Robotic Advancements for Smart Automation in Industry 4.0
Autor:
Directores: Xiao Lin (Vicomtech) Elena Lazkano Ortega (Universidad)
Universidad: Euskal Herriko Unibertsitatea, EHU
Fecha: 22.09.2025
En el contexto de la Industria 4.0, la creciente demanda de productos personalizados ha impuesto la necesidad de una flexibilidad y adaptabilidad rápidas en los procesos de fabricación, lo que requiere sistemas de automatización capaces de ajustarse dinámicamente a los cambios en los requisitos de producción, manteniendo al mismo tiempo una alta eficiencia y fiabilidad.
En este sentido, la integración de tecnologías como la robótica, la inteligencia artificial y los gemelos digitales permite una automatización inteligente, haciendo posible que los sistemas perciban su entorno y tomen decisiones inteligentes para adaptarse a condiciones cambiantes. Sin embargo, persisten múltiples desafíos, como por ejemplo, habilitar que los robots realicen tareas complejas de forma autónoma, simplificar el entrenamiento de modelos de inteligencia artificial, cumplir con los estrictos requisitos de los entornos industriales en cuanto a robustez, fiabilidad y seguridad, asi como garantizar la facilidad de uso y mantenimiento para el personal existente. Además de estos desafíos, las limitaciones del hardware en robótica, como las imprecisiones de los sensores, los problemas de calibración y las restricciones físicas del mundo real, complican aún más el desarrollo de sistemas de automatización inteligente robustos y fiables.
Esta tesis se centra en el avance de la robótica dentro de la automatización inteligente, abordando específicamente los desafíos y oportunidades que presentan los entornos de fabricación de la Industria 4.0.
Una primera línea de investigación aborda el desafío de mejorar la exactitud de los manipuladores robóticos, lo cual es crucial para aplicaciones que requieren movimientos precisos en entornos dinámicos. Se presenta un novedoso enfoque híbrido de modelado cinemático, que combina el modelado cinemático clásico con redes neuronales utilizadas para la compensación de errores.
La segunda línea de investigación se centra en la automatización del bin picking, una tarea compleja que implica la integración de diversas tecnologías como la visión por computador, la robótica y la inteligencia artificial. Esta línea busca simplificar el desarrollo y la implementación de aplicaciones de bin picking, abordando las complejidades involucradas y haciéndolas más accesibles y eficientes. Se presenta un marco basado en plugins que proporciona componentes modulares para construir sistemas de bin picking. Además, se introduce un generador de datos sintéticos que reduce la necesidad de recopilar datos del mundo real para entrenar modelos de IA y un flujo de trabajo que optimiza la ejecución de tareas para reducir los tiempos de ciclo.
La última línea aborda los desafíos más generales de fiabilidad, seguridad y eficiencia en la automatización inteligente. Se propone un novedoso método de auto-mejora que permite una mejora continua del rendimiento sin interrumpir las operaciones en curso. Además, se introduce un nuevo paradigma operativo que aprovecha operadores humanos remotos para gestionar eficazmente errores y situaciones inesperadas en líneas de automatización flexibles.