Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Grupo de Investigación
Palabras clave:
Keywords:
1. INTRODUCCIÓN
parte, además de la aplicación mencionada anteriormente (Serna, 2017) afirma que al incorporar
esquemas de ventas tecnológicos basados en inteligencia artificial, se logra mejorar los sistemas
preexistentes en áreas como envíos, producción, gestión y ventas, con el propósito de optimizar
la toma de decisiones.
A principios del siglo XX se fundamentan las bases de la IA, la matemática y la lógica. En 1912,
Alfred North Whitehead y Bertrand Russell, publican tres volúmenes denominados “Principia
Mathematica”, en donde determinan las bases de la lógica formal y de la moderna lógica
matemática. A partir de esto, en 1920 la palabra robot reemplaza a los autómatas. Luego, en la
segunda mitad del siglo XX, ya existían los equipos de cómputo, unas máquinas que podían
realizar las tareas de manera más rápida y eficiente que los mismos seres humanos. En 1950,
Alan Turing desarrolla la Prueba de Turing en un ensayo titulado "Computing Machinery and
Intelligence". Esta prueba tiene como objetivo determinar si una máquina tiene capacidad de
pensamiento. A partir de esto, Turing defendía la noción de que a través de la computación era
posible simular el pensamiento humano. Y en 1993, Luger y Stubblefield proponen un concepto
que sustenta la inteligencia artificial: “La rama de la ciencia de la computación que se ocupa de
la automatización de la conducta inteligente”.
Serna (2017) y Martínez (2018) coinciden en que la aplicación de la IA a la industria inicia con
la mejora en la eficiencia empresarial, la cual ha sido lograda mediante avances que buscan
automatizar procesos en las líneas de producción. Esto ha reducido la participación humana, que
ahora se limita en algunos casos a la supervisión. Un ejemplo destacado es la industria
automotriz, que, a pesar de las crisis económicas, ha logrado mayores ganancias a medida que las
plantillas laborales se reducen y las máquinas desplazan a los trabajadores, evidenciando un
cambio significativo. Los humanos realizan tareas limitadas, principalmente de supervisión, ya
2
Última actualización: 14/09/2023
Grupo de Investigación
que las máquinas llevan a cabo la mayoría del trabajo de ensamblaje con mayor rapidez,
precisión y sin necesidad de descanso, generando beneficios económicos sustanciales.
Otra ventaja destacada según (Caro, 2023) es la capacidad de la IA para mejorar la calidad del
producto final. A través del monitoreo y la corrección automática de procesos, se reducen los
errores de producción y se garantiza una mayor consistencia en los productos, por ende, una
mayor satisfacción del cliente y una reputación mejorada para la empresa. Asimismo, la
implementación de IA en la planificación y control de la producción conlleva una mayor
flexibilidad en la adaptación a cambios que tenga la industria. La tecnología es capaz de ajustar
los planos de producción teniendo en cuenta nuevas variables, como cambios en la demanda del
mercado o en la disponibilidad de materias primas.
Por último, la IA aporta una mayor capacidad de análisis y mejora continua a través de la
retroalimentación constante. Al recopilar y analizar datos de producción, la tecnología puede
identificar áreas de oportunidad y proponer mejoras, contribuyendo a la optimización de los
procesos y la competitividad de la empresa en el mercado.
4
Última actualización: 14/09/2023
Grupo de Investigación
Otra desventaja que considerar es el riesgo de desempleo, que puede tener efectos perjudiciales y
generalizados. En áreas donde la automatización capital se ha vuelto común, las oportunidades
de empleo que dependen en gran medida de la mano de obra humana disminuyen, (Eduardo Pol,
2017). Esto plantea la amenaza de que las personas sean reemplazadas por máquinas si no
pueden mejorar y adaptar sus habilidades. El alto desempleo también puede contribuir a un
Producto Interno Bruto estancado, ya que las personas pueden carecer de las habilidades
necesarias para satisfacer las demandas del mercado, lo que crea una brecha significativa entre la
oferta y la demanda de trabajo.
La gestión de la producción puede ser abordada desde dos perspectivas distintas: el sistema
CONWIP, que busca mantener un flujo constante de trabajo en proceso con un límite
previamente definido, y la aplicación de la inteligencia artificial en la producción. Mientras que
CONWIP representa un enfoque más estático y sencillo que requiere intervención humana para
adaptarse a cambios, la IA en la producción es dinámica y emplea algoritmos de aprendizaje
automático para adaptarse en tiempo real. La IA tiene un potencial significativo para optimizar la
producción de manera avanzada al identificar patrones de ineficiencia y tomar decisiones
automáticas para mejorar la eficiencia. En la práctica, estos enfoques pueden complementarse,
con la IA monitoreando el desempeño y ajustando el sistema CONWIP o realizando
modificaciones en otros parámetros del proceso con el fin de lograr una producción más eficaz y
adaptable a las condiciones cambiantes del entorno. Esta combinación de estrategias puede
resultar en una gestión de la producción altamente eficiente y versátil.
Tanto el DDMRP como la inteligencia artificial (IA) aplicada a la producción tienen sus propias
ventajas y áreas de especialización. El DDMRP se destaca por su estructura y enfoque claro en la
planificación de la cadena de suministro, lo que lo hace particularmente útil para empresas que
necesitan un sistema bien definido y establecido para gestionar sus inventarios y flujos de
trabajo. Su énfasis en el posicionamiento estratégico de inventario y la planificación basada en la
demanda es beneficioso para mantener un flujo eficiente en la producción.
Por otro lado, la IA brinda un nivel de adaptabilidad y capacidad de análisis en tiempo real que
puede ser especialmente valioso en entornos de producción altamente dinámicos y complejos. La
IA tiene la capacidad de aprender y ajustarse continuamente según los datos actuales, lo que la
5
Última actualización: 14/09/2023
Grupo de Investigación
hace ideal para identificar patrones ocultos, prever la demanda y tomar decisiones precisas en
situaciones cambiantes.
2. . MATERIALES Y MÉTODOS
3. RESULTADOS Y ANÁLISIS
6
Última actualización: 14/09/2023
Grupo de Investigación
4. CONCLUSIONES
Sin embargo, la IA también presenta desafíos, incluyendo los altos costos de adquisición y
mantenimiento, la necesidad de ajustes constantes en el software y sus limitaciones en
comparación con el pensamiento humano.
La colaboración entre humanos y sistemas de IA, como los cobots, es una tendencia
creciente que mejora la eficiencia y reduce los riesgos laborales.
7
Última actualización: 14/09/2023
Grupo de Investigación
La ética y la regulación en torno a la IA son temas importantes que deben abordarse para un
uso responsable y seguro en la industria.
La IA sigue evolucionando, con avances en áreas como el aprendizaje profundo y las redes
neuronales, lo que promete una innovación continua en la industria.
BIBLIOGRAFÍA
Ahlam Azzamouri, P. B. (2021). Demand Driven Material Requirements Planning (DDMRP): A
Systematic Review and Classification. Journal of Industrial Engineering and Management,
439-456.
Alexis, A. D. (2020). MODELO PARA LA OPTIMIZACIÓN DEL PLAN AGREGADO. Ecuador.
Ali, O. (2023). A systematic literature review of artificial intelligence in the healthcare sector:
Benefits, challenges, methodologies, and functionalities. Journal of Innovation &
Knowledge.
Bezrucava, S.-O. (2023). Artificial Intelligence Task Planning of Cooperating Low-Cost Mobile
Manipulators: A Case Study on a Fully Autonomous Manufacturing Application. Procedia
Computer Science, 306-315.
CANTOR, M. J. (2019). IMPACTÓ DE LA INTELIGENCIA ARTIFICIAL EN LAS EMPRESAS. SEMINARIO DE
INVESTIGACIÓN ESPECIALIZACIÓN, 56.
Caro, J. D. (2023). La Inteligencia Artificial en la sociedad: Explorando su Impacto Actual y los
Desafíos Futuros . Madrid: Universidad Politécnica de Madrid .
Eduardo Pol, J. R. (2017). Robot induced technological unemployment: towards a youth-focused. 1-
20.
Enríquez, L. E. (2019). Inteligencia artificial e innovación: campos de aplicación para la industria del
Ecuador. VISION EMPRESARIAL NO 9.
JAIMES, D. A., & LAGUADO SEQUEDA, S. (2020). PROTOTIPO DE HERRAMIENTA SOFTWARE PARA LA
GENERACION DE UN PRONÓSTICO DE INVENTARIO MEDIANTE ALGORITMOS DE
INTELIGENCIA. BUCARAMANGA.
Martínez, I. P. (2018). Cuarta Revolución Industrial. Impacto de la Inteligencia Artificial en el modo
de producción actual. REVISTA CONJETURAS SOCIOLÓGICAS, 15.
Nadikattu, A. K. (2021). Influence of Artificial Intelligence on Robotics Industry. IJCRT, 4708-4714.
PANDURO AMASIFUEN, L. M. (2023). IMPACTO E IMPLEMENTACIÓN DE LA INTELIGENCIA
ARTIFICIAL EN LA CONTABILIDAD DE GESTIÓN EN LAS PEQUEÑAS Y MEDIANAS EMPRESAS
DEL PERÚ, CASO “MULTIGRANJAS SERLAN S.A.C.” - MANANTAY, 2023. CHIMBOTE – PERÚ:
UNIVERSIDAD CATÓLICA LOS ÁNGELES DE CHIMBOTE.
8
Última actualización: 14/09/2023
Grupo de Investigación