones de hasta 98% en esfuerzo manual de ingeniería
(Kausler et al., 2026), políticas de control robótico cercanas al óptimo (Xia et al., 2021) y
clasificación de escenarios de uso con más de 96% de precisión (Smeets et al., 2023)— que
sustentan el valor práctico de estas tecnologías.
• Respecto a PI3 “¿Cuáles son las principales barreras o desafíos metodológicos para la adopción
de estas tecnologías en el ciclo de vida del producto?”, las barreras identificadas trascienden lo
técnico: la adopción exitosa depende de procesos organizacionales dedicados y de la disposición
a asumir costos de inversión inicial con retorno diferido (Plantec et al., 2023; Kausler et al.,
2026).
La principal novedad científica de este trabajo es integrar, bajo un mismo marco de ciclo de vida del
producto, evidencia dispersa sobre siete clústeres tecnológicos que la literatura previa suele abordar de
forma aislada, ofreciendo así una síntesis que ubica al Gemelo Digital como eje articulador y evidencia
vacíos claros en Ciberseguridad/Blockchain, Cloud Computing y la fase de fin de vida del producto.
Este estudio presenta limitaciones que abren líneas de investigación futura: la búsqueda se restringió a
Scopus y ScienceDirect, con una fuerte concentración geográfica (72% Alemania) y editorial (84%
Procedia CIRP) que limita la generalización de los hallazgos.
Se recomienda que futuras revisiones amplíen la búsqueda a otras bases de datos (SpringerLink, Web
of Science), incorporen estudios de contextos industriales emergentes —incluido el latinoamericano,
con predominio de PYMES— y profundicen en las fases de ideación y fin de vida del producto, así
como en los clústeres de Ciberseguridad, Blockchain y Cloud Computing, actualmente subrepresentados
en la literatura empírica disponible.
pág. 2454
REFERENCIAS BIBLIOGRÁFICAS
Ahumada-Tello, E., & Evans, R. (2023). Human Factors, Innovation and Technology, and Cluster
Strategies. Procedia CIRP, 119, 176-181. https://doi.org/10.1016/j.procir.2023.03.090
Alexopoulos, K., Weber, M., Trautner, T., Manns, M., Nikolakis, N., Weigold, M., & Engel, B. (2023).
An industrial data-spaces framework for resilient manufacturing value chains. Procedia CIRP,
116, 299-304. https://doi.org/10.1016/j.procir.2023.02.051
Ante, L. (2021). Digital twin technology for smart manufacturing and industry 4.0: A bibliometric
analysis of the intellectual structure of the research discourse. Manufacturing Letters, 27, 96-102.
https://doi.org/10.1016/j.mfglet.2021.01.003
Arnemann, L., Winter, S., Quernheim, N., Grieser, P., Anderl, R., & Schleich, B. (2023). Information
Model to Return Data of Digital Twins into Product Design. Procedia CIRP, 116, 173-178.
https://doi.org/10.1016/j.procir.2023.02.030
Augustino Doan, A. M., Sarikaya, E., & Weigold, M. (2026). Framework selection for simulation-
driven, web-based digital twins. Procedia CIRP, 138, 210-215.
https://doi.org/10.1016/j.procir.2026.01.037
Barata, J., & Da Cunha, P. R. (2021). Augmented product information: crafting physical-digital
transparency strategies in the materials supply chain. The International Journal of Advanced
Manufacturing Technology, 112(7-8), 2109-2121. https://doi.org/10.1007/s00170-020-06446-9
Bertoni, A., Machchhar, R. J., Larsson, T., & Frank, B. (2022). Digital Twins of Operational Scenarios
in Mining for Design of Electromobility. Procedia CIRP, 109, 532-537.
https://doi.org/10.1016/j.procir.2022.05.290
Burggräf, P., Adlon, T., & Schäfer, N. (2024). Towards Digital Twin Driven Factory Planning. Procedia
CIRP, 126, 248-253. https://doi.org/10.1016/j.procir.2024.08.334
Czwick, C., & Anderl, R. (2021). Conceptual Use Cases for Integrating Artificial Intelligence into
Cyber-Physical Twins. Procedia CIRP, 104, 1901-1906.
https://doi.org/10.1016/j.procir.2021.11.321
REFERENCIAS BIBLIOGRÁFICAS
Ahumada-Tello, E., & Evans, R. (2023). Human Factors, Innovation and Technology, and Cluster
Strategies. Procedia CIRP, 119, 176-181. https://doi.org/10.1016/j.procir.2023.03.090
Alexopoulos, K., Weber, M., Trautner, T., Manns, M., Nikolakis, N., Weigold, M., & Engel, B. (2023).
An industrial data-spaces framework for resilient manufacturing value chains. Procedia CIRP,
116, 299-304. https://doi.org/10.1016/j.procir.2023.02.051
Ante, L. (2021). Digital twin technology for smart manufacturing and industry 4.0: A bibliometric
analysis of the intellectual structure of the research discourse. Manufacturing Letters, 27, 96-102.
https://doi.org/10.1016/j.mfglet.2021.01.003
Arnemann, L., Winter, S., Quernheim, N., Grieser, P., Anderl, R., & Schleich, B. (2023). Information
Model to Return Data of Digital Twins into Product Design. Procedia CIRP, 116, 173-178.
https://doi.org/10.1016/j.procir.2023.02.030
Augustino Doan, A. M., Sarikaya, E., & Weigold, M. (2026). Framework selection for simulation-
driven, web-based digital twins. Procedia CIRP, 138, 210-215.
https://doi.org/10.1016/j.procir.2026.01.037
Barata, J., & Da Cunha, P. R. (2021). Augmented product information: crafting physical-digital
transparency strategies in the materials supply chain. The International Journal of Advanced
Manufacturing Technology, 112(7-8), 2109-2121. https://doi.org/10.1007/s00170-020-06446-9
Bertoni, A., Machchhar, R. J., Larsson, T., & Frank, B. (2022). Digital Twins of Operational Scenarios
in Mining for Design of Electromobility. Procedia CIRP, 109, 532-537.
https://doi.org/10.1016/j.procir.2022.05.290
Burggräf, P., Adlon, T., & Schäfer, N. (2024). Towards Digital Twin Driven Factory Planning. Procedia
CIRP, 126, 248-253. https://doi.org/10.1016/j.procir.2024.08.334
Czwick, C., & Anderl, R. (2021). Conceptual Use Cases for Integrating Artificial Intelligence into
Cyber-Physical Twins. Procedia CIRP, 104, 1901-1906.
https://doi.org/10.1016/j.procir.2021.11.321
pág. 2455
De Almeida, J. F., Amaral, D. C., & Coelho, R. T. (2021). Innovative Framework to manage New
Product Development (NPD) Integrating Additive Manufacturing. Procedia CIRP, 103, 128-133.
https://doi.org/10.1016/j.procir.2021.10.020
De Oliveira Hansen, J. P., Da Silva, E. R., Bilberg, A., & Bro, C. (2021). Design and development of
Automation Equipment based on Digital Twin. Procedia CIRP, 104, 1167-1172.
https://doi.org/10.1016/j.procir.2021.11.196
Disselkamp, J.-P., Haji Mustaq Lakadkutta, A. M., Seidenberg, T., Kattenstroth, F., Lick, J., Hovemann,
A., & Dumitrescu, R. (2026). Sketch2Factory: Roadmap for AI-Driven Sketch-to-3D Model
Pipeline. Procedia CIRP, 142, 998-1003. https://doi.org/10.1016/j.procir.2026.05.382
Enarevba, D. R., & Haapala, K. R. (2025). Sustainability assessment of industrial hemp enabled by
Industry 4.0. Procedia CIRP, 135, 261-266. https://doi.org/10.1016/j.procir.2025.01.054
Escobedo, L. R., Straßburger, S., & Bär, T. (2025). Towards an Intelligent Digital Machine Twin for
CAM Process. Procedia CIRP, 134, 669-674. https://doi.org/10.1016/j.procir.2025.03.065
Gaha, R., Durupt, A., & Eynard, B. (2021). Towards the implementation of the Digital Twin in CMM
inspection. Procedia Manufacturing, 54, 216-221. https://doi.org/10.1016/j.promfg.2021.07.033
Göllner, D., Dzienus, S., Rasor, R., Anacker, D.-I. H., & Dumitrescu, P. D.-I. R. (2023). Guidelines for
providing digital twins. Procedia CIRP, 120, 1433-1438.
https://doi.org/10.1016/j.procir.2023.09.189
Hamlaoui, R., Orimi, A. G., Donia, R., Backe, C., Briken, V., & Lachmayer, R. (2025). Digital Twin
for Field Data Management: Design of a platform to promote FAIR principles and ensure data
reusability. Procedia CIRP, 136, 165-170. https://doi.org/10.1016/j.procir.2025.08.030
Hamlaoui, R., Orimi, A. G., Abravan, F., Stauss, T., Rosemann, D., Wawer, M. L., Wurst, J., &
Lachmayer, R. (2026). Digital Twin for Field Data Management: Text-Based Scenario
Descriptions. Procedia CIRP, 142, 121-126. https://doi.org/10.1016/j.procir.2026.05.234
Hidalgo-Crespo, J., Riel, A., Sakao, T., & Duflou, J. R. (2024). Design platform concept for product-
as-a-Service by electrical EEE. Procedia CIRP, 130, 1176-1181.
https://doi.org/10.1016/j.procir.2024.10.224
De Almeida, J. F., Amaral, D. C., & Coelho, R. T. (2021). Innovative Framework to manage New
Product Development (NPD) Integrating Additive Manufacturing. Procedia CIRP, 103, 128-133.
https://doi.org/10.1016/j.procir.2021.10.020
De Oliveira Hansen, J. P., Da Silva, E. R., Bilberg, A., & Bro, C. (2021). Design and development of
Automation Equipment based on Digital Twin. Procedia CIRP, 104, 1167-1172.
https://doi.org/10.1016/j.procir.2021.11.196
Disselkamp, J.-P., Haji Mustaq Lakadkutta, A. M., Seidenberg, T., Kattenstroth, F., Lick, J., Hovemann,
A., & Dumitrescu, R. (2026). Sketch2Factory: Roadmap for AI-Driven Sketch-to-3D Model
Pipeline. Procedia CIRP, 142, 998-1003. https://doi.org/10.1016/j.procir.2026.05.382
Enarevba, D. R., & Haapala, K. R. (2025). Sustainability assessment of industrial hemp enabled by
Industry 4.0. Procedia CIRP, 135, 261-266. https://doi.org/10.1016/j.procir.2025.01.054
Escobedo, L. R., Straßburger, S., & Bär, T. (2025). Towards an Intelligent Digital Machine Twin for
CAM Process. Procedia CIRP, 134, 669-674. https://doi.org/10.1016/j.procir.2025.03.065
Gaha, R., Durupt, A., & Eynard, B. (2021). Towards the implementation of the Digital Twin in CMM
inspection. Procedia Manufacturing, 54, 216-221. https://doi.org/10.1016/j.promfg.2021.07.033
Göllner, D., Dzienus, S., Rasor, R., Anacker, D.-I. H., & Dumitrescu, P. D.-I. R. (2023). Guidelines for
providing digital twins. Procedia CIRP, 120, 1433-1438.
https://doi.org/10.1016/j.procir.2023.09.189
Hamlaoui, R., Orimi, A. G., Donia, R., Backe, C., Briken, V., & Lachmayer, R. (2025). Digital Twin
for Field Data Management: Design of a platform to promote FAIR principles and ensure data
reusability. Procedia CIRP, 136, 165-170. https://doi.org/10.1016/j.procir.2025.08.030
Hamlaoui, R., Orimi, A. G., Abravan, F., Stauss, T., Rosemann, D., Wawer, M. L., Wurst, J., &
Lachmayer, R. (2026). Digital Twin for Field Data Management: Text-Based Scenario
Descriptions. Procedia CIRP, 142, 121-126. https://doi.org/10.1016/j.procir.2026.05.234
Hidalgo-Crespo, J., Riel, A., Sakao, T., & Duflou, J. R. (2024). Design platform concept for product-
as-a-Service by electrical EEE. Procedia CIRP, 130, 1176-1181.
https://doi.org/10.1016/j.procir.2024.10.224
pág. 2456
Himmelstoss, H., Hall, R., Vojanec, B., Thieme, P., & Bauernhansl, T. (2024). Digital Twins and
Software Services: Leveraging Product Data for Digital Transformation. Procedia CIRP, 128, 472-
477. https://doi.org/10.1016/j.procir.2024.03.029
Himmelstoß, H., Hall, R., Thieme, P., & Bauernhansl, T. (2023). Designing Smart Services for a
Component Manufacturer Based on Digital Twins. Procedia CIRP, 119, 950-956.
https://doi.org/10.1016/j.procir.2023.03.139
Huang, C., Zhang, Y., & Geng, X. (2026). Toward an XR-Based Scalable Modular Design Framework
for Smart PSS. Procedia CIRP, 142, 914-919. https://doi.org/10.1016/j.procir.2026.05.368
Jagusch, K., Sender, J., Jericho, D., & Flügge, W. (2021). Digital thread in shipbuilding as a prerequisite
for the digital twin. Procedia CIRP, 104, 318-323. https://doi.org/10.1016/j.procir.2021.11.054
Kattenstroth, F., Disselkamp, J.-P., Lick, J., & Dumitrescu, R. (2024). Challenges in the implementation
of simulation models for the digital factory twin. Procedia CIRP, 128, 442-447.
https://doi.org/10.1016/j.procir.2024.07.052
Kausler, J., Jacob, A., & May, M. C. (2026). AI-Driven Product-Production-CoDesign through digital
manufacturing change management in PLM systems. Procedia CIRP, 142, 410-415.
https://doi.org/10.1016/j.procir.2026.05.283
Kovacevic, N., Schulte, S. N., & Stark, R. (2025). Augmented Reality to Visualize Digital Twins for
Remote Final Acceptance. Procedia CIRP, 136, 715-721.
https://doi.org/10.1016/j.procir.2025.08.122
Kugler, S., Kern, A., & Anderl, R. (2021). Method for the generation of use case related views for
Digital Twins. Procedia CIRP, 104, 1896-1900. https://doi.org/10.1016/j.procir.2021.11.320
Kuhn, C., & Lucke, D. (2021). Supporting the Digital Transformation: A Low-Threshold Approach.
Procedia CIRP, 104, 647-652. https://doi.org/10.1016/j.procir.2021.11.109
Langlotz, P., Siedler, C., & Aurich, J. C. (2021). Unification of lean production and Industry 4.0.
Procedia CIRP, 99, 15-20. https://doi.org/10.1016/j.procir.2021.03.003
Langlotz, P., Klar, M., Yi, L., Hussong, M., Sousa, F. J., & Aurich, J. C. (2022). Concept of hybrid
modeled digital twins and its application for production. Procedia CIRP, 112, 549-554.
https://doi.org/10.1016/j.procir.2022.09.098
Himmelstoss, H., Hall, R., Vojanec, B., Thieme, P., & Bauernhansl, T. (2024). Digital Twins and
Software Services: Leveraging Product Data for Digital Transformation. Procedia CIRP, 128, 472-
477. https://doi.org/10.1016/j.procir.2024.03.029
Himmelstoß, H., Hall, R., Thieme, P., & Bauernhansl, T. (2023). Designing Smart Services for a
Component Manufacturer Based on Digital Twins. Procedia CIRP, 119, 950-956.
https://doi.org/10.1016/j.procir.2023.03.139
Huang, C., Zhang, Y., & Geng, X. (2026). Toward an XR-Based Scalable Modular Design Framework
for Smart PSS. Procedia CIRP, 142, 914-919. https://doi.org/10.1016/j.procir.2026.05.368
Jagusch, K., Sender, J., Jericho, D., & Flügge, W. (2021). Digital thread in shipbuilding as a prerequisite
for the digital twin. Procedia CIRP, 104, 318-323. https://doi.org/10.1016/j.procir.2021.11.054
Kattenstroth, F., Disselkamp, J.-P., Lick, J., & Dumitrescu, R. (2024). Challenges in the implementation
of simulation models for the digital factory twin. Procedia CIRP, 128, 442-447.
https://doi.org/10.1016/j.procir.2024.07.052
Kausler, J., Jacob, A., & May, M. C. (2026). AI-Driven Product-Production-CoDesign through digital
manufacturing change management in PLM systems. Procedia CIRP, 142, 410-415.
https://doi.org/10.1016/j.procir.2026.05.283
Kovacevic, N., Schulte, S. N., & Stark, R. (2025). Augmented Reality to Visualize Digital Twins for
Remote Final Acceptance. Procedia CIRP, 136, 715-721.
https://doi.org/10.1016/j.procir.2025.08.122
Kugler, S., Kern, A., & Anderl, R. (2021). Method for the generation of use case related views for
Digital Twins. Procedia CIRP, 104, 1896-1900. https://doi.org/10.1016/j.procir.2021.11.320
Kuhn, C., & Lucke, D. (2021). Supporting the Digital Transformation: A Low-Threshold Approach.
Procedia CIRP, 104, 647-652. https://doi.org/10.1016/j.procir.2021.11.109
Langlotz, P., Siedler, C., & Aurich, J. C. (2021). Unification of lean production and Industry 4.0.
Procedia CIRP, 99, 15-20. https://doi.org/10.1016/j.procir.2021.03.003
Langlotz, P., Klar, M., Yi, L., Hussong, M., Sousa, F. J., & Aurich, J. C. (2022). Concept of hybrid
modeled digital twins and its application for production. Procedia CIRP, 112, 549-554.
https://doi.org/10.1016/j.procir.2022.09.098
pág. 2457
Leirmo, T. L. (2024). Digital Twins for Industry 5.0: Unlocking the Human Potential. Procedia CIRP,
130, 761-766. https://doi.org/10.1016/j.procir.2024.10.161
Lick, J., Disselkamp, J.-P., Kattenstroth, F., Trienens, M., Rasor, R., Kühn, A., & Dumitrescu, R. (2024).
Digital Factory Twin: A Practitioner-Driven Approach for Integrating Digital Twins in
Manufacturing. Procedia CIRP, 128, 603-608. https://doi.org/10.1016/j.procir.2024.03.038
Lick, J., Weller, J., Brock, J., Pathak, S., Disselkamp, J.-P., Kühn, A., & Dumitrescu, R. (2024). Guiding
The Transformation To A Digital Factory Twin: Towards An Enterprise-Architecture-
Management-based Approach With The Help Of A Capability Map. Procedia CIRP, 130, 736-
742. https://doi.org/10.1016/j.procir.2024.10.157
Liu, M., Fang, S., Dong, H., & Xu, C. (2021). Review of digital twin about concepts, technologies, and
industrial applications. Journal of Manufacturing Systems, 58, 346-361.
https://doi.org/10.1016/j.jmsy.2020.06.017
Liu, L., Song, W., & Liu, Y. (2023). Leveraging digital capabilities toward a circular economy.
Computers & Industrial Eng, 178, 109113. https://doi.org/10.1016/j.cie.2023.109113
Lo, C. K., Chen, C. H., & Zhong, R. Y. (2021). A review of digital twin in product design and
development. Advanced Engineering Informatics, 48, Article 101297.
https://doi.org/10.1016/j.aei.2021.101297
Lou, S., Hu, Z., Zhang, Y., Feng, Y., Zhou, M., & Lv, C. (2025). Human-cyber-physical system for
Industry 5.0: A review from a human-centric perspective. IEEE Transactions on Automation
Science and Engineering, 22, 494-511. https://doi.org/10.1109/TASE.2024.3360476
Martikkala, A., David, J., Lobov, A., Lanz, M., & Ituarte, I. F. (2021). Trends for Low Cost and Open
Source IoT Solutions Development. Procedia Manufacturing, 55, 298-305.
https://doi.org/10.1016/j.promfg.2021.10.042
Mediavilla, M. A., Lagnese, M., Pomp, A., & Meisen, T. (2023). Asset administration shell-based
engineering change management process: Challenges and ways forward. Procedia CIRP, 120,
1010-1015. https://doi.org/10.1016/j.procir.2023.09.116
Meyer, M., & Jochem, R. (2026). Derivation of key success factors for the use of digital twins in
production networks. Procedia CIRP, 138, 126-131. https://doi.org/10.1016/j.procir.2026.01.023
Leirmo, T. L. (2024). Digital Twins for Industry 5.0: Unlocking the Human Potential. Procedia CIRP,
130, 761-766. https://doi.org/10.1016/j.procir.2024.10.161
Lick, J., Disselkamp, J.-P., Kattenstroth, F., Trienens, M., Rasor, R., Kühn, A., & Dumitrescu, R. (2024).
Digital Factory Twin: A Practitioner-Driven Approach for Integrating Digital Twins in
Manufacturing. Procedia CIRP, 128, 603-608. https://doi.org/10.1016/j.procir.2024.03.038
Lick, J., Weller, J., Brock, J., Pathak, S., Disselkamp, J.-P., Kühn, A., & Dumitrescu, R. (2024). Guiding
The Transformation To A Digital Factory Twin: Towards An Enterprise-Architecture-
Management-based Approach With The Help Of A Capability Map. Procedia CIRP, 130, 736-
742. https://doi.org/10.1016/j.procir.2024.10.157
Liu, M., Fang, S., Dong, H., & Xu, C. (2021). Review of digital twin about concepts, technologies, and
industrial applications. Journal of Manufacturing Systems, 58, 346-361.
https://doi.org/10.1016/j.jmsy.2020.06.017
Liu, L., Song, W., & Liu, Y. (2023). Leveraging digital capabilities toward a circular economy.
Computers & Industrial Eng, 178, 109113. https://doi.org/10.1016/j.cie.2023.109113
Lo, C. K., Chen, C. H., & Zhong, R. Y. (2021). A review of digital twin in product design and
development. Advanced Engineering Informatics, 48, Article 101297.
https://doi.org/10.1016/j.aei.2021.101297
Lou, S., Hu, Z., Zhang, Y., Feng, Y., Zhou, M., & Lv, C. (2025). Human-cyber-physical system for
Industry 5.0: A review from a human-centric perspective. IEEE Transactions on Automation
Science and Engineering, 22, 494-511. https://doi.org/10.1109/TASE.2024.3360476
Martikkala, A., David, J., Lobov, A., Lanz, M., & Ituarte, I. F. (2021). Trends for Low Cost and Open
Source IoT Solutions Development. Procedia Manufacturing, 55, 298-305.
https://doi.org/10.1016/j.promfg.2021.10.042
Mediavilla, M. A., Lagnese, M., Pomp, A., & Meisen, T. (2023). Asset administration shell-based
engineering change management process: Challenges and ways forward. Procedia CIRP, 120,
1010-1015. https://doi.org/10.1016/j.procir.2023.09.116
Meyer, M., & Jochem, R. (2026). Derivation of key success factors for the use of digital twins in
production networks. Procedia CIRP, 138, 126-131. https://doi.org/10.1016/j.procir.2026.01.023
pág. 2458
Molter, J., Zimmer, S., Margies, L., Karkowski, M., & Müller, R. (2024). Development of a
characterization and modeling method for Digital Twin design in production systems. Procedia
CIRP, 126, 763-768. https://doi.org/10.1016/j.procir.2024.08.325
Nambiar, S., Jonsson, M., & Tarkian, M. (2024). Automation in Unstructured Production Environments
Using Isaac Sim: A Flexible Framework for Dynamic Robot Adaptability. Procedia CIRP, 130,
837-846. https://doi.org/10.1016/j.procir.2024.10.173
Nick, G., Kovács, T., Kő, A., & Kádár, B. (2021). Industry 4.0 readiness in manufacturing: Company
Compass 2.0. Procedia Manufacturing, 54, 39-44. https://doi.org/10.1016/j.promfg.2021.07.007
Oliveira-Dias, D., Maqueira-Marín, J. M., & Moyano-Fuentes, J. (2022). The link between information
and digital technologies of I4.0 and agile supply chain. Computers & Industrial Eng, 167, 108000.
https://doi.org/10.1016/j.cie.2022.108000
P. Senna, P., Barros, A. C., Bonnin Roca, J., & Azevedo, A. (2023). Development of a digital maturity
model for Industry 4.0 based on the technology-organization-environment framework. Computers
& Industrial Engineering, 185, 109645. https://doi.org/10.1016/j.cie.2023.109645
Peretz-Andersson, E., Tabares, S., Mikalef, P., & Parida, V. (2024). Artificial intelligence
implementation in manufacturing SMEs: A resource orchestration approach. International Journal
of Information Management, 77, 102781. https://doi.org/10.1016/j.ijinfomgt.2024.102781
Permin, E., Castillo, L., Sarin, S., Lossie, K., Grunert, D., Schmitt, R. H., & Wohlgemuth, C. (2025).
Success Factors for Value Creation in Industry 4.0. Procedia CIRP, 134, 175-180.
https://doi.org/10.1016/j.procir.2025.03.034
Pickel, J., Goetz, S., & Wartzack, S. (2025). A survey on the utilization of ontologies for decision-
making in industrial product development. Procedia CIRP, 136, 659-664.
https://doi.org/10.1016/j.procir.2025.08.113
Plantec, Q., Deval, M.-A., Hooge, S., & Weil, B. (2023). Big data as an exploration trigger or problem-
solving patch: Design and integration of AI-embedded systems in the automotive industry.
Technovation, 124, 102763. https://doi.org/10.1016/j.technovation.2023.102763
Pronk, L., Damgrave, R., & Lutters, E. (2024). What-if considerations in digital twinning: an autorarchic
approach. Procedia CIRP, 128, 454-459. https://doi.org/10.1016/j.procir.2024.03.026
Molter, J., Zimmer, S., Margies, L., Karkowski, M., & Müller, R. (2024). Development of a
characterization and modeling method for Digital Twin design in production systems. Procedia
CIRP, 126, 763-768. https://doi.org/10.1016/j.procir.2024.08.325
Nambiar, S., Jonsson, M., & Tarkian, M. (2024). Automation in Unstructured Production Environments
Using Isaac Sim: A Flexible Framework for Dynamic Robot Adaptability. Procedia CIRP, 130,
837-846. https://doi.org/10.1016/j.procir.2024.10.173
Nick, G., Kovács, T., Kő, A., & Kádár, B. (2021). Industry 4.0 readiness in manufacturing: Company
Compass 2.0. Procedia Manufacturing, 54, 39-44. https://doi.org/10.1016/j.promfg.2021.07.007
Oliveira-Dias, D., Maqueira-Marín, J. M., & Moyano-Fuentes, J. (2022). The link between information
and digital technologies of I4.0 and agile supply chain. Computers & Industrial Eng, 167, 108000.
https://doi.org/10.1016/j.cie.2022.108000
P. Senna, P., Barros, A. C., Bonnin Roca, J., & Azevedo, A. (2023). Development of a digital maturity
model for Industry 4.0 based on the technology-organization-environment framework. Computers
& Industrial Engineering, 185, 109645. https://doi.org/10.1016/j.cie.2023.109645
Peretz-Andersson, E., Tabares, S., Mikalef, P., & Parida, V. (2024). Artificial intelligence
implementation in manufacturing SMEs: A resource orchestration approach. International Journal
of Information Management, 77, 102781. https://doi.org/10.1016/j.ijinfomgt.2024.102781
Permin, E., Castillo, L., Sarin, S., Lossie, K., Grunert, D., Schmitt, R. H., & Wohlgemuth, C. (2025).
Success Factors for Value Creation in Industry 4.0. Procedia CIRP, 134, 175-180.
https://doi.org/10.1016/j.procir.2025.03.034
Pickel, J., Goetz, S., & Wartzack, S. (2025). A survey on the utilization of ontologies for decision-
making in industrial product development. Procedia CIRP, 136, 659-664.
https://doi.org/10.1016/j.procir.2025.08.113
Plantec, Q., Deval, M.-A., Hooge, S., & Weil, B. (2023). Big data as an exploration trigger or problem-
solving patch: Design and integration of AI-embedded systems in the automotive industry.
Technovation, 124, 102763. https://doi.org/10.1016/j.technovation.2023.102763
Pronk, L., Damgrave, R., & Lutters, E. (2024). What-if considerations in digital twinning: an autorarchic
approach. Procedia CIRP, 128, 454-459. https://doi.org/10.1016/j.procir.2024.03.026
pág. 2459
Puschel, L. C., Roglinger, M., & Brandt, R. (2022). Unblackboxing Smart Things—A Multilayer
Taxonomy and Clusters of Nontechnical Smart Thing Characteristics. IEEE Transactions on
Engineering Management, 69(5): 2129-2143(5), 2129-2143.
https://doi.org/10.1109/TEM.2020.2988981
Rahatulain, A., Qureshi, T. N., Maffei, A., & Onori, M. (2021). Relationship and dependencies between
factors affecting new product development (NPD). Procedia CIRP, 100, 367-372.
https://doi.org/10.1016/j.procir.2021.05.086
Rasor, R., Göllner, D., Bernijazov, R., Kaiser, L., & Dumitrescu, R. (2021). Towards collaborative life
cycle specification of digital twin. Procedia CIRP, 98, 229-234.
https://doi.org/10.1016/j.procir.2021.01.035
Recker, J., Hensen, F., Keuper, A., & Schuh, G. (2026). LaMAS4PD - A Multi-Agent LLM Approach
for Ontology-Driven Structural Engineering Data. Procedia CIRP, 142, 274-279.
https://doi.org/10.1016/j.procir.2026.05.260
Reichenstein, T., Weilacher, A., Albayrak, B. E., Werthmann, L., Sindel, T., Schneider, A., Krüger, J.
H., Gutwald, B., Barth, M., & Franke, J. (2025). Role-based manufacturing systems: A concept
towards intelligent production. Procedia CIRP, 134, 837-842.
https://doi.org/10.1016/j.procir.2025.02.187
Resman, M., Turk, M., & Herakovič, N. (2021). Methodology for planning smart factory. Procedia
CIRP, 97, 401-406. https://doi.org/10.1016/j.procir.2020.05.258
Reuter, L., Denkena, B., & Wichmann, M. (2023). Adaptive inspection planning using a digital twin for
quality assurance. Procedia CIRP, 120, 3-8. https://doi.org/10.1016/j.procir.2023.08.002
Reuther, A., Plesker, C., Bassauer, D., & Schleich, B. (2026). A Digital Twin Framework for
Programmable Logic Controllers in Industrial Automation Systems. Procedia CIRP, 139, 446-
452. https://doi.org/10.1016/j.procir.2025.08.193
Roehm, B., Anderl, R., & Schleich, B. (2023). Development of an Information Model for Simulation
Data Management in the Digital Twin. Procedia CIRP, 119, 681-686.
https://doi.org/10.1016/j.procir.2023.03.120
Puschel, L. C., Roglinger, M., & Brandt, R. (2022). Unblackboxing Smart Things—A Multilayer
Taxonomy and Clusters of Nontechnical Smart Thing Characteristics. IEEE Transactions on
Engineering Management, 69(5): 2129-2143(5), 2129-2143.
https://doi.org/10.1109/TEM.2020.2988981
Rahatulain, A., Qureshi, T. N., Maffei, A., & Onori, M. (2021). Relationship and dependencies between
factors affecting new product development (NPD). Procedia CIRP, 100, 367-372.
https://doi.org/10.1016/j.procir.2021.05.086
Rasor, R., Göllner, D., Bernijazov, R., Kaiser, L., & Dumitrescu, R. (2021). Towards collaborative life
cycle specification of digital twin. Procedia CIRP, 98, 229-234.
https://doi.org/10.1016/j.procir.2021.01.035
Recker, J., Hensen, F., Keuper, A., & Schuh, G. (2026). LaMAS4PD - A Multi-Agent LLM Approach
for Ontology-Driven Structural Engineering Data. Procedia CIRP, 142, 274-279.
https://doi.org/10.1016/j.procir.2026.05.260
Reichenstein, T., Weilacher, A., Albayrak, B. E., Werthmann, L., Sindel, T., Schneider, A., Krüger, J.
H., Gutwald, B., Barth, M., & Franke, J. (2025). Role-based manufacturing systems: A concept
towards intelligent production. Procedia CIRP, 134, 837-842.
https://doi.org/10.1016/j.procir.2025.02.187
Resman, M., Turk, M., & Herakovič, N. (2021). Methodology for planning smart factory. Procedia
CIRP, 97, 401-406. https://doi.org/10.1016/j.procir.2020.05.258
Reuter, L., Denkena, B., & Wichmann, M. (2023). Adaptive inspection planning using a digital twin for
quality assurance. Procedia CIRP, 120, 3-8. https://doi.org/10.1016/j.procir.2023.08.002
Reuther, A., Plesker, C., Bassauer, D., & Schleich, B. (2026). A Digital Twin Framework for
Programmable Logic Controllers in Industrial Automation Systems. Procedia CIRP, 139, 446-
452. https://doi.org/10.1016/j.procir.2025.08.193
Roehm, B., Anderl, R., & Schleich, B. (2023). Development of an Information Model for Simulation
Data Management in the Digital Twin. Procedia CIRP, 119, 681-686.
https://doi.org/10.1016/j.procir.2023.03.120
pág. 2460
Rohde, H.-P., & Stechert, C. (2026). Integrating Autonomous 3D Printing and VR Digital Twins for
Engineering Education. Procedia CIRP, 142, 884-889.
https://doi.org/10.1016/j.procir.2026.05.363
Röhm, B., Emich, B., & Anderl, R. (2021). Approach of simulation data management for the application
of the digital simulation twin. Procedia CIRP, 100, 421-426.
https://doi.org/10.1016/j.procir.2021.05.098
Röhm, B., & Anderl, R. (2022). Simulation Data Management in the Digital Twin (SDM-DT). Procedia
CIRP, 105, 847-850. https://doi.org/10.1016/j.procir.2022.02.140
Sallati, C., & Schützer, K. (2021). Development of smart products for elders within the Industry 4.0.
Procedia CIRP, 100, 810-815. https://doi.org/10.1016/j.procir.2021.05.039
Sarfraz, S., Sherif, Z., Alshammari, S., & Salonitis, K. (2024). Navigating Circular Economy and
Digitalisation. Procedia CIRP, 130, 1055-1062. https://doi.org/10.1016/j.procir.2024.10.206
Schabany, D., Hülsmann, T.-H., & Schmetz, A. (2023). Development of a Maturity Assessment Model
for Digital Twins in Battery Cell Manufacturing. Procedia CIRP, 120, 946-951.
https://doi.org/10.1016/j.procir.2023.09.105
Schuchter, T., Saft, P., Stetter, R., Pfeil, M., Höpken, W., Till, M., & Rudolph, S. (2025). Application
of artificial intelligence in model-based systems engineering of automated production systems.
Procedia CIRP, 136, 61-66. https://doi.org/10.1016/j.procir.2025.08.013
Schuh, G., Bergweiler, G., Chougule, M. V., & Fiedler, F. (2021). Effects of Digital Twin Simulation
Modelling on a Flexible and Fluid Production System. Procedia CIRP, 104, 768-773.
https://doi.org/10.1016/j.procir.2021.11.129
Seegrün, A., Kruschke, T., Mügge, J., Hardinghaus, L., Knauf, T., Riedelsheimer, T., & Lindow, K.
(2023). Sustainable product lifecycle management with Digital Twins. Procedia CIRP, 119, 776-
781. https://doi.org/10.1016/j.procir.2023.03.124
Singh, S., Weeber, M., & Birke, K.-P. (2021). Advancing digital twin implementation: a toolbox for
modelling and simulation. Procedia CIRP, 99, 567-572.
https://doi.org/10.1016/j.procir.2021.03.078
Rohde, H.-P., & Stechert, C. (2026). Integrating Autonomous 3D Printing and VR Digital Twins for
Engineering Education. Procedia CIRP, 142, 884-889.
https://doi.org/10.1016/j.procir.2026.05.363
Röhm, B., Emich, B., & Anderl, R. (2021). Approach of simulation data management for the application
of the digital simulation twin. Procedia CIRP, 100, 421-426.
https://doi.org/10.1016/j.procir.2021.05.098
Röhm, B., & Anderl, R. (2022). Simulation Data Management in the Digital Twin (SDM-DT). Procedia
CIRP, 105, 847-850. https://doi.org/10.1016/j.procir.2022.02.140
Sallati, C., & Schützer, K. (2021). Development of smart products for elders within the Industry 4.0.
Procedia CIRP, 100, 810-815. https://doi.org/10.1016/j.procir.2021.05.039
Sarfraz, S., Sherif, Z., Alshammari, S., & Salonitis, K. (2024). Navigating Circular Economy and
Digitalisation. Procedia CIRP, 130, 1055-1062. https://doi.org/10.1016/j.procir.2024.10.206
Schabany, D., Hülsmann, T.-H., & Schmetz, A. (2023). Development of a Maturity Assessment Model
for Digital Twins in Battery Cell Manufacturing. Procedia CIRP, 120, 946-951.
https://doi.org/10.1016/j.procir.2023.09.105
Schuchter, T., Saft, P., Stetter, R., Pfeil, M., Höpken, W., Till, M., & Rudolph, S. (2025). Application
of artificial intelligence in model-based systems engineering of automated production systems.
Procedia CIRP, 136, 61-66. https://doi.org/10.1016/j.procir.2025.08.013
Schuh, G., Bergweiler, G., Chougule, M. V., & Fiedler, F. (2021). Effects of Digital Twin Simulation
Modelling on a Flexible and Fluid Production System. Procedia CIRP, 104, 768-773.
https://doi.org/10.1016/j.procir.2021.11.129
Seegrün, A., Kruschke, T., Mügge, J., Hardinghaus, L., Knauf, T., Riedelsheimer, T., & Lindow, K.
(2023). Sustainable product lifecycle management with Digital Twins. Procedia CIRP, 119, 776-
781. https://doi.org/10.1016/j.procir.2023.03.124
Singh, S., Weeber, M., & Birke, K.-P. (2021). Advancing digital twin implementation: a toolbox for
modelling and simulation. Procedia CIRP, 99, 567-572.
https://doi.org/10.1016/j.procir.2021.03.078
pág. 2461
Sjarov, M., Kißkalt, D., Lechler, T., Selmaier, A., & Franke, J. (2021). Towards "Design for
Interoperability" in the context of Systems Engineering. Procedia CIRP, 96, 145-150.
https://doi.org/10.1016/j.procir.2021.01.067
Slot, M., Navis, E., Damgrave, R., & Lutters, E. (2023). Versatile information provisioning in a
configure-to-order process. Procedia CIRP, 120, 1469-1474.
https://doi.org/10.1016/j.procir.2023.09.195
Smeets, J., Öztürk, K., & Liebich, R. (2023). Digital twins for automotive development: Two wheelers
application. Advanced Engineering Informatics, 56, 101982.
https://doi.org/10.1016/j.aei.2023.101982
Spaltini, M., Acerbi, F., Pinzone, M., Gusmeroli, S., & Taisch, M. (2022). Defining the Roadmap
towards Industry 4.0: The 6Ps Maturity Model. Procedia CIRP, 105, 631-636.
https://doi.org/10.1016/j.procir.2022.02.105
Stetter, R., Grüble, T., & Till, M. (2023). Geometric and kinetic digital twin of a body-in-white assembly
system. Procedia CIRP, 119, 109-114. https://doi.org/10.1016/j.procir.2022.12.001
Turkyilmaz, A., Dikhanbayeva, D., Suleiman, Z., Shaikholla, S., & Shehab, E. (2021). Industry 4.0:
Challenges and opportunities for Kazakhstan SMEs. Procedia CIRP, 96, 213-218.
https://doi.org/10.1016/j.procir.2021.01.077
Uhlmann, E., Polte, J., & Koutrakis, N.-S. (2021). Holistic Concept Towards a Reference Architecture
Model for Predictive Maintenance. Procedia CIRP, 104, 1430-1433.
https://doi.org/10.1016/j.procir.2021.11.241
Vitti, M., Padovano, A., & Facchini, F. (2025). Industry 4.0 technologies in support of circular
Economy: A 10R-based integration framework. Computers & Industrial Engineering, 185,
111350. https://doi.org/10.1016/j.cie.2025.111350
Vogt, A., Schmidt, P. H., Mayer, S., & Stark, R. (2021). Production in the loop - the interoperability of
digital twins. Procedia CIRP, 99, 561-566. https://doi.org/10.1016/j.procir.2021.03.077
Wang, Y., Steinbach, T., Klein, J., & Anderl, R. (2021). Integration of model based system engineering
into the digital twin. Procedia CIRP, 100, 19-24. https://doi.org/10.1016/j.procir.2021.05.003
Sjarov, M., Kißkalt, D., Lechler, T., Selmaier, A., & Franke, J. (2021). Towards "Design for
Interoperability" in the context of Systems Engineering. Procedia CIRP, 96, 145-150.
https://doi.org/10.1016/j.procir.2021.01.067
Slot, M., Navis, E., Damgrave, R., & Lutters, E. (2023). Versatile information provisioning in a
configure-to-order process. Procedia CIRP, 120, 1469-1474.
https://doi.org/10.1016/j.procir.2023.09.195
Smeets, J., Öztürk, K., & Liebich, R. (2023). Digital twins for automotive development: Two wheelers
application. Advanced Engineering Informatics, 56, 101982.
https://doi.org/10.1016/j.aei.2023.101982
Spaltini, M., Acerbi, F., Pinzone, M., Gusmeroli, S., & Taisch, M. (2022). Defining the Roadmap
towards Industry 4.0: The 6Ps Maturity Model. Procedia CIRP, 105, 631-636.
https://doi.org/10.1016/j.procir.2022.02.105
Stetter, R., Grüble, T., & Till, M. (2023). Geometric and kinetic digital twin of a body-in-white assembly
system. Procedia CIRP, 119, 109-114. https://doi.org/10.1016/j.procir.2022.12.001
Turkyilmaz, A., Dikhanbayeva, D., Suleiman, Z., Shaikholla, S., & Shehab, E. (2021). Industry 4.0:
Challenges and opportunities for Kazakhstan SMEs. Procedia CIRP, 96, 213-218.
https://doi.org/10.1016/j.procir.2021.01.077
Uhlmann, E., Polte, J., & Koutrakis, N.-S. (2021). Holistic Concept Towards a Reference Architecture
Model for Predictive Maintenance. Procedia CIRP, 104, 1430-1433.
https://doi.org/10.1016/j.procir.2021.11.241
Vitti, M., Padovano, A., & Facchini, F. (2025). Industry 4.0 technologies in support of circular
Economy: A 10R-based integration framework. Computers & Industrial Engineering, 185,
111350. https://doi.org/10.1016/j.cie.2025.111350
Vogt, A., Schmidt, P. H., Mayer, S., & Stark, R. (2021). Production in the loop - the interoperability of
digital twins. Procedia CIRP, 99, 561-566. https://doi.org/10.1016/j.procir.2021.03.077
Wang, Y., Steinbach, T., Klein, J., & Anderl, R. (2021). Integration of model based system engineering
into the digital twin. Procedia CIRP, 100, 19-24. https://doi.org/10.1016/j.procir.2021.05.003
pág. 2462
Wang, L., Liu, Z., Liu, A., & Tao, F. (2021). Artificial intelligence in product lifecycle management.
The International Journal of Advanced Manufacturing Technology, 114, 771-796.
https://doi.org/10.1007/s00170-021-06882-1
Wawer, M. L., Rahn, F., Wurst, J., Kirchner, E., & Lachmayer, R. (2026). Harmonization of digital
shadows to develop a data space for additive manufacturing. Procedia CIRP, 142, 1046-1051.
https://doi.org/10.1016/j.procir.2026.05.390
Wehking, S., Seegrün, A., Riedelsheimer, T., & Lindow, K. (2024). Sustainable Product Lifecycle
Management - Implementation of a DT. Procedia CIRP, 125, 30-35.
https://doi.org/10.1016/j.procir.2024.08.006
Werrel, M., Wagner, M., Klar, M., & Aurich, J. C. (2025). Examination of the Utilization of Use Phase
Data for PSS Design. Procedia CIRP, 136, 260-265. https://doi.org/10.1016/j.procir.2025.08.046
Xia, K., Sacco, C., Kirkpatrick, M., Saidy, C., Nguyen, L., Kircaliali, A., & Harik, R. (2021). A digital
twin to train deep reinforcement learning agent for smart manufacturing plants: Environment,
interfaces and intelligence. Journal of Manufacturing Systems, N/A (in press), 210-230.
https://doi.org/10.1016/j.jmsy.2020.06.012
Yan, Z., Larsson, T., Haoqiang, W., & Chunjun, H. (2025). Integrating Digital Twins and Extended
Reality for Smart PSS Design. Procedia CIRP, 136, 707-714.
https://doi.org/10.1016/j.procir.2025.08.121
Zhi, J., Yang, J., Zhu, C., Liu, S., Anwer, N., & Cao, Y. (2022). A modeling method of complex
assembly based on digital twin. Procedia CIRP, 114, 79-87.
https://doi.org/10.1016/j.procir.2022.10.035
Zhu, Y., Cheng, Y., Qi, Q., & Tao, F. (2025). A knowledge graph-based operational data representation
method of digital twin shop-floor towards smart manufacturing. Procedia CIRP, 134, 861-866.
https://doi.org/10.1016/j.procir.2025.02.211
Wang, L., Liu, Z., Liu, A., & Tao, F. (2021). Artificial intelligence in product lifecycle management.
The International Journal of Advanced Manufacturing Technology, 114, 771-796.
https://doi.org/10.1007/s00170-021-06882-1
Wawer, M. L., Rahn, F., Wurst, J., Kirchner, E., & Lachmayer, R. (2026). Harmonization of digital
shadows to develop a data space for additive manufacturing. Procedia CIRP, 142, 1046-1051.
https://doi.org/10.1016/j.procir.2026.05.390
Wehking, S., Seegrün, A., Riedelsheimer, T., & Lindow, K. (2024). Sustainable Product Lifecycle
Management - Implementation of a DT. Procedia CIRP, 125, 30-35.
https://doi.org/10.1016/j.procir.2024.08.006
Werrel, M., Wagner, M., Klar, M., & Aurich, J. C. (2025). Examination of the Utilization of Use Phase
Data for PSS Design. Procedia CIRP, 136, 260-265. https://doi.org/10.1016/j.procir.2025.08.046
Xia, K., Sacco, C., Kirkpatrick, M., Saidy, C., Nguyen, L., Kircaliali, A., & Harik, R. (2021). A digital
twin to train deep reinforcement learning agent for smart manufacturing plants: Environment,
interfaces and intelligence. Journal of Manufacturing Systems, N/A (in press), 210-230.
https://doi.org/10.1016/j.jmsy.2020.06.012
Yan, Z., Larsson, T., Haoqiang, W., & Chunjun, H. (2025). Integrating Digital Twins and Extended
Reality for Smart PSS Design. Procedia CIRP, 136, 707-714.
https://doi.org/10.1016/j.procir.2025.08.121
Zhi, J., Yang, J., Zhu, C., Liu, S., Anwer, N., & Cao, Y. (2022). A modeling method of complex
assembly based on digital twin. Procedia CIRP, 114, 79-87.
https://doi.org/10.1016/j.procir.2022.10.035
Zhu, Y., Cheng, Y., Qi, Q., & Tao, F. (2025). A knowledge graph-based operational data representation
method of digital twin shop-floor towards smart manufacturing. Procedia CIRP, 134, 861-866.
https://doi.org/10.1016/j.procir.2025.02.211