Revisión de literatura del diseño del producto integrado las nuevas tecnologías de industria 4.0 en procesos con interacción humana o sin interacción humana.

Luis Gerardo Esparza Ramírez; Jorge Adolfo Pinto Santos; Eduardo Rafael Poblano Ojinaga; Rubén García Barrios; Mario Macario Ruíz Grijalba

doi:10.61273/neyart.v3i4.110

Autores/as

Luis Gerardo Esparza Ramírez Tecnológico Nacional de México
Jorge Adolfo Pinto Santos Tecnológico Nacional de México
Eduardo Rafael Poblano Ojinaga Tecnológico Nacional de México
Rubén García Barrios Tecnológico Nacional de México
Mario Macario Ruíz Grijalba Tecnológico Nacional de México

DOI:

https://doi.org/10.61273/neyart.v3i4.110

Palabras clave:

Diseño del producto, Industria 4.0, Manufactura

Resumen

El diseño de un producto automotriz es complejo, debido a que son muchos componentes e interfieren muchos equipos de diferentes organizaciones, estos productos deben cumplir con regulaciones, especificaciones y la calidad esperada por el consumidor. Un reto muy importante es el mercado al que va dirigido el producto, este define las especificaciones de ingeniería y presupuesto disponible para el proyecto. El sector automotriz es muy diverso, comercialmente define el lujo a través de cualidades comunes, como el rendimiento; características de diseño icónicas (principalmente visuales), calidad destacada, precisión y artesanía detallada; y el uso de materiales únicos y costosos. Las marcas de lujo ofrecen experiencias de conducción rápidas, potentes y ágiles asociados con escenarios de ensueño. Existen diversas fases para el desarrollo del producto, donde se inicia con el concepto del producto, para continuar con la segmentación de mercado donde se seleccionarán las necesidades y alcances del producto. Finalmente, en las últimas etapas donde se comunica el producto al proveedor responsable de diseño se valida la factibilidad de manufactura del producto, donde en muchas ocasiones el diseño original necesita cambiar, generando un cambio en el concepto y en consecuencia retrasa la introducción de los proyectos al mercado. La metodología actual de diseño y desarrollo de productos por parte de los OEM se centra únicamente en la estética, lo que causa problemas en las fases de validación de manufactura debido a la falta de consideración de potenciales problemas de manufactura y regulaciones del mercado. El objetivo es diseñar una metodología que integre Scrum y tecnologías de la Industria 4.0 para reducir el tiempo de desarrollo y validación de prototipos, desde la fase de concepto hasta el desarrollo del diseño con el proveedor seleccionado por el OEM.

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Biografía del autor/a

Luis Gerardo Esparza Ramírez , Tecnológico Nacional de México

Luis Gerardo Esparza Ramírez Cuenta con una Licenciatura en Ingeniería Industrial (2011-2015), una Maestría en Ingeniería Industrial (2018-2020) y posteriormente profundizó en temas como la gestión de proyectos y las tecnologías avanzadas de manufactura, lo que me permitió implementar soluciones innovadoras en el ámbito laboral. Actualmente, continúa su formación con un Doctorado en Ciencias de la Ingeniería (2023-2027), con el objetivo de contribuir al desarrollo de nuevas metodologías y herramientas en el campo de la ingeniería. En el ámbito profesional, inició su carrera en Adient como Lead Design Engineer (2014-2022), posteriormente como Sr. Product Engineer en Stellantis (2022-2023) y Project Coordinator en Signata (2023-2024). Desde el año 2024, se desempeña como Sr. Product Engineer en Bizlink y en paralelo, desde el año 2020, ejerce como docente en el TecNM Campus Ciudad Juárez.

Jorge Adolfo Pinto Santos , Tecnológico Nacional de México

Dr. Jorge Adolfo Pinto Santos, es profesor investigador de la División de Estudios de Posgrado e Investigación del Instituto Tecnológico de Ciudad Juárez (ITCJ), con 15 años de experiencia docente en Instituciones de Educación Superior. Se título de la Maestría en Ingeniería Industrial del Instituto Tecnológico de la Laguna. Obtuvo su doctorado en Tecnología en Tecnología en la Universidad Autónoma de Cd. Juárez-México (2021). Su área de investigación se enfoca en la Ingeniería de Calidad, Seis Sigma y en Estadística Multivariable. Así mismo, su experiencia profesional ha estado relacionada a las áreas de Aseguramiento de Sistemas de Calidad, Control de la Producción, Sistemas de Almacenamiento y Compras. También se desarrolla como evaluador de competencias clave del Consejo de Normalización y Certificación. Actualmente es Jefe de la División de Estudios de Posgrado e Investigación del Instituto Tecnológico de Ciudad Juárez.

Eduardo Rafael Poblano Ojinaga , Tecnológico Nacional de México

Eduardo Rafael Poblano Ojinaga Ha sido profesor durante 35 años de la carrera de Ingeniería Industrial en el Tecnológico Nacional de México, Campus La Laguna. Obtuvo su doctorado en Tecnología en la Universidad Autónoma de Cd. Juárez-México (2019) y es miembro del Sistema Nacional de Investigadores (SNII-I). Su área de investigación es Planificación Estratégica, Ingeniería de Calidad y Modelado de Ecuaciones Estructurales. Tiene experiencia profesional industrial como gerente de producción, calidad y comercialización. También ha sido consultor industrial en ingeniería de calidad, seis sigma y trabajo en equipo. Actualmente se desempeña como subdirector administrativo del Tecnológico Nacional de México, Campus Ciudad Juárez.

Rubén García Barrios , Tecnológico Nacional de México

Rubén García Barrios, Maestro en Administración de Empresas con enfoque Logística, egresado de la Universidad Tec Milenio. Es Ingeniero Industrial especializado en Manufactura egresado del Instituto Tecnológico de Cd. Juárez. Actualmente es catedrático en el Instituto Tecnológico de la Laguna, mantiene su actividad académica mediante el asesoramiento de Proyecto e Investigaciones de estudiantes enfocados en Procesos de Producción, además de la participación activa en Eventos Académicos diversos de la Institución como del propio Tecnológico Nacional de México.

Mario Macario Ruíz Grijalba , Tecnológico Nacional de México

Mario Macario Ruiz Grijalva es un profesional en Sistemas Computacionales con Maestría en Cómputo Aplicado y actualmente cursando el Doctorado en Ciencias de la Ingeniería en el ITCJ. Se desempeña como Director en el TecNM campus ITCJ, donde impulsa proyectos de innovación y emprendimiento a través del Nodo de Creatividad Innovación Tecnológica y Emprendimiento. Cuenta con amplia experiencia en gestión de laboratorios, diseño de software, análisis de datos y arquitectura de software. Ha participado como docente universitario y asesor tecnológico en proyectos de investigación y desarrollo con impacto regional y nacional. Entre sus logros destacan reconocimientos en concursos de innovación y asesorías premiadas en ferias científicas. Maneja lenguajes como C++, Python, C# y R, así como metodologías ágiles y plataformas de análisis de datos. Su perfil combina liderazgo académico, gestión tecnológica y desarrollo de soluciones aplicadas en entornos multidisciplinarios.

Citas

Belman-López, C., Jiménez-García, J. A., Vázquez-Lopez, J. A., & Camarillo-Gómez, K. A. (2022). Diseño de una arquitectura para sistemas y aplicaciones en Industria 4.0 basada en computación en la nube y análisis de datos. Revista Iberoamericana de Automatica E Informatica Industrial, 20(2), 137–149. https://doi.org/10.4995/riai.2022.17791 DOI: https://doi.org/10.4995/riai.2022.17791

Bermúdez León, M. J. (2020). El cloud computing en la industria 4.0. Universidad de San Marcos. https://repositorio.usam.ac.cr/xmlui/bitstream/handle/11506/2196/LEC%20ING%20SIST%200112%20%202020.pdf

Berges Basáñez, E. (2020). Implementación y mejora de la digitalización del sistema de seguimiento del avance de la producción en el marco de la industria 4.0 dentro del sector aeroespacial. Universidad de Sevilla. https://idus.us.es/handle/11441/105167

Carrión, S. (n.d.). Design, analysis and optimization of a digital model of industrial production flow. Universitat Politècnica de València https://riunet.upv.es/bitstream/handle/10251/175714/Mora%20-%20Diseno%20analisis%20y%20optimizacion%20de%20un%20modelo%20digital%20del%20flujo%20de%20produccion%20industrial.pdf

Castillo, M. (2017). El estado de la manufactura avanzada: competencia entre las plataformas de la Internet industrial. Repositorio CEPAL. https://repositorio.cepal.org/items/fc9d6752-6613-409f-ab1b-f96f82d71241

Centeno, A., Martín-Romero, M.-R., Jesús, M., & Abad, G. (2020). Trabajo fin de carrera: Big Data. Técnicas de machine learning para la creación de modelos predictivos para empresas. Universidad Pontifica Comillas. https://repositorio.comillas.edu/xmlui/bitstream/handle/11531/45878/Tecnicas%20de%20machine%20learning%20para%20la%20creacion%20de%20modelos%20predictivos%20para%20empresas_Centeno_Martin-Romero_Alfonso.pdf

Cuchillac, V. M. (2023). La enseñanza de IoT como estrategia para desarrollar competencias técnicas para la Industria 4.0. Realidad Y Reflexión, (57), 15–38. https://doi.org/10.5377/ryr.v1i57.16694 DOI: https://doi.org/10.5377/ryr.v1i57.16694

De La, A., Carmona, F., & Crespo Márquez, A. (2022). Diseño de Soluciones Avanzadas Basadas en Técnicas de Machine Learning para la Toma de Decisiones en Gestión de Activos. Universidad de Sevilla https://idus.us.es/bitstream/handle/11441/135570/Fuente%20Carmona%2c%20Antonio_tesis.pdf

D., & Evans. (2011). Internet of Things: La próxima evolución de Internet lo está cambiando todo. Cisco IBSG. https://media.telefonicatech.com/telefonicatech/uploads/2021/1/126528_Internet_of_Things_IoT_IBSG_0411FINAL.pdf

Ding, W., & Lin, X. (2010). IA research, design, and evaluation. En Information architecture (10). Synthesis Lectures on Information Concepts, Retrieval, and Services. Springer. https://doi.org/10.1007/978-3-031-02267-8_3 DOI: https://doi.org/10.1007/978-3-031-02267-8_3

Erazo-Arteaga, V. A. (2022). El diseño, la manufactura y análisis asistido por computadora (CAD/CAM/CAE) y otras técnicas de fabricación digital en el desarrollo de productos en América Latina. Información Tecnológica, 33(2), 297–308. https://doi.org/10.4067/s0718-07642022000200297 DOI: https://doi.org/10.4067/S0718-07642022000200297

Farías, J. S., Medina, M. A. R., Tarango, L. A., & Ojinaga, E. R. P. (2022). Factores que interfieren en la elaboración de información para la manufactura del producto. Revista IPSUMTEC, 5(5), 98–110. https://revistas.milpaalta.tecnm.mx/index.php/IPSUMTEC/article/view/159/259 DOI: https://doi.org/10.61117/ipsumtec.v5i5.159

Franco, S., Graña, J., Rikap, C., & Robert, V. (2022). Industria 4.0 como sistema tecnológico: los desafíos de la política pública. Ministerio de Economía de Argentina. https://www.argentina.gob.ar/sites/default/files/2021/03/37_-_industria_4.0.pdf

García, M., Lama Ruiz, A., Aguayo González, J., Martin Gómez, F., & Grupo De Investigación, A. (2017). P9 Optimización de sistemas de fabricación ciber físicos en industria 4.0 con big data. IV jornada de investigación y postgrado. https://idus.us.es/bitstream/handle/11441/88920/morales-garcia_ponencia_sevilla_2018_optimizacion.pdf

Herrador, P., Aguayo González, B., Ávila, F., Jesús, M., & Sistemas. (2017). C15 Ingeniería del ciclo de vida de productos y procesos industriales bajo la simplejidad en industria 4.0. IV jornada de investigación y postgrado. https://idus.us.es/bitstream/handle/11441/95744/aguayo_ponencia_sevilla_2017_ingenieria.pdf

Macia-Perez, F. (2012). Cloud Agile Manufacturing. IOSR Journal of Engineering, 2(05), 1045–1048. https://doi.org/10.9790/3021-020510451048 DOI: https://doi.org/10.9790/3021-020510451048

Maisueche Cuadrado, A. (2019). Utilización del machine learning en la industria 4.0. Universidad de Valladolid. https://uvadoc.uva.es/handle/10324/37908

Marcillo Parrales, K. G., Mero Lino, E. A., & Ortíz Hernández, M. M. (2021). Impresión 3D como eje de desarrollo en la industria 4.0. Serie Científica de La Universidad de Las Ciencias Informáticas, 14(4), 151–160. https://dialnet.unirioja.es/servlet/articulo?codigo=8590504

Montero, D. T. B., Minango, S. N. R., & Núñez, D. I. B. (2019). Sistema de manufactura flexible orientado a industria 4.0. Investigación Tecnológica IST Central Técnico, 1(1), 61–72. https://www.investigacionistct.ec/ojs/index.php/investigacion_tecnologica/article/view/15

Moretón, H., Tutor, A., & Angulo, S. (n.d.). Estudio de las aplicaciones de Machine Learning y Deep Learning en el ámbito de la logística y la fabricación. Universidad de Valladolid. https://uvadoc.uva.es/bitstream/handle/10324/37823/TFG-I-1318.pdf

Olivares, J. A. P., Beltrán, E. R., Mora, J. L. O., & Valadez, J. O. V. (2020). Detección de fallas en tiempo real mediante redes complejas en un sistema de manufactura 4.0. Pistas Educativas, 42(136). https://pistaseducativas.celaya.tecnm.mx/index.php/pistas/article/view/2378/1928

Ponce, M. Á. P., Pópulos, R. H., Olivares, A. B., Acosta, A. L. V., & Moreno, J. A. B. (2023). La evolución de las redes de datos en el sector industrial. Ciencia Latina Revista Científica Multidisciplinar, 7(4), 6610–6621. https://doi.org/10.37811/cl_rcm.v7i4.7433 DOI: https://doi.org/10.37811/cl_rcm.v7i4.7433

Puentes Márquez, J. A. (2020). Propuesta de un modelo de evaluación de madurez de industria 4.0 orientado a empresas manufactureras. Tecnológico Nacional de México. http://51.143.95.221/handle/TecNM/504

Ramírez, C., & Asesor, M. (2021). Implementación del sistema de gestión empresarial SAP S/4HANA en una empresa del sector industrial automotriz utilizando la metodología SAP Activate. Universidad Nacional Mayor de San Marcos. https://cybertesis.unmsm.edu.pe/bitstream/handle/20.500.12672/17955/Ramirez_mc.pdf

Rodríguez, F. (n.d.). Tecnologías para la educación: Realidad aumentada para la autogestión del aprendizaje en laboratorios de manufactura. AR-ManufacturingLab. https://repositorio.grial.eu/handle/grial/2347