Traducido del inglés al español - www.onlinedoctranslator.

com

Revista de inteligencia ambiental y computación humanizada (2020) 11:2489–2503

https://doi.org/10.1007/s12652-019-01294-2

INVESTIGACION ORIGINAL

Uso de Therbligs para incorporar inteligencia en piezas de trabajo para

ensamblaje asistido digital

J. Oyekan1· W. Hutabarat1· C. Turner2· C. Arnoult3· A. Tiwari1

Recibido: 6 de julio de 2018 / Aceptado: 9 de abril de 2019 / Publicado en línea: 4 de mayo de

2019 © The Author(s) 2019

Abstracto
Las instalaciones actuales de OEM (fabricante de equipos originales) tienden a estar altamente integradas y, a menudo, están ubicadas en
un solo sitio. Si bien proporciona una escala de producción, dicha centralización puede crear barreras para el logro de fábricas totalmente
flexibles, adaptables y reconfigurables. El advenimiento de la Industria 4.0 abre oportunidades para abordar estas barreras al descentralizar
la información y la toma de decisiones en los sistemas de fabricación a través del uso de CPS (Cyber Physical Systems). Esta investigación
presenta un estudio cualitativo que investiga la posibilidad de distribuir información y lógica de toma de decisiones en 'piezas de trabajo
inteligentes' que pueden participar activamente en las operaciones de ensamblaje. Para validar el concepto, se exploró un caso de uso
demostrador, correspondiente al montaje de una mesa 'flat-pack'. Piezas de montaje en el demostrador, estaban equipados con
capacidades de computación, redes e interacción. Diez participantes fueron invitados a evaluar el método de ensamblaje inteligente y
comparar sus resultados con el método de ensamblaje tradicional. Los resultados mostraron que en su configuración actual, el ensamblaje
inteligente era más lento. Sin embargo, hizo que el proceso de montaje fuera más flexible, adaptable y reconfigurable.

Palabras clavePieza inteligente · Fábrica inteligente · Industria 4.0 · Operación de ensamblaje

1. Introducción El gobierno alemán y las industrias nacionales han presentado

Las instalaciones de fabricación OEM actuales tienden a estar altamente
integradas y, a menudo, están ubicadas en un solo sitio. Si bien
proporciona una escala de producción, dicha centralización puede crear
barreras para el logro de fábricas totalmente flexibles, adaptables y
reconfigurables.
una visión particular para una mayor flexibilidad de fabricación,
llamada Industria 4.0, para prever y promover el uso de nuevas
tecnologías y métodos organizativos para la fabricación (Gobierno
Federal Alemán2016). Los Sistemas Ciberfísicos (CPS) son un tema
central de la Industria 4.0 que abarca una mayor integración entre
las máquinas y los recursos informáticos para formar una red
inteligente dentro de la fábrica inteligente (Wang et al.2015). La

* C. Turner
inteligencia de la fábrica inteligente incorpora cuatro principios: (a)
christopher.turner@surrey.ac.uk Interoperabilidad entre los elementos de la fábrica; (b) Capacidad

J. Oyekan para recopilar información en tiempo real para enriquecer los

j.oyekan@sheffield.ac.uk modelos de plantas digitales; (c) Provisión de sistemas de

W.Hutabarat
fabricación para ayudar a los humanos proporcionando
w.hutabarat@sheffield.ac.uk información confiable o realizando una variedad de tareas y (d)

C. Arnoult Promoción de la toma de decisiones distribuida en todos los

c.arnoult@cranfield.ac.uk elementos de la fábrica que permite, en la actualidad, una

A. Tiwari autonomía parcial de la máquina.

a.tiwari@sheffield.ac.uk Sin embargo, los sistemas inteligentes y las máquinas inteligentes
por sí solos no son suficientes para lograr el objetivo de la Industria 4.0.
1
Departamento de Ingeniería de Sistemas y Control Automático
Para explotar todo el potencial de la tecnología de fabricación moderna,
(ACSE), Universidad de Sheffield, Sheffield S1 3JD, Reino Unido
los autores opinan que las piezas de trabajo también deben estar
2
Edificio Rik Medlik, Escuela de Negocios de Surrey, Universidad de
informadas y convertirse en componentes inteligentes activos dentro de
Surrey, Guildford, Surrey GU2 7XH, Reino Unido
la fábrica inteligente, es decir, convertirse en piezas de trabajo
3
Departamento de Fabricación, Centro de Informática de Fabricación,
inteligentes.
Universidad de Cranfield, Bedford, MK 43 0AL, Reino Unido

Vol.:(0123456789)
2490 J. Oyekan et al.

En este documento, una pieza de trabajo inteligente se define como

una pieza que, a través de la integración de componentes electrónicos
adicionales, tiene la capacidad de comunicar información a otras piezas
de trabajo, humanos y máquinas/robots de la línea de producción. La
investigación actual en el área de piezas o piezas inteligentes se centra
principalmente en el uso de etiquetas de identificación por
radiofrecuencia (RFID) integradas para recopilar datos en tiempo real
con el fin de mejorar la supervisión de los procesos de producción o
programación/logística/inventario (Zhong et al.2013). En Velandia et al. (
2016), los autores investigaron cómo los datos de fabricación,
ensamblaje y servicio podrían capturarse a través de etiquetas RFID
incrustadas en cigüeñales e integrarse con aplicaciones comerciales de
nivel superior. Sin embargo, en el caso de RFID, las piezas etiquetadas
son pasivas (Velandia et al.2016).
En este trabajo, investigamos la posibilidad de que las piezas de
trabajo inteligentes participen activamente en las operaciones de
ensamblaje proporcionando información a otras piezas de trabajo y al
operador. El concepto de piezas de trabajo inteligentes que se Figura 1 Arquitectura CIM centralizada

comunican activamente entre sí y con el operador para realizar el

movimiento de ensamblaje es un área de investigación relativamente
en un sistema de fabricación en red (Yu et al.2015).
nueva. En la siguiente sección se discuten con más detalle los trabajos
Cifra1ilustra esta arquitectura global y centralizada.
pertinentes relacionados con la investigación de este artículo.
Cuando la integración de CIM es exitosa, los beneficios en la
eficiencia operativa son claros; sin embargo, existen muchos obstáculos
1.1 Investigación relevante
que pueden complicar el proceso de integración. La integración de
componentes proporcionados por diferentes proveedores puede ser
La continua evolución de la tecnología informática ha cambiado
particularmente difícil y llevar mucho tiempo. Para lograr la mayoría de
significativamente el aspecto de las instalaciones de fabricación y
los proyectos de integración, se requiere una inversión significativa y un
ha dado lugar al paradigma de fabricación digital más reciente de la
plazo considerable (Alavudeen y Venkateshwaran2008). La integración
Industria 4.0. La Manufactura Integrada por Computadora (CIM)
de las tecnologías informáticas y de fabricación avanzada requiere la
como término existe desde la década de 1970. Se puede encontrar
creación de una arquitectura empresarial estructurada, centralizada y
una definición de CIM en Goldhar (1984) como «un sistema
estática (Yu et al.2015). Una vez definida esta arquitectura, no es
informático en el que los componentes son máquinas herramienta,
particularmente flexible. Se requiere una importante inversión de
robots y otros equipos de procesamiento». Para salvaje (1987) CIM
tiempo para programar el comportamiento de una máquina. Sin
se refiere a una filosofía de gestión con el principio de realinear los
embargo, el comportamiento de una máquina depende de los productos
dos recursos compuestos más fundamentales, las personas y las
que manipula, lo que complica la producción de productos
máquinas. Por lo tanto, CIM no es solo la integración de un sistema
personalizados (Alavudeen y Venkateshwaran2008; Esmaeilian et al.2016
mecánico, eléctrico o de información, es un reflejo de una nueva
). Además, se requiere un mantenimiento y limpieza continuos de los
forma de administrar los recursos (Savage1987). La definición dada
datos que utilizan las máquinas (Alavudeen y Venkateshwaran2008).
por la Asociación de Sistemas de Automatización y Computación
(CASA) de la Sociedad de Ingenieros de Manufactura (SME) a
Como se ha dicho anteriormente, las fábricas actuales se
menudo se considera como la definición más completa:
enfrentan a nuevos retos por su forma integrada y centralizada,
“CIM es la integración de la empresa de fabricación total
restringiendo la flexibilidad en la línea de producción. La visión
mediante el uso de sistemas integrados y comunicaciones de
de Industria 4.0 se centra en la realización de la fábrica
datos junto con nuevas filosofías gerenciales que mejoran la
"inteligente" que aborde tales preocupaciones de producción.
eficiencia organizacional y del personal”. (Shrensker) 1990).
El concepto de Industria 4.0 se ha inspirado en el paradigma de
la fabricación holónica.
Antes de la noción de empresa integrada, los diferentes
El concepto de holones fue acuñado por Koestler (1968). En
departamentos de una empresa solían estar aislados unos de otros; a
1989, cuando se consideró que el concepto CIM no podía hacer que
menudo opera en silos funcionales separados, cada uno con sus propios
las instalaciones de producción fueran adaptables, flexibles y
conjuntos de datos, métodos, software y hardware para cumplir su
reconfigurables, se introdujo el concepto de fabricación holónica
función en el negocio de fabricación. Un tema clave de CIM ha sido
(Suda 1989).
desarrollar la noción de un almacén de datos informáticos compartidos
para traer islas de tecnologías habilitadoras

13
Uso de Therbligs para incorporar inteligencia en piezas de trabajo para ensamblaje asistido digital
El consorcio de investigación temática HMS (Holonic
Manufacturing System) del programa conjunto internacional
IMS (Intelligent Manufacturing System) definió los principios de
la aplicación holónica a los sistemas de fabricación (Valckenaers
et al.1994):
Holon: Un bloque de construcción autónomo y cooperativo de
un sistema de fabricación para transformar, transportar, almacenar
información y objetos físicos. El holón consta de una parte de
procesamiento de información y, a menudo, una parte de
procesamiento físico. Un holon puede ser parte de otro holon.
Para facilitar las capacidades de autonomía y cooperación, un
holón debe poder recopilar y analizar información. En efecto, los
holones deben ser sistemas cibernéticos (CPS). Los CPS se definen
como sistemas físicos y de ingeniería cuyas operaciones son
monitoreadas, coordinadas, controladas e integradas por
computación y comunicación (Rajkumar et al.2010). Se dice que los
CPS son clave en la gestión de big data y para garantizar la
interconectividad en las instalaciones de fabricación (Lee et al.2015).
Las tecnologías de agentes en relación con la gestión de entidades
de fabricación holónica han sido investigadas por Wang y Haghighi
(2016) que proponen el uso de un enfoque de software de este tipo
para el control coordinado de los sistemas CPS dentro del sistema
de fabricación holónica.
Otro habilitador importante para la fabricación holónica es el
paradigma de fabricación en la nube. La Fabricación en la Nube
consiste en el uso del Internet de las Cosas, la computación en la
nube, la virtualización y las tecnologías orientadas a servicios
dentro de la fábrica (Wu et al.2013). Este paradigma transforma los
recursos y capacidades de fabricación en servicios. Estos servicios
se gestionan de forma que se compartan según las necesidades del
entorno de fabricación (Tao et al.2011). Al dar acceso a los holones
a estos servicios, aumenta su capacidad de tomar decisiones y
permite su presencia distribuida en toda la fábrica, lo que facilita el
desarrollo de la flexibilidad y adaptabilidad de la línea de
producción.
Al implementar diversas formas de personalización masiva, los
fabricantes de automóviles han encontrado problemas con las técnicas
de automatización actuales. Mercedes Benz ha estado reemplazando
robots con trabajadores en la línea de producción para ciertos modelos,
volviendo a la instalación manual, debido a la variedad de opciones
especificadas por el cliente que estaban disponibles para la selección de
los clientes y las complicaciones con la instalación de piezas adicionales
(Gibbs2016). En un nuevo enfoque, Mercedes ha estado investigando el
uso de robots livianos más pequeños para ayudar a los trabajadores en
lugar de reemplazarlos (Gibbs2016), un objetivo del uso de CPS
propugnado por muchos autores de Industry 4.0 y un objetivo de la
investigación en este artículo.
En este documento, el adjetivo "inteligente" se usa para describir
objetos que tienen capacidades tanto autónomas como
cooperativas de un holón. En el entorno de fabricación actual,
existen sistemas inteligentes y máquinas inteligentes, aunque para
lograr la fabricación holónica se deben desarrollar nuevas formas
de integrar la inteligencia en las piezas. La investigación existe
2491
sobre el uso de objetos inteligentes para el apoyo a la toma de
decisiones dentro, por ejemplo, de la estrategia de inventario (Tsamis et
al.2015) y operaciones de planta (Qu et al.2013). Sin embargo, estos
trabajos solo consideran la inteligencia del objeto como herramienta de
gestión. Actualmente, las piezas de trabajo son manipuladas por
operadores humanos o por brazos robóticos y máquinas cuyas
operaciones están gobernadas por un sistema inteligente
computarizado central. Al distribuir la inteligencia entre las piezas de
trabajo, de modo que el operador humano, el brazo robótico o la
máquina pueda recibir información contextual o instrucciones en tiempo
real de las piezas en el proceso de ensamblaje, puede permitir la
realización de una producción en masa automatizada eficiente de piezas
altamente personalizadas y personalizadas. productos personalizados
También es posible que el abordaje de tal área de investigación pueda
sentar las bases para el logro futuro de escenarios de producción
autónomos o semiautónomos.
1.2 Metodología
El uso de piezas de trabajo inteligentes para tareas de ensamblaje es un concepto
muy novedoso y, como resultado, actualmente hay pocos resultados de
investigación disponibles. Al hacer uso de un caso de uso de ensamblaje de mesa de
Ikea, esta investigación tuvo como objetivo establecer cómo las piezas de trabajo
inteligentes pueden participar activamente en las operaciones de ensamblaje y los
beneficios o inconvenientes de usar piezas de trabajo inteligentes en el proceso de
ensamblaje tradicional.
1.3 Fabricación de piezas de trabajo inteligentes mediante el uso
de Therbligs
Para hacer que las piezas de trabajo fueran inteligentes, se utilizaron
movimientos de ensamblaje elementales, llamados "Therbligs". Hay 18
"Therbligs" que se pueden usar para describir cualquier tarea (Ferguson
2000). El modelo de un Therblig se presenta en la Fig.2. Estos
movimientos capturan las actividades humanas durante una tarea de
montaje. Para realizar un Therblig, el operador observa el entorno y
obtiene información de él. Esto se utiliza luego para informar sus
acciones. Como resultado, se puede decir que cada Therblig está
compuesto de acción e información. Actualmente, las piezas de
ensamblaje tradicionales no tienen ninguna de estas capacidades; no
obtienen ni proporcionan ninguna información ni tampoco
Humano
Aporte Acción Producción
Información Información
Figura 2Modelo IDEF0 de un Therblig
13
2492
realizar cualquier acción. En este contexto, pueden etiquetarse como
piezas de trabajo "pasivas".
Esta investigación investiga la posibilidad de equipar una pieza
de trabajo pasiva con la capacidad de un operador humano, es
decir, la capacidad de adquisición de información de un operador
humano, convirtiéndola así en una pieza de trabajo "inteligente".
Sin embargo, las piezas de trabajo "inteligentes" actuales no tienen
la capacidad de "acción" y deben confiar en las acciones realizadas
por operadores humanos. Como resultado, para que la pieza de
trabajo inteligente "realice" un movimiento, se comunica con el
operador indicando que debe comenzar una acción. El operador
realiza la acción hasta que recibe otra comunicación de la pieza de
trabajo inteligente de que la acción debe detenerse. Como
resultado, la acción transforma un estado inicial en el estado de
salida deseado.
En mesa1, la columna de movimiento describe los movimientos
de Therbligs que realiza un ser humano, la columna de acción
describe lo que normalmente hace el ser humano y la tercera y
cuarta columna describen la información requerida u obtenida al
comienzo y al final de una acción que transforma una pieza de
trabajo de una inicial. a un estado de salida deseado. Therbligs,
como "retraso evitable", "retraso inevitable" y "descanso", tienen la
acción "esperando" o "descansando". Por lo tanto, se puede decir
que son pasivos. Estos movimientos son consecuencia de la fatiga
humana, la falta de control humano y/o problemas generales de la
fábrica. Sin embargo, al equipar piezas de trabajo inteligentes con
movimientos activos en el futuro, estos problemas pueden
mitigarse. En este trabajo, no consideramos los Therbligs de
demora y descanso evitables.
Los Therbligs de "buscar", "encontrar" y "planificar" se
relacionan con la reacción mental humana y, a medida que
aumenta la complejidad de la operación de ensamblaje, aumenta la
carga cognitiva del operador. Se podrían utilizar piezas de trabajo
inteligentes para reducir esta carga cognitiva en el futuro. Por
ejemplo, la fase de "búsqueda" y la duración de la operación de
"búsqueda" se pueden reducir haciendo uso de piezas de trabajo
inteligentes que brindan información sobre su ubicación a un
operador. Para que esto suceda, el elemento de información debe
integrarse en piezas de trabajo pasivas. Como resultado, los
Therbligs de interés en este trabajo son aquellos con el elemento de
información enfatizado. En consecuencia, se eligieron los Therbligs
de "buscar", "seleccionar" e "inspeccionar" para incrustarlos en
piezas de trabajo pasivas con el fin de hacerlas inteligentes.
1.4 Desarrollo de escenarios de casos de uso
Para investigar la posibilidad de hacer que las piezas de trabajo pasivas sean
inteligentes, se utilizó el ensamblaje de una mesa IKEA como escenario de
caso de uso (que se muestra en la Fig.3).
El principio de montaje se presenta en la Fig.4. de la fig.3las
cuatro patas de la mesa se consideran como piezas
independientes diferentes. La idea era crear una complejidad
artificial que luego se abordará mediante el uso de
13
J. Oyekan et al.
piezas de trabajo inteligentes. Crear complejidad artificial es un
método que ha sido investigado en trabajos como Prahbu et al. (
2015). La complejidad artificial se introdujo al diferenciar las patas
de la mesa usando patrones como se muestra en la Fig.5; y cada
patrón debe colocarse en una esquina particular de la mesa
durante el montaje. Cada esquina estaba asociada a una forma
particular: triángulo, cuadrado, pentágono y círculo como se
muestra en la Tabla2y la figura8. Se introdujo una mayor
complejidad artificial al imponer una cierta secuencia en la que las
patas debían ensamblarse en las esquinas de la mesa; sin embargo,
el operador no conocía la secuencia (ver Fig.6) a menos que mirara
un manual que añadía más tiempo al proceso de montaje. Sin
embargo, esto podría resolverse incorporando información que
proporcione elementos en las piezas de trabajo "pasivas".
1.5 Incrustación de elementos de información en piezas de
trabajo pasivas
Para hacer que las piezas de trabajo sean inteligentes, se han equipado
con una microcomputadora básica de bajo costo llamada Raspberry Pi.
La Raspberry Pi se utiliza para controlar los componentes electrónicos
que equipan las piezas de trabajo (sensores y LED). También pueden
enviar y solicitar información de otras piezas de trabajo para que se
mantengan sincronizados con respecto al progreso de la tarea de
ensamblaje.
Los componentes electrónicos utilizados en las patas y el tablero de
la mesa son diferentes. En una pierna, la microcomputadora controla un
LED (diodo emisor de luz). Este LED está configurado para dar una señal
luminosa que puede ser observada por el operador o leída por los
sensores situados en la mesa.
Cifra7muestra una pierna inteligente desarrollada como parte de
esta investigación. El tablero de la mesa estaba equipado con cuatro
sensores de color TCS 34725 (TAOS2016). Estos sensores se utilizaron
para detectar las señales de luz emitidas por las piernas inteligentes.
Cada uno de ellos se colocó en una esquina y es capaz de reconocer la
señal de luz particular emitida por la pata apropiada (la que debe
colocarse en esta esquina en particular). Cifra8representa la mesa
inteligente.
Para iniciar el proceso de ensamblaje y recibir datos de las piezas de
trabajo inteligentes, el operador utiliza una microcomputadora. Este
ordenador está conectado a una pantalla para que la información pueda
ser leída por un operador. Las piezas de trabajo inteligentes necesitan
comunicarse con otras partes y también con el operador. Para ello, se
utilizó un enrutador Wi-Fi para crear una red privada virtual compuesta
por las microcomputadoras de las piezas de trabajo inteligentes y del
operador. Dentro de la red, cada microcomputadora tiene una dirección
IP fija, por lo que es posible identificar cada pieza de trabajo y la
computadora del operador.
Para facilitar la comunicación entre piezas se estableció un
protocolo de comunicación cliente-servidor. Los datos se publican
en un servidor y los clientes solicitan acceso al servidor para que
puedan recopilar la información que necesitan.
Uso de Therbligs para incorporar inteligencia en piezas de trabajo para ensamblaje asistido digital 2493

tabla 1 Análisis de los Therbligs

Movimiento Acción Información para empezar Información para terminar

Búsqueda: Comienza cuando los ojos y/o la mano empiezan a Mirando al rededor “Identidad” de la parte buscada Ubicación de la parte buscada
busca la pieza y termina cuando se localiza la pieza
Buscar: Define la reacción mental momentánea al final Mirando al rededor Característica reconocible de la Característica coincidente de un
del ciclo de búsqueda parte buscada parte en el área de búsqueda

Seleccionar: Elegir un objeto en particular entre un grupo de Mirando al rededor Criterios de selección Ubicación de la parte que
objeto similar coincide con los criterios

Agarre: Comienza cuando la mano activa agarra el objeto y Avaro Identidad del objeto a agarrar La Confirmación de que el objeto
finaliza cuando comienza la siguiente operación (uso o transporte forma de agarrarlo es agarrado
cargado)

Sostener: La retención de una parte después de que ha sido agarrada, Tenencia Identidad del objeto a retener Orden para hacer el siguiente movimiento

sin que tenga lugar ningún otro movimiento o manipulación Orden de retención
de esta parte. Por ejemplo, una mano puede sostener el
agarre de una pieza mientras que la otra mano realiza el
montaje de otra pieza.
Transporte cargado: mover una pieza con un movimiento manual Moviente Identidad de la pieza a mover Confirmación de que la parte
Ubicación de la pieza ha llegado a su destino
Destino de la pieza
Transporte Vacío: Mover la mano descargada Moviente destino de la mano Confirmación de que la mano
ha llegado a su destino
Posición: colocar la pieza en la orientación adecuada para Posicionamiento Identidad de la pieza a posicionar Confirmación de que la pieza es
realizar el movimiento "usar" Orientación inicial de la pieza orientado como se desee

Orientación deseada
Ensamblar: unir dos partes Montaje Identidades de las Partes a Confirmación de que las piezas
ensamblar La forma de ensamblarlas están ensamblados

Uso: manipular un objeto en la forma en que está destinado a Usando Identidad del objeto a utilizar La Confirmación de que el uso
ser manipulado forma de utilizarlo el movimiento ha terminado

Desmontar: separar piezas que se unieron Desmontaje Identidades de las Partes a des- Confirmación de que las piezas
ensamblar se desmontan
La forma de desmontarlos.
Inspeccionar: comparar el objeto con un predeterminado inspeccionando Identidad del objeto Resultado de la comparación
estándar Estándar predeterminado entre el objeto y el
estándar
Preposición: reemplazar un objeto en la orientación adecuada preposicionamiento Identidad de la pieza a posicionar Confirmación de que la pieza es
para su próximo “uso”. El posicionamiento no tiene que ser preciso ya Orientación inicial de la pieza orientado como se desee

que la "posición" de movimiento se realiza después Orientación deseada

Liberar carga: liberar el objeto cuando ha alcanzado es Liberando objeto de liberación Confirmación de que el objeto
destino ha sido liberado
Retraso inevitable: período desde el momento en que una mano Espera Problema que ocurre: escasez, Información de que el problema
está inactivo hasta el punto en que vuelve a estar activo. Estos demora… han sido resueltos
retrasos están fuera del control del trabajador (falta de materias
primas, reparación de una herramienta...) y pueden tratarse con el
sistema general de fábrica/negocio.

Retraso evitable: espera bajo el control del trabajador Espera Problema que ocurre Información de que el problema
que provoca ociosidad que no está incluida en el ciclo normal han sido resueltos
de trabajo
Plan: Función mental que puede ocurrir antes del “ensamblaje”. Planificación Definición de secuencia estructurada
ble” (decidir qué parte va a continuación) o antes de como van a pasar las
“inspeccionar” notando qué fallas buscar cosas
Descanso (para superar la fatiga): Una falta de movimiento que descansando Necesidad de descanso del trabajador Fin del período de descanso.
sólo se encuentra cuando el resto lo prescribe el puesto de trabajo o lo
toma el trabajador

En el escenario de caso de uso, hay dos servidores presentes. El primero que solicitan acceso al servidor para leer los datos con el fin de
está ubicado en la computadora del operador y contiene el estado del activar los LED y el sensor adecuados. El segundo servidor se
LED, así como el nombre del sensor activo en la parte superior de la encuentra sobre la mesa y contiene los resultados de la inspección
mesa. Sus clientes son las patas y el microordenador de la mesa. de las piezas. Su cliente es la computadora del operador que

13
2494 J. Oyekan et al.

Tabla 2Correspondencia entre patas y esquinas.

La pierna… … debe montarse en el agujero…

Fig. 3La mesa de IKEA

ha cambiado las piezas de trabajo necesita leerlo para estar al tanto

de los cambios. Cifra9ilustra el flujo de información en la red de
objetos inteligentes.

1.6 Implementación de “buscar/seleccionar” inteligente

Como se puede ver en la Fig.6, el movimiento “buscar” aparece dos

veces en la secuencia de montaje del escenario: buscando la pierna;
buscando la esquina asociada. En este trabajo, la “búsqueda” inteligente
solo se implementó para la pierna y no para la esquina. Sin embargo, un
principio similar al utilizado para implementar la "búsqueda" inteligente
de la pierna se puede usar para implementar la "búsqueda" inteligente
de la esquina. En la computadora del operador, el programa establece el
estado de los LED de las piernas en uno de tres estados: "encendido",
"apagado" o "parpadeo". Inicialmente, todos los estados de los LED
están "apagados" y solo el estado de los LED de la rama activa se
establece en "encendido" por el programa. Los estados de los LED se

Figura 4 El principio de montaje de la mesa.
Figura 5 Las cuatro patas con diferentes patrones impresos en ellas.
solicita datos para mostrar el resultado de la inspección en la pantalla
del operador. Las piezas de trabajo necesitan solicitar continuamente
acceso a los servidores para ver si los datos han cambiado. Si los datos
no han cambiado, las piezas de trabajo deben leerlos para saber que no
se han producido cambios. si los datos
actualizan en tiempo real y se publican en un archivo. Este archivo
representa la parte de una base de datos disponible en el servidor de la
computadora del operador. Como todas las piezas forman parte de la
red, las microcomputadoras basadas en piernas son capaces de leer en
tiempo real la información publicada en esta base de datos. Envían una
solicitud al servidor para obtener el estado de los otros LED y el servidor
proporciona los datos solicitados. Cifra10muestra el diagrama de
secuencia para 'iniciar búsqueda'. Todas las computadoras de 'pierna'
leen el estado de su LED. Si el estado es "apagado", el LED está apagado.
Si el estado es "parpadeo", el LED comienza a parpadear a una
determinada frecuencia. Si está “encendido”, el LED se enciende. La pata
con el LED encendido es en realidad la pata activa. El diagrama de
actividad de un LED se presenta en la Fig.11.
Esta implementación de "búsqueda" inteligente para la pata en
realidad está reduciendo la carga cognitiva del operador, de modo que
en lugar de recordar los patrones de la pata que debe manipular, los
operadores simplemente deben encontrar la pata en la que está
encendido el LED.
1.7 Implementación de inspección inteligente
El diagrama de secuencia para el movimiento Inspeccionar se presenta en la
Fig.12. Cuando comienza la inspección, la computadora del operador

13
Uso de Therbligs para incorporar inteligencia en piezas de trabajo para ensamblaje asistido digital 2495

Figura 6Secuencia de movimientos de

ensamblaje analizada usando
El operador tiene que decidir qué pata va a
Therbligs. Esta secuencia se repite para Plan
cada una de las cuatro patas. En este
manipular.
escenario, los movimientos
"seleccionar" y "buscar" son similares
porque solo hay un grupo de objetos Buscar/
(las piernas) que forman parte de esta El operador localiza el tramo requerido.
seleccionar
experimentación.

Encontrar El operador encuentra el tramo requerido.

Transporte
vacío El operador se mueve hacia la pierna.

Comprender
El operador agarra la pierna.

Plan El operador planifica dónde poner la pierna.

Buscar El operador localiza la esquina.

Encontrar Operador encuentra esquina

Transporte
cargado Transporta la pierna a la esquina adecuada.

Preposición/ Sitúa la pierna en el agujero.

Posición

Comprueba la combinación de pierna y agujero asociado.

Inspeccionar

Armar El operador atornilla la pata en el orificio.

Liberar carga El operador suelta la pierna.

establece el estado de la pierna activa en "parpadeo" en la base de datos
"componentes de estado". Cada pata tiene su propia frecuencia de parpadeo como
se ve en la Tabla3.
La computadora del operador también envía el nombre del sensor
activo a la base de datos (una de cuatro opciones: “triángulo”,
“cuadrado”, “pentágono” o “círculo”). Las solicitudes de tramo activo
en tiempo real la evolución de su estado a la base de datos. Dado
que el estado del LED activo es "parpadeo", el LED activo comienza
a parpadear a su frecuencia particular. El microordenador de la
mesa solicita en tiempo real el nombre del sensor de color activo.
Cifra13muestra el diagrama de actividad para la activación de los
sensores de color. Se puede notar que este diagrama no

13
2496
Batería
CONDUJO
Frambuesa Pi (con
WiFi integrado)
Figura 7Una pieza de trabajo de pierna inteligente
presentar la desactivación de los sensores. El sensor de
activación se desactiva automáticamente si la pata derecha
correspondiente se coloca en la esquina. Como la pata activa ya
se ha posicionado frente al sensor (el operador debe haber
seguido la instrucción "Gire la pata hasta que su LED esté frente
al sensor y luego presione 'Enter'" que se mostró en su
pantalla), el sensor activo en el la mesa puede comenzar a leer
la frecuencia de parpadeo del LED.
El sensor activo envía en tiempo real el resultado de su
lectura al archivo que representa una base de datos disponible
en el servidor. El diagrama de actividad para el sensor activo es
Figura 8La mesa inteligente
Sensor de luz (con LED integrado)
adaptador wifi
13
J. Oyekan et al.
presentado en la figura14. Si la frecuencia de parpadeo del LED en
la pata corresponde a esta esquina (la esquina en la que se
encuentra el sensor activo), entonces el estado de la inspección
variable se establece en "buena pata" en la base de datos y el
sensor activo se desactiva. Si la frecuencia de parpadeo del LED es
la de un tramo correspondiente a otra esquina, entonces el estado
de la inspección variable se establece en "tramo equivocado" en la
base de datos. De lo contrario, el estado de la inspección variable se
establece en "sin detección". En los dos últimos casos, el sensor
activo no se desactiva para que el operador pueda reparar su error
reemplazando la pata equivocada por la correcta. El sensor activo
sigue leyendo la frecuencia de parpadeo hasta que detecta el tramo
esperado.
1.8 Configuración del experimento
Para probar y validar el trabajo, se invitó a diez personas a
realizar dos experimentos. El primer experimento consistió en
el montaje manual de la mesa IKEA. Para realizar esta tarea, los
voluntarios tenían a su disposición un manual de instrucciones
así como una hoja de lista de control. Después de ensamblar
una pata, el operador indica en la hoja qué pata
frambuesa pi
Batería
Uso de Therbligs para incorporar inteligencia en piezas de trabajo para ensamblaje asistido digital
han asociado con cada forma. El segundo experimento consistió en
el montaje de la mesa utilizando las piezas inteligentes. El operador
tiene a su disposición una computadora que ejecuta el programa
“inteligente” y una pantalla conectada a la computadora para
mostrar la información.
Para hacer comparables los dos experimentos (manual e
inteligente), se han creado secuencias de movimientos
equivalentes a realizar por el operador para los dos escenarios.
Las secuencias para el montaje de una pata se presentan en la
Tabla4.
Después de completar los dos experimentos, se llevó a cabo una
discusión con los participantes en la que dieron sus impresiones y
comentarios sobre el proceso. Luego se les pidió que completaran un
cuestionario para recopilar sus opiniones sobre el experimento. Se
utilizaron 10 participantes en los experimentos para comparar el
ensamblaje manual con el ensamblaje inteligente.
2 Resultados de los experimentos
2.1 Montaje manual
De los diez participantes, cuatro dijeron que estaban familiarizados con
el concepto de objetos inteligentes, dos participantes habían oído hablar
de él y cuatro no conocían el concepto. En cuanto al escenario de
montaje manual, siete de los voluntarios lo encontraron intuitivo. Sin
embargo, se observó que aunque el manual lo indica, nueve de cada
diez participantes habían gastado una cantidad considerable
Figura 9Diagrama de flujo de información entre las piezas y el operador
2497
de tiempo para seleccionar la pata a manipular. También se encontró
que 8 participantes perdieron tiempo revisando la correspondencia
entre las piernas y las esquinas. El principal problema que encontraron
los participantes fue que se olvidaron de llenar la hoja de verificación.
No era natural que hicieran el cheque. Un participante también
mencionó que el proceso presentado en este escenario era similar a la
fabricación flexible donde las mismas partes pueden entrar en un
ensamblaje en diferentes momentos debido a las pequeñas diferencias
entre las variantes del producto.
2.2 Montaje inteligente
En cuanto al escenario de montaje inteligente, todos los participantes lo
encontraron intuitivo y todos pensaron que las instrucciones que se
mostraban en la pantalla eran lo suficientemente claras y fáciles que
seguir un manual. Además, todos los participantes encontraron
interesante el concepto de ensamblaje inteligente. A nueve participantes
les gustaría tener esta guía de montaje inteligente para cada mueble de
automontaje. Ocho de ellos estarían de acuerdo en pagar un poco más
por sus muebles para tener esta guía de montaje inteligente.
Mesa4: Resumen de los resultados de los experimentos. Siempre que
fue posible, hemos utilizado medidas cuantitativas para mostrar cómo
se compara el proceso de ensamblaje manual con el proceso de
ensamblaje inteligente. Los resultados parecen sugerir que los
participantes favorecieron el proceso de ensamblaje inteligente a pesar
de que tomó más tiempo para usarlo.
13
2498
Figura 10Diagrama de secuencia para búsqueda/selección inteligente
Citeria
¿Fue intuitivo de usar?
Dificultad para seleccionar el siguiente
pieza de trabajo
Tiempo perdido para encontrar trabajo-
piezas
Tiempo utilizado
¿Pagará extra por
piezas de trabajo inteligentes?
¿Qué tan portátil era el
pieza de trabajo inteligente?
Documentación del montaje
bly proceso (Esto es
necesario en el manual
líneas de montaje para
decirle a la siguiente etapa
del proceso lo que se ha
hecho en la etapa anterior)
13
Manual
Observaciones
Siete de los voluntarios
lo encontré intuitivo
Nueve participantes de cada diez
había pasado una cantidad
considerable de tiempo para
seleccionar la pierna para manipular
También se encontró que 8
los participantes perdieron tiempo
Comprobación de la correspondencia entre las
piernas y las esquinas.
Los participantes tardaron 2 minutos en
promedio para terminar el montaje
El problema principal se encuen-
Lo que señalaron los
participantes fue que se
olvidaron de llenar la hoja de
verificación. No era natural que
hicieran el cheque.
J. Oyekan et al.
Elegante
Negativo Positivo Observaciones Negativo positivo
3 7 Todos los participantes lo encontraron intuitivo. 0 10
9 1 Todos pensaron que las instrucciones 0 10
mostrados en la pantalla eran lo
suficientemente claros y más fáciles que
seguir un manual
8 2 Todos pensaron que las instrucciones 0 10
mostrados en la pantalla eran lo
suficientemente claros y más fáciles que
seguir un manual
Los participantes tardaron 2:20 min en promedio
para terminar el montaje
Ocho de ellos estarían de acuerdo en pagar un poco 2 8
más para que sus muebles tengan esta
guía de montaje inteligente
Se preguntó a los participantes qué sería
ser la mejora más importante a
realizar en el diseño físico de las
piezas y respondieron que el equipo
embebido debería ser más pequeño,
ligero e integrado. En particular, se
señaló que el proceso fue más lento
de lo que podría ser debido a
problemas de tamaño y peso.
parte del proceso
Uso de Therbligs para incorporar inteligencia en piezas de trabajo para ensamblaje asistido digital 2499

Se preguntó a los participantes cuál sería la mejora más

importante a realizar en el diseño físico de las piezas y
respondieron que los equipos embebidos deberían ser más
pequeños, ligeros e integrados. En particular, se señaló que
el proceso fue más lento de lo que podría ser debido a
problemas de tamaño y peso. Un problema que se ha
encontrado tres veces fue que un sensor no se comportaba
correctamente; por lo tanto, se sugirió implementar un
método de detección más confiable.
Un participante notó que en lugar de tener la
instrucción "Mueve la pieza cerca del agujero
asociado a la forma XXX" (donde XXX es el nombre de
la forma) hubiera sido más interesante ver el LED
integrado en el sensor encendido. indicar cuál era la
esquina donde se debía montar la pata. El
participante enfatizó que sería más visual y, por lo
tanto, más intuitivo.
También se mencionó que la capacidad de las piezas de trabajo
inteligentes sería muy útil en un entorno de fabricación flexible,
especialmente porque el proceso de inspección lo completan
automáticamente las propias piezas de trabajo inteligentes. El
resumen de los resultados anteriores se presenta en la Tabla4.

2.3 Comparación de ensamblaje manual versus inteligente

Como se ve Tabla4, en términos de tiempo, el escenario manual

Figura 11 Diagrama de actividad de un LED
sigue siendo más rápido que el inteligente (2 min contra 2 min y

Figura 12Diagrama de secuencia para inspección inteligente

13
2500
Tabla 3Frecuencia de parpadeo del LED de la pierna
Número de pierna Asociado a la esquina Frecuencia de parpadeo
1 0,15 s
2 0,20 s
3 0,25 s
4 0,30 s
Figura 13 Diagrama de actividad para la activación de los sensores de color
20-s). Sin embargo, esto puede explicarse por dos factores. El
primero es el hecho de que, debido a su equipo integrado, las
piezas de trabajo inteligentes eran más pesadas y difíciles de
manipular. La segunda es que el montaje manual es más
natural ya que casi todo el mundo ya ha construido muebles
leyendo un manual. La novedad del ensamblaje inteligente
probablemente fue una desventaja a la hora de medir el tiempo
que tomó todo el proceso.
Sin embargo, como se ve en la Tabla4, las personas que utilizan el proceso
de ensamblaje manual a veces se olvidan de completar el papeleo necesario.
El proceso de ensamblaje inteligente ofrece la capacidad
13
J. Oyekan et al.
digitalizar el proceso de ensamblaje para poder rastrear los estados
de las piezas de trabajo, identificar y reducir las fuentes de errores
de ensamblaje en la línea de fabricación en general. Como
resultado, el tiempo adicional dedicado al proceso de ensamblaje
inteligente podría ahorrarse eventualmente. Además, se puede ver
en la Tabla4, que la gente está dispuesta a pagar por tal comodidad
en el montaje y por extensión la digitalización del proceso.
3 Discusión
Aunque el escenario de la mesa sigue siendo un escenario de
ensamblaje simple, muestra que existe la posibilidad de que las piezas
de trabajo puedan participar en una operación de ensamblaje mediante
el uso de comunicación activa.
Para hacer que las piezas de trabajo fueran inteligentes, era
esencial identificar qué es un comportamiento inteligente para
una pieza de trabajo. Sin embargo, las piezas de trabajo no
tienen un comportamiento real en el proceso de ensamblaje
tradicional. Como resultado, se exploró la descomposición de
un proceso manual humano en sus movimientos elementales
utilizando Therbligs. La idea era analizar, tanto como fuera
posible, el comportamiento del operador humano durante un
proceso de ensamblaje manual y luego implementar
movimientos transferibles en piezas de trabajo pasivas. En este
trabajo se eligieron los Therbligs (buscar/seleccionar y
encontrar) que requieren información del entorno. Estos
Therbligs capturan cómo el ser humano busca un objeto/
información, lo encuentra y lo selecciona para su uso. La idea
en este documento era transferir este elemento informativo del
operador a las piezas de trabajo.
3.1 Desafíos de comunicación
No obstante, para que el concepto de piezas de trabajo inteligentes
funcione con eficacia, cada pieza de trabajo debe conocer el estado de
las otras piezas de trabajo en el proceso de ensamblaje, así como el
progreso del ensamblaje general. Como resultado, las piezas de trabajo
de esta investigación tenían que solicitar continuamente acceso a los
servidores para recibir actualizaciones de estado. En la escala de este
escenario de caso de uso, este no fue un problema importante ya que
solo había cinco piezas de trabajo presentes. Sin embargo, si hubiera
más piezas de trabajo inteligentes, podría haber sido muy problemático.
De hecho, si demasiados clientes intentan conectarse a un servidor al
mismo tiempo, el servidor puede sobrecargarse.
Para solucionar este problema se podrían utilizar protocolos
como el protocolo MQ Telemetry Transport (MQTT) (OASIS,2015
). MQTT se diseñó como un transporte de mensajería de
publicación/suscripción extremadamente ligero. Este protocolo
se usa particularmente cuando se trata de conectar objetos en
la filosofía de Internet de las cosas.
Uso de Therbligs para incorporar inteligencia en piezas de trabajo para ensamblaje asistido digital 2501

Figura 14Diagrama de actividad del sensor activo

Tabla 4Secuencia de movimiento para montajes manuales e inteligentes

Montaje manual Montaje inteligente

Lea las instrucciones en el manual:“Por favor, agarre la siguiente pierna. Lea las instrucciones en la pantalla del operador: “Sujete la pata indicadora
(con foto de la pierna abajo). Luego, pasa la página” y presione 'Entrar'”
Agarrar la pierna Agarrar la pierna

Voltea la página Presiona 'Entrar'

Lea las instrucciones en el manual:“Mover la pierna hacia la esquina
asociado a la forma (con la imagen de la forma a continuación). Luego, introducir la pata
en el orificio y atornillar hasta que quede totalmente ensamblada. Rellene la hoja de
control”
Tome la hoja de verificación
Lea las instrucciones en la pantalla del operador: ““Acerque la pieza
el hueco asociado a la forma XXX” (donde XXX es el nombre de la forma).
Luego, coloque el tornillo de la pata en el orificio. Gire la pata hasta que su
LED quede frente al sensor y luego presione 'Enter'”
Presiona 'Entrar'

Llene la hoja La inspección en el montaje inteligente es automática. El sensor reconoce

niza la frecuencia de parpadeo de la pierna. Si se detecta el tramo bueno, el
operador lee el siguiente mensaje:“Después de la inspección, se confirma que
la pata está bien asociada a la esquina XXX (donde XXX es el nombre de la
forma). Gira la pata hasta que quede totalmente montada y pulsa 'Enter''”

Girar la pata hasta que quede totalmente montada

Vuelve al manual. Luego, lea las instrucciones:“Voltea la página"

Voltea la página Presione 'Entrar'. El mensaje“siguiente tramo”aparece en la pantalla y el
La secuencia se reinicia para otro tramo. la secuencia se reinicia para otro tramo

13
2502
3.2 Desafíos de fabricación
Además, el uso de piezas de trabajo inteligentes podría presentar más
inconvenientes. Por ejemplo, hará que la fabricación de piezas de
trabajo sea más compleja y puede que su montaje sea más complejo. En
esta investigación, los componentes electrónicos que hicieron que las
piezas de trabajo fueran inteligentes debían colocarse con mucha
precisión en las piezas de trabajo para optimizar el comportamiento
inteligente. En nuestro caso, cuando los sensores y el LED no estaban
colocados perfectamente, el sensor no siempre podía detectar la
frecuencia de parpadeo del LED. Si el LED está demasiado cerca o
demasiado lejos del sensor, es posible que no se detecte la frecuencia de
parpadeo. Como resultado, aumenta las posibilidades de tener piezas de
trabajo defectuosas porque las fallas electrónicas en realidad podrían
contribuir a una pieza defectuosa además de las fallas de diseño
tradicionales.
Otro inconveniente es el hecho de que los componentes deben
tolerar el entorno de fabricación. De hecho, el entorno de
fabricación puede ser muy agresivo para piezas tan pequeñas. Por
ejemplo, los robots pueden aplicar cierta presión sobre las piezas
de trabajo que los componentes no pueden tolerar. Por lo tanto,
existe la necesidad de probar piezas de trabajo inteligentes en el
entorno de fabricación y esto agrega otra capa de complejidad al
sistema de fabricación.
Sin embargo, el uso de componentes inteligentes y, en
particular, el uso de una microcomputadora integrada, también
presenta ventajas significativas. El primero es el hecho de que hace
que el proceso de montaje sea flexible y reconfigurable. Esto se
debe al hecho de que las piezas de trabajo tienen su propia
inteligencia. Por ejemplo, en el escenario de caso de uso, al cambiar
dos líneas en el programa ubicado en la microcomputadora del
operador, es posible cambiar el orden del ensamblaje (la segunda
pata se puede ensamblar antes que la primera, por ejemplo) y es
también es posible cambiar la asociación pierna-esquina (una
pierna se puede atribuir a otra esquina y una esquina se puede
asociar a otra pierna).
Como consecuencia, el uso de piezas de trabajo inteligentes
podría volverse muy útil cuando se trata de la producción en masa
de artículos personalizados. Otra ventaja de los componentes
inteligentes es que pueden permitir una inspección continua del
producto ensamblado, incluso durante su utilización. Equipadas con
los sensores correctos, las piezas de trabajo inteligentes podrían
informar al propietario si su producto se rompe, por ejemplo,
informando que dos partes constituyentes ya no están en contacto.
3.3 Consideraciones de diseño y costo
El diseño de las piezas de trabajo es en realidad un tema importante. Es
difícil imaginar piezas de trabajo con demasiados componentes
externos, ya que afectará el diseño del producto final. Además, equipar
las piezas de trabajo con componentes externos tiende a hacer que las
piezas de trabajo sean más pesadas y difíciles de manipular, como se
observó en los experimentos. Como resultado,
13
J. Oyekan et al.
es necesario investigar más a fondo cómo integrar los componentes en
las piezas de trabajo. Para integrarlos, probablemente sería necesario
revisar la forma de fabricar las piezas de trabajo porque el ensamblaje
de los componentes en las piezas de trabajo debe integrarse en el
proceso. Quizás las tecnologías de sensores podrían integrarse en los
tornillos y pernos dentro de los muebles (con los LED desmontables
antes de la compra o después en el caso del autoensamblaje dejando los
sensores integrados). Desarrollar esta nueva forma de fabricar las piezas
de trabajo puede resultar muy costoso. Además, requiere tecnología de
precisión para posicionar los componentes de manera optimizada, así
como la necesidad de que las personas programen el comportamiento
inteligente de las piezas de trabajo inteligentes de manera eficiente.
Como resultado, el costo de fabricación aumenta debido a las piezas de
trabajo inteligentes, lo que aumenta el costo del producto final. Sin
embargo, en la encuesta para la prueba y validación, ocho de cada diez
participantes dijeron que estarían de acuerdo en pagar un poco más por
sus muebles para tener esta guía de montaje inteligente. Si bien la
fabricación de piezas de trabajo inteligentes parece más costosa, es
importante señalar que las piezas de trabajo inteligentes son la clave
para lograr la producción en masa de artículos personalizados y eso
podría ser una ventaja competitiva en el futuro.
4. Conclusión
Las instalaciones de fabricación actuales enfrentan el desafío de volverse
completamente flexibles, adaptables y reconfigurables en respuesta a
las demandas de la producción de productos personalizados. El uso de
piezas de trabajo inteligentes se ve como una posible solución a esta
necesidad. Esta investigación ha cuestionado la posibilidad de que las
piezas de trabajo inteligentes participen activamente en las operaciones
de ensamblaje. Para ello, se analizaron movimientos de ensamblaje
elemental basados en Therbligs y se desarrolló un escenario de caso de
uso. Luego, este estudio comparó el ensamblaje manual de una mesa
IKEA con el ensamblaje de la misma mesa utilizando piezas de trabajo
inteligentes.
Se invitó a diez participantes a probar los dos métodos de montaje.
Los resultados mostraron que en su forma actual, el ensamblaje
inteligente era más lento. No obstante, reduce los errores humanos y
hace que el proceso de montaje sea más flexible, adaptable y
reconfigurable. Se ha demostrado la posibilidad de que las piezas de
trabajo inteligentes se comuniquen para participar activamente en la
operación de ensamblaje y se recomienda seguir investigando en esta
dirección. En el trabajo futuro, el ensamblaje inteligente debe probarse
en un entorno de fabricación. Las instalaciones de fabricación actuales
no se han construido con el objetivo de integrar componentes
inteligentes en piezas de trabajo y, como resultado, pueden requerir
modificaciones.
La investigación adicional también podría analizar el uso de piezas de
trabajo inteligentes para manipular robots. Esto podría crear una nueva
forma de fabricación en la que las piezas de trabajo inteligentes
Uso de Therbligs para incorporar inteligencia en piezas de trabajo para ensamblaje asistido digital
mismos indicarán al robot cómo debe manipularlos. Lograr
esto permitiría que las instalaciones de fabricación se vuelvan
más adaptables, flexibles y reconfigurables para lograr la
producción en masa eficiente de artículos personalizados.
Expresiones de gratitudEste proyecto fue apoyado por la Royal Academy of
Engineering bajo el esquema de Research Chairs and Senior Research
Fellowships. El profesor Ashutosh Tiwari es presidente de investigación de
Airbus/RAEng en digitalización para la fabricación en la Universidad de
Sheffield. Los autores también quisieran agradecer al Centro de Tecnología de
Manufactura por su apoyo.
Acceso abiertoEste artículo se distribuye bajo los términos de la licencia
internacional Creative Commons Attribution 4.0 (http://creativecommons.org/
licenses/by/4.0/), que permite el uso, la distribución y la reproducción sin
restricciones en cualquier medio, siempre que otorgue el crédito
correspondiente al autor o autores originales y la fuente, proporcione un
enlace a la licencia Creative Commons e indique si se realizaron cambios.
Referencias
Alavudeen A, Venkateshwaran N (2008) Manufactura integrada por computadora
fabricación PHI Aprendizaje Pvt. Ltd., Nueva Delhi
Esmaeilian B, Behdad S, Wang B (2016) La evolución y el futuro de
fabricación: una revisión. J Manuf Syst 39:79–100 Ferguson D (2000)
Therbligs: Las claves para simplificar el trabajo. El
Red Gilbreth [en línea].http://gilbrethnetwork.tripod.com/
therbligs.html; 2000. Consultado el 04/05/2019.
Gobierno Federal Alemán (2016) The new High-Tech Strategy Inno-
vaciones para Alemania [en línea]. Disponible:https://www.bmbf.de/pub/
HTS_Broschuere_eng.pdf. Consultado el 05/05/2019 Gibbs S (2016)
Mercedes-Benz cambia robots por personas en su ensamblaje.
Bly Lines, sitio web de The Guardian [en línea].https://
www.theguardian.com/technology/2016/feb/26/mercedes-benz-
robots-peopl e-assembly-lines. Consultado el 04/05/2019
Goldhar JD (1984) Los impactos organizacionales de la informática
Fabricación. En Robótica e Inteligencia Artificial. Springer,
Berlín
Koestler A (1968) El fantasma en la máquina, Psiquiátrico. comunica-
ciones 10(2):45–48
Lee J, Bagheri B, Kao HAA (2015) Arquitectura de sistemas ciberfísicos
tura para los sistemas de fabricación basados en la Industria 4.0. Manuf Lett
3:18–23
OASIS (2015) Estándar MQTT [en línea].http://docs.oasis-open.org/
mqtt/mqtt/v3.1.1/mqtt-v3.1.1.html; 2015. Consultado el 04/05/2019
Prabhu V, Tiwari A, Hutabarat W, Turner C (2015) Capture, digiti-
sación y segmentación de las interacciones persona-pieza de trabajo en una
operación de ensamblaje manual usando KinectTM. IJDE 6(1):61–85
2503
Qu T, Zhang L, Huang Z, Dai Q, Chen X, Huang GQ, Luo H (2013)
Sistema de gestión de taller de montaje inteligente habilitado para
RFID. 2013 10ª Conferencia internacional IEEE sobre redes,
detección y control, ICNSC 2013: 895–900
Rajkumar R, Lee I, Sha L, Stankovic J (2010) Sistema ciberfísico
artículos En: Actas de la 47.ª conferencia sobre automatización del
diseño en—DAC'10, 731
Savage CM (1987) Gestión de quinta generación para quinta generación
Tecnología (una mesa redonda). Sociedad de Ingenieros de
Manufactura, Dearborn, Michigan 1–30
Shrensker W (1990) CIM: una definición de trabajo. Sociedad de Manufac-
turing Engineers Dearborn, Michigan, SME Blue Book Series Suda H
(1989) Sistema de fábrica futuro formulado en Japón. Tecno
22(10):15–25
Tao F, Zhang L, Venkatesh VC, Luo Y, Cheng Y (2011) Cloud manu-
facturing: un modelo de fabricación orientado a la computación y los servicios.
Proc Inst Mech Eng 225: 1969–1976
TAOS 2012 (2016) TCS3472 Convertidor de luz a color a digital con
Hoja de datos del filtro IR [en línea].https://cdn-shop.adafruit.com/
datassheets/TCS34725.pdf. Consultado el 05/04/2019
Tsamis N, Giannikas V, McFarlane D, Lu W, Strachan J (2015) Adaptación
asignación de ubicación de almacenamiento tivo para almacenes que utilizan
productos inteligentes. Stud Comput Intel 594: 271–279
Valckenaers P, Bonneville, F, Van Brussel, H, Bongaerts L, Wyns J
(1994) Resultados del punto de referencia del sistema de control
holónico en KU Leuven. En: Actas de la Cuarta Conferencia Internacional
sobre Tecnología de Automatización y Manufactura Integrada por
Computadora 128–133
Velandia DMS, Kaur N, Whittow WG, Conway PP, West AA (2016)
Hacia el internet industrial de las cosas: monitorización, trazabilidad y
seguimiento de cigüeñales mediante RFID. Robot Comput Integ Manuf
41: 66–77
Wang L, Haghighi A (2016) Fuerza combinada de holones, agentes y
bloques de función en sistemas ciberfísicos. J Manuf Syst 40:25–34
Wang L, Törngren WM, Onori M (2015) Estado actual y avance-
miento de sistemas ciber-físicos en la fabricación. J Manuf Syst 37
(2): 517–527
Wu D, Greer MJ, Rosen DW, Schaefer D (2013) Fabricación en la nube:
visión estratégica y estado del arte. J Manuf Syst 32(4):564–579 Yu
C, Xu X, Lu Y (2015) Fabricación integrada por computadora, ciber-
sistemas físicos y fabricación en la nube: conceptos y
relaciones. Manuf Lett 6:5–9
Zhong RY, Dai QY, Qu T, Hu GJ, Huang GQ (2013) habilitado para RFID
sistema de ejecución de fabricación en tiempo real para la producción de
personalización en masa. Robot Comput Integ Manuf 29(2):283–292
Nota del editorSpringer Nature se mantiene neutral con respecto a los
reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
13