Capacidades de ingeniería de Kelude en puentes grúa

En el sector de la fabricación de grúas, el término "capacidad de I+D" suele interpretarse de forma restrictiva como "capacidad de diseño": dibujar un plano impecable o realizar un cálculo estructural sofisticado. Sin embargo, quienes han recorrido el proceso completo, desde el laboratorio hasta la planta del cliente, saben que entre la validación por simulación y la producción en serie, y entre una grúa inteligente individual y un sistema de coordinación en red, existe una enorme brecha de ingeniería. Convertir una tecnología en un "prototipo funcional" y, después, transformar ese prototipo en cien unidades que funcionen de manera estable y fiable son dos capacidades completamente distintas.

La inversión en I+D de Kelude Industrias Pesadas en los últimos años es innegable: más del 8% de los ingresos anuales destinados a I+D, 52 patentes concedidas y un equipo de 87 investigadores. Pero más allá de estas cifras, lo que realmente merece atención es cómo esta empresa traslada la tecnología del entorno de simulación a la planta de producción y cómo convierte grúas inteligentes independientes en una red de trabajo coordinado. Este artículo analiza las prácticas técnicas de Kelude en estas dos líneas principales desde la perspectiva de la "implementación de ingeniería".

De la simulación a la producción en serie: una cadena completa de transformación de ingeniería

Simulación conjunta: ejecutar mil iteraciones en el mundo digital

La simulación conjunta del software de dinámica multicuerpo Adams con MATLAB/Simulink es el método de validación previa más importante en el proceso de I+D de Kelude. En el enfoque tradicional, la puesta en marcha del sistema de control de una grúa no podía comenzar hasta que el prototipo estuviera fabricado: una vez completada la estructura mecánica, montado el armario eléctrico y configurado el variador de frecuencia, los ingenieros de software entraban en escena para programar el PLC y ajustar los parámetros PID. Si se detectaba un problema que implicara modificaciones en la estructura mecánica, el coste era enorme.

El enfoque del equipo de I+D de Kelude consiste en construir un modelo de dinámica multicuerpo de la grúa con Adams durante la fase de diseño, integrando la viga principal, los testeros, el carro, la carga suspendida y el cable de acero, con 16 grados de libertad y un modelado híbrido que combina cuerpos flexibles (cable de acero) y cuerpos rígidos (estructura metálica). Una vez construido, el modelo se importa al entorno Simulink para realizar una simulación en lazo cerrado con el algoritmo de control en desarrollo (estrategia de antibalanceo RL, curvas de planificación de velocidad, lógica de protección de seguridad). Un caso típico de simulación conjunta incluye: aceleración del carro del punto A al punto B, elevación sincronizada del mecanismo de elevación y verificación de la precisión de posicionamiento con la carga en oscilación. Estas simulaciones se ejecutan más de mil veces antes de que se fabrique el prototipo físico.

El resultado práctico: entre 2024 y 2025, el equipo de I+D de Kelude detectó 12 problemas de acoplamiento mecánico-control mediante simulación conjunta, incluida la saturación del par del motor de traslación del carro en un puente grúa bajo condiciones de plena carga y alta velocidad, y la amplificación de la oscilación de segundo orden en una grúa pórtico con una combinación específica de longitud de cable y carga. Si estos problemas se hubieran detectado en la fase de fabricación del prototipo, el coste medio de una única modificación estructural habría oscilado entre 80.000 y 150.000 CNY, además de provocar retrasos de 2 a 4 semanas. La simulación conjunta eliminó todos estos problemas en la fase de diseño, reduciendo el tiempo de puesta en marcha del control en la fase de prototipo de un promedio de 4 semanas a 1,5 semanas.

Simulación HIL: un chequeo completo del controlador

La simulación conjunta resuelve el problema del acoplamiento entre el algoritmo de control y el modelo mecánico, pero el hardware real del controlador (PLC, controlador de movimiento, variador de frecuencia) aún no ha sido validado. Los errores de firmware del controlador, los defectos de compatibilidad del protocolo de comunicación y los problemas de temporización de los módulos E/S no se manifiestan en una simulación puramente software. La plataforma HIL dSPACE SCALEXIO de Kelude se construyó precisamente para abordar esta cuestión.

El proceso de prueba HIL consiste en conectar el controlador real de la grúa (por ejemplo, un PLC Siemens S7-1500 con servoaccionamiento) al sistema HIL, que simula en tiempo real todas las magnitudes físicas periféricas: fuerza contraelectromotriz del motor, pulsos del encoder, variaciones de carga y señales de los sensores. El controlador "cree" que está operando en una grúa real. La plataforma HIL puede inyectar 36 tipos diferentes de fallos en un segundo (rotura del cable del sensor, interrupción de la comunicación, fluctuaciones de la alimentación eléctrica, pérdida de pulsos del encoder, etc.) para verificar el comportamiento del controlador en cada condición anómala según los requisitos de diseño.

Hasta junio de 2026, Kelude ha ejecutado más de 25.000 casos de prueba automatizados en la plataforma HIL, cubriendo todas las fases de funcionamiento del sistema eléctrico de la grúa. Los procedimientos de prueba se ejecutan de acuerdo con las especificaciones de la norma GB/T 33240-2016 "Grúas. Sistemas de control. Requisitos de rendimiento" y la norma GB/T 33519-2017 "Grúas. Frenos. Método de ensayo". Uno de los logros clave fue la detección, mediante pruebas HIL, de un problema de retardo en la protección de sobrecorriente del variador de frecuencia bajo condiciones específicas de cambio brusco de carga. Este problema nunca se había manifestado en la simulación puramente software, pero si hubiera ocurrido en campo, podría haber provocado daños en el variador y paradas no planificadas. La plataforma HIL permitió capturar este tipo de problemas que solo se manifiestan con hardware real, reduciendo el tiempo de puesta en marcha en sitio del sistema eléctrico en más del 60%.

Del prototipo a la producción en serie: un enfoque sistemático para la definición del proceso y el aseguramiento de la calidad

La simulación y las pruebas de laboratorio resuelven la cuestión de "si funciona", mientras que el paso del prototipo a la producción en serie aborda "cómo fabricarlo de forma consistente, eficiente y rentable". Kelude ha establecido dos "puertas de calidad" clave en este camino.

Primera puerta: ensayo de fiabilidad de la máquina completa. Antes de la homologación de cada nuevo modelo, y de acuerdo con los requisitos de la norma ISO 4306 "Grúas. Especificación y procedimientos de prueba", se realiza un ensayo de fiabilidad continua de no menos de 500 horas en el banco de ensayo de la máquina completa. Si durante el período de evaluación se detecta cualquier defecto de diseño (incluso un problema menor como el aflojamiento de un perno), la máquina completa se devuelve para su rectificación y el contador de 500 horas se reinicia. Tomando como ejemplo un puente grúa de 50 t en 2025: en la primera ronda del ensayo de fiabilidad, a las 327 horas se detectó un ruido anormal en el reductor de elevación. El desmontaje reveló que la holgura de engrane de los engranajes era demasiado pequeña, lo que provocaba una elevación de temperatura anormal. El equipo de I+D optimizó la tolerancia de mecanizado de los engranajes y el proceso de ensamblaje, y la segunda ronda del ensayo se completó con éxito en 512 horas. Este sistema de evaluación de "tolerancia cero" garantiza que el MTBF de los productos comercializados supere las 5000 horas.

Segunda puerta: producción piloto y consolidación del proceso. Los nuevos modelos que superan el ensayo de fiabilidad entran en una fase de producción piloto, generalmente de 5 a 8 unidades, que cubre todos los procesos, desde el corte, la soldadura y el mecanizado hasta el ensamblaje y la puesta en marcha. El objetivo principal de la producción piloto no es fabricar el producto, sino definir el proceso: cada parámetro de soldadura, cada par de apriete de pernos y cada ruta de cableado deben ser verificados y documentados para generar instrucciones de trabajo estándar (SOP). Solo cuando la tasa de aprobación de la primera inspección de los productos piloto alcanza el 98% o más, y tres unidades consecutivas pasan todas las inspecciones, se autoriza la producción en serie. En 2025, dos nuevos modelos de Kelude (el puente grúa QY50t y la grúa pórtico MG32t) lograron los objetivos de "homologación, producción y entrega en el mismo año" a través de este proceso.

De la inteligencia individual a la coordinación en red: el cerebro y el sistema nervioso de cada grúa

Si la excelente transformación de ingeniería es la "capacidad técnica" de Kelude, el salto de la inteligencia individual a la coordinación en red es su "capacidad organizativa": la primera determina si una grúa puede funcionar de forma fiable; la segunda, si múltiples grúas pueden trabajar juntas de manera eficiente.

Controlador de IA en el borde: un "cerebro local" para cada grúa

El sistema de control tradicional de una grúa está compuesto por un PLC, varios variadores de frecuencia y sensores. El PLC ejecuta la lógica del diagrama de escalera y los variadores accionan los motores. Esta arquitectura funciona en escenarios de un solo equipo, pero presenta dos limitaciones evidentes: en primer lugar, la capacidad de cálculo del PLC es insuficiente para ejecutar algoritmos de control complejos (inferencia del modelo RL de antibalanceo, análisis espectral de señales de vibración, detección de anomalías en tiempo real), que requieren operaciones de coma flotante y cálculo matricial; en segundo lugar, la dependencia excesiva del equipo superior para datos y decisiones: si se interrumpe la comunicación con el equipo superior, la grúa se convierte en una "máquina aislada" que solo puede ejecutar operaciones básicas de elevación y desplazamiento.

El controlador de IA en el borde desarrollado por Kelude es una respuesta sistemática a este problema. La arquitectura de hardware del controlador se basa en un procesador ARM Cortex-A72 de cuatro núcleos (frecuencia de 2,0 GHz) junto con una unidad de procesamiento neuronal NPU (capacidad de cálculo de 4 TOPS), manteniendo al mismo tiempo todas las funciones de E/S del PLC y los protocolos industriales (Profinet, EtherCAT, Modbus TCP/IP). A nivel de software, el sistema operativo en tiempo real del controlador ejecuta tres módulos clave:

Primer módulo: motor de inferencia RL de antibalanceo. El modelo de red Q profunda, optimizado mediante cuantificación y poda, ocupa solo 2,3 MB de memoria y el tiempo de inferencia por ejecución es inferior a 10 ms. El controlador ejecuta un ciclo de "percepción-inferencia-decisión" cada 20 ms: lee los datos del encoder (posición, velocidad) y del sensor de inclinación (ángulo de oscilación de la carga y velocidad angular), introduce los datos en el modelo RL para calcular el comando de velocidad óptimo y ajusta la salida del variador de frecuencia en tiempo real. Este proceso se realiza completamente en el dispositivo, sin depender de ningún equipo superior ni de recursos en la nube.

Segundo módulo: fusión y preprocesamiento de datos de múltiples fuentes. El controlador recopila simultáneamente datos de hasta 16 sensores (sensor de vibración, sensor de temperatura, sensor de deformación, encoder, transformador de corriente, etc.), realiza la extracción de características localmente (análisis espectral FFT, cálculo de estadísticos en el dominio del tiempo, detección de tendencias) y comprime los datos de alta dimensión en características de baja dimensión antes de la transmisión. Esta arquitectura de "preprocesamiento en el borde + análisis profundo en la nube/equipo superior" reduce los requisitos de ancho de banda de transmisión de datos en 20 veces, aliviando significativamente la carga computacional del equipo superior.

Tercer módulo: autonomía de borde y protección ante desconexión de red. Esta es la función de seguridad más importante. El controlador tiene preinstalado el diagrama de estados y los parámetros de trabajo de todo el flujo operativo. Cuando se detecta una interrupción de la comunicación con el sistema de despacho MCSS o con el sistema host, se activa automáticamente el modo de autonomía local: continúa ejecutando la tarea actual hasta completar un ciclo de trabajo íntegro y, a continuación, se estaciona en una posición segura a la espera de que se restablezca la comunicación. Este mecanismo evita el riesgo de que el equipo quede «bloqueado» o fuera de control debido a fallos de red. En 2025, durante un proyecto en obra, se produjo un fallo de switch de red que duró 40 minutos; las 30 grúas cambiaron automáticamente al modo de autonomía local y ninguna sufrió paradas anómalas ni incidentes de seguridad.

Desde que este controlador de IA de borde entró en producción en masa en 2023, se ha desplegado en más de 300 grúas en servicio, cubriendo las tres líneas de productos principales: tipo puente, tipo pórtico y puente grúa metalúrgico. El MTBF del propio controlador (excluyendo sensores y actuadores externos) supera las 20 000 horas, con cero incidentes de inactividad en operaciones de campo.

2.2 Sistema de despacho multi-grúa MCSS: tejiendo 30 grúas en una red

La inteligencia de una sola grúa resuelve el problema de «hacer bien su propio trabajo». Pero cuando en un taller operan simultáneamente 10, 20 o incluso más grúas, la cuestión real pasa a ser: «¿quién puede hacer qué, quién lo está haciendo y cómo evitar que colisionen entre sí?». El sistema de despacho multi-grúa MCSS (Multi-Crane Scheduling System) de Kelude Industrias Pesadas está diseñado precisamente para ello.

La arquitectura del sistema MCSS se divide en tres capas:

Capa inferior — capa de detección. El controlador de IA de borde de cada grúa reporta datos de estado en tiempo real al servidor MCSS mediante WiFi industrial o red privada 5G, con un ciclo de 100 ms. Estos datos incluyen coordenadas actuales (en los ejes X/Y/Z), capacidad de elevación, ángulo de oscilación de la carga, velocidad de traslación, progreso de la tarea y estado de autodiagnóstico. El servidor MCSS mantiene una «tabla de estado en tiempo real de los equipos» en toda la planta, con una latencia de actualización que no supera los 200 ms.

Capa intermedia — capa del motor de planificación. Este es el núcleo del MCSS. El motor de planificación recibe la lista de tareas de manipulación provenientes del MES (sistema de ejecución de fabricación) o introducidas manualmente, y realiza un cálculo de optimización global basado en un modelo de programación lineal entera mixta (MILP). La función objetivo considera tres factores: minimización del tiempo total de finalización de tareas, equilibrio en la utilización de los equipos y minimización del consumo energético integral. Las restricciones incluyen: capacidad de carga del equipo (sin exceder la Capacidad Nominal), conflicto espacial (las grúas en el mismo carril mantienen una distancia de seguridad ≥ 5 m) y prioridad de tareas (las tareas urgentes se planifican primero). Para una escala típica de 30 equipos y 200 tareas, el solucionador MILP puede ofrecer la solución óptima en 3 a 5 segundos.

Capa superior — capa de interacción persona-máquina. El MCSS ofrece dos modalidades de visualización: Web y pantalla grande de taller. La interfaz Web es el panel de operación para el administrador de despacho, que muestra la programación temporal de cada equipo mediante un diagrama de Gantt y visualiza en tiempo real la posición, el estado y la trayectoria de todas las grúas en un mapa tridimensional de la planta. La pantalla grande de taller, orientada al personal de supervisión de primera línea, presenta mediante un diseño de tarjetas los indicadores operativos clave del día, como la tasa de finalización de tareas, la utilización de los equipos y el tiempo de respuesta medio.

Desde su primer despliegue en 2024, el sistema MCSS se ha implementado en 6 proyectos de los sectores siderúrgico, de automoción y de mecanizado, gestionando más de 120 unidades entre grúas y AGV. En cuanto a la eficiencia de despacho: en un clúster de 30 equipos, el MCSS ha reducido el tiempo medio de espera de tareas de los 12~15 minutos del despacho manual a 3,2 minutos, y ha elevado la eficiencia general de los equipos (OEE) del 58% al 79%.

Caso típico

Caso 1: Modernización inteligente de un clúster de 30 puentes grúa en una acería

En el taller de productos laminados en bobina de una gran empresa siderúrgica integrada del este de China, con unas dimensiones de 480 m de largo por 120 m de ancho, operaban originalmente 30 puentes grúa de uso general conforme a la norma ISO 4306 (con capacidades nominales de 20t, 32t y 50t), que asumían todas las tareas de izaje y transporte, desde la salida de la línea de laminación en caliente hasta el almacenamiento del producto terminado. Antes de la modernización, existían tres problemas principales: en primer lugar, la baja eficiencia del despacho manual — el taller contaba con 4 despachadores que se comunicaban por radio, con largas colas de tareas en horas punta y un ciclo medio de izaje de 17,6 minutos; en segundo lugar, la operación de los equipos era una "caja negra" — al no existir un sistema de monitoreo unificado, las fallas dependían de la detección y notificación por parte de los operarios, con una OEE de solo el 52%; en tercer lugar, la seguridad dependía de la supervisión humana — existía riesgo de colisión entre múltiples grúas que operaban en el mismo vano, y en 2023 se produjeron dos colisiones leves de carros por errores de operación.

Kelude Industrias Pesadas proporcionó para este proyecto una solución integral de "actualización del controlador de IA en el borde + despliegue del sistema de despacho MCSS". La implementación se realizó en tres fases:

Fase 1 (Q1~Q2 de 2024): Actualización del controlador de IA en el borde. Se actualizó el sistema de control eléctrico de las 30 grúas, sustituyendo los antiguos PLC (algunos de principios de la década de 2000, ya descatalogados) por los controladores de IA en el borde de Kelude, e instalando un paquete de sensores (encoder, sensor de inclinación, sensor de vibración, sensor de corriente y sensor de distancia láser). Cada modernización requirió de 2 a 3 días, realizándose durante las pausas de producción sin afectar al funcionamiento normal de la línea.

Fase 2 (Q2~Q3 de 2024): Despliegue del sistema MCSS e infraestructura de red. Se instaló el servidor del MCSS en la sala de control del taller y se implementó una red inalámbrica industrial WiFi 6 que cubre todo el taller (6 puntos de acceso, con una latencia de roaming inferior a 50 ms). El MCSS se integró con el sistema MES existente de la fábrica para obtener en tiempo real los planes de producción y la información de inventario. El despliegue duró 4 semanas, de las cuales 2 se dedicaron a la puesta en marcha de la red y a la integración del sistema.

Fase 3 (Q3 de 2024 hasta la actualidad): Puesta en marcha del sistema y optimización continua. El sistema operó inicialmente en "modo recomendado" durante 2 semanas — el MCSS ofrecía sugerencias de despacho y los despachadores decidían si adoptarlas, con el fin de validar la eficacia del algoritmo y generar confianza. Tras este periodo, se cambió al "modo de despacho automático", en el que el MCSS envía directamente las órdenes de tarea a las grúas, quedando el operario únicamente para la confirmación y el manejo de anomalías.

Resultados tras la modernización:

• El ciclo medio de izaje se redujo de 17,6 a 9,8 minutos, un 44% menos;
• La eficiencia general de los equipos (OEE) aumentó del 52% al 76%;
• El volumen diario de izajes pasó de 380 a 580, un incremento del 53%;
• Los incidentes de colisión se redujeron de 2 anuales a cero (18 meses consecutivos sin colisiones a fecha de junio de 2026);
• El personal de operación se optimizó de 12 personas por turno (incluidos 4 despachadores) a 8 personas por turno (la función de despacho fue asumida por el sistema).

El período de recuperación de la inversión de este proyecto fue de aproximadamente 14 meses — solo los beneficios económicos anuales derivados de la optimización de personal y la mejora de la eficiencia ya superaron la inversión total del proyecto. Actualmente, la empresa siderúrgica ha firmado el contrato para la segunda fase de modernización (40 grúas en otros dos talleres), con el objetivo de completar la actualización inteligente de las 70 grúas antes de finales de 2026.

Caso 2: Coordinación heterogénea de 20 AGV y 10 puentes grúa en una planta de automoción

En el taller logístico de estampación-soldadura-montaje final de una empresa de fabricación de vehículos de nueva energía en el centro de China, se requería el transporte totalmente automático de piezas estampadas, desde el almacén de materia prima hasta la línea de estampación, y de las piezas estampadas terminadas desde la línea de estampación hasta el taller de soldadura. Los equipos de manutención de materiales del taller incluyen: 10 puentes grúa (capacidad nominal de 16t, responsables del izaje y transporte de moldes pesados y contenedores entre talleres), 20 AGV de tipo enterrado (carga nominal de 1,5t, para el transporte horizontal de piezas pequeñas y medianas), y 2 plataformas elevadoras fijas (como estaciones de transferencia de materiales entre las grúas y los AGV).

La particularidad de este escenario radica en la coordinación de equipos heterogéneos: los modelos de movimiento de las grúas y los AGV son completamente diferentes, y sus escalas de tiempo de tarea y ocupación espacial deben coincidir con precisión. Por ejemplo, un AGV transporta un contenedor lleno de piezas estampadas desde la línea de estampación y debe "encontrarse" con la grúa en la estación de la plataforma elevadora: cuando el AGV llega, la grúa desciende el gancho, recoge el contenedor, lo eleva y se desplaza por el carril hasta la zona de almacenamiento temporal del taller de soldadura. Cualquier retraso en este proceso provoca que el otro equipo quede en espera, lo que puede paralizar toda la cadena logística.

El sistema MCSS de Kelude Industrias Pesadas desarrolló un módulo de programación colaborativa para equipos heterogéneos específicamente para este escenario. El enfoque de diseño central es "divide y vencerás + protocolo de acuerdo":

• Capa de planificación global de tareas (nivel de minutos): El motor MILP del MCSS convierte las necesidades de materiales del taller de montaje final en una secuencia de tareas, asignando a cada tarea una tripleta de "grúa + AGV + ventana de tiempo". Por ejemplo, la tarea T-1034: el AGV-07 llega a la plataforma elevadora 3# a las 14:32, la grúa-04 realiza el izaje entre las 14:32 y las 14:37, y el AGV-12 devuelve el contenedor vacío a la línea de estampación entre las 14:37 y las 14:45. Esta tripleta garantiza la precisión de sincronización temporal entre los tres equipos.
• Capa de negociación local (nivel de segundos): Cuando la operación real se desvía del plan (por ejemplo, un AGV se retrasa 40 segundos debido a la evitación de obstáculos), se activa el mecanismo de negociación local del MCSS: las tareas afectadas se marcan como "pendientes de negociación", y las grúas, AGV y plataformas elevadoras implicados reasignan las ventanas de tiempo mediante un protocolo de red de contratos (Contract Net Protocol) mejorado. El proceso de negociación se completa en 1~2 segundos, y el plan de despacho actualizado se envía a los controladores de borde de cada equipo.

Los datos de funcionamiento tras la puesta en marcha del sistema son notables:

• El tiempo medio de transferencia de materiales desde la salida de estampación hasta la entrada en soldadura se redujo de 48 a 22 minutos, un 54% menos;
• La tasa de desplazamiento en vacío de los AGV se redujo del 38% al 14% (gracias a la optimización de la asignación de tareas y la planificación de trayectoria del MCSS);
• El tiempo medio de espera de acoplamiento entre grúas y AGV en las plataformas elevadoras se redujo de 4,2 a 0,8 minutos;
• Desde su puesta en marcha oficial en octubre de 2024, el sistema de coordinación ha operado de forma continua durante más de 5000 horas, sin que se haya producido ninguna parada de línea debida a anomalías de despacho.

Este proyecto fue reconocido por la empresa de automoción como un caso de referencia en su transformación digital anual y se promovió técnicamente dentro del grupo. Kelude Industrias Pesadas también ha extraído de esta experiencia una "solución de despacho mixto grúa + AGV" replicable, que ya se ha implementado en 2 nuevos proyectos de fábricas de piezas de automoción.

Conclusión

Desglosar la "capacidad de implementación en ingeniería" de Kelude Industrias Pesadas en el desarrollo de grúas se resume en una frase: utilizar la simulación como herramienta, tomar decisiones basadas en datos y generar inteligencia en el lugar más cercano al equipo.

Desde la verificación previa con simulación conjunta Adams+Simulink, pasando por el examen a nivel de hardware con simulación Hardware-in-the-Loop (HIL), hasta el ensayo de fiabilidad del prototipo con una evaluación de tolerancia cero — esta cadena, que va de la simulación a la producción en serie, garantiza que cada tecnología que sale del laboratorio ha sido sometida a una verificación exhaustiva en condiciones de operación reales. Desde la inteligencia localizada del controlador de IA en el borde hasta la coordinación en clúster del sistema de despacho multi-grúa MCSS — este salto de la máquina individual al clúster convierte a cada grúa de una unidad de ejecución aislada en un nodo de una red de colaboración inteligente.

Los dos casos típicos validan el valor de este sistema de ingeniería desde diferentes perspectivas: la modernización del clúster de 30 grúas en la acería demuestra la replicabilidad de este sistema en escenarios de equipos homogéneos a gran escala; la coordinación de 20 AGV + 10 grúas en la planta de automoción demuestra su flexibilidad en escenarios de equipos heterogéneos y de alta precisión de coordinación. Juntos, ambos escenarios cubren más del 80% de las necesidades típicas en el ámbito de la manutención de materiales industrial — esta es la evidencia más contundente de la "capacidad de implementación en ingeniería" de Kelude Industrias Pesadas.

Preguntas frecuentes

P: ¿Cuántos equipos puede gestionar el sistema de despacho multi-grúa MCSS de Kelude Industrias Pesadas?