La fabricación en la nube es un marco de red en evolución que permite a múltiples fabricantes colaborar en la prestación de una variedad de servicios, incluido el diseño, desarrollo, producción y soporte posventa. El marco opera en una plataforma integrada que abarca una variedad de tecnologías de la Industria 4.0, como dispositivos del Internet Industrial de las Cosas (IIoT), computación en la nube, comunicación en Internet, análisis de grandes datos, inteligencia artificial y blockchains. La conectividad de equipos industriales y robots a Internet abre la fabricación en la nube al riesgo masivo de ataques cibernéticos y amenazas de ciberdelincuencia causadas por atacantes externos e internos. Los impactos pueden ser graves porque la infraestructura física de las industrias está en juego. Un método potencial para disuadir tales ataques implica utilizar blockchain e inteligencia artificial para rastrear el origen de los dispositivos IIoT. Esta investigación explora un enfoque práctico para lograr esto mediante la recopilación de datos de origen asociados con restricciones operativas definidas en contratos inteligentes e identificando desviaciones de estas restricciones a través de auditorías predictivas utilizando inteligencia artificial. Se diseñó, desarrolló y probó una arquitectura de software que comprende comunicaciones IIoT para el aprendizaje automático para comparar los últimos datos con los resultados de auditorías predictivas y registrar los riesgos apropiados. Los cambios de estado en el libro mayor inteligente de contratos inteligentes se vincularon con los riesgos para que los pares de blockchain puedan detectar desviaciones altas y tomar acciones de manera oportuna. La investigación definió las restricciones relacionadas con los límites de fronteras físicas y de levantamiento de peso asignados a tres montacargas y mostró los mecanismos para detectar los riesgos de violar estas restricciones con la ayuda de la inteligencia artificial. También demostró rechazos de cambios de estado por blockchains en niveles de riesgo medio y alto. Este estudio siguió el desarrollo de software en Java 8 utilizando JDK 8, el marco de blockchain CORDA y el paquete Weka para el aprendizaje automático de bosques aleatorios. Como resultado de esto, el modelo, junto con su diseño e implementación, tiene el potencial de mejorar la eficiencia y la productividad, fomentar una mayor confianza y transparencia en el proceso de fabricación, impulsar la gestión de riesgos, fortalecer la ciberseguridad y avanzar en los esfuerzos de sostenibilidad.