El mantenimiento predictivo es uno de los temas más importantes dentro del paradigma de la Industria 4.0. Presentamos un prototipo de sistema de soporte a la decisión (DSS) que recopila y procesa datos de muchos sensores y utiliza algoritmos de aprendizaje automático e inteligencia artificial para informar desviaciones del proceso óptimo de manera oportuna y corregirlas a los parámetros correctos, ya sea directamente o indirectamente a través de la intervención del operador o la autocorrección. Proponemos desarrollar el DSS utilizando paquetes de R de código abierto porque el uso de software de código abierto como R para el mantenimiento predictivo es beneficioso para las pequeñas y medianas empresas (PYMES), ya que proporciona una solución asequible, adaptable, flexible y ajustable. Validamos el DSS a través de un estudio de caso para mostrar su aplicación a las PYMES que necesitan mantener equipos industriales en tiempo real aprovechando las tecnologías IoT y el mantenimiento predictivo de sistemas de refrigeración industrial. El conjunto de datos utilizado fue simulado en base a la información sobre los indicadores medidos, así como sus rangos, recopilados mediante entrevistas en profundidad. Los resultados muestran que el software proporciona predicciones e información procesable utilizando filtrado colaborativo. Se recopila retroalimentación de las PYMES en el sector manufacturero como posibles usuarios del sistema. La retroalimentación positiva enfatizó las ventajas de emplear herramientas de mantenimiento predictivo de código abierto, como R, para las PYMES, incluyendo ahorros de costos, mayor precisión, asistencia comunitaria y personalización del programa. Sin embargo, las PYMES han expresado abrumadoramente comentarios y preocupaciones sobre el uso de R de código abierto en el desarrollo de su infraestructura y operaciones diarias.