{"id":83525,"date":"2026-04-07T18:50:48","date_gmt":"2026-04-07T23:50:48","guid":{"rendered":"https:\/\/niixer.com\/?p=83525"},"modified":"2026-04-07T19:49:45","modified_gmt":"2026-04-08T00:49:45","slug":"datos","status":"publish","type":"post","link":"https:\/\/niixer.com\/index.php\/2026\/04\/07\/datos\/","title":{"rendered":"Del\u00a0caos\u00a0de\u00a0datos\u00a0al control total"},"content":{"rendered":"\n

<\/h1>\n\n\n\n

En el entorno industrial contempor\u00e1neo, la recolecci\u00f3n de datos de proceso se ha vuelto una pr\u00e1ctica cotidiana e indispensable. Sin embargo, acumular datos no equivale a comprenderlos; entre la medici\u00f3n y la toma de decisiones existe una brecha que, con frecuencia, permanece abierta por limitaciones humanas y metodol\u00f3gicas. La incapacidad de procesar grandes vol\u00famenes de informaci\u00f3n de forma oportuna representa uno de los cuellos de botella m\u00e1s costosos en la industria moderna, ya que retrasos en el an\u00e1lisis se traducen directamente en ineficiencias, defectos de calidad y p\u00e9rdidas econ\u00f3micas. <\/p>\n\n\n\n

La\u00a0ingenier\u00eda\u00a0industrial\u00a0lleva\u00a0d\u00e9cadas\u00a0apoy\u00e1ndose\u00a0en\u00a0herramientas\u00a0estad\u00edsticas\u00a0cl\u00e1sicas\u00a0para\u00a0el\u00a0control de\u00a0procesos; entre\u00a0ellas, las\u00a0gr\u00e1ficas\u00a0de control\u00a0desarrolladas\u00a0por\u00a0Walter Shewhart <\/a>a\u00a0principios\u00a0del\u00a0siglo\u00a0XX\u00a0siguen\u00a0siendo\u00a0una\u00a0referencia\u00a0fundamental. No obstante, la\u00a0aplicaci\u00f3n\u00a0manual de\u00a0estas\u00a0metodolog\u00edas\u00a0en\u00a0entornos\u00a0con\u00a0m\u00faltiples\u00a0variables,\u00a0turnos\u00a0de\u00a0producci\u00f3n\u00a0y\u00a0cientos\u00a0de\u00a0muestras\u00a0diarias\u00a0se\u00a0convierte\u00a0en\u00a0una\u00a0tarea\u00a0agotadora\u00a0y\u00a0propensa\u00a0al error. Es\u00a0aqu\u00ed\u00a0donde\u00a0la\u00a0inteligencia\u00a0artificial y\u00a0el\u00a0desarrollo\u00a0de\u00a0aplicaciones\u00a0especializadas\u00a0ofrecen\u00a0una\u00a0salida\u00a0concreta\u00a0y\u00a0eficiente.\u00a0<\/p>\n\n\n\n

<\/p>\n\n\n\n

El\u00a0problema:\u00a0cuando\u00a0los\u00a0datos\u00a0superan\u00a0la\u00a0capacidad\u00a0humana de\u00a0procesarlos<\/strong>\u00a0<\/strong><\/h3>\n\n\n\n

En muchas plantas industriales y laboratorios de calidad, el proceso de an\u00e1lisis estad\u00edstico de datos de producci\u00f3n sigue realiz\u00e1ndose de manera parcialmente manual. El analista recibe archivos de hoja de c\u00e1lculo con decenas o cientos de filas (cada una correspondiente a un d\u00eda de medici\u00f3n) y m\u00faltiples columnas que representan las muestras tomadas en ese per\u00edodo. A partir de esa matriz de datos, debe calcular la media de cada d\u00eda, la media general del proceso, la moda, la mediana y la desviaci\u00f3n est\u00e1ndar; luego trazar manualmente las gr\u00e1ficas de control con sus l\u00edmites estad\u00edsticos, e interpretar si el proceso se encuentra bajo control. <\/p>\n\n\n\n

Este\u00a0flujo\u00a0de\u00a0trabajo\u00a0presenta\u00a0al\u00a0menos\u00a0tres\u00a0problemas\u00a0estructurales. Inicialmente,\u00a0el\u00a0tiempo\u00a0invertido\u00a0en\u00a0c\u00e1lculos\u00a0repetitivos\u00a0es\u00a0significativo; un\u00a0analista\u00a0puede\u00a0tardar\u00a0varias\u00a0horas\u00a0en\u00a0procesar\u00a0la\u00a0informaci\u00f3n\u00a0de\u00a0una\u00a0sola\u00a0semana\u00a0de\u00a0producci\u00f3n. En\u00a0segundo\u00a0lugar, la\u00a0probabilidad\u00a0de\u00a0errores\u00a0de\u00a0transcripci\u00f3n\u00a0o de\u00a0f\u00f3rmula\u00a0es\u00a0alta,\u00a0especialmente\u00a0cuando\u00a0los\u00a0archivos\u00a0se\u00a0editan\u00a0manualmente\u00a0o se\u00a0copian\u00a0entre\u00a0versiones\u00a0diferentes\u00a0de la hoja de\u00a0c\u00e1lculo. Adicionalmente, la\u00a0interpretaci\u00f3n\u00a0subjetiva\u00a0de las\u00a0gr\u00e1ficas\u00a0puede\u00a0variar\u00a0entre\u00a0profesionales, lo\u00a0que\u00a0genera\u00a0inconsistencias\u00a0en\u00a0los\u00a0informes\u00a0y\u00a0en\u00a0las\u00a0decisiones\u00a0derivadas\u00a0de\u00a0ellos.\u00a0<\/p>\n\n\n\n

Seg\u00fan Montgomery (2019), un sistema de control estad\u00edstico de procesos eficaz requiere no solo la disponibilidad de datos, sino tambi\u00e9n la capacidad de interpretarlos con rapidez y consistencia. Cuando el an\u00e1lisis se ralentiza, la retroalimentaci\u00f3n al proceso pierde valor; los defectos que podr\u00edan haberse detectado y corregido en horas se prolongan durante d\u00edas. <\/p>\n\n\n\n

<\/p>\n\n\n\n

El\u00a0impacto\u00a0en\u00a0la\u00a0calidad\u00a0del\u00a0an\u00e1lisis\u00a0de\u00a0informaci\u00f3n<\/strong>\u00a0<\/strong><\/h3>\n\n\n\n

Las consecuencias de un an\u00e1lisis lento e inconsistente no se limitan al \u00e1rea de calidad; afectan transversalmente a la organizaci\u00f3n. Desde el punto de vista operativo, la detecci\u00f3n tard\u00eda de puntos fuera de los l\u00edmites de control implica que el proceso ha estado produciendo fuera de las especificaciones durante m\u00e1s tiempo del necesario. Esto se traduce en mayor desperdicio de materias primas, mayor tasa de reproceso y, en el peor de los casos, en productos no conformes que llegan al cliente. <\/p>\n\n\n\n

Desde el punto de vista gerencial, la falta de informes oportunos dificulta la toma de decisiones basadas en datos. Los responsables de producci\u00f3n y calidad toman decisiones con informaci\u00f3n desactualizada, lo que mina la efectividad de las estrategias de mejora continua. Adem\u00e1s, la variabilidad en el criterio de interpretaci\u00f3n de las gr\u00e1ficas de control (seg\u00fan si el analista tiene experiencia en la identificaci\u00f3n de patrones como rachas, tendencias o ciclos) genera informes que no son comparables entre s\u00ed a lo largo del tiempo. <\/p>\n\n\n\n

Para empresas que operan bajo est\u00e1ndares de calidad internacionales como la norma ISO 9001:2015 o la IATF 16949, esta situaci\u00f3n puede constituir una no conformidad documentable. La trazabilidad del an\u00e1lisis de datos del proceso es un requisito expl\u00edcito de estos sistemas de gesti\u00f3n, y su incumplimiento puede afectar la certificaci\u00f3n de la organizaci\u00f3n (International Organization for Standardization [ISO], 2015). <\/p>\n\n\n\n

<\/p>\n\n\n\n

La\u00a0inteligencia\u00a0artificial\u00a0como\u00a0aliada\u00a0del\u00a0ingeniero\u00a0industrial<\/strong>\u00a0<\/strong><\/h3>\n\n\n\n

La irrupci\u00f3n de la inteligencia artificial en los entornos productivos no es una promesa futura; es una realidad presente y accesible. Las aplicaciones de IA aplicadas al an\u00e1lisis de datos de proceso ofrecen ventajas concretas que van mucho m\u00e1s all\u00e1 de la simple automatizaci\u00f3n de c\u00e1lculos. En primer lugar, permiten procesar grandes vol\u00famenes de informaci\u00f3n en segundos, eliminando el cuello de botella del an\u00e1lisis manual. En segundo lugar, garantizan la consistencia de los resultados, ya que la l\u00f3gica de procesamiento no var\u00eda entre sesiones ni entre usuarios. <\/p>\n\n\n\n

Un aspecto especialmente valioso es la capacidad de detecci\u00f3n autom\u00e1tica de patrones. Las gr\u00e1ficas de control tradicionales requieren que el analista conozca y aplique las reglas de Nelson o las reglas de Western Electric para identificar comportamientos an\u00f3malos que no consisten en un simple punto fuera de los l\u00edmites de control (Wheeler & Chambers, 2010). Una aplicaci\u00f3n bien dise\u00f1ada puede implementar estas reglas de forma autom\u00e1tica y presentar los hallazgos en un lenguaje claro y accesible, incluso para usuarios sin formaci\u00f3n estad\u00edstica avanzada. <\/p>\n\n\n\n

Adicionalmente, la\u00a0integraci\u00f3n\u00a0de\u00a0herramientas\u00a0tecnol\u00f3gicas\u00a0en\u00a0los\u00a0procesos\u00a0de\u00a0an\u00e1lisis\u00a0de\u00a0calidad\u00a0contribuye\u00a0al\u00a0objetivo\u00a0de la\u00a0transformaci\u00f3n\u00a0digital\u00a0en\u00a0la\u00a0industria, un\u00a0proceso\u00a0que\u00a0la Comisi\u00f3n\u00a0Econ\u00f3mica\u00a0para Am\u00e9rica Latina y\u00a0el\u00a0Caribe (CEPAL)\u00a0identifica\u00a0como\u00a0prioritario\u00a0para\u00a0mejorar\u00a0la\u00a0competitividad\u00a0de las\u00a0empresas\u00a0de la\u00a0regi\u00f3n\u00a0(CEPAL, 2021).\u00a0Automatizar\u00a0el\u00a0an\u00e1lisis\u00a0estad\u00edstico\u00a0no\u00a0reemplaza\u00a0al\u00a0ingeniero; lo libera de\u00a0tareas\u00a0rutinarias\u00a0para\u00a0que\u00a0pueda\u00a0concentrarse\u00a0en\u00a0el\u00a0diagn\u00f3stico, la\u00a0mejora\u00a0y la\u00a0innovaci\u00f3n.\u00a0<\/p>\n\n\n\n

<\/p>\n\n\n\n

<\/p>\n\n\n\n

La\u00a0aplicaci\u00f3n\u00a0web de\u00a0an\u00e1lisis\u00a0estad\u00edstico:\u00a0una\u00a0soluci\u00f3n\u00a0pr\u00e1ctica\u00a0y\u00a0c\u00f3mo\u00a0utilizarla<\/strong>.\u00a0<\/a><\/strong><\/h3>\n\n\n\n
\nhttps:\/\/control-charts-buddy.lovable.app\n<\/div><\/figure>\n\n\n\n

Frente a este panorama, se ha desarrollado una aplicaci\u00f3n web de an\u00e1lisis estad\u00edstico y control de procesos dise\u00f1ada espec\u00edficamente para ingenieros industriales y analistas de calidad. La herramienta fue concebida para eliminar la fricci\u00f3n del proceso de an\u00e1lisis manual; su funcionamiento es sencillo, su interfaz es intuitiva y sus resultados son inmediatos. <\/p>\n\n\n\n

La\u00a0aplicaci\u00f3n\u00a0recibe\u00a0como\u00a0entrada un\u00a0archivo\u00a0en\u00a0formato\u00a0.xlsx<\/a>\u00a0estructurado\u00a0de la\u00a0siguiente\u00a0manera:\u00a0cada\u00a0fila\u00a0representa\u00a0un d\u00eda de\u00a0medici\u00f3n\u00a0y\u00a0cada\u00a0columna\u00a0corresponde\u00a0a\u00a0una\u00a0muestra\u00a0tomada\u00a0en\u00a0ese d\u00eda. A\u00a0partir\u00a0de\u00a0esta\u00a0informaci\u00f3n,\u00a0el\u00a0sistema\u00a0calcula\u00a0autom\u00e1ticamente\u00a0los\u00a0estad\u00edsticos\u00a0descriptivos\u00a0fundamentales: la media de\u00a0cada\u00a0d\u00eda, la media general del\u00a0proceso\u00a0(que\u00a0act\u00faa\u00a0como\u00a0l\u00ednea\u00a0central de la\u00a0gr\u00e1fica\u00a0de control), la\u00a0moda, la\u00a0mediana\u00a0y la\u00a0desviaci\u00f3n\u00a0est\u00e1ndar. Con\u00a0estos\u00a0datos\u00a0construye\u00a0la\u00a0gr\u00e1fica\u00a0de control de medias,\u00a0incluyendo\u00a0el\u00a0l\u00edmite\u00a0de control superior (UCL) y\u00a0el\u00a0l\u00edmite\u00a0de control inferior (LCL),\u00a0calculados\u00a0seg\u00fan\u00a0el\u00a0m\u00e9todo\u00a0cl\u00e1sico\u00a0de Shewhart\u00a0basado\u00a0en\u00a0tres\u00a0desviaciones\u00a0est\u00e1ndar\u00a0respecto\u00a0a la media general.\u00a0<\/p>\n\n\n\n

El n\u00facleo diferenciador de la aplicaci\u00f3n es su m\u00f3dulo de interpretaci\u00f3n autom\u00e1tica. Tras construir la gr\u00e1fica, el sistema genera un resumen que responde tres preguntas clave: \u00bfest\u00e1 el proceso bajo control estad\u00edstico?, \u00bfexisten puntos fuera de los l\u00edmites de control? \u00bfse identifican patrones o tendencias que indiquen un comportamiento no aleatorio? Este resumen se presenta en lenguaje natural, claro y directo, acompa\u00f1ado de indicadores visuales que facilitan su lectura. <\/p>\n\n\n\n

Paso1.\u00a0Preparar\u00a0el\u00a0archivo\u00a0de\u00a0datos:\u00a0<\/strong>Organice\u00a0su\u00a0informaci\u00f3n\u00a0en\u00a0un\u00a0archivo\u00a0.xlsx\u00a0en\u00a0el\u00a0que\u00a0la\u00a0primera\u00a0columna\u00a0contenga\u00a0las\u00a0fechas\u00a0o\u00a0identificadores\u00a0de\u00a0los\u00a0d\u00edas de\u00a0medici\u00f3n\u00a0y las columnas\u00a0siguientes\u00a0contengan\u00a0los\u00a0valores\u00a0de las\u00a0muestras\u00a0de ese d\u00eda. No es\u00a0necesario\u00a0calcular\u00a0ning\u00fan\u00a0estad\u00edstico\u00a0previo; la\u00a0aplicaci\u00f3n\u00a0lo\u00a0hace\u00a0autom\u00e1ticamente.\u00a0<\/p>\n\n\n\n

Paso 2. Cargar el archivo: <\/strong>Acceda a la aplicaci\u00f3n web desde cualquier navegador. En la pantalla principal encontrar\u00e1 un bot\u00f3n para cargar el archivo .xlsx. Selecci\u00f3nelo desde su equipo y espere unos instantes mientras el sistema procesa la informaci\u00f3n. <\/p>\n\n\n\n

\"Inicio\"<\/a><\/figure>\n\n\n\n

Paso 3. Revisar los estad\u00edsticos: <\/strong>La aplicaci\u00f3n mostrar\u00e1 una tabla con los resultados por d\u00eda (media diaria) y los estad\u00edsticos generales del proceso: media general, moda, mediana y desviaci\u00f3n est\u00e1ndar. Revise estos valores para tener una primera imagen del comportamiento del proceso. <\/p>\n\n\n\n

\"Resultado\"<\/figure>\n\n\n\n

Paso 4. Analizar la gr\u00e1fica de control: <\/strong>Debajo de la tabla encontrar\u00e1 la gr\u00e1fica de control de medias con la l\u00ednea central (CL), el l\u00edmite superior (UCL) y el l\u00edmite inferior (LCL) claramente identificados. Los puntos que excedan los l\u00edmites aparecer\u00e1n resaltados en un color diferente para facilitar su identificaci\u00f3n visual. <\/p>\n\n\n\n

\"Gr\u00e1fica\"<\/figure>\n\n\n\n

Paso 5. Leer\u00a0el\u00a0resumen\u00a0de\u00a0interpretaci\u00f3n:\u00a0<\/strong>Al final de la\u00a0pantalla,\u00a0el\u00a0m\u00f3dulo\u00a0de\u00a0interpretaci\u00f3n\u00a0autom\u00e1tica\u00a0presentar\u00e1\u00a0las\u00a0conclusiones\u00a0del\u00a0an\u00e1lisis. Si\u00a0el\u00a0proceso\u00a0est\u00e1\u00a0bajo control, lo\u00a0indicar\u00e1\u00a0de forma\u00a0expl\u00edcita;\u00a0si\u00a0existen\u00a0puntos fuera de\u00a0los\u00a0l\u00edmites\u00a0o\u00a0patrones\u00a0identificables,\u00a0los\u00a0describir\u00e1\u00a0con\u00a0precisi\u00f3n\u00a0y\u00a0sugerir\u00e1\u00a0las\u00a0acciones\u00a0de\u00a0seguimiento\u00a0correspondientes.\u00a0<\/p>\n\n\n\n

Esta soluci\u00f3n representa un avance concreto en la digitalizaci\u00f3n del an\u00e1lisis de calidad industrial. Al reducir el tiempo de procesamiento de horas a segundos, garantizar la consistencia de los resultados y democratizar la interpretaci\u00f3n estad\u00edstica, la aplicaci\u00f3n web de control de procesos pone al alcance de cualquier organizaci\u00f3n una herramienta que antes requer\u00eda de un especialista dedicado. La tecnolog\u00eda ya est\u00e1 disponible; el siguiente paso es adoptarla. <\/p>\n\n\n\n

<\/p>\n\n\n\n

Vibe Coding<\/a><\/strong><\/h2>\n\n\n\n

<\/p>\n\n\n\n

\u00bfQu\u00e9 es el vibe coding y por qu\u00e9 es importante?<\/strong><\/strong>.<\/h3>\n\n\n\n

El vibe coding es una metodolog\u00eda de desarrollo de software en la que el programador no escribe c\u00f3digo de forma manual, sino que describe en lenguaje natural lo que desea construir y delega la generaci\u00f3n del c\u00f3digo en un modelo de inteligencia artificial. El t\u00e9rmino fue acu\u00f1ado en febrero de 2025 por Andrej Karpathy, cofundador de OpenAI y exdirector de inteligencia artificial de Tesla, quien lo defini\u00f3 como una nueva forma de programar en la que uno “se deja llevar por la vibraci\u00f3n”, olvidando que el c\u00f3digo existe y confiando en que la IA lo resuelva (Karpathy, 2025).<\/p>\n\n\n\n

La esencia del vibe coding no es simplemente usar una herramienta de autocompletado; es un cambio de paradigma en la relaci\u00f3n entre el ser humano y el software. En lugar de traducir una idea a sintaxis de programaci\u00f3n, el creador la expresa en palabras, eval\u00faa el resultado, refina la instrucci\u00f3n y repite el ciclo hasta obtener el producto deseado. El conocimiento t\u00e9cnico profundo cede protagonismo a la claridad conceptual, la capacidad de comunicar ideas con precisi\u00f3n y el criterio para evaluar si el resultado cumple el objetivo.<\/p>\n\n\n\n

La importancia del vibe coding radica en varios fen\u00f3menos convergentes. En primer lugar, democratiza la creaci\u00f3n de software: habilidades que antes requer\u00edan a\u00f1os de formaci\u00f3n t\u00e9cnica ahora est\u00e1n al alcance de profesionales de otras disciplinas (ingenieros, m\u00e9dicos, educadores, dise\u00f1adores) que tienen problemas concretos que resolver pero no dominan la programaci\u00f3n. En segundo lugar, acelera de manera radical los ciclos de desarrollo; lo que un equipo de ingenieros tardaba semanas en construir puede prototiparlo una sola persona en horas. En tercer lugar, libera el talento t\u00e9cnico de tareas repetitivas para concentrarlo en arquitectura, seguridad y decisiones de alto nivel.<\/p>\n\n\n\n

Desde la perspectiva industrial y organizacional, el vibe coding tiene una relevancia especial. Las empresas generan constantemente necesidades de digitalizaci\u00f3n que no justifican contratar un equipo de desarrollo completo, pero que tampoco pueden resolverse con hojas de c\u00e1lculo. El vibe coding cubre ese espacio intermedio con una eficiencia sin precedentes<\/p>\n\n\n\n

<\/p>\n\n\n\n

Ventajas y desventajas<\/strong><\/strong>.<\/h3>\n\n\n\n

Ventajas<\/strong><\/p>\n\n\n\n

Accesibilidad radical:<\/strong> Permite que personas sin formaci\u00f3n en programaci\u00f3n construyan herramientas funcionales. Un analista de procesos, un docente o un profesional de salud puede crear su propia aplicaci\u00f3n sin depender de un equipo de TI.<\/p>\n\n\n\n

Velocidad de prototipado:<\/strong> Un prototipo funcional que antes tardaba semanas puede estar listo en horas. Esto transforma la manera en que se validan ideas y se responde a necesidades del negocio.<\/p>\n\n\n\n

Reducci\u00f3n de costos:<\/strong> Al disminuir la dependencia de desarrolladores especializados para tareas de complejidad media, las organizaciones optimizan su inversi\u00f3n tecnol\u00f3gica.<\/p>\n\n\n\n

Iteraci\u00f3n continua<\/strong>: La facilidad para modificar y ajustar el c\u00f3digo mediante nuevas instrucciones en lenguaje natural permite un ciclo de mejora \u00e1gil y sin fricci\u00f3n t\u00e9cnica.<\/p>\n\n\n\n

Foco en el problema:<\/strong> El creador dedica su energ\u00eda a definir claramente qu\u00e9 necesita, no a recordar sintaxis. Esto favorece soluciones mejor alineadas con el problema real.<\/p>\n\n\n\n

Exploraci\u00f3n creativa:<\/strong> La baja barrera de entrada anima a experimentar con ideas que de otro modo nunca se llevar\u00edan a cabo por su costo de implementaci\u00f3n.<\/p>\n\n\n\n

Desventajas<\/strong><\/p>\n\n\n\n

Dependencia de la IA:<\/strong> El creador puede no comprender el c\u00f3digo generado, lo que dificulta el mantenimiento, la depuraci\u00f3n de errores y la adaptaci\u00f3n futura sin asistencia de la IA.<\/p>\n\n\n\n

Calidad variable:<\/strong> Los modelos de IA no siempre generan c\u00f3digo \u00f3ptimo, seguro o eficiente. Sin criterio t\u00e9cnico para evaluarlo, errores graves pueden pasar desapercibidos.<\/p>\n\n\n\n

L\u00edmites de complejidad:<\/strong> Para sistemas de alta complejidad \u2014microservicios, bases de datos a gran escala, aplicaciones de seguridad cr\u00edtica\u2014 el vibe coding no es suficiente por s\u00ed solo.<\/p>\n\n\n\n

Riesgos de seguridad:<\/strong> El c\u00f3digo generado por IA puede contener vulnerabilidades. Sin revisi\u00f3n experta, una aplicaci\u00f3n de vibe coding puede exponer datos sensibles o ser susceptible a ataques.<\/p>\n\n\n\n

Problemas de propiedad intelectual:<\/strong> El c\u00f3digo generado puede contener fragmentos derivados de fuentes con licencias restrictivas, lo que genera incertidumbre legal en algunos contextos. Frustraci\u00f3n ante la complejidad: Cuando el problema es ambiguo o muy especializado, la IA puede generar soluciones incorrectas repetidamente, lo que requiere conocimiento t\u00e9cnico para romper el ciclo.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Competencias para vibe coding<\/strong>.<\/h3>\n\n\n\n

Contrario a lo que podr\u00eda pensarse, el vibe coding no elimina la necesidad de competencias; las transforma. Las habilidades que se vuelven cr\u00edticas son de naturaleza diferente a las de la programaci\u00f3n tradicional y tienen un car\u00e1cter m\u00e1s conceptual, comunicativo y anal\u00edtico.<\/p>\n\n\n\n

Competencias t\u00e9cnicas m\u00ednimas<\/strong><\/p>\n\n\n\n