Paso 3 - Integrar Inteligencia Artificial e Industria 4.

0
Robótica Avanzada

Estudiantes:
Néstor Vanegas Rodríguez
Luis Fernando Arbeláez
Victor Manuel Jimenez Medina

Tutor:
Mario Ricardo Arbulu

Grupo:
299012_4

Universidad Nacional Abierta y a Distancia – UNAD

Mayo del 2020
 Contenido
Pg.
Contenido ........................................................................................................................................ 2
Introducción .................................................................................................................................... 3
Objetivos ......................................................................................................................................... 4
Objetivo general .......................................................................................................................... 4
Objetivos específicos .................................................................................................................. 4
Desarrollo de la actividad ............................................................................................................... 5
Problema ..................................................................................................................................... 5
Diagrama de flujo del problema ................................................................................................. 5
Estructura .................................................................................................................................... 5
Formulación de Lagrange ........................................................................................................... 7
Energía cinética y potencial de 3 puntos de masa ................................................................................ 8
Velocidad de cada una de las posiciones .............................................................................................. 9
Energía cinética ..................................................................................................................................... 9
Calculo de un componente del lagrangiano ....................................................................................... 11
Formulación de Newton-Euler .................................................................................................. 13
Condiciones iniciales ........................................................................................................................... 13
matrices de rotación ........................................................................................................................... 13
Las velocidades ................................................................................................................................... 14
Aceleración.......................................................................................................................................... 15
Simulación y comparación de soluciones ................................................................................. 16
Codigo en Matlab ...................................................................................................................... 18
Código en Matlab ...................................................................................................................... 19
Disposición de como estaría montado el proceso ..................................................................... 22
Distribución del proceso ..................................................................................................................... 23
flujograma del proceso ....................................................................................................................... 23
Que es realmente la inteligencia artificial ................................................................................. 24
¿Cómo aplicar la inteligencia artificial? .............................................................................................. 28
Componentes básicos de la inteligencia artificial ............................................................................... 29
Procedimiento de integración de inteligencia artificial, para mejorar la autonomía de su sistema
robotizado. .................................................................................................................................... 30
4.1 Aspectos a mejorar con la implementación de IA al proceso de montaje .......................... 31
¿Que se debe hacer para implementar IA en el taller de montaje? ........................................... 32
¿Cómo implementaría IA al taller de montaje? ........................................................................ 32
Desarrollar un procedimiento de actualización de su sistema robotizado, a industria 4.0. .......... 39
Que es realmente la industria 4.0? ............................................................................................ 39
Los pilares de la industria 4.0.............................................................................................................. 42
¿Qué hay que hacer para implementar industria 4.0 en el sistema robotizado? .............................. 44
flujograma de implementación. .......................................................................................................... 45
Conclusiones ................................................................................................................................. 47
Bibliografía ................................................................................................................................... 48
 Introducción

En la actualidad se cuenta con infinidad de sistemas robóticos que permiten sistematizar

diferentes procesos con el fin de aumentar la producción de artículos en la industrias con
tiempos exactos estipulados, por lo que en el presente trabajo se presenta el desarrollo de
la actividad correspondiente de la unidad número dos, presentando cada uno de los puntos
requeridos dentro de la misma, Se presenta el modelamiento dinámico a partir de
formulación de Lagrange, formulación de Newton-Euler y finalmente se presenta la
simulación de resultados de los mismos.
 Objetivos

Objetivo general

• Presentar el desarrollo de la actividad colaborativa de la unidad numero tres

denominada paso tres, curso robótica avanzada.

Objetivos específicos

• Modelar el sistema a partir de formulación de Larangue

• Modelar sistema a partir de formulación de Newton_Euler
• Desarrollar simulación de los modelos Larangue y Newton-Euler
 Desarrollo de la actividad

Problema

En la compañía de robótica Mechbeyond LTD, Ud. es parte del departamento de diseño

de robots manipuladores. Y se le encarga calcular las especificaciones de diseño un robot
de 3 grados de libertad, para el posicionamiento espacial de 10 remaches en la zona de
montaje, para ser empleados posteriormente, en el ajuste de piezas para una compuerta
de un avión. Se emplean 10 remaches por puerta. En jornadas de 12 horas de trabajo
continuo, se montan 25 compuertas de este estilo. El montaje de remaches es manual por
parte de operarios de la empresa. Luego las compuertas se despachan con un robot de 5
grados de libertad, hacia la zona de montaje del avión.

Diagrama de flujo del problema

Fig. 1 Diagrama de flujo

Estructura
Sistema Articulado o de Revoluta, el cual se representa en la siguiente grafica 1
Su configuración es similar a un brazo humano, por tal motivo es perfecto para manipular
elementos realizando movimientos rotacionales y lineales. Este sistema permite acceder
a espacios confinados de trabajo, en este caso la caja que tiene las partes del celular.

Fig. 2 Estructura del Robot

• Volumen de Trabajo

Fig. 4 Vista lateral de Volumen de trabajo

Fig. 3 Vista superior de volumen de trabajo
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.
Distribución del proceso

Ilustración 1 distribución del proceso montaje de remaches compuerta avión

flujograma del proceso

Ilustración 2, flujograma del proceso montaje de remaches y entrega de compuertas

avión
Que es realmente la inteligencia artificial

Como se habría mencionado con anterioridad unas de las metas es la implementación de

inteligencia artificial al proceso de montaje de los remaches y el transporte de las
compuertas, pero para saber qué es lo que se debe hacer es necesario hacer un
reconocimiento de que es realmente la inteligencia artificial, en este sentido se hace una
búsqueda para formalizar el concepto y se observa que varios autores utilizan la misma
definición, para este caso se toma el concepto entregado por el instituto global de empleo
en su informe sobre la inteligencia artificial y robótica y su impacto en el lugar de trabajo.

En este contexto él IBA (2017) afirma “El nombre detrás de la idea de AI es John
McCarthy, quien comenzó la investigación sobre el tema en 1955 y asumió que cada
aspecto del aprendizaje y otros dominios de la inteligencia puede describirse con tanta
precisión que pueden simularse con una máquina”.

En otras palabras, se pude definir la inteligencia artificial como un trabajo realizado por
los humanos que busca desarrollar una inteligencia para que sistemas computarizados
(maquinas) puedan desarrollar labores y que estas al cometer errores puedan ser capaces
de aprender de ellos y en base a ello aprender a corregirlos por sí mismos y no volver a
fallar en la actividad plantada.

Ya desde el punto de vista técnico la inteligencia artificial puede definirse como una
tecnología la cual es inevitable y que busca que las maquinas realicen tareas al igual que
los humanos con la característica que tenemos de aprender de las experiencias, claro este
que este tema se toma como una amenaza debido a la desinformación que se tiene del
tema y a la visión global que el cine ha dado de él mostrando historias de revoluciones de
robots y mundos totalmente automatizados.

Para la finalidad del documento y el cumplimiento de la meta para implementar la

inteligencia artificial al sistema robotizado es de vital importancia hacer referencia a los
7 aspectos de la inteligencia artificial dados originalmente, para este caso se toma la
referencia de coldfusion(2016), video montado en you tube que establece que la
inteligencia artificial debe:

1. simular funciones superiores al cerebro humano.

2. programar computadores para que reconozcan un lenguaje general
3. organizar redes neuronales hipotéticamente de tal manera que estás puedan formar
conceptos.
4. dar camino para determinar y medir problemas complejos.
5. mostrar herramienta para general el auto aprendizaje
6. abstracción, definido como la calidad de tratar con ideas en lugar de eventos.
7. aleatoriedad y creatividad

La inteligencia artificial (IA) puede definirse como la habilidad de un computador o de

un robot controlado por computadora para llevar a cabo tareas que son asociadas con la
inteligencia humana; es decir, en el mundo contemporáneo desarrollar sistemas
computarizados que exhiban características típicas de procesos intelectuales llevados a
cabo por humanos tales como la habilidad para razonar, generalizar o aprender de las
experiencias pasadas.
Tecnologías de Inteligencia Artificial
Generación de lenguaje natural
Reconocimiento de voz
Agentes virtuales
Plataformas machine learning
Hardware optimizado con IA
Toma de Decisiones
Plataformas de aprendizaje profundo
Biométricas
Automatización de procesos robóticos
Analíticas de texto y NLP (Procesamiento de Lenguaje Natural)
Gemelos Digitales/Modelos de IA
Defensa Cibernética
Compliance (cumplimiento)
Asistencia al trabajador cognitivo
Creación de Contenido
Redes Peer-to-Peer
Reconocimiento de Emociones
Reconocimiento de Imagen
De acuerdo con el robot manipulador que hemos trabajado durante el presente periodo
podemos implementar el siguiente procesamiento que nos permita integrar la inteligencia
artificial con el robot manipulador
En primera instancia debemos centrarnos en el algoritmo del robot, ya que para
implementar un sistema de inteligencia artificial debemos dotar y crear un algoritmo que
nos permita implementar funciones alternas al robot dándole las habilidades necesarias y
que sea capaz de atender ordenes externas, ya sea por medio de un ordenador o
reconocimiento del entorno
Después de haber realizado los cambios necesarios en el algoritmo del robot, se debe
implementar todos los movimientos y ordenes necesarias para que cumpla las tareas
específicas, que realice de manera autónoma el montaje de los remaches y el envió de las
puertas a la zona de montaje.
Las aplicaciones de IA al sistema del robot le permitirán reconocer los patrones necesarios
para realizar sus tareas, además de reconocimiento de su entorno, ayúdense con sensores,
cámaras, ordenadores que consienta realizar todo el proceso del sistema robotizado de
una forma más eficiente.
Después de haber realizado los cambios necesarios en el algoritmo del robot se debe
realizar los ajustes necesarios al robot para que nos permita la interacción hombre
máquina y autonomía de este

Características de robot integrado con IA

Robot manipulador con tres grados de libertad
Todas las junturas son articulables a un ángulo de 180 grados.
Los "dedos" del brazo robótico se mueven de forma paralela entre sí y poseen un sensor
de presión incorporado.
Los "dedos" son capaces de separarse hasta 100 mm (3.9").
Se incorporar motores DC con controladores PID para controlar el dispositivo.
Es posible asumir el control vía protocolo dedicado de puerto USB.
Retroalimentación que ira directo al ordenador
La velocidad de movimiento es de 3 segundos para el trayecto más largo.
Los movimientos del manipulador y su operación se programan utilizando un API.
Implementando Inteligencia Artificial.

Visión Artificial
La visión artificial, es un subcampo de la inteligencia artificial. El propósito de la visión
artificial es programar un computador para que "entienda" una escena o las características
de una imagen.
Esquema de las relaciones entre la visión por computadora y otras áreas afines.
Los objetivos típicos de la visión artificial incluyen:
-La detección, segmentación, localización y reconocimiento de ciertos objetos en
imágenes (por ejemplo, caras humanas).
-La evaluación de los resultados (por ejemplo, segmentación, registro).
-Registro de diferentes imágenes de una misma escena u objeto, es decir, hacer concordar
un mismo objeto en diversas imágenes.
-Seguimiento de un objeto en una secuencia de imágenes.
-Mapeo de una escena para generar un modelo tridimensional de la escena; este modelo
podría ser usado por un robot para navegar por la escena.
-Estimación de las posturas tridimensionales de humanos.
-Búsqueda de imágenes digitales por su contenido.
Estos objetivos se consiguen por medio de reconocimiento de patrones, aprendizaje
estadístico, geometría de proyección, procesamiento de imágenes, teoría de grafos y otros
campos. La visión artificial cognitiva está muy relacionada con la psicología cognitiva y
la computación biológica.
Una vez establecido el tipo de inteligencia a utilizar, se procede a implementar.
Se debe realizar de manera manual la configuración del robot estableciendo
coordenadas donde se recogen y dejan los remaches.

Posteriormente se establece una imagen donde se puedan visualizar la bandeja de entrada

y salida. El algoritmo de visión artificial debe identificar la ubicación de los remaches y
debe identificar el sitio donde se deben dejar.
Una vez se ubica la cantidad de remaches necesarios en la bandeja de despacho, el robot
se detiene hasta que el operario manualmente retire los remaches, el robot identifica que
no hay remaches y procede a comenzar nuevamente a dejar cada uno de los remaches.
Una fotografía tomada desde la parte superior del robot debe identificar: cuantos
remaches hay en la bandeja de despacho, y si está incompleta debe ubicar la posición de
los remaches en la bandeja de despacho.
¿Cómo aplicar la inteligencia artificial?
Ya habiendo aclarado el tema del concepto erróneo que se tiene de la inteligencia
artificial, es momento de sintetizar como funciona y como se aplica este concepto en la
industria, el enfoque principal que tiene la inteligencia artificial y aplicándola
estratégicamente abre la puerta a que la IA sea capaz de almacenar y procesar la gran
cantidad de datos que generamos diariamente los seres humanos, esto es la recopilación
fundamental de información y la posible toma de decisiones en tiempo real, para que una
vez montado el proceso se puedan automatizar las tareas.
En este punto es necesario hacer un paréntesis y desglosar un poco más el concepto de
automatizar tareas, el cual consiste realmente en la capacidad que tendría el sistema al
analizar los datos y con esto ser capaces de realizar búsquedas inteligentes en relación
con texto e imágenes para descubrir patrones en datos complejos y luego tomar decisiones
en base a esos aprendizajes, esto en pequeña medida explicaría que busca la inteligencia
artificial en nuestras vidas.

Componentes básicos de la inteligencia artificial

Para hacer un reconocimiento de los componentes básicos de la inteligencia artificial es
necesario comprender cuales son y cómo aplicarlos para esto vale resaltar el artículo de
INNOPLCXUS (2018) en donde se afirma “Muchas de las tecnologías revolucionarias
de AI son palabras de uso común, como "procesamiento de lenguaje natural",
"aprendizaje profundo" y "análisis predictivo". Tecnologías de vanguardia que permiten
a los sistemas informáticos comprender el significado del lenguaje humano, aprender de
la experiencia y hacer predicciones.”. En este mismo concepto vale resaltar la
ilustración 3 en donde se muestra los componentes actuales que influyen en el
desarrollo de la inteligencia artificial.

Red neuronal

Aprendizaje Aprendizaje
automático profundo

INTELIGENICA
ARTIFICIAL

Procesamient
Visión por
o natural del
computador
lenguaje

Computación
cognitiva

Ilustración 3. Componentes básicos de la inteligencia artificial

Vale la pena explicar cada concepto de forma sencilla para entender la relevancia de
cada uno de estos:
Aprendizaje automático: es una aplicación que utiliza algoritmos para proporcionar a
los sistemas de computación la capacidad de aprender uy mejorar de forma automática
sin tener que ser programado explícitamente, se basa claramente en analizar datos y con
ello hacer predicciones.
Aprendizaje profundo –maquinas autodidacticas: este se deriva del aprendizaje
automático y su característica por emplear redes neuronales artificiales que aprenden
mediante el procesamiento de datos tanto imágenes como procesamiento de voz, todo
esto imitando a las redes neuronales humanas.
Red neuronal-hacer asociaciones: las redes neuronales son sistemas informáticos
modelados después de conexiones neuronales en el cerebro humano. El equivalente
artificial de una neurona humana es un perceptrón. Al igual que los haces de neuronas
crean redes neuronales en el cerebro, las pilas de perceptrones crean redes neuronales
artificiales en los sistemas informáticos. Sistema de interconexión de neuronas que
colaboran entre sí produciendo un estimulo de salida y hacen parte de los sistemas
inteligentes dentro de la rama de la inteligencia artificial
Computación cognitiva-Haciendo inferencias del contexto: Su propósito es imitar y
mejorar la interacción entre humanos y máquinas. Busca recrear el proceso de
pensamiento humano en un modelo de computadora, en este caso, mediante la
comprensión del lenguaje humano y el significado de las imágenes.
Procesamiento del lenguaje natural (PNL) -Entendiendo el idioma: ayuda a que las
computadoras interpreten, reconozcan y produzcan lenguaje humano y habla. El
objetivo final de la PNL es permitir una interacción perfecta con las máquinas que
utilizamos todos los días mediante sistemas de enseñanza para comprender el lenguaje
humano en contexto y producir respuestas lógicas.
Visión por ordenador - Entendiendo imágenes: es un campo integral de la IA, que
permite a las computadoras identificar, procesar e interpretar datos visuales. Esta
técnica implementa el aprendizaje profundo y la identificación de patrones para
interpretar el contenido de una imagen; incluyendo los gráficos, tablas e imágenes
dentro de los documentos PDF, así como, otros textos y videos.
lógica difusa
Es aquel arte que brinda la información de los sistemas en forma imprecisa generando la
salida de la información en términos medios estableciendo reglas para la toma de
decisiones generando variables que brinden valores en los conjuntos de salida

Procedimiento de integración de inteligencia artificial, para mejorar la autonomía

de su sistema robotizado.

Una vez definido el tema de inteligencia artificial desde el punto de vista genérico, es
momento de definir como se implantarían estos desarrollos al sistema robotizado del
montaje de los remaches y el transporte de las compuertas de avión, para tal fin se muestra
la ilustración 4 en donde se sintetiza la información del requerimiento para posterior a
esto definir las mejoras que se pueden implementar:
 Robot 3 Operarios Robot 5
GDL GDL

Posicionar Ubicacion
Montaje
espacialmente zona montaje
manual de
remachas hacia avion
remaches
zona de montaje

10 remaches por puerta - 12 horas de trabajo-

Ilustración 4 proceso a ser mejorado con inteligencia artificial

4.1 Aspectos a mejorar con la implementación de IA al proceso de montaje

Como se observa en la ilustración 4 existen mejoras que pueden ser soportadas,

principalmente el montaje manual de los remaches y en los tiempos de producción, cabe
mencionar que no se trata de reemplazar los seres humanos, sino más bien fortaleces el
proceso teniendo en cuenta que el talento humano es un factor clave para el desarrollo de
la IA, la robótica avanzada y en general el desarrollo de la industria 4.0; por lo tanto la
implementación de la IA estaría principalmente enfocada en estos aspectos:
-Incrementar la eficiencia, esto es, invertir recursos necesarios desarrollando las labores
en un tiempo establecido sin bajar los requerimientos de calidad teniendo en cuenta el uso
que tendrá el producto final.
-incrementar la productividad sin duda alguna será uno de los principales objetivos con
la implementación de la IA, aumentando este factor se podría mejorar los procesos de
inspección de calidad de las compuertas de avión.
-habilitar al personal de montaje manual para que desarrolle otras actividades de mayor
relevancia o entrenarlo para adquirir nuevas habilidades, lo cual será una obligación del
ser humano para encajar en los nuevos modelos.
-al igual que cualquier proceso de mejora la implementación de IA al proceso deberá estas
montado sobre una base de mejora continua y para este caso se debería obtener una gran
cantidad de información y datos que servirán como entrada para la toma de decisiones y
mejorar contantemente, y este factor será clave teniendo en cuanta que unas de las
fortalezas de la IA es la de mejorar la ciencia y la tecnología al tener gran capacidad en
el manejo de datos y procesamiento de estos.
Por lo descrito anteriormente para mejorar el proceso del montaje de las compuertas de
avión se tendrán en cuanta las siguientes mejoras:
 ❖ Cámaras IA
❖ Algoritmos IA
❖ Visión artificial IA
❖ Sensoria IA
❖ Reconocimiento de voz IA

Estas mejoras estarán asociadas a las tecnologías que se hará necesario implementar y en
algunos casos serán las herramientas para tomar datos que servirán para analizarlos y
tomar decisiones de progreso.

¿Que se debe hacer para implementar IA en el taller de montaje?

En la ilustración número 5 se muestra cómo será la implementación de la IA y que

temas deberán ser tenidos en cuenta para su montaje, cabe aclarar que el tema de
comunicación entre el robot y su entorno será un tema que se debe tratar con gran
interés para que la integración de los sistemas sea un éxito.

ANFIS
Redes neuronales + lógica difusa para el procesamiento de imágenes

PSO
Optimización por enjambre de partículas algoritmo para la optimización

comunicacion ANN
inhalambica para
Redes neuronales artificiales para predecir conductas repetitivas
los robots

FUZZY LOGIC
Lógica difusa basada en teoría de conjuntos para representar información
ambigua

GA
Algoritmo genético- resuelve problemas tomando la solución de un listado previo
programado

Ilustración 5. Temas a tratar en la mejora del sistema robotizado

¿Cómo implementaría IA al taller de montaje?

Una vez definido cada uno de temas que harán parte de la implementación para la
mejora se pueden representar en la ilustración 6 en donde se asocia cada tema y se da
una generalización del uso que tendrán en la línea del proceso.

ANFIS Implementar procesos de calidad de las compuertas mediante el

procesamiento de imágenes

PSO Mejorar la distribución espacial para optimizar las trayectorias de

montaje de los remaches

ANN Proceso de montaje de remaches mediante la predicción de

conductas repetitivas

Disminución de la información, salidas de datos que no representen

FUZZY LOGIC
soluciones directas

AG Creación de algoritmos para definir las etapas de todo el proceso y si

fuera necesaria modificarlas

Ilustración 6 uso de cada tema en la implementación

Definidas las tareas para cada una de las tecnologías, ahora solo iniciara el proceso de
sensibilización del personal, en donde se debe ser cuidadoso de como se muestra la
transformación para evitar la inconformidad del grupo de trabajadores, trabajando este
tema y de forma paralela es necesario contar con un grupo de especialistas que tengan
experiencia en el montaje de este tipo de sistemas, es necesario contar con personal
competente en el área técnica así como personal capacitado en cuanto a la seguridad
industrial y el cuidado del medio ambiente, esto representa un trabajo en equipo de
manera conjunta manejando el tema de una forma integral.
Una vez definidas las tareas será necesario hacer la implementación en mejoras de
infraestructura para lo cual será necesario el montaje de cámaras en los efectores finales
de los robots y en la periferia de la planta. Igualmente será necesario montar los sensores,
los equipos de visión artificial, los equipos de reconocimiento de voz y el montaje de
equipos de cómputo con los softwares adecuados para iniciar con el montaje y recolección
de datos, la creación de redes neuronales y el montaje de los algoritmos para los equipos
de cómputo, para esto será fundamental la asesoría de profesionales.
En la ilustración número 7 se puede observar la distribución de todo el proceso, así como
la aplicación de las tecnologías de aplicación de la inteligencia artificial al taller de
montaje, cabe aclarar que se trata de abarcar todos los temas desde una perspectiva
hipotética.
 Ilustración 7. Distribución aplicación tecnologías IA al taller de montaje
APLICACIONES AL TRABAJO PROPUESTO
ROBOT DE 3 GRADOS DE LIBERTAD
Para el robot de 3 grados de libertad se tiene lo siguiente:
-Debo hacer una clasificación de realimentación del robot es decir la variable de entrada
que es recibir la caja de remaches y dejarlos en la banda transportadora para que la reciba
el operario para ser llevados al otro robot; Utilizando mapas auto organizados y sistemas
adaptativos acoplando automáticamente al robot para el proceso inicial
-Como debo conocer el procesos uncial del robot que es desplazar los remaches para la
compuerta de un avión, Entonces el porcentaje de error debe ser mínimo es decir que el
robot debe tener minimización del error y para esto utilizo una señal de error que puedo
usar como salida de realimentación Ya que mi variable de entrada es la recepción de los
remaches del robot y la variable de salida es el acomodamiento y posición de los mismos
; Esto puede hacer la velocidad de mi robot algo más bajo pero minimizaría los
porcentajes inexactos de error que en este se puedan generar
-También puedo generar una señal e refuerzo, De acuerdo a la señal de refuerzo brindo
un estimulo ya sea que la respuesta del robot sea buena o mala pero la idea es reforzar la
señal e refuerzo para que la respuesta de salida que es el acomodamiento de los remaches
del robot sea la mejor posible
Como lo que estamos haciendo es un sistema de control aplicamos el sistema de redes
neuronales de la siguiente forma:
-Controlamos el sistema de transición o función f y una función de salida g y va a resultar
una señal de control u(t), como la señal de estado X(t) determina el estado siguiente x(t+1)
entonces queda lo siguiente x(t+1)=f(u(t), x(t) ) para cada estado x(t) se produce una
salida y(t) entonces y(t)=g(x(t)). El controlador que usamos equivale a los modelos
inversos del sistema, (Véase taller unidad 1) Ya que dada una salida deseada y el estado
actual el controlador me va a dar la señal de control dada por la señal de salida es decir
de acuerdo a como yo aplique la señal de entrada me resultaran la señal de salida y de
control
Modelización inversa directa para esto utilizamos el par de entrada y salida del robot de
3 grados de libertad es donde va a haber esquema de entradas y salidas

F(x) F (y) Y (t)

F(x)=Señal de entrada
F (y)= Señal de salida
G (t)=Señal de control
Lo anterior mostrado es el esquema de entradas y salidas del sistema ahora lo que hay
que hacer es colocarlo en una red neuronal y se prepara el sistema para que cumpla con
lo requerido por el robot de 3gdl

Aplicación con cinemática inversa

Con base a lo anterior el robot debe tener funciones precisas que le hagan tener una
posición y orientación espacial los valores de las variables articulares hacen que la parte
de salida del robot alcancen la posición y orientación deseadas y para esto se usan

Redes multicapa con retropropagacion del error

Como se aplico cinemática inversa para el robot y se acaba de aplicar el esquema de
modelización mostrado anteriormente se aplica la regla de la retro propagación del error.
Entonces escogemos un conjunto de configuraciones de aprendizaje del robot las cuales
deben ser aquellas que estén en el mismo semiespacio es decir que no salgan del rango
en el que están y como este se mueve en un solo plano partiendo que la cinemática inversa
es una correspondencia de 2 a 3 variables; Mejor para esto es hacer una representación
local de tal forma que la red neuronal solo se responsabiliza de una pequeña parte de de
los espacios de entrada

Mapas topologicos auto-organizados

Aplico esto al robot debido a que manejamos un esquema de aprendizaje minimizando el
error y por eso usamos la modelización inversa del robot usada en el primer taller. Las
neuronas que aplico las utilizo en forma de malla tridimensional ya que mediante el
aprendizaje evoluciona hacia la representación del espacio del robot y las neuronas de
las neuronas son coordenadas del punto u (t) que se necesita alcanzar una vez preparada
la red las variable articulares o los jacobinos (Véase taller 2) correspondientes a dicho
punto en el espacio y esto funciona de la siguiente forma
(Wi k ui ((wi j ui (j i I Ecuación de salida de la neurona de aprendizaje El ciclo de
aprendizaje que le voy a colocar al robot comprende los siguientes pasos
1) En primer lugar, se aplica la regla de aprendizaje de Kohonen a los pesos de la red: wi
j (t + 1) = wi j (t) + chk (j) (uj (t) - wi k (t)) donde hk ( ) es una función gaussiana centrada
en k, que se usa para modular la adaptación de los pesos de entrada a una neurona en
función de su distancia a la neurona activa

2) Moviendo el robot a las coordenadas articulares ( (u) obtenidas mediante la ecuación

anteriormente expuesta, el elemento terminal se sitúa en la posición u’. La diferencia entre
la posición deseada u y la realmente alcanzada u’ constituye una señal de error, que
permite aplicar una regla de minimización del mismo, en este caso la regla LMS:

(* = (k + (( = (k + Ak ( u - u’ )

3) Aplico el elemento de corrección Ak Ak ( u - u’ ) a las articulaciones del robot , se

ajusta la posición del elemento terminal obteniéndose las nuevas coordenadas u’’. A
continuación se aplica la regla LMS al jacobiano, usando (u = ( u - u’’ ) como señal de
error :

A* = Ak + ( (( - Ak (u ) (u / || (u ||

4) Finalmente, se utiliza la regla de kohonen para actualizar los valores articulares: (i = (i

+ c’hk (y) ((y* - (k (t)) Ya que no sabriamlos bien si los movimientos articulares del robot
van a variar o a mantenr su poscicon espacial

Y la matriz jacobiana (Vease 1er punto taller 2):

Ai = Ai + c’hk’ (y) (Ai* - Ak (t)) donde c’ es una constante que determina la velocidad
de aprendizaje y h’ ( ) es también aquí una función gaussiana centrada en k, utilizada
para modular los pasos de aprendizaje en función de la distancia a la neurona activa k.

La amplia experimentación llevada a cabo por los distintos autores (es decir nosotros)
muestra que la red se auto-organiza, constituyendo una representación adecuada del
espacio de trabajo, en aproximadamente 30.000 iteraciones del ciclo de entrenamiento.
Este resultado muestra la gran capacidad de aprendizaje de este esquema, puesto que las
condiciones de operación a las que se ha sometido la red son las peores imaginables:
completo desconocimiento del robot, inicialización aleatoria de los parámetros y
muestreo aleatorio del espacio de trabajo durante el entrenamiento.

Aprendizaje de error realimentado

El robot utilizado tiene tres grados de libertad y la red neuronal está formada solo por 3
neuronas (una por articulación) cuyas entradas son 13 funciones no-lineales de las
velocidades y aceleraciones de las articulaciones. Así pues, 39 pesos son repetidamente
modificados utilizando una regla de corrección de errores similar a la regla LMS.
El proceso de entrenamiento es: se proporciona la trayectoria deseada tanto a la red
neuronal como al controlador de ganancia fija y la suma de sus respuestas se usa como
consigna para gobernar el robot.
En este modelo no se generan pares de entrada-salida, sino que usan la salida del
controlador de ganancia fija (que, de algún modo mide la desviación del estado actual
respecto del deseado en términos de la señal de control necesaria para que el primero se
aproxime al segundo) directamente como señal de error. Esto tiene la ventaja de ser
directamente accesible en el bucle de control, obviándose así la necesidad de terminar el
estado actual del robot. Si se considera este error como una medida cualitativa en lugar
de cuantitativa, entonces se convierte en una especie de refuerzo y este esquema puede
pensarse como aprendizaje basado en una señal de refuerzo
Después de entrenar 300 veces al robot a seguir una trayectoria de 6 segundos de
duración, el par medio realimentado decrece dos órdenes de magnitud, demostrando que
la red neuronal ha tomado el control en detrimento del controlador de ganancia fija.
ROBOT DE 5 GRADOS DE LIBERTAD
En este modelado se va a aplicar el sistema neuronal con base a la dinámica inversa,
aunque cabe recalcar que esta se uso más para el moldeamiento del robot de 3 grados de
libertad para determinar sus movimientos articulares
DINAMICA INVERSA

Como en el taller anterior se mostraron matrices para poder determinar las fuerzas y pares
que necesitamos en la variable de salida del robot de 5gdl se le aplica a las articulaciones
para el seguimiento de la trayectoria. A este robot le vamos a colocar un sistema
adaptativo inicialmente y para ir adaptando a el robot para que cumpla con la salida que
necesitamos coloco una red neuronal que genere en él un aprendizaje de dinámica inversa
permitiéndome una reducción de errores en cero lo que quiero decir es que uso modelos
de Redes Neuronales, para el aprendizaje de la dinámica inversa bien directamente o a
través del error proporcionado por un controlador convencional de ganancia fija.
Conviene destacar que el caso dinámico difiere de la cinemática en que, para generar los
pares de E/S, se precisa algún tipo de controlador que guíe al robot desde el principio. A
medida que progresa el aprendizaje de la función dinámica inversa, la salida de la red
neuronal que aplico en mi sistema deviene más precisa y el efecto del controlador tiende
progresivamente a cero.
Para esto también es bueno hacer aplicación de lo siguiente

RED CMAC
Controlador cerebral del modelo de articulación
Lo aplico ya que este puede combinarme el minimizado de errores LMS y las tablas de
la red neuronal y me es más útil aplicarlo al robot de 5gdl por esta razón; Aquí el CMAC
se utiliza para representar el espacio de estados de forma compacta y localizada (tal como
los mapas auto-organizativos de Mojonen se utilizaban para modelar el espacio de trabajo
del robot) y, mediante el procedimiento de corrección de errores, los pesos sinápticos se
modifican proporcionalmente al la diferencia entre la salida deseada y la obtenida
mediante la red (mientras que la regla LMS se utilizaba para estimar la salida deseada en
caso cinemática).
La tarea consiste en enseñar a un robot a seguir una determinada trayectoria. Para ello, se
muestran puntos sucesivos de la trayectoria tanto a la red neuronal como al controlador
de ganancia fija y se usa la suma de sus respuestas como consigna para guiar el robot.
Después de cada ciclo, la consigna junto con el estado del robot se utiliza como par de
entrada-salida para entrenar la red neuronal, siguiendo el esquema de modelización
inversa directa.
A medida que progresa el aprendizaje, la red CMAC aproxima la función dinámica
inversa, de modo que la diferencia entre el estado actual y deseado tiende a cero y, por
consiguiente, la red neuronal toma el control que antes tenía el controlador de ganancia
fija.
La red converge a un error pequeño (entre 1 y 2 unidades de los codificadores de posición)
en 10 intentos, suponiendo que se utilicen un número suficiente de pesos. Puesto que el
modelo CMAC se basa en el acceso a tablas, los resultados demuestran una gran
dependencia respecto del número de pesos utilizados.
Esas vendrían siendo las formas tanto conceptuales y matemáticas donde vendría
aplicando inteligencia artificial a los robots del taller que tengo en la compañía. La
tecnología más optima que me permita brindarle a los robots es la tecnología ANFIS
ANFIS

decís´
Os ANFIS, es un tipo de red neuronal cuyas neuronas tienen incorporados el sistema de
En borro-
aSifallos,
de Takagi-Sugeno
distribuido, [9]. Integra las redes neuronales, o sea que es adaptativo, tolerante
Aprende por la experiencia y con capacidad de generalización´
En; con los principios de l´
Lógica difusa, heredan-
do su sistema de
aprovechando as´inferencia correspondiente al conjunto de reglas difusas IF-THEN, y
L o s
benecitos
de aproximar
de ambos.
fun- Las neuronas han de aprender las reglas para adquirir la capacidad
ciones no lineales, utilizando F-Transformaciones, pudi´
endose ver en [4] todas las caracter´
ısticas deseables
que este tipo de funciones posee.
os ANFIS, es un tipo de red neuronal cuyas neuronas tienen incorporados el sistema de
decisi´
on borro-
asafallos,
de Takagi-Sugeno
distribuido, [9]. Integra las redes neuronales, o sea que es adaptativo, tolerante
aprende por la experiencia y con capacidad de generalizaci´
on; con los principios de l´
ogica difusa, heredan-
do su sistema de
aprovechando as´inferencia correspondiente al conjunto de reglas difusas IF-THEN, y
ı los
beneficios
de de ambos.
aproximar fun- Las neuronas han de aprender las reglas para adquirir la capacidad
ciones no lineales, utilizando F-Transformaciones, pudi´
endose ver en [4] todas las caracter´
ısticas deseables
que este tipo de funciones posee.
El modelo ANFIS (Adaptive Network- based in Fuzzy Inference Systems) fue
desarrollado por J.R. Jang en 1993 [2]. Las capacidades adaptativas de las redes ANFIS
las hacen directamente aplicables a una gran cantidad de áreas como control adaptativo,
procesamiento y filtrado de señales y series de tiempo, clasificación de datos y extracción
de características a partir de ejemplos. Una propiedad interesante del modelo es que el
conjunto de parámetros puede descomponerse para utilizar una regla de aprendizaje.
Para crear modelos ANFIS se pueden utilizar reglas difusas generadas por medio de dos
metodologías: una es de manera automática, con la cual se generan reglas de tipo Takagi-
Sugeno; la otra es con el algoritmo Wang - Mendel, con el que se construyen reglas de
tipo Mandani. Sin embargo, esta última genera un error de pronóstico muy alto [3],lo que
hace a la primera metodología más recomendable para esta investigación.

Las reglas difusas del tipo Takagi-Sugeno utilizadas en el modelo ANFIS se representan
de la siguiente forma [4]:

Regla n: Si X es An y Y es Bn, entonces fn = pnX + qnY + rn, Donde An y Bn son los

conjuntos difusos de entrada y pn, qn y rn son constantes. Para este caso pn y qn son cero,
obteniendo un modelo Takagi-Sugeno de orden cero. Las salidas individuales de cada
regla son obtenidas como una combinación lineal entre los parámetros del antecedente de
cada regla: fn = pnX + qnY + rn, n= 1,2,.... La salida de control del modelo f se obtiene
por la normalización de los grados de activación de las reglas por la salida individual de
cada regla:

Es decir que es mas optimo el modelo ANFIS puesto que por su lógica difusa permite
tomar las desciciones mas rápido con base a la detección del error y por que los
movimientos de los 2 robots de 3gdl y 5gdl son repetitivos

Desarrollar un procedimiento de actualización de su sistema robotizado, a

industria 4.0.

Que es realmente la industria 4.0?

La industria 4.0 o cuarta revolución es simplemente la muestra de la constante evolución

de la humanidad, al igual que las revoluciones anteriores cómo lo fueron la
implementación de la máquina de vapor, la producción en masa y la llegada de la
computación; la industria 4.0 aparece como una oportunidad y se respalda en lo que dice
Tedx talk (2019) con su conferencista Beatriz Gonzales en donde da una muestra de los
que es la industria 4.0 y los paradigmas que este gran reto enfrenta, los más marcados son
obviamente los miedos a los que nos enfrentamos los seres humanos.
Este tema en si contiene la inteligencia artificial y toma a esta rama del conocimiento
como un pilar para su desarrollo, al igual que está es tomada como una amenaza en donde
los más pesimistas solo ven o hacen predicciones futuras en donde la maquina seguirá
desplazando al hombre, pero este tema como se menciono antes, debe ser tomado como
una oportunidad que traerá mayor bienestar a los que hagan parte de este cambio, al igual
que con otros grandes cambios este exigirá la mayor capacitación de los trabajadores
para lograr su inclusión, dicho de otro modo, se debe estar preparado para el cambio.
 REVOLUCION DE LOS
DATOS
ALMACENAMIENTO

INDUSTRIA
4.0

INTELIGENGIA
SENSORICA
ARTIFICIAL

Ilustración 8. La importancia de los datos y su relación con la industria 4.0

Aunque la tendencia de la industria 4.0 ya se está presentando en gran medida en países
desarrollados, los países en desarrollo siempre reciben con tardío estos cambios y las
empresas deben estar preparadas para ello, es importante aclarar que la implementación
de este tipo de reformas sugieren inversión de capital y la capacitación del talento
humano. Las pequeñas y medianas empresas por razones obvias no están preparadas para
estos cambios, ya sea por falta de procesos formalizados, falta de conocimientos o
sistemas comerciales de bajo costo (Dassisti, 2018). En este sentido las empresas deberán
implementar enfoques adecuados para la implementación y con ello lograr ser fábricas
inteligentes y lograr permanecer en el tiempo.
En la industria 4.0 jugara un papel fundamental la robótica así lo afirma indri (2018)
“La robótica tendrá un papel clave en este desarrollo ya que estas tecnologías y
soluciones innovadoras están tradicionalmente asociadas. El sector de la robótica de
servicios migrara a la industria. Robots más inteligentes, aprovechando la maduración
de la navegación, la localización, Tecnologías de detección y control de movimiento “.
Por lo anterior la inversión en capacitación e implementación en este tema será una jugada
clave para su puesta en funcionamiento.
La digitalización de los procesos y la hiperconectividad, así como la globalización de la
economía, están transformando el modelo económico, social e industrial. La cuarta
revolución industrial en la que estamos inmersos plantea nuevas oportunidades y nuevos
desafíos que tenemos que afrontar.
La Industria 4.0 ya es una realidad presente que implica un cambio en los sistemas de
producción donde las nuevas tecnologías que permiten la adquisición, tratamiento y
utilización masiva y eficiente de datos son el factor clave. El internet de las cosas, la
impresión 3D, el Big Data, la Inteligencia Artificial, la Robótica colaborativa y la
Realidad virtual y aumentada son las tecnologías fundamentales sobre las que pivota el
desarrollo del nuevo modelo industrial.
La Industria 4.0 es la industria robotizada, donde todos los procesos están
interconectados, a través del Internet de las Cosas (IoT)1 y se aprovechan otras
innovaciones TIC para la analítica, la movilidad y la seguridad. El mercado laboral tiene
que innovar para no quedarse fuera de esta corriente. Las empresas ganarán en
competitividad si integran en su gestión y en sus procesos la tecnología de la información.
El nuevo modelo de industria está basado en la utilización de datos y esto conlleva una
transformación profunda que, para mejorar la toma de decisiones y el aprovechamiento
de los recursos, valora informaciones de fuentes externas e internas y desarrolla
competencias digitales como, por ejemplo, la ciberseguridad.
Al aplicar el concepto de visión artificial sobre el robot se aplica industria 4.0
En la ilustración 8 se muestra una idea general de lo que la industria 4.0 abarca, esto desde
un punto de vista de los datos, son los temas que toca y da una muestra de los cambios
que deben ser implementados, la revolución de los datos es lo más significativo, esto
teniendo en cuenta que como ciudades industrializadas los seres humanos están
constantemente generando datos, estos son tomados muchas veces pero esto requiere
bastante trabajo y su análisis muchas veces da resultados tardíos, por lo tanto la toma de
datos y su análisis en tiempo real es uno de los pilares de la industria 4.0.
Los pilares de la industria 4.0

Realidad
virtual
Fabricacion
Ciber security por
adiccion

Integracion Internet de
universal las cosas
INDUSTRIA
4.0

Robots
Big data
autonomos

Simulacion Computacion
avanzada en la nube

Ilustración 9. Pilares de la industria 4.0

En la ilustración 9 se hará una representación de los pilares fundamentales en los que se
basa la industria 4.0. Entre estas están conceptos que serán tomados en cuenta para la
mejora del proceso del taller de montaje. Vale la pena definir cada uno de los conceptos
para saber cuáles de ellos aplicarían en la actualización del sistema robotizado y que se
debería hacer para implementarlos en el sistema.
Realidad virtual: Recrea un espacio tridimensional permitiendo el uso de equipos
periféricos como gafas, teléfonos inteligentes y tabletas, su capacidad radica en la
inmersión a la que es sometida la persona al ser involucrada en un entorno que a los ojos
es real, es usado en entrenamientos y en general en cualquier situación que se asemeje a
la realidad.
Fabricación por adicción: este tipo de fabricación es también llamado como impresión
3D; es la nueva forma de producción que utilizando una amplia cantidad de materiales
(polímeros, plásticos, fibras y hasta metal), su función es permitir producir a partir de la
superposición de capas de distintos materiales
Internet de las cosas: este término es muy común escucharlo en nuestros días, nace con
la necesidad de estar conectados en todo momento, encontrar sensores y medidores en
todos los electrodomésticos que usamos es muy común, cada equipo posee una dirección
ip que sirve para ser accedido desde cualquier parte del mundo que este conectado a la
red mundial.
Big data: el análisis basado en gran cantidad de datos nació con el objetivo de cubrir unas
necesidades no satisfechas por las tecnologías existentes, como es el almacenamiento y
tratamiento de grandes volúmenes de datos que poseen unas características muy concretas
definidas como el volumen, (hace referencia al tamaño de los datos que pueden provenir
de múltiples fuentes). La velocidad (define la rapidez con que llegan los datos usando
unidades como tera, peta o exa bytes) y la Variedad (hablamos de datos estructurados,
Semi-estructurados, No estructurados)(BIT, 2018).
Computación en la nube: es un término general para denominar cualquier cosa que tenga
que ver con la provisión de servicios de hospedaje a través de Internet. Es un servicio que
nace najo la necesidad de guardar información mediante el alquiler de servidores,
cambiando el almacenamiento local que debería anteriormente hacer cada usuario. Es
más efectivo ya que combina diferentes tipos de hardware y software y trabaja
conjuntadamente para ofrecer una gran cantidad de servicios que se respaldan con la
internet. Un ejemplo de computación en la nube es el proveedor de google con el correo
de Gmail.
Simulación avanzada: este servicio de industria 4.0 surge como una herramienta para
reforzar la competitiva industrial, si al desarrollar un producto existe la posibilidad de
hacer simulaciones que predecirán características del desarrollo, pues esta herramienta
seguro ahorrara mucho dinero y tiempo, también las quejas y reclamos que podrían poner
a una marca en apuros. Luego su implementación requiere de conectar la industria con
las tecnologías de la información.
Robots autónomos: los robots son usados desde hace varios años en tareas tediosas,
peligrosas o complejas. La industria 4.0 muestra una nueva generación de robots más
ventajosos, cada día demuestran más autonomía, son flexibles y capaces de trabajar de
forma cooperativa, se puede montar de tal forma que interactúen para trabajar de forma
segura al lado de seres humanos, e incluso, aprender de ellos.
Integración universal: la Industria 4.0 se busca que las empresas sus departamentos y
cada una de las funciones y capacidades a las que se dedican estén entrelazadas,
integrando no solo los datos locales si no que también integrando datos entre empresas, y
evolucionando hacia redes universales que permiten automatizar realmente las cadenas
de valor.
Ciber security: Al igual que todas las áreas del conocimiento utilizadas en la
implementación de la industria 4.0, la ciberseguridad se define como una capa de
protección para los archivos de información, esta trabaja para evitar todo tipo de
amenazas, las cuales ponen en riesgo la información que es procesada, transportada y
almacenada en cualquier dispositivo. Teniendo en cuenta el mundo digital en el que
vivimos es de gran importancia para la protección de los datos. La información y el
conocimiento toman gran valor en un mundo cada vez más conectado, por lo tanto se
requiere de profesionales que sean capaces de garantizar la integridad de los datos. En
resumen, la seguridad en un ambiente de red es la habilidad de identificar y eliminar
vulnerabilidades. Una definición general de seguridad debe también poner atención a la
necesidad de salvaguardar la ventaja organizacional, incluyendo información y equipos
físicos
¿Qué hay que hacer para implementar industria 4.0 en el sistema robotizado?
Como ya se hizo énfasis, la industria 4.0 abarca una gran cantidad de mejoras que deberán
ser tomadas por las empresas que estén interesadas en ser eficientes y lograr permanecer
en el tiempo. En la integración de la industria 4.0 al sistema de montaje de taller se tendrán
en cuenta para su implementación solo los temas que se converjan en esté y los que se
crean convenientes, para tal caso los temas tomados serán:

❖ Tratamiento de datos
❖ Compilación en la nube
❖ Internet de las cosas
❖ Robots autónomos (inteligencia artificial)
❖ Ciberseguridad
❖ Integración universal

Para las diferentes actividades que se tendrán en cuanta para la implementación de

tecnologías 4.0 se muestra la siguiente tabla en donde por medio de un flujograma se deja
evidencia de cada uno de los pasos necesarios para cumplir con el objetivo, es claro
afirmar que así como se define cada paso para desarrollar la actividad, es necesario
nombrar el responsable de cada uno de los mismos para que todo el equipo de trabajo se
sienta comprometido y avance al mismo ritmo.
En este sentido el procedimiento para la implementación no debe ser tomado como una
serie de pasos consecutivos ni como una receta, como en todo proceso de implementación
será muchas veces necesario devolverse en algunas ocasiones y retomar temas o puntos
que requieran ser replanteados.
APLICACIÓN
-Para pasar mi fábrica de 2 robots de 3 y 5 gel lo primero que debo hacer es actualizar o
mantener actualizados mi Hardware y software ya que esto cambia todo el tiempo
- Ya manteniendo mi sistema actualizado debo mantener al día el procedimiento del
traslado de los remaches de robot a robot partiendo como punto intermedio la interacción
humana es decir los operarios involucrados en estos
-Debo tener muy presente el algoritmo que maneja mis procesos cibernéticos ya que debo
mantener un plano o grafico de las actividades repetitivas de los robots con los remaches
en su recepción como en la partida hacia la plataforma del avión
-Una vez hecho esto es importante generar una comunicación entre los robots a pesar de
que los operarios intervengan en esto en el proceso de 12 horas lo0s robots deben
mantener una programación micro controlada o en arruino que me genere emisión y
recepción entre estos de tal manera que progresivamente generen autonomía
- El personal que trabaja en la empresa debe contar con equipos de realidad virtual, mejor
dicho debemos tener aplicaciones ya sea en celulares o computador que nos permitan
comunicarnos con la empresa y para lograr esto hay que tener un enlace IP que se
comunique con los robots, partiendo de que el disco duro virtual este instalado en estos
equipos para estar manejando los robots desde otras terminales o equipos celulares desde
cualquier punto de un área determinada
-Como todo software se necesita tener firewalls y protecciones especiales que no permitan
que individuos con malas intenciones entren a la plataforma de mi empresa ya que está
virtualmente maneja mis robots en las etapas del proceso del diagrama de flujo que le
permitan hacer el proceso completo
flujograma de implementación.
FLUJOGRAMA ACTIVIDAD
1.Investigación de mercados y
búsqueda de empresas que se
dediquen a la implementación
de industria 4.0
2. Estudio de diferentes
opciones, tomar la más
adecuada
3. Compra de tecnologías, aquí
es necesario comprar paquetes
tecnológicos completos que
incluyan planos, manuales
diagramas y por su puesto
servicio técnico adecuado.
4. sensibilización al personal,
capacitación técnica, inclusión
5 consecución de un buen
proveedor de servicios de
internet, tomando muy en serio
la ciberseguridad desde un
punto de software y hardware
6. adquisición de equipos e
instalación de los mismos
7. puesta en funcionamiento
7.1 captar de datos a través de
sensores, actualizar de PLCs,
vincular equipos periféricos a
internet de las cosas, trasmitir
datos por medio de tecnologías
inalámbricas 4G, 5G
7.2 almacenar datos en
servidores remotos por medio
de cloud computing
7.2 analizar los datos obtenidos
mediante modelos de
RESPONSABLE
Gerencia general, área
comercial, departamento
ingeniería. Especialista
industria 4.0 externo
Gerencia general, área
comercial, departamento
ingeniería, producción y
mantenimiento
Área comercial, tesorería,
revisor fiscal
Talento humano, área
técnica
Coordinador de red, área
comercial
Gerencia general
Departamento de
ingeniería, producción,
mantenimiento, equipo
técnico de especialistas
industria 4.0.
Departamento ingeniería,
Coordinador de red
producción y
mantenimiento
Departamento ingeniería,
Coordinador de red
producción y
mantenimiento
Coordinador de red,
equipo técnico de
especialistas industria
4.0.profesional
Coordinador de red,
equipo técnico de
tratamiento de datos por medio especialistas industria
de la estadística y/o algoritmos 4.0.profesional
de inteligencia artificial
(algoritmo genético)
7.3 transformación de datos en
Coordinador de red,
información útil mediante
equipo técnico de
interfaces y software de
especialistas industria
visualización de datos. (fuzzy
4.0.profesional
logic)
7.4 por medio de resultados de Coordinador de red,
datos detectar errores de equipo técnico de
fabricación de las compuertas especialistas industria
o fallos en los robots. 4.0.profesional
8. presentar resultados a la
jefes de área de toda la
gerencia y tomar medidas de
línea de montaje
mejora de ser necesario

Gerencia general
Departamento de
9, realimentar al personal.
ingeniería, producción,
Continuar con la capacitación
mantenimiento, equipo
de los mismos
técnico de especialistas
industria 4.0.
 Conclusiones

Finalmente se logra el desarrollo de cada uno del punto de la guía de actividades, donde se cumple
con los requerimientos de la guía de actividades, se retoma los cálculos realizados en el trabajo
anterior para aplicarlos en el desarrollo del presente trabajo donde se logra establecer los
parámetros con respecto a formulación de Larrague y de Newton-Euler, finalmente se presenta las
simulaciones realizadas por medio del software de Matlab.

La implementación de inteligencia artificial sin duda es un reto que fortalecería el montaje de las
compuertas del avión, al disminuir los tiempos de montaje y corregir los procedimientos o
trayectorias de posición de los remaches, también se podría tomar como base del proceso el trabajo
conjunto entre un robot y un operario para el montaje de los remaches.
Aunque tenga detractores la industria 4.0 y en general la implementación de inteligencia artificial
o robótica avanzada; estos temas que deben ser tomados como fortalezas más que amenazas, y
para que sea como este último, los seres humanos nos vamos a ver obligados a capacitarnos en
mayores temas de tecnologías del a información para estar a la vanguardia de lo que el desarrollo
de la tecnología exige.
La industria 4.0 es una realidad que ya está en marcha en las principales economías del mundo,
para nuestro y sus industrias deberá ser fundamental la capacitación y la asesoría de expertos en
este tema. Las mejoras visibles para el personal están enfocado en que las maquinas harán tareas
rutinarias y riesgosas mientras que localidad de vida debería mejorar e incentivar la creación y la
curiosidad.
 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