Convergencia de Arquitecturas Software, Robótica Colaborativa y Aprendizaje Automático en la Industria 5.0. Métodos y Aplicación

Resumen

The digitalization of the industrial sector is currently undergoing a transformation driven by the convergence of two revolutions. On one hand, the Fourth Industrial Revolution, where short innovation cycles, interoperability, information and automation play a fundamental role. On the other hand, the emerging Fifth Industrial Revolution which places technological and operational resilience, a human-centric approach and sustainability as the strategic pillars for industrial development and the industries of the future.

If this context is combined with advances in artificial intelligence, and its potential to transform the industry, a scenario of change emerges in which many companies lack both the resources and the necessary knowledge for its implementation.

This work aims to study, from a theoretical-practical perspective, the key elements of Industry 5.0 within a narrative that integrates case studies where human and technology are interconnected. Consequently, the goal is to observe the impact of their cooperation on environmental sustainability, economic viability and workforce adaptation needs.

The thesis consists of five articles that present five case studies, ranging from the analysis of pilot line trends in relation to the challenges of the new industrial paradigm to the study for labor force adaptation to industry requirements. Additionally, it also includes various examples of methodologies and solutions applied to the industry, detailing how these can be connected to a human-centric approach and their impact on waste reduction in quality control processes.

In terms of resilience and technology, the findings reveal a trend towards including components related to human factors, sustainability, artificial intelligence, automation and robotics in pilot lines. Furthermore, their use is highlighted as a training mechanism, a test-before-invest facilitator and as a method for analyzing sustainability indicators. Additionally, an hybrid risk-goal analysis methodology is presented that enables the definition of interoperable software platforms for these pilot lines.

Regarding the human factor, it is demonstrated that it is possible to develop capacity building and training recommendation systems based on occupational databases to detect skill gaps and training needs, allowing workers and companies to adapt to new industrial activities.

From a broader perspective, the quality control studies are presented as an example where technology, under operator supervision, enables the generation of synthetically generated images of defective components to train artificial intelligence models. This approach eliminates the need for manually manufacturing these parts, thus reducing waste. Additionally, it is demonstrated that it is more effective to train classification models by increasing the data volume with synthetic parts rather than using only manually made defective parts.

As a complement to these case studies, an analysis of strengths and limitations is presented, leading to the conclusion that Industry 5.0 should be understood as an intelligent industry, based on innovative technologies and machines, supported by skilled and resilient workers and driven by objectives of competitiveness, sustainability, scalability and quality.

RESUMEN

La digitalización del sector industrial se encuentra en una etapa de transformación caracterizada por la convergencia de dos revoluciones. Por un lado, la denominada Cuarta Revolución Industrial, en la que los tiempos cortos de innovación, la interoperabilidad, la información y la automatización desempeñan un papel fundamental. Por otro lado, la emergente Quinta Revolución Industrial, que pone énfasis en la resiliencia tecnológica y operativa, la centralidad en el ser humano y la sostenibilidad como ejes estratégicos del desarrollo industrial, y de la industria del futuro.

Si a este contexto se suman los avances en inteligencia artificial, y su potencial para transformar la industria, se obtiene un escenario de cambio en el que muchas empresas no disponen ni de los recursos adecuados ni del conocimiento necesario para su implementación.

Esta tesis surge con el propósito de estudiar, desde un enfoque teórico-práctico, los elementos clave de la Industria 5.0. Para ello, parte de una narrativa que integra casos de estudio donde se interrelacionan el ser humano y la tecnología. De este modo, se pretende observar el impacto de su cooperación en la sostenibilidad ambiental, económica y en cuanto necesidad de adaptación laboral.

La tesis se compone de cinco artículos que presentan cinco casos de estudio, abarcando desde el análisis de las tendencias de las líneas piloto en función de los desafíos del nuevo paradigma industrial hasta el estudio de técnicas de capacitación de la fuerza laboral para adaptarse a los nuevos requisitos de la industria. También se incluyen diversos ejemplos de metodologías y soluciones tecnológicas aplicadas a la industria, detallando cómo estas pueden relacionarse con la centralidad en el ser humano y su impacto en la reducción de residuos en los procesos de control de calidad.

En lo que respecta a la resiliencia y la tecnología, los hallazgos revelan una tendencia a incluir componentes relacionados con el ser humano, la sostenibilidad, la inteligencia artificial, la automatización y la robótica en las líneas piloto. Además, se destaca su uso como herramienta formativa, facilitadora de la validación previa a la inversión y como método de análisis de indicadores de sostenibilidad y ciclo de vida. Asimismo, se presenta una metodología de análisis de riesgos que permite definir plataformas de software interoperables sobre estas líneas piloto.

En cuanto al factor humano, se demuestra que es posible desarrollar sistemas basados en bases de datos ocupacionales para detectar necesidades de capacitación, permitiendo a trabajadores y empresas adaptarse a nuevas actividades industriales.

Desde una perspectiva más amplia, los casos de estudio relacionados con el control de calidad se presentan como un ejemplo donde la tecnología, con supervisión del operador, permite generar sintéticamente imágenes de piezas defectuosas para entrenar modelos de inteligencia artificial, evitando la fabricación manual de estas piezas y, por tanto, reduciendo residuos. A su vez, se demuestra que es más eficaz entrenar modelos de clasificación incrementando el volumen de datos con piezas sintéticas que utilizando exclusivamente piezas defectuosas fabricadas a mano.

Como complemento a estos casos de estudio, se presenta un análisis de fortalezas y limitaciones, que lleva a la conclusión de que la Industria 5.0 debe ser entendida como una industria inteligente, fundamentada en tecnologías y máquinas innovadoras, respaldada por trabajadores capacitados y resilientes, y apoyada por objetivos de competitividad, sostenibilidad, escalabilidad y calidad.