Según lo declarado, el sistema apunta a evolucionar hacia un modelo predictivo capaz de captar señales de máquinas que actualmente no quedan registradas en los sistemas habituales

Enfoque de decisión

Deoleo, productor líder mundial de aceite de oliva, anunció en marzo de 2026 una colaboración con Telefónica Tech estructurada en tres frentes: la implementación de un sistema GMAO con tecnología EMI SUITE en sus plantas de Alcolea (Córdoba) y Tavarnelle (Florencia), la expansión de su plataforma de trazabilidad blockchain, y el desarrollo de herramientas de IA para asistir las decisiones de selección de materias primas. Para un Gerente de Planta en manufactura de proceso, el interés no reside en la marca ni en el producto: está en la arquitectura de decisión que subyace al proyecto y en las condiciones que lo hicieron viable.

Resumen en 90 segundos

Esta semana, deoleo integra un sistema GMAO mediante la plataforma EMI SUITE en dos plantas ubicadas en España e Italia, con proyección hacia mantenimiento predictivo. En paralelo, más del 35% de su aceite de oliva virgen extra ya incorpora trazabilidad blockchain con verificación independiente por código QR. La tercera iniciativa aplica modelos de machine learning para asistir al área de formulación en la selección de materias primas. El conjunto responde a una hoja de ruta corporativa denominada EVOO-lution, orientada a operar con datos en tiempo real a escala internacional.

¿Qué está pasando realmente?

Deoleo opera plantas de proceso continuo con variables críticas de calidad que dependen tanto de la maquinaria como de la materia prima —en este caso, aceitunas cuya composición varía según la cosecha, la variedad y el origen geográfico. La colaboración con Telefónica Tech atiende tres puntos de falla distintos en esa cadena.

El primero es el mantenimiento. La implementación del GMAO con EMI SUITE en las plantas de Alcolea y Tavarnelle cubre módulos de inventario de activos, planificación de mantenimiento preventivo y correctivo, órdenes de trabajo y control de stock de repuestos. Según lo declarado, el sistema apunta a evolucionar hacia un modelo predictivo capaz de captar señales de máquinas que actualmente no quedan registradas en los sistemas habituales.

El segundo frente es la trazabilidad. La plataforma TrustOS de Telefónica Tech extiende un sistema que Deoleo opera desde 2022. Hoy, más del 35% del aceite de oliva virgen extra de la compañía incorpora esta tecnología, que registra datos de producción de forma inmutable y los pone a disposición del consumidor final mediante código QR.

El tercero es la selección de materia prima. Modelos de machine learning buscan reducir la variabilidad en la calidad del producto final asistiendo las decisiones del máster blender, el perfil técnico responsable de las mezclas y los estándares organolépticos del aceite.

¿Por qué importa para Gerentes de Planta?

El caso de Deoleo es relevante no como referente de aceite de oliva, sino como ejemplo de integración secuencial de herramientas digitales en plantas de proceso con restricciones estrictas de calidad.

En primer lugar, la ruta GMAO → predictivo es una progresión que muchas plantas en América Latina están evaluando. La decisión de Deoleo de implementar primero el sistema de gestión y definir la evolución hacia predictivo como un objetivo posterior —no como una promesa simultánea— refleja un orden de madurez que es replicable. No es posible predecir lo que no se registra.

En segundo lugar, la integración del GMAO con los sistemas de información existentes, sin reemplazar interfaces ni perder datos históricos, es una condición operativa que cualquier Gerente de Planta reconocerá como crítica. La continuidad tecnológica no es un detalle menor: marca la diferencia entre una implementación que avanza y una que se bloquea en el primer trimestre.

En tercer lugar, la aplicación de IA para asistir la selección de materias primas —no para reemplazar al especialista, sino para dotarlo de soporte algorítmico— es un modelo de adopción que reduce la resistencia interna y acota el riesgo de implementación. Representa un punto de entrada más realista que la automatización total de decisiones críticas.

Perspectiva a futuro

La arquitectura descrita por Deoleo sugiere una hoja de ruta en tres horizontes: la gestión digital del mantenimiento como base, el predictivo como evolución natural del GMAO, y la IA aplicada a decisiones de formulación y abastecimiento. Si el sistema evoluciona según lo declarado, Deoleo operaría con visibilidad en tiempo real sobre activos, calidad del proceso y variabilidad de insumos en un plazo no especificado públicamente.

Para plantas en América Latina que operan con sistemas fragmentados, el referente más útil de este caso no es la tecnología en sí, sino la secuencia: consolidar primero el registro, luego la integración, luego el análisis predictivo. Intentar las tres capas simultáneamente sin una infraestructura de datos base ha sido la causa documentada de fracasos en proyectos similares de Industria 4.0 en manufactura de proceso. Lo que Deoleo describe como evolución planificada es, en muchos contextos latinoamericanos, el error que se comete al invertir ese orden.

Lo que aún es incierto

  • Resultados operativos del GMAO. El anuncio describe la implementación en curso, no métricas de resultado. No se conocen indicadores de MTBF, MTTR ni reducción de paros no programados. Lo que resolvería esta incertidumbre: datos de seguimiento publicados por Deoleo o Telefónica Tech en un horizonte de 12 a 18 meses post-implementación.

  • Alcance real del modelo predictivo. La fuente señala que el sistema «evolucionará» hacia predictivo, pero no establece plazos, sensores involucrados ni criterios de activación. No es posible evaluar si se trata de un objetivo concreto o de un marco aspiracional. Lo que lo aclararía: especificaciones técnicas del proyecto de instrumentación o una declaración de alcance con fechas.

  • Impacto medible de la IA en calidad. La herramienta de machine learning para el máster blender se describe como un «primer caso de uso», lo que indica que se encuentra en etapa inicial. No hay evidencia de validación en producción real ni de reducción cuantificada de variabilidad. Un piloto con métricas comparativas resolvería esta laguna.

  • Aplicabilidad en plantas sin escala corporativa. EMI SUITE y TrustOS son soluciones de proveedor de escala corporativa. No hay información disponible sobre costos, requisitos mínimos de infraestructura ni sobre si estas herramientas cuentan con versiones accesibles para operaciones medianas en América Latina.

Una pregunta para tu equipo

¿Tienen identificado qué porcentaje de las señales de sus activos críticos está siendo registrado hoy en algún sistema —y cuánto queda fuera de cualquier registro formal? Antes de evaluar mantenimiento predictivo, esa brecha de visibilidad es el primer problema que resolver.

Fuentes

  • Dplnews — Deoleo impulsa su transformación digital global de la mano de Telefónica Tech (Link)

Tags