Tabla 1: Configuración mecánica del Robot

Configuración mecánica
Eslabones Brazo Con 2 articulaciones de
rotación y un grado de
libertad en hombro y codo
Antebrazo Con 2 articulaciones de
rotación y un grado de
libertad en codo y muñeca
cintura Movimiento rotativo en la
Articulaciones base de 1800
Hombro Movimiento rotativo de
Alto y Bajo para el brazo
Codo Movimiento de arriba y
abajo para el antebrazo
Muñeca 1 Movimiento de
posicionamiento para el
efector final Adelante y
Atrás
Muñeca 2 Movimiento de 3600 para
el efector final
Afectar final Pinza con articulaciones Movimiento de abrir y
de rotación cerrar por medio de
articulaciones de rotación,
máximo Angulo de
rotación

Formulación de Lagrange

Enfoque basado en la variación de energía potencial y energía cinética, para lo cual se

define como:
Derivada del tiempo de la derivada parcial de ℒ con respecto a 𝜃̇ menos la derivada
parcial de ℒ con respecto a 𝜃.

𝑑 𝜕ℒ 𝜕ℒ
𝜏= −
𝑑𝑡 𝜕𝜃̇ 𝜕𝜃
Dónde:

𝜏 ∶ Vector de fuerzas y torques de articulación

𝜃 Posición
𝜃̇ Velocidad
Para empezar a realizar el lagrangiano del sistema robotico de 3 grados de libertad se
muestra la siguiente figura:

Fig. 5 Sistema Robótico 3 grados de libertad

Se necesita calcular la energía cinética y potencial de 3 puntos de masa, luego entonces

se calcula la posición de las masas dadas las coordenadas de x, y, z

Energía cinética y potencial de 3 puntos de masa

Para m1
𝑥1 𝐿 𝑐𝑜𝑠 𝜃1
[𝑧 ] = [ 1 ]
1 𝐿1 𝑠𝑒𝑛 𝜃1

Para m2
𝑥2 𝐿 cos 𝜃2
[𝑦 ] = [ 2 ]
2 𝐿2 sen 𝜃2

Para m3

𝑥3 𝐿 𝑐𝑜𝑠 𝜃2 + 𝐿3 cos(𝜃2 + 𝜃3 )
[𝑦 ] = [ 2 ]
3 𝐿2 𝑠𝑒𝑛 𝜃1 + 𝐿3 sen(𝜃2 + 𝜃3 )
Tomar la derivada para obtener la velocidad de cada una de las posiciones

Velocidad de cada una de las posiciones

Para m1

𝑥̇ −𝐿 𝑠𝑒𝑛 𝜃1 𝜃1̇
[ 1] = [ 1 ]
𝑧̇1 𝐿1 𝑐𝑜𝑠 𝜃1 𝜃1̇

Para m2

𝑥̇ −𝐿 𝑠𝑒𝑛 𝜃2 𝜃2̇
[ 2] = [ 2 ]
𝑦̇ 2 𝐿2 𝑐𝑜𝑠 𝜃2 𝜃2̇

Para m3

𝑥̇ −𝐿 𝑠𝑒𝑛 𝜃2 − 𝐿3 sen(𝜃2 + 𝜃3 ) − 𝐿3 sen(𝜃2 + 𝜃3 ) 𝜃2̇

[ 3] = [ 2 ]
𝑦̇ 3 𝐿2 𝑐𝑜𝑠 𝜃2 + 𝐿3 cos(𝜃2 + 𝜃3 ) + 𝐿3 cos(𝜃2 + 𝜃3 ) 𝜃̇3

Con esta información se puede calcular la energía cinética del así:

Energía cinética

Eslabón 1
1
𝐾1 = 𝑚1 𝑣12
2
1
𝐾1 = 𝑚1 (𝑥̇ 12 + 𝑧̇12 )
2

Reemplazando y elevando al cuadrado se tiene

2
(−𝐿1 𝑠𝑒𝑛 𝜃1 )2 + (𝐿1 𝑐𝑜𝑠 𝜃1 )2 ∗ (𝜃1̇ )

2
𝐿21 𝑠𝑒𝑛2 𝜃1 + 𝐿21 𝑐𝑜𝑠 2 𝜃1 ∗ (𝜃1̇ )
 2
𝐿21 (𝑠𝑒𝑛2 𝜃1 + 𝑐𝑜𝑠 2 𝜃1 ) ∗ (𝜃1̇ )

Por identidades trigonométricas

𝑠𝑒𝑛2 𝜃1 + 𝑐𝑜𝑠 2 𝜃1 = 1
Luego entonces
𝟏
𝑲𝟏 = 𝒎 (𝑳𝟐 𝜽̇𝟐 )
𝟐 𝟏 𝟏 𝟏

Eslabón 2

1
𝐾2 = 𝑚2 𝑣22
2
1
𝐾2 = 𝑚2 (𝑥̇ 22 + 𝑦̇ 22 )
2
Al igual que antes

𝟏
𝑲𝟐 = 𝒎 (𝑳𝟐 𝜽̇𝟐 )
𝟐 𝟐 𝟐 𝟐

Eslabón 3

1
𝐾3 = 𝑚3 𝑣32
2
𝟏
𝑲𝟑 = 𝒎𝟑 (𝒙̇ 𝟐𝟑 + 𝒚̇ 𝟐𝟑 )
𝟐

Reemplazando y elevando al cuadrado se tiene

2
(−𝐿2 𝑠𝑒𝑛 𝜃2 − 𝐿3 sen(𝜃2 + 𝜃3 ) − 𝐿3 sen(𝜃2 + 𝜃3 ) 𝜃2̇ )
2
+ (𝐿2 𝑐𝑜𝑠 𝜃2 + 𝐿3 cos(𝜃2 + 𝜃3 ) + 𝐿3 cos(𝜃2 + 𝜃3 ) 𝜃̇3 )
 𝟏
𝑲𝟑 = 𝒎 [(𝑳𝟐 + 𝟐𝑳𝟐 𝑳𝟑 𝐜𝐨𝐬 𝜽𝟑 + 𝑳𝟐𝟑 )𝜽̇𝟐𝟐 + 𝟐(𝑳𝟐𝟑 + 𝑳𝟐 𝑳𝟑 𝐜𝐨𝐬 𝜽𝟑 )𝜽̇𝟐 𝜽̇𝟑 + 𝑳𝟐𝟐 𝜽𝟐𝟑 ]
𝟐 𝟑 𝟐

Para calcular la energía potencial de cada una de las masas cabe aclara que esta depende
solo de la componente altura en la coordenada Y, por lo tanto se tiene:

𝑃1 = 𝑚1 𝑔𝑦1 = 0 sin 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑦

𝑃2 = 𝑚2 𝑔𝑦2 = 𝑚2 𝑔𝐿2 𝑠𝑒𝑛 𝜃2

𝑃3 = 𝑚3 𝑔𝑦3 = 𝑚3 𝑔(𝐿2 𝑠𝑒𝑛 𝜃2 + 𝐿3 𝑠𝑒𝑛 (𝜃2 + 𝜃3 )

Ahora se calcula en lagrangiano como la suma de las energías cinetecas menos las
potenciales, esto expresado en los torques de cada articulación y en términos de
derivadas del lagrangiano

ℒ(𝜃, 𝜃̇) = ∑(𝐾𝑖 − 𝑃𝑖 )

𝑖=1

𝑑 𝜕ℒ 𝜕ℒ
𝜏𝑖 = − , 𝑖 = 1,3
𝑑𝑡 𝜕𝜃𝑖̇ 𝜕𝜃𝑖

Calculo de un componente del lagrangiano

ℒ = 𝑚3 𝐿1 𝐿2 𝐿3 𝜃̇1 𝜃̇2 𝜃̇3 cos 𝜃3

Este componente ofrece variantes en de torque de la articulación 3 quedando de la

siguiente manera:

𝑑 𝜕ℒ 𝜕ℒ
𝜏3 = −
𝑑𝑡 𝜕𝜃3̇ 𝜕𝜃3
Tomando la derivada parcial del componente analizado con respecto a la velocidad se
obtiene:

𝑑
𝜏3 = (𝑚 𝐿 𝐿 𝐿 𝜃̇ 𝜃̇ cos 𝜃3 )
𝑑𝑡 3 1 2 3 1 2

Ahora tomando la derivada de esto se tiene:

𝜏3 = (𝑚3 𝐿1 𝐿2 𝐿3 𝜃̈1 𝜃̈2 cos 𝜃3 )

Haciendo el cálculo para todos los términos se tiene:

𝜏1 = (𝑚1 𝐿21 + 𝑚2 (𝐿21 + 2𝐿1 𝐿2 cos 𝜃2 + 𝐿22 ))𝜃̈1 + 𝑚2 (𝐿1 𝐿2 cos 𝜃2 + 𝐿22 )𝜃̈2 −
𝑚2 𝐿1 𝐿2 sen 𝜃2 (2𝜃̇1 𝜃̇2 + 𝜃̇22 ) + (𝑚1 + 𝑚2 )𝐿1 𝑔 cos 𝜃1 + 𝑚2 𝑔𝐿2 cos(𝜃1 + 𝜃2 )

𝜏2 = 𝑚2 (𝐿1 𝐿2 cos 𝜃2 + 𝐿22 )𝜃̈1 − 𝑚2 𝐿22 𝜃̈2 + 𝑚2 𝐿1 𝐿2 𝜃̇12 sen 𝜃2 + 𝑚2 𝑔𝐿2 𝑐𝑜𝑠(𝜃1 + 𝜃2 )

𝜏3 = 𝑚3 (𝐿1 𝐿2 𝐿3 cos 𝜃3 + 𝐿23 )𝜃̈2 − 𝑚3 𝐿23 𝜃̈3 + 𝑚3 𝐿1 𝐿2 𝐿3 𝜃̇22 sen 𝜃3

+ 𝑚3 𝑔𝐿3 𝑐𝑜𝑠(𝜃1 + 𝜃2 + 𝜃3 )
Formulación de Newton-Euler

Basado en balance fuerzas/torques

Fuerzas: f
Momentos: m

∑ 𝑓𝑖 = 𝑚𝑦̈
𝑖

𝑓 − 𝑚𝑔 = 𝑚𝑦̈
𝑚𝑦̈ + 𝑚𝑔 = 𝑓
Condiciones iniciales
𝜃1 (0) = 𝜃2 (0) = 𝜃3 (0) = 0 𝑟𝑎𝑑

𝜃1̇ (0) = 𝜃2̇ (0) = 𝜃3̇ (0) = 0 𝑟𝑎𝑑/𝑠

matrices de rotación
cos (𝜃1 ) −𝑠𝑒𝑛(𝜃1 ) 0
𝑄1 = | 𝑠𝑒𝑛(𝜃1 ) cos (𝜃1 ) 0|
0 0 1
cos (𝜃2 ) −𝑠𝑒𝑛(𝜃2 ) 0
𝑄2 = | 𝑠𝑒𝑛(𝜃2 ) cos (𝜃2 ) 0|
0 0 1
cos (𝜃3 ) −𝑠𝑒𝑛(𝜃3 ) 0
𝑄3 = | 𝑠𝑒𝑛(𝜃3 ) cos (𝜃3 ) 0|
0 0 1

Los vectores de posición en el origen del eslabón 𝑖 + 1 desde su centro de masa del
eslabón 𝑖.

[𝑎1 ]1 = [𝑎1 cos (𝜃1 ) 𝑎1 sen(𝜃1 ) 0]𝑇

[𝑎2 ]2 = [𝑎2 cos (𝜃2 ) 𝑎2 sen(𝜃2 ) 0]𝑇
[𝑎3 ]3 = [𝑎3 cos (𝜃3 ) 𝑎3 sen(𝜃3 ) 0]𝑇

Los vectores [𝑑𝑖 ]𝑖 y [𝑟𝑖 ]𝑖+1 para 𝑖 = 1, 2, 3 esta dado como:

𝑇
1 1
[𝑑1 ]1 = [ 𝑎1 cos (𝜃1 ) 𝑎 sen(𝜃1 ) 0]
2 2 1
 𝑇
1 1
[𝑑2 ]2 = [ 𝑎2 cos (𝜃2 ) 𝑎 sen(𝜃2 ) 0]
2 2 2
𝑇
1 1
[𝑑3 ]3 = [ 𝑎3 cos (𝜃3 ) 𝑎 sen(𝜃3 ) 0]
2 2 3
𝑎1 𝑇
[𝑑1 ]2 = [ 0 0]
2
𝑎2 𝑇
[𝑑2 ]3 = [ 0 0]
2
𝑎3 𝑇
[𝑑3 ]4 = [ 0 0]
2

Cada eslabón 𝑖

𝑚1 𝑎12 0 0 0
𝐼2 = |0 1 0|
12
0 0 1
𝑚2 𝑎22 0 0 0
𝐼3 = |0 1 0|
12
0 0 1
𝑚3 𝑎32 0 0 0
𝐼4 = |0 1 0|
12
0 0 1

Las velocidades

0
[𝜔1 ]1 = [0]
𝜃̇
0
[𝜔̇ 1 ]1 = [0]
𝜃̈
𝑎1 −𝑠𝑒𝑛𝜃1
[𝑐̇1 ]1 = 𝜃̇1 [ 𝑐𝑜𝑠𝜃1 ]
2
0
𝑎1 −𝑠𝑒𝑛𝜃1 𝑎 𝑐𝑜𝑠𝜃1
2 1
[𝑐̈1 ]1 = 𝜃̈1 ̇
[ 𝑐𝑜𝑠𝜃1 ] − 𝜃1 [𝑠𝑒𝑛𝜃1 ]
2 2
0 0

Aceleración por gravedad apunta en dirección y del primer sistema

[𝑔]1 = [0 −𝑔 0]𝑇
Velocidades y aceleraciones del eslabón 2, es necesario sustituir las velocidades y
aceleraciones del eslabón 1.

Eslabón 1
0
[𝜔2 ]2 = [ 0 ]
𝜃̇1 + 𝜃̇2

0
[𝜔̇ 2 ]2 = [ 0 ]
𝜃1̈ + 𝜃2̈

𝑎2
− 𝑠𝑒𝑛𝜃2 (𝜃̇1 + 𝜃̇2 )
2
[𝑐̇2 ]2 = 𝑎2
𝑎1 𝜃̇1 + 𝑐𝑜𝑠𝜃2 (𝜃̇1 + 𝜃̇2 )
2
[ 0 ]

𝑎2 𝑎2
−𝑎1 𝜃̇12 − 𝑠𝑒𝑛𝜃2 (𝜃1̈ + 𝜃2̈ ) − 𝑐𝑜𝑠𝜃2 (𝜃̇1 + 𝜃̇2 )2
2 2
[𝑐̈2 ]2 = 𝑎2 𝑎2
𝑎1 𝜃̈1 + 𝑐𝑜𝑠𝜃2 (𝜃1̈ + 𝜃2̈ ) − 𝑠𝑒𝑛𝜃2 (𝜃̇1 + 𝜃̇2 )2
2 2
[ 0 ]

Aceleración
[𝑔]2 = 𝑄1𝑇 [𝑔]1 = [−𝑔𝑠𝑒𝑛𝜃1 −𝑔𝑐𝑜𝑠𝜃1 0]𝑇

Apoyándonos modelo de cálculo regresivo propuesto por el autor (Kumar, 2010), en

donde a partir de las velocidades y aceleraciones de cada uno de los tres eslabones, se
procede a calcular los respectivos pares de torsión y fuerza para cada eslabón, iniciando
por el eslabón 3 y terminando con el eslabón 1 que está sujeto a la base. Para lo cual se
parte de la aplicación de las leyes de Newton para un cuerpo de masa constante se obtiene.

𝑑𝑐𝑖̇
[𝑓𝑖 ]𝑖 = 𝑚𝑖 [ ] = 𝑚[𝑐̈𝑖 ]𝑖
𝑑𝑡 𝑖

La razón de cambio de la cantidad de movimiento angular sobre un centro de masa i es

igual al momento ejercido en el mismo punto.

[𝑛𝑖 ]𝑖 = [𝐼𝑖 ]𝑖 [𝜔̇ 𝑖 ]𝑖 + [𝜔𝑖 ]𝑖 𝑥[𝐼𝑖 ]𝑖 [𝜔̇ 𝑖 ]𝑖

A partir de las ecuaciones anteriores se procede a calcular la fuerza de inercia y el
momento ejercido sobre los eslabones alrededor de su centro de masa. Esto permite
escribir las ecuaciones de balance de fuerza y momento alrededor del centro de masa de
cada eslabón i.

[𝑓𝑖 ]𝑖 = [𝑓𝑖−1,𝑖 ] − [𝑓𝑖,𝑖+1 ] + 𝑚𝑖 [𝑔]𝑖

𝑖 𝑖

[𝑛𝑖 ]𝑖 = [𝑛𝑖−1,𝑖 ] − [𝑛𝑖,𝑖+1 ] − [𝑑𝑖 ]𝑖 𝑥[𝑓𝑖−1,𝑖 ] − [𝑟𝑖 ]𝑖 𝑥[𝑓𝑖,𝑖+1 ]

𝑖 𝑖 𝑖 𝑖

Reordenando las ecuaciones de forma recursiva, se obtiene.

[𝑓𝑖−1,𝑖 ]𝑖 = [𝑓𝑖 ]𝑖 + [𝑓𝑖,𝑖+1 ]𝑖 − 𝑚𝑖 [𝑔]𝑖

[𝑛𝑖−1,𝑖 ]𝑖 = [𝑛𝑖 ]𝑖 + [𝑛𝑖,𝑖+1 ]𝑖 + [𝑑𝑖 ]𝑖 𝑥[𝑓𝑖−1,𝑖 ]𝑖 + [𝑟𝑖 ]𝑖 𝑥[𝑓𝑖,𝑖+1 ]𝑖

Para la solución de forma recursiva se parte del eslabón final cuyo momento y fuerza
[𝑓𝑖−1,𝑖 ]𝑖 y [𝑛𝑖−1,𝑖 ]𝑖 representan el momento y la fuerza externa aplicadas por el eslabón
final hacia el medio.

Lo que significa que se parte del eslabón 3, eslabón 2 y luego se finaliza en el eslabón 1,
partiendo que no existen fuerzas externas aplicadas, se obtiene.

[𝑓4,3 ]3 = [𝑛4,3 ]3 = 0

Reemplazando se obtiene.

[𝑓3,4 ]4 = [𝑛3,4 ]4 = 0

Simulación y comparación de soluciones

Fig. 6 Simulación 1

Fig. 7 Simulación 2
 Fig. 8 Simulación 3

Codigo en Matlab

clear; % Limpiamos el Workspace

clc; % Limpiamos el Command Window
close all; % Cerramos todo
teta = pi/2; % Angulo teta a girar (90°)
alfa = pi/2; % Angulo alfa a girar (90°)
a=1; % Longitud del eslabon
d=1; % Distancia entre las intersecciones
% Primera matriz de rotacion angular teta
R_teta=[cos(teta) -sin(teta) 0 0;
sin(teta) cos(teta) 0 0;
0 0 1 0;
0 0 0 1];
% Segunda matriz de desplazamiento d
D_d=[1 0 0 0;
0 1 0 0;
0 0 1 d;
0 0 0 1];
% Tercera matriz de desplazamiento a
D_a=[1 0 0 a;
0 1 0 0;
0 0 1 0;
0 0 0 1];
% Cuarta matriz de rotacion angular alfa
R_alfa=[1 0 0 0;
0 cos(alfa) -sin(alfa) 0;
0 sin(alfa) cos(alfa) 0;
0 0 0 1];
% Producto final de todas las matrices que relacionan el metodo DENAVIT-
HARTENBERG
A=R_teta*D_d*D_a*R_alfa
% Matriz principal del metodo DENAVIT-HARTENBERG cuyo resultado sera igual a
la matriz A
B=[cos(teta) -cos(alfa)*sin(teta) sin(alfa)*sin(teta) a*cos(teta);
sin(teta) cos(alfa)*cos(teta) -sin(alfa)*cos(teta) a*sin(teta);
0 sin(alfa) cos(alfa) d;
0 0 0 1]

Fig. 9 Simulación 4

Código en Matlab

clear; % Limpiamos el Workspace

clc; % Limpiamos el Command Window
close all; % Cerramos todo
puma560; % Se llama al proyecto Robot Puma creado en MATLAB
robot=p560
N=40; % La variable N es el numero de iteraciones
% Lineas de programacion para el primer tramo de movimiento de 5 unidades en el eje
Z
z=linspace(0.432,0.512,N); % La variable z se distribuira desde 0.432 hasta 0.512 en N
partes iguales (0.08 unidades)
x=zeros(1,N); % La variable x estara comprendida por 1 fila de N Ceros
y=x; % La variable y sera igual a lo obtenido en la variable x (1 fila de N Ceros)
for j=1:N % La variable j ira desde 1 hasta N en valores de una unidad
y(1,j)=-0.15; % Se formaran matrices y de 1 fila x (1 hasta N) columnas con los valores
-0.15
x(1,j)=0.452; % Se formaran matrices x de 1 fila x (1 hasta N) columnas con los valores
0.452
end
phi=zeros(1,N); % La variable phi estara comprendida por 1 fila de N Ceros
for k=1:length(z) % La variable k ira desde 1 hasta el maximo valor de la variable z en
valores de una unidad
phik=phi(k);
T(:,:,k)=[cos(phik) -sin(phik) 0 x(k); % La matriz T es la matriz homogenea
sin(phik) cos(phik) 0 y(k);
0 0 1 z(k);
0 0 0 1];
end
qzz=ikine(robot,T) % ikine es una funcion de Cinematica Inversa del Toolbox de
Robotica
plot(robot,qzz)
% Lineas de programacion para el segundo tramo de movimiento de 30 unidades en el
eje Y
y=linspace(-0.15,0.15,N); % La variable y se distribuira desde -0.15 hasta 0.15 en N
partes iguales (0.30 unidades)
x=zeros(1,N); % La variable x estara comprendida por 1 fila de N Ceros
z=x; % La variable z sera igual a lo obtenido en la variable x (1 fila de N Ceros)
for j=1:N % La variable j ira desde 1 hasta N en valores de una unidad
x(1,j)=0.452; % Se formaran matrices x de 1 fila x (1 hasta N) columnas con los valores
0.452
z(1,j)=0.512; % Se formaran matrices z de 1 fila x (1 hasta N) columnas con los valores
0.512
end
phi=zeros(1,N);
for k=1:length(y) % La variable k ira desde 1 hasta el maximo valor de la variable y en
valores de una unidad
phik=phi(k);
T(:,:,k)=[cos(phik) -sin(phik) 0 x(k); % La matriz T es la matriz homogenea
sin(phik) cos(phik) 0 y(k);
0 0 1 z(k);
0 0 0 1];
end
qyy=ikine(robot,T) % ikine es una funcion de Cinematica Inversa del Toolbox de
Robotica
plot(robot,qyy)
% Lineas de programacion para el tercer tramo de movimiento de 5 unidades en el eje X
x=linspace(0.452,0.502,N); % La variable x se distribuira desde 0.452 hasta 0.502 en N
partes iguales (0.05 unidades)
y=zeros(1,N); % La variable y estara comprendida por 1 fila de N Ceros
z=y; % La variable z sera igual a lo obtenido en la variable y (1 fila de N Ceros)
for j=1:N % La variable j ira desde 1 hasta N en valores de una unidad
y(1,j)=0.15; % Se formaran matrices y de 1 fila x (1 hasta N) columnas con los valores
0.15
z(1,j)=0.512; % Se formaran matrices z de 1 fila x (1 hasta N) columnas con los valores
0.512
end
phi=zeros(1,N); % La variable phi estara comprendida por 1 fila de N Ceros
for k=1:length(x) % La variable k ira desde 1 hasta el maximo valor de la variable x en
valores de una unidad
phik=phi(k);
T(:,:,k)=[cos(phik) -sin(phik) 0 x(k); % La matriz T es la matriz homogenea
sin(phik) cos(phik) 0 y(k);
0 0 1 z(k);
0 0 0 1];
end

Fig. 10 Simulación 5
 Fig. 11 Simulación 6

Disposición de como estaría montado el proceso

Una vez desarrollados los pasos anteriores de la asignatura robótica avanzada en donde
se trataron los temas de la cinemática del robot y el modelamiento dinámico, todo en
relación con el robot de tres grados de libertad, surge para esta fase la integración de
inteligencia artificial e industria 4.0, esto teniendo en cuenta que esta es la tendencia que
surge para que numerosas compañías disminuyan los tiempos, reduzcan costos,
disminuyan riesgos y descubran nuevas oportunidades para capacitar sus grupos de
trabajo y se tomen decisiones en tiempo real, por lo tanto este tema es de relevancia al
no tratarse solamente de algo pasajero sino que más bien es la revolución que la
evolución reclama.

Por lo mencionado anteriormente es necesario en primera medida hacer una

recapitulación de cual es proceso que requiere la implementación de inteligencia
artificial e industria 4.0 y saber que se tiene para saber que se debería hacer y con ello
conocer a dónde se podría llegar, en tal sentido se muestra la figura 1 que muestra la
distribución del proceso y la figura 2 con el diagrama de flujo del mismo.
 Bibliografía

directindustry. (S.f). Obtenido de Fresadora CNC 5 ejes: http://www.directindustry.es/fabricante-

industrial/fresadora-cnc-5-ejes-89381.html

Barrientos, Antonio, Peñín, Luis Felipe, and Balaguer, Carlos. (2007). Fundamentos de robótica
(2a. ed.), p.p 215-237. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=10566097&p0
0=fundamentos+de+robotica
Kumar Saha, Subir. (2000). Introducción a la robótica, p.p 163-204. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=10515179&p0
0=introduccion+a+la+robotica
Arnaez, E. (2015). Enfoque práctico de la teoría de robots: con aplicaciones de Matlab, p.p 59-
75. Recuperado
de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=11127145&p
00=enfoque+practico+a+la+teoria+de+robots
Arbulú, M. (2019). OVI Unidad 2 - Dinámica Inversa de Robots Manipuladores. Recuperado
de:http://hdl.handle.net/10596/23322
Wagner, M. (2017).OVI Unidad 2 – Modelo dinámico de un robot manipulador. UNAD.
Recuperado de:http://hdl.handle.net/10596/12453
Cms (2018). Artificial intelligence and robotics and their impact on the workplace. What is
artificial intelligence?. Recuperado de: https://cms.law/en/DEU/News-
Information/Artificial-Intelligence-and-Robotics-and-Their-Impact-on-the-Workplace
Innoplcxus. (2018). how does intelligence artificial work?. Basic components of artificial
intelligence. Recuperado de: https://www.innoplexus.com/blog/how-artificial-intelligence-
works/
Alsamhi. H (2017). Artificial Intelligence-Based Techniques for Emerging Robotics
Communication: A Survey and Future Perspectives. Recuperate de:
https://arxiv.org/ftp/arxiv/papers/1804/1804.09671.pdf
Nemer. A. (2015). introduccion a los anfis-l. Las redes neuronales artificiales con lógicas
difusas. Una introducción a este campo de la inteligencia. Recuperado de:
https://www.researchgate.net/publication/236862181_INTRODUCCION_A_LOS_ANFIS
-L
Caparrini F (2019). PSO. Optimización por enjambres de partículas. Técnica utilizada en la
implementación de inteligencia artificial. Recuperado de:
http://www.cs.us.es/~fsancho/?e=70
Palmer. A (2017). ¿Qué son las redes neuronales artificiales? Aplicaciones realizadas en el
ámbito de las adicciones. Redes naturales. Resumen. Recuperado de:
http://disi.unal.edu.co/~lctorress/RedNeu/LiRna001.pdf
Tedx talk (2019). Industria 4.0: una revolución para las personas. Beatriz Gonzalez
.TEDxUDeusto. Paradigmas que enfrenta su implementación. Recuperado de:
https://www.youtube.com/watch?time_continue=8&v=a0Ycxn-bZak
Dassiti. M (2018). An approach to support Industry 4.0 adoption in SMEs using a core-
metamodel. Reasons that prevent the implementation of industry 4.0 Recuperado de:
https://www.sciencedirect.com/science/article/pii/S1367578818301354
BIT, (2018). ¿Qué es Big data y para que sirve? Una introducción a Big data. Recuperado de:
https://www.bit.es/knowledge-center/que-es-big-data-introduccion-a-big-data/
-Valero P (2006) Introducción a la robótica inteligente PP. 50-58 Madrid España Recuperado de
http://www3.uji.es/~sanzp/robot/RobInt-Apuntes.pdf
-Bodi S, León J, Estrada Y (2011) Sistema para el control inteligente de un robot manipulador
PP. 10 La habana Cuba
-Mazonee V (2002) Controladores PID PP. 1-3 Bernal Argentina Recuperado de:
http://www.eng.newcastle.edu.au/~jhb519/teaching/caut1/Apuntes/PID.pdf
-Román J (2015) Industria 4.0 Transformación digital de la industria PP. 1-10 Bilbao España
Recuperado de http://coddii.org/wp-content/uploads/2016/10/Informe-CODDII-Industria-
4.0.pdf
-Name, N. and Kermani, M. R. , "Applications of Artificial Intelligence in Safe Human-
Robot Interactions," in IEEE Transactions on Systems, Man, and Cybernetics, Part B
(Cybernetics), vol. 41, no. 2, p.p 448-459, April 2011. doi:
10.1109/TSMCB.2010.2058103. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2052/stamp/stamp.jsp?tp=&arnumber=5545417&is
number=5730604
Arbulu, M., Mateus, P., Wagner, M., Beltran, C., Harada, K. (2018) Industry 4.0, Intelligent
Visual Assisted Picking Approach. In: Groza A., Prasath R. (eds) Mining Intelligence and
Knowledge Exploration. MIKE 2018. Lecture Notes in Computer Science, vol 11308.
Springer, Cham. Recuperado de:https://link.springer.com/chapter/10.1007%2F978-3-030-
05918-7_18
CANO, María, (2018), Revolución 4.0: El futuro está presente, Consultado en URL:
http://www.insht.es/InshtWeb/Contenidos/Documentacion/SST_94_enlaces.pdf
Gao, Z., & Zhang, D. (2013). Recent Developments in Manufacturing Robotic Systems and
Automation. Sharjah: Bentham Science Publishers. Recuperado de:
http://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?direc
t=true&db=nlebk&AN=606315&lang=es&site=eds-live&ebv=EB&ppid=pp_Cover
Dassisti, M., Giovannini, A., Merla, P., Chimienti, M., Panetto, H., An approach to support
Industry 4.0 adoption in SMEs using a core-metamodel, Annual Reviews in Control, 2018,
ISSN 1367-5788. https://doi.org/10.1016/j.arcontrol.2018.11.001. Recuperado de:
https://bibliotecavirtual.unad.edu.co:2054/science/article/pii/S1367578818301354
Najmaei, N. and Kermani, M. R. , "Applications of Artificial Intelligence in Safe Human-
Robot Interactions," in IEEE Transactions on Systems, Man, and Cybernetics, Part B
(Cybernetics), vol. 41, no. 2, p.p 448-459, April 2011. doi: 10.1109/TSMCB.2010.2058103.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2052/stamp/stamp.jsp?tp=&arnumber=5545417&isnumber=
5730604
Arbulu, M., Mateus, P., Wagner, M., Beltran, C., Harada, K. (2018) Industry 4.0,
Intelligent Visual Assisted Picking Approach. In: Groza A., Prasath R. (eds) Mining Intelligence
and Knowledge Exploration. MIKE 2018. Lecture Notes in Computer Science, vol 11308.
Springer, Cham. Recuperate de:https://link.springer.com/chapter/10.1007%2F978-3-030-05918-
7_18Inteligencia artificial y robótica http://www.goit.cl/ia.html