Integridad y mantenimiento de activos 4.0: Integración de tecnologías digitales para la gestión del riesgo y la fiabilidad de las plantas
Alberto Mura
Director de Ventas EMEA
Antea
1. RESUMEN
La creciente complejidad de las instalaciones de oil & gas, químicas y petroquímicas, junto con requisitos cada vez más exigentes en términos de seguridad, fiabilidad y sostenibilidad, hace indispensable un enfoque integrado entre el Asset Integrity Management (AIM) y el Mantenimiento. En este contexto, el mantenimiento evoluciona de una función predominantemente ejecutiva a un elemento estratégico para la salvaguarda de la integridad de los activos y la gestión del riesgo operativo a lo largo de todo el ciclo de vida de la instalación.
La evolución digital, habilitada por los paradigmas de Industry 4.0, está transformando los modelos tradicionales de gestión del mantenimiento y del Asset Integrity, superando sistemas fragmentados basados en documentación en papel y planificaciones estáticas. Las modernas plataformas de AIM permiten hoy una gestión integrada, estructurada y basada en datos de la información inspectiva y de integridad, ofreciendo al mismo tiempo nuevas oportunidades de integración con los sistemas corporativos de mantenimiento (CMMS/EAM), como SAP e IBM Maximo.
El trabajo analiza cómo la integración entre plataformas de Asset Integrity Management y CMMS permite vincular de manera coherente los resultados de las inspecciones, de los análisis de riesgo y del condition monitoring con la planificación y ejecución de las actividades de mantenimiento. Dicha integración favorece un flujo continuo de información entre integridad y mantenimiento, permitiendo la generación automática de notificaciones y órdenes de trabajo, la trazabilidad de las intervenciones y una gestión más eficaz de las prioridades basada en el riesgo y en la fiabilidad de los activos.
Se profundiza en las posibilidades que ofrece la adopción de tecnologías avanzadas como el Industrial Internet of Things (IIoT), sensores online, digital twin, modelización 3D, aplicaciones móviles, dispositivos wearables, robots y drones, destacando su papel en el soporte tanto de las actividades de Asset Integrity como de los procesos de mantenimiento. Se presta especial atención a la digitalización de las actividades de campo mediante aplicaciones móviles, que permiten la identificación inmediata de los activos, el acceso on-site a datos técnicos, inspectivos y documentales, y la introducción en tiempo real de los resultados de las actividades de inspección y mantenimiento.
El trabajo muestra además cómo las tecnologías digitales pueden integrarse con las metodologías consolidadas de mantenimiento y Asset Integrity, tales como Risk-Based Inspection (RBI), Reliability-Centered Maintenance (RCM), Fitness For Service (FFS) e Integrity Operating Windows (IOW), en conformidad con los estándares internacionales de referencia (API 580/581 [1,2], API 510 [3], API 570 [4], API 653 [5], SAE JA1011/JA1012 [6, 7], API 579 [8] y API 584 [9]). El uso de herramientas de inteligencia artificial y análisis avanzado de datos permite evolucionar hacia modelos de mantenimiento predictivo y proactivo, mejorando la fiabilidad de las instalaciones y reduciendo eventos no planificados.
Basado en experiencias operativas desarrolladas en instalaciones industriales de alto riesgo, el trabajo propone una visión integrada y pragmática de cómo la sinergia entre Asset Integrity Management, Mantenimiento y CMMS puede apoyar la evolución del Mantenimiento 4.0, incrementando la seguridad, la eficiencia operativa y la excelencia en la gestión.
2. CONTENIDO
2.1. El desafío económico: más allá del coste del tiempo muerto
En industrias intensivas en activos como el petróleo, gas y productos químicos, la eficiencia operativa ya no es un objetivo aislado, sino una condición para la supervivencia. Los enfoques tradicionales de "run-to-failure" o calendario fijo generan enormes costes ocultos. Según datos del sector, una compañía petrolera puede perder una media de hasta 88 millones de dólares al año debido a cierres no planificados [10]. A nivel mundial, la ineficiencia en la gestión de la integridad cuesta a las industrias de procesos alrededor de 1 billón de dólares anualmente [11].
En Europa, las encuestas de ABB muestran que el 65% de las empresas sufren cortes mensuales, con costes que pueden alcanzar los 125.000 dólares por cada hora de inactividad [12]. Estas cifras no solo representan una pérdida de ingresos, sino que reflejan una asignación ineficiente de capital y recursos humanos. La respuesta a esta crisis es la transición al mantenimiento predictivo, un mercado que se espera haya alcanzado los 7.500 millones de dólares en 2025 [13], impulsado por la necesidad de maximizar el retorno de la inversión (ROI) de los activos existentes.
A la luz de esto, las mejores estrategias destinadas a reducir la probabilidad de fallo deben implementarse desde los primeros días de funcionamiento de la planta y mantenerse durante todo el ciclo de vida, hasta la extensión de la vida útil y el desmantelamiento final. Estas estrategias aseguran beneficios transversales, especialmente en términos de seguridad y economía. Se recomienda encarecidamente intervenir ya en la fase EPC (Ingeniería, Adquisición y Construcción): en esta fase, de hecho, los costes de implementación y recopilación de datos son mínimos, mientras que el margen potencial de ahorro es máximo. Como puede verse en la Figura 1, el valor generado por un enfoque proactivo es fundamental tanto en el inicio como en aquellos cercanos al final de la vida, donde la correcta gestión de la integridad permite evitar costes de salida o ampliación insostenibles.
Figura 1: Tendencia de la probabilidad de fallo en el ciclo de vida de una planta
2.2. El dualismo estratégico: integridad de activos vs. Fiabilidad
La gestión moderna de activos se basa en la armonización de dos disciplinas históricamente separadas, cuya divergencia suele causar ineficiencias y riesgos.
- Fiabilidad: Centrado en la "disponibilidad funcional". Es responsable de garantizar que la maquinaria rotativa, los sistemas eléctricos y la instrumentación funcionen dentro de los parámetros de diseño. Utiliza metodologías como la monitorización de condiciones (análisis vibracional, termógrafo) e indicadores estadísticos como el MTBF (Tiempo medio entre fallos).
- Integridad de Activos: Centrado en "contención y seguridad". Se refiere principalmente a activos estáticos (vasos a presión, tuberías, tanques) y a su capacidad para soportar fenómenos de degradación como la corrosión y la fatiga. Se basa en metodologías de Inspección Basada en Riesgos (RBI) y estrictos estándares regulatorios (API 510, 570, 653 [3, 4, 5]).
El valor añadido surge cuando los datos de fiabilidad influyen en los planes de salud y viceversa. Un activo que está "intacto" pero con baja "fiabilidad" causa pérdidas económicas; Un activo "fiable" pero con integridad comprometida puede causar catástrofes medioambientales o humanas. La integración transforma estas funciones en un único flujo de información que garantiza la "licencia para operar" y la rentabilidad.
Por esta razón, una referencia importante es la norma ISO 14224 [14].
2.3. Arquitectura digital: Más allá del gemelo digital de la integridad
La arquitectura digital de una plataforma de Gestión de Integridad de Activos (AIM) ya no puede considerarse un simple repositorio estático para documentos técnicos ni una "caja" en la que confinar los datos de los recipientes a presión. Para generar una ventaja competitiva real, esta estructura debe evolucionar hacia un ecosistema dinámico capaz de derribar definitivamente el muro entre la integridad mecánica y la fiabilidad operativa. El verdadero valor añadido de una plataforma avanzada radica en la capacidad de no limitarse a los clásicos "objetos de integridad", como tuberías y tanques, sino de acomodar con igual dignidad los activos típicos de fiabilidad, como máquinas rotativas, sistemas eléctricos e instrumentación. Gestionar estos diferentes núcleos en un único entorno digital permite superar la fragmentación de la información: dentro del mismo Gemelo Digital se puede correlacionar una vibración anormal de una bomba con el estado de corrosión de las tuberías conectadas, identificando riesgos complejos que permanecerían invisibles si se analizaran en silos separados.
En este escenario, representado en la Figura 2, la arquitectura digital asume el papel de "cerebro" de la planta, permitiendo el uso de métodos cuantitativos de análisis a gran escala. En lugar de basarse en estimaciones subjetivas, el sistema procesa datos en línea de sensores IIoT, cruzando parámetros de proceso con curvas de degradación de integridad e historiales de fallos en el CMMS. El resultado es una capacidad predictiva sin precedentes que puede alertar al operador si un cambio específico en el proceso acelera simultáneamente el desgaste de los rodamientos de la máquina y el desgaste de la carcasa del reactor, permitiendo tomar decisiones basadas en evidencia objetiva en lugar de en calendarios rígidos.
Figura 2: Arquitectura de una plataforma AIM integrada
En última instancia, elevar la Fiabilidad al mismo nivel que la Integridad significa dotar a la empresa de una visión de 360 grados, donde la seguridad estructural y la eficiencia de producción funcionan sobre las mismas vías digitales, impulsando un proceso de mejora continua y verdaderamente "perenne".
2.4. Integración AIM-CMMS: Hacia el lazo cerrado
La integración con sistemas CMMS como SAP PM o IBM Maximo es el verdadero facilitador del Mantenimiento 4.0. Esta conexión debe realizarse sobre cuatro pilares lógicos, como se esquema en la Figura 3:
- Sincronización de datos maestros: Los datos maestros técnicos deben alinearse automáticamente. Cada nuevo activo creado en el CMMS debe aparecer en la plataforma AIM y viceversa, asegurando la coherencia de los datos históricos.
- Planes de mantenimiento dinámico: Las estrategias optimizadas mediante análisis RBI y RCM se envían al CMMS como planes de mantenimiento preventivo listos para ejecutar.
- Generación automática de notificaciones: Cuando una inspección AIM detecta un grosor inferior al límite mínimo o una anomalía crítica, el sistema genera automáticamente una "Notificación" o una "Orden de trabajo" en SAP. Esto elimina los tiempos de inactividad de la comunicación manual y garantiza que cualquier problema crítico sea gestionado por el equipo de operaciones.
- Bucle de retroalimentación de costes y fallos: Los datos relativos al cierre de la fábrica (piezas sustituidas, horas de trabajo, causa de fallo) regresan a la plataforma AIM para perfeccionar los modelos de riesgo, haciendo que el proceso sea realmente "Evergreen" y autoaprendizaje.
Figura 3: Ejemplo del diagrama de conexión AIM-CMMS
2.5. Movilidad como brazo operativo: digitalización de campo e integración de la atención al operador
La digitalización de las actividades de campo no es solo una innovación tecnológica, sino que es el paso final e indispensable para salvar la brecha histórica de comunicación e información entre la oficina técnica y la planta de producción. La integración de aplicaciones móviles avanzadas, como la suite Antea Mobile, actúa como el verdadero "brazo operativo" de la estrategia empresarial, transformando radicalmente la forma en que se recopilan, validan y transforman los datos en decisiones.
En este escenario, las inspecciones se vuelven Precisión: a través de herramientas como el módulo T-Data, los inspectores no solo transcriben números, sino que introducen mediciones de grosor directamente en tabletas mientras están sobre el activo. El sistema realiza una comprobación instantánea de congruencia, informando de cualquier anomalía respecto a encuestas previas y subiendo los datos validados a la base de datos central. Esto elimina por completo el uso de papel y los riesgos de error humano relacionados con la transcripción diferida, permitiendo la actualización automática e inmediata de las curvas de corrosión y la vida útil restante del equipo.
Un impacto igualmente profundo lo genera la metodología Operatorio de Atención (OpCare), que eleva el papel del personal de la planta al involucrarlos activamente en el mantenimiento preventivo de primer nivel. Ya no son simples rondas de control visual, sino caminos estructurados a través de listas de verificación digitales "basadas en el conocimiento". Los operadores, guiados por la inteligencia de la aplicación, monitorizan sistemáticamente parámetros críticos como el estado de lubricación, vibraciones perceptibles o la presencia de microfugas. Este enfoque democratiza el conocimiento técnico: la experiencia de los operadores más experimentados se codifica en el software, asegurando que cada inspección se realice con el mismo rigor analítico y que cualquier posible señal de fallo sea interceptada de raíz.
Por último, la Conexión En el Sitio garantiza que el técnico nunca actúe en aislamiento de la información. Gracias al escaneo de los códigos QR colocados en los activos, el operador puede acceder instantáneamente a un archivo digital completo directamente en el lugar: planos técnicos, diagramas P&ID, modelos 3D y la historia completa de las intervenciones realizadas. Esta disponibilidad inmediata de información no solo reduce los tiempos de búsqueda en un 30-40%, eliminando los desplazamientos a la oficina para consultar carpetas en papel, sino que aumenta drásticamente la seguridad. Poder verificar los datos del proyecto o los procedimientos de aislamiento en tiempo real antes de comenzar a trabajar reduce la incertidumbre operativa y pone al trabajador en control total, acelerando la ejecución y asegurando la integridad del proceso.
2.6. El camino evolutivo: de IOW y RBI dinámico a fiabilidad dinámica
El verdadero cambio de paradigma en la gestión moderna de activos ocurre cuando los datos de procesos dejan de ser meros parámetros operativos y se convierten en precursores de la salud de las plantas. En este escenario, las Ventanas Operativas de Integridad (IOW), implementadas según el estándar API 584 [9], y el RBI Dinámico actúan como el sistema nervioso central que permite la fiabilidad dinámica y predictiva, capaz de adaptarse en tiempo real a las tensiones que sufre el activo.
Los IOW no deben entenderse como simples umbrales de alarma, sino como límites reales de seguridad para la vida útil del activo. Al definir límites críticos para parámetros como el pH, la temperatura, la presión o la concentración de cloruro, los IOWs proporcionan una indicación temprana de degradación.
El seguimiento constante de estos límites permite pasar de un mantenimiento "calendario" a un mantenimiento basado en la evidencia. Superar un umbral de IOW indica que se ha activado un mecanismo de daño silencioso —como corrosión por tensión o ensuciamiento— Este enfoque proactivo te permite intervenir en variables de proceso antes de que se produzcan daños en materiales, reduciendo la necesidad de intervenciones correctivas costosas y asegurando el máximo tiempo de funcionamiento de la planta.
El concepto de RBI dinámico transforma el análisis de riesgos (según API 581 [2]) de un ejercicio estático y periódico a un proceso vivo y palpitante. Mientras que el RBI tradicional toma una instantánea de la planta cada 3-5 años, el modelo dinámico alimenta constantemente a los algoritmos con datos de sensores IIoT y observaciones de campo subidas a través de la aplicación móvil.
Esta integración fluida te permite recalcular instantáneamente la Probabilidad de Fallo (PoF). Si un parámetro de IOW se desvía del valor nominal, el sistema actualiza inmediatamente la Matriz de Factor de Daño y Riesgo, notificando al equipo de Fiabilidad que la probabilidad de fallo del activo ha cambiado. De ahí surge la Fiabilidad Dinámica: la estrategia de mantenimiento ya no es fija, sino que fluctúa con el riesgo real, lo que permite anticipar inspecciones críticas o, por el contrario, posponer intervenciones sobre activos que han operado en condiciones óptimas, optimizando el uso de los recursos.
La combinación de IOWs inteligentes y RBI dinámico abre la puerta a un avanzado Mantenimiento Centrado en la Fiabilidad (RCM). Al integrar datos históricos de fallos extraídos del CMMS con tendencias de procesos en tiempo real, se pueden aplicar modelos estadísticos avanzados, como las funciones de Weibull, para estimar quirúrgicamente la vida útil restante de los activos.
En este ecosistema, la gestión de la fiabilidad se convierte en un proceso "perenne":
- Estrategias adaptativas: Los planes de mantenimiento se actualizan automáticamente en función de las desviaciones operativas detectadas, eliminando el riesgo de intervenciones inoportunas o redundantes.
- Apoyo a la decisión: Los algoritmos predictivos transforman la cantidad de datos en línea en sugerencias operativas para la gestión, reduciendo drásticamente los tiempos de inactividad no planificados de la planta.
- Bucle de retroalimentación continua: Las inspecciones validadas mediante aplicación móvil proporcionan la verdad de campo que refina constantemente los modelos predictivos, cerrando el ciclo entre la teoría probabilística y la realidad operativa.
En resumen, la transición a la Fiabilidad Dinámica a través de IOW y RBI dinámico te permite construir un marco de toma de decisiones totalmente basado en datos. Esto garantiza que cada actividad de mantenimiento sea la respuesta directa a un cambio real en el riesgo, asegurando que la planta no solo sea "segura" en términos de integridad, sino que esté constantemente "optimizada" en su rendimiento durante todo su ciclo de vida.
Este escenario es posible gracias a la integración de diversas aplicaciones, como se ejemplifica en la Figura 4.
Figura 4: Ejemplo de escenario para la gestión dinámica de integridad y fiabilidad
2.7. Estudios de caso: La eficacia del modelo integrado
A continuación, se presentarán ejemplos prácticos que ilustran en detalle cómo estas tecnologías y estrategias deben utilizarse concretamente en las diferentes fases del ciclo de vida del activo, transformando principios teóricos en protocolos operativos de alto valor añadido.
EJEMPLO 1: DEFINICIÓN ES
Un ejemplo concreto de la aplicación de IOWs inteligentes integrados con la Gestión y Mantenimiento de la Integridad de Activos se refiere a un intercambiador de calor de una Unidad de Crudo, utilizado para la refrigeración del efluente de desalteración. El equipo está fabricado en acero al carbono con revestimiento AISI 304 en el haz de tubos, diseñado para una presión de 150 psig y una temperatura de diseño de aproximadamente 150 °C, funcionando en un servicio caracterizado por un alto contenido de cloruro.
Los principales mecanismos de daño asociados a este servicio incluyen el grietamiento por corrosión por tensión por cloruro (SCC) en revestimientos de acero inoxidable, corrosión bajo depósito, incrustación y corrosión-erosión.
Por esta razón, se identifican los IOWs de la Tabla 1.
| Parámetro | Límite de la Información | Justificación |
| Concentración de cloruro | Máximo 20 ppm | La alta concentración de cloruros favorece la corrosión bajo tensión (SCC) |
| Caudal | Mínimo 150 m³/h | Un bajo caudal puede causar incrustación y corrosión bajo depósito |
| Temperatura | Máximo 140 °C | Las altas temperaturas aceleran el SCC en el recubrimiento |
| Diferencial de presión | Máximo 25 psi | Un ΔP alto puede indicar ensuciamiento o riesgo de rotura de tubería |
Tabla 1: Ejemplo de IOW 1
Suponiendo que los datos de las variables definidas estén disponibles, es posible recibir una alarma interceptando el fuera de alcance antes de que ocurra el fenómeno físico.
EJEMPLO 2: RECÁLCULO GLOBAL DEL RIESGO
Un cambio en uno o más parámetros puede resultar en un cambio en la posición dentro de la matriz de riesgo o en el valor global del riesgo. Es importante subrayar que algunos parámetros pueden influir fuertemente en los resultados incluso con variaciones mínimas.
Un ejemplo típico es la corrosión interna causada por ácido clorhídrico: un aumento en la concentración de cloruros de 0,6 ppm a 1,2 ppm provoca un desplazamiento en la matriz de riesgo del nivel 3C al nivel 4C. Para gestionar esta dinámica, es posible conectar una sonda de concentración directamente a la plataforma Antea, permitiendo así la actualización automática y en tiempo real del riesgo a medida que cambia la concentración detectada.
Figura 5: Cambio en el riesgo entre 0,6 y 1,2 ppm en la concentración de ácido clorhídrico
Por otro lado, un cambio de presión de 10 a 12 bar no produce ningún cambio en el nivel de la matriz, sino un pequeño cambio en el valor de riesgo por área, de 14,58 m²/año a 14,72 m²/año.
EJEMPLO 3: ACTIVAR/DESACTIVAR FACTORES DE DAÑO
Un cambio en uno o más parámetros puede determinar si algunos mecanismos de daño están activados o no.
Por ejemplo, la presión de funcionamiento (OP) es un parámetro importante para determinar la presencia de HTHA (Ataque de Hidrógeno a Alta Temperatura).
Una presión de 32 bar sugiere un HTHA bajo o nulo (factor de daño = 0). Una presión de funcionamiento de 36 bar sugiere un posible HTHA (factor de daño = 5000).
Por tanto, pasamos de una situación de probable inexistencia del mecanismo de daño a una alta susceptibilidad.
Un cambio en la presión puede informar rápidamente al usuario de que este mecanismo de daño está activado
Dado que los rangos de presión son bien conocidos para HTHA, suplementar con IOW puede ayudar a identificar rápidamente el fenómeno y recalcular el riesgo.
EJEMPLO 4: ESTIMACIÓN DE LA TASA DE CORROSIÓN
Un cambio de temperatura puede afectar la tasa estimada de corrosión para la corrosión externa.
Por ejemplo, un cambio de temperatura de 130°C a 90°C puede resultar en un aumento estimado de la tasa de corrosión externa de 0 mm/año a 0,102 mm/año.
Un IOW puede mostrar en tiempo real los efectos de cambiar las tasas de corrosión e informar al usuario.
Sin embargo, debe considerarse que un cambio de temperatura también influye en la resistencia fluvial del material, lo que afecta directamente a la probabilidad de fallo tanto por adelgazamiento interno como por corrosión externa. Por tanto, un IOW puede no ser suficiente para monitorizar tal cambio, pero el entorno dinámico del RBI que evalúa el cambio en el riesgo sí lo será.
3. CONCLUSIÓN
La integración entre Integridad de Activos, Fiabilidad y CMMS, apoyada por tecnologías móviles y modelos dinámicos, cierra el círculo de Mantenimiento 4.0. Este enfoque Evergreen garantiza que la estrategia de mantenimiento esté siempre alineada con el estado real de la planta. Al reducir los tiempos de inactividad no planificados, optimizar los recursos y garantizar un estricto cumplimiento normativo, las empresas pueden transformar la gestión de activos de un centro de costes a un pilar de rentabilidad y seguridad.
4. BIBLIOGRAFÍA
- Instituto Americano del Petróleo (API), 2023. Inspección basada en riesgos. API Práctica Recomendada 580, 4ª Edición. Washington, D.C.: Instituto Americano del Petróleo.
- Instituto Americano del Petróleo (API), 2025. Metodología de inspección basada en riesgos. API Práctica Recomendada 581, 4ª Edición. Washington, D.C.: Instituto Americano del Petróleo.
- Instituto Americano del Petróleo (API), 2025. Código de inspección de recipientes a presión: Inspección en servicio, clasificación, reparación y modificación. API Standard 510, 11ª edición, incluyendo Errata 2 (2025). Washington, D.C.: Instituto Americano del Petróleo.
- Instituto Americano del Petróleo (API), 2024 (con Anexo 1 2025). Código de inspección de tuberías: Inspección en servicio, clasificación, reparación y alteración de sistemas de tuberías. API Standard 570, 5ª edición. Washington, D.C.: Instituto Americano del Petróleo.
- Instituto Americano del Petróleo (API), 2014 (con el Anexo 1 2018, Anexo 2 2020, Adendo 3 2023, Adendo 4 2025, Errata 1 2020, Errata 2 2025). Inspección, reparación, modificación y reconstrucción de tanques. API Standard 653, Quinta edición. Washington, D.C.: Instituto Americano del Petróleo.
- SAE Internacional, 2024. Criterios de evaluación para procesos de mantenimiento centrado en la fiabilidad (RCM). SAE Standard JA1011_202411, revisado en noviembre de 2024. Warrendale, PA: SAE International.
- SAE International, 2011. Guía del estándar de Mantenimiento Centrado en la Fiabilidad (RCM). SAE Práctica Recomendada JA1012_201108, revisada en agosto de 2011. Warrendale, PA: SAE International.
- Instituto Americano del Petróleo (API) y ASME, 2021. Aptitud para el servicio. API RP 579-1/ASME FFS-1, Edición 2021. Washington, D.C.: Instituto Americano del Petróleo y Sociedad Americana de Ingenieros Mecánicos.
- Instituto Americano del Petróleo (API), 2021. Integridad al operar Windows. API Práctica Recomendada 584, 2ª Edición. Washington, D.C.: Instituto Americano del Petróleo.
- Hint Global, https://www.hint-global.com/blog/cost-of-unplanned-downtime/, 30/12/2025.
- Grupo Asesor ARC, https://www.isa.org/intech-home/2019/march-april/features/key-performance-metrics-and-indicators-survey-high, 30/12/2025.
- ABB, https://new.abb.com/news/detail/107660/abb-survey-reveals-unplanned-downtime-costs-125000-per-hour, 30/12/2025.
- FutureMarketReport, https://www.futuremarketreport.com/it/industry-report/predictive-maintenance-solution-market, 30/12/2025.
- Organización Internacional de Normalización (ISO), 2016. Industrias del petróleo, petroquímica y gas natural — Recogida e intercambio de datos de fiabilidad y mantenimiento para equipos. ISO 14224:2016 (3ª edición). Ginebra: ISO
