(2020) Industria 4.0 - Enrique Rodal Montero.pdf

ENRIQUE RODAL MONTERO

2

Índice Presentación 1. Qué es la Industria 4.0 1.1. Definición y objetivos de la Industria 4.0 1.2. El origen del concepto de Industria 4.0 1.3. Europa y la Industria 4.0 1.4. El contexto en España 1.5. La normativa en España 1.6. Claves de la transformación digital 2. Tecnologías habilitadoras de Industria 4.0 2.1. Contexto 2.2. Fabricación aditiva o impresión 3D 2.2.1. Tipos de fabricación aditiva 2.2.2. Ventajas y desventajas de la fabricación aditiva 2.2.3. Ejemplos de uso de la fabricación aditiva en la Industria 4.0 2.2.4. Archivos de impresión 3D 2.3. Realidad virtual, aumentada, mixta, extendida y gamificación 2.3.1. Realidad virtual 2.3.1.1. Definición y tipos de realidad virtual 2.3.1.2. Orígenes de la realidad virtual 2.3.1.3. Usos de la realidad virtual en la Industria 4.0 2.3.2. Realidad aumentada 2.3.2.1. Definición y tipos de realidad aumentada 2.3.2.2. Origen de la realidad aumentada 2.3.2.3. Usos de la realidad aumentada en la Industria 4.0 2.3.3. Realidad mixta 2.3.4. Realidad extendida 2.3.5. Gamificación 2.3.6. Gemelo digital (digital twin) 2.3.6.1. Definición de gemelo digital 2.3.6.2. Usos de los gemelos digitales 2.3.6.3. Sistemas BIM 2.4. Cloud computing 2.4.1. Definición 3

2.4.2. Tipos de cloud computing 2.4.3. Ventajas e inconvenientes de cloud computing 2.4.4. Impacto del cloud computing 2.4.5. Cloud computing frente a edge computing 2.5. Tecnologías inalámbricas de transmisión de datos 2.5.1. Definición y tipos 2.5.2. Sistemas inalámbricos de localización 2.6. Robótica industrial 2.6.1. Definición 2.6.2. El impacto de la robótica industrial 2.6.3. Robótica colaborativa o cobots 2.6.4. Ventajas y desventajas de los cobots 2.6.5. Tendencias de la robótica industrial 2.7. Internet de las Cosas (IoT) 2.7.1. Definición y contexto 2.7.2. Entornos IT y OT en la industria 2.7.3. IoT frente a IIoT 2.7.4. Dispositivos IoT 2.7.5. Sistemas ciberfísicos 2.8. Metrología 2.9. Inteligencia artificial 2.9.1. Definición 2.9.2. Tipos de inteligencia artificial 2.9.3. Sistemas de aprendizaje 2.9.4. El impacto de la inteligencia artificial 2.9.5. Retos de la inteligencia artificial 2.9.6. Ejemplos reales del uso de inteligencia artificial en la industria 2.10. Big data 2.10.1. Definición 2.10.2. Generación y gestión de datos 2.10.3. Las dimensiones del big data 2.10.4. Etapas del big data 2.10.5. Usos del big data 2.11. Sistemas de visualización y gestión de datos 2.12. Otras tecnologías habilitadoras 2.12.1. Drones 2.12.1.1. Definición 2.12.1.2. Tipos de drones voladores 2.12.1.3. Usos de los drones 2.12.2. Blockchain 4

2.12.3. Vehículos AGV, LGV, IGV y AIV 2.12.4. Exoesqueletos 2.12.5. Wearables 2.12.6. Sistemas biométricos 2.12.7. Eye tracking 2.12.8. UX/UI 2.12.9. Nuevos materiales y procesos 3. Retos de la Industria 4.0 3.1. La ciberseguridad 3.1.1. Impacto de la ciberseguridad 3.1.2. Principales amenazas 3.1.3. Ciberseguridad en los entornos IT y OT 3.1.4. Retos de la ciberseguridad 3.1.5. Herramientas de ciberseguridad 3.2. Formación de los trabajadores 3.3. Educación y los nuevos empleados de la Industria 4.0 3.4. Normativas 3.5. Protección de datos 3.6. I + D + i y patentes 3.7. Costes económicos 3.8. Capacitación de los proveedores tecnológicos 3.9. Obsolescencia programada 3.10. Difusión 3.11. Motivaciones sociales, laborales y psicológicas Bibliografía Créditos

5

PRESENTACIÓN La Industria 4.0 ya es una realidad en miles de empresas de todo el mundo. El salto hacia la cuarta revolución industrial está basado en el uso de tecnologías emergentes para mejorar los procesos de fabricación, el mantenimiento de las máquinas, optimizar los costes de producción, favorecer la formación y las condiciones de los empleados, impulsar la relación con los clientes, o crear nuevos servicios y productos de mayor calidad. Todo ello tomando como base tecnologías que se encuentran en diferente grado de madurez como pueden ser la fabricación aditiva, la robótica colaborativa, la inteligencia artificial, la analítica de datos, el Internet de las Cosas, la realidad virtual, la realidad aumentada, los drones o los exoesqueletos. A lo largo de esta aproximación a la Industria 4.0, descubrirás cuál es el impacto real de estas tecnologías, conocerás casos de éxito, indagaremos en la situación actual de la Industria 4.0 en España y en nuestro entorno, y desvelaremos los principales retos a los que se enfrenta la transformación digital. Este libro es un trabajo de recopilación de conocimiento basado en más de 300 entrevistas personales a algunos de los principales protagonistas de la Industria 4.0 y en informes de las principales consultoras del mundo especializadas en la transformación digital. Bienvenidos a Industria 4.0: conceptos, tecnologías habilitadoras y retos.

6

1 QUÉ ES LA INDUSTRIA 4.0 1.1. Definición y objetivos de la Industria 4.0 La Industria 4.0 también se denomina industria inteligente, industria conectada, fabricación avanzada, ciberindustria, industria digital o smart industry. Toma este nombre del convencimiento de que la aplicación de nuevas tecnologías o tecnologías emergentes en los procesos de producción va a conllevar una cuarta revolución industrial, de ahí la denominación de 4.0. La primera revolución industrial estuvo marcada por la aplicación de las máquinas de vapor y la energía hidráulica. La segunda por las cadenas de montaje y la producción en serie. La tercera revolución industrial por la incorporación de la electrónica y la tecnología. En esta cuarta revolución industrial el protagonismo es para las tecnologías emergentes. Debido a la rápida evolución de las tecnologías y la adopción de nuevas tecnologías disruptivas como la computación cuántica, el deep learning o el uso de nanomateriales, algunas empresas y organizaciones están empezando a definir una evolución de la Industria 4.0 que han bautizado como Industria X.0. Aunque también se emplean nuevas tecnologías en sectores como la salud, la agricultura, la ganadería, el ocio o las ciudades inteligentes (smart cities), el concepto de Industria 4.0 se centra en la aplicación de tecnologías en los ámbitos tradicionalmente industriales, empresariales y manufactureros. Con todo, es habitual que los diferentes sectores compartan tecnologías, aplicaciones y casos de éxito. Los principales objetivos de la Industria 4.0 serían los siguientes: Mejorar la competitividad Gracias al uso de tecnologías vinculadas con el análisis de datos procedentes de máquinas y procesos, podemos optimizar la fabricación en lo que se refiere al consumo energético, la gestión de recursos materiales, el mantenimiento y monitorización de máquinas, la reducción de tiempos en la realización de tareas, la simulación de procesos, la creación de productos de mayor calidad, evitar fallos de fabricación, aumentar la formación de los empleados o la organización de los equipos humanos. Mejorar la 7

competitividad suele ser uno de los factores más invocados a la hora de resaltar la importancia de la aplicación de nuevas tecnologías en los procesos industriales, pero no es el único. Monitorización de máquinas y procesos Cada vez es más frecuente que las máquinas que intervienen en los procesos de fabricación estén dotadas de sensores que ofrezcan información sobre su funcionamiento. Esta información se analiza en tiempo real y se utiliza para supervisar el estado de las máquinas. Hasta hace unos años, se llevaban a cabo mantenimientos correctivos de máquinas cuando sucedía alguna incidencia y era necesario arreglar dicho dispositivo. Ante el grave impacto económico que suponía parar un proceso de producción por la rotura de una máquina, se empezaron a poner en marcha mantenimientos preventivos centrados en realizar revisiones con el fin de detectar posibles problemas y evitar futuros fallos de funcionamiento. Con la Industria 4.0 entran en juego dos nuevos tipos de mantenimiento basados en la captación y el análisis de datos de funcionamiento. El mantenimiento predictivo recoge información en tiempo real sobre el estado de los componentes más sensibles de la máquina y, basándose en un histórico de datos vinculados con las averías más comunes, información sobre su funcionamiento actual y el uso de herramientas de inteligencia artificial para su análisis, es capaz de ofrecer una previsión de cuándo se va a estropear o es necesario cambiar un determinado componente. El grado más avanzado se denomina mantenimiento proactivo y, además de ofrecer una previsión de cuándo puede fallar algo, proporciona información sobre cuáles son los motivos por los que se producirá ese fallo. Nos indica las causas, lo que nos permite tomar las medidas más adecuadas para preservar los procesos de fabricación. Respecto al mantenimiento en el sector industrial, existen herramientas, como visores de realidad aumentada, que superponen información a la imagen real, que nos pueden guiar durante un proceso de mantenimiento indicándonos en qué nos debemos fijar y cuáles son los pasos que debemos seguir para llevar a cabo ese mantenimiento o tarea de reparación. Estos mismos visores dotados de un software especial permiten que un operario pueda asistir de forma remota a otro ya que podría observar en tiempo real lo mismo que está viendo el trabajador que se encuentra delante de la máquina sobre la que quiere llevar a cabo el mantenimiento. Simular los procesos de fabricación Un gemelo digital o digital twin se define como una réplica digital de activos físicos, procesos, espacios, sistemas y dispositivos que se pueden usar para varios propósitos. Por una parte, tenemos el sistema u objeto real y, por otra, una réplica virtual que 8

contiene toda la información del sistema físico basada en sus características técnicas y sus datos de funcionamiento recopilados por distintos tipos de sensores. Hay gemelos digitales de plantas de fabricación o de productos complejos como el motor de un automóvil o una aeronave. Un gemelo digital nos facilita prever situaciones y tomar medidas preventivas. En el desarrollo de un gemelo digital intervienen diferentes tecnologías: por una parte los sensores y dispositivos IoT (Internet de las Cosas) que captan los datos sobre su situación en el mundo real y, por otra parte, la inteligencia artificial aplicada a analizar toda la información captada. También pueden intervenir la realidad virtual, a la hora de recrear el entorno que estamos simulando, y la realidad aumentada para disponer de información en tiempo real de distintos elementos o dispositivos. Al final, crear un modelo digital consiste en pasar de un entorno 3D a uno 4D. Existen diferentes niveles de gemelos digitales que varían en función de la complejidad de las réplicas y de la cantidad de datos captados. Fabricación cero defectos (zero defect manufacturing) Es una de las principales aspiraciones de la Industria 4.0. Sectores tan críticos como el aeronáutico, el ferroviario, la automoción o el energético requieren de una mayor supervisión de cada una de las piezas y componentes que forman parte de los motores u otros elementos vitales que producen y que montan. Gran parte de las inversiones en I + D + i de este tipo de compañías están destinadas a erradicar el riesgo de posibles fallos de sus componentes más importantes. Con la fabricación cero defectos se trata de supervisar todo lo que ocurre durante el proceso productivo: desde la fase de diseño, fundición, forja, mecanizado y montaje. Si se ha cometido un error durante las primeras fases de producción, terminará afectando a las últimas. Si nos imaginamos el caso de un tornillo, un elemento pequeño pero que puede tener una importancia vital en un motor de un avión, es necesario garantizar que el metal del que está compuesto se ha forjado de manera correcta, que se ha mecanizado con la forma adecuada y que se ha montado según las especificaciones del fabricante. Un error en su estructura interna, en su forma o en su colocación puede suponer que todo el motor en el que va ensamblado sea inservible. Para detectar defectos (defectología) o parámetros relacionados con los esfuerzos que soporta una pieza, se utilizan sensores y herramientas de metrología de distintos tipos como cámaras de inspección óptica, ultrasonidos y sistemas para el ensayo no destructivo de materiales (NDT). La aspiración de la fabricación cero defectos es que no haya fallos o scratches en los elementos fabricados o montados. Fabricación personalizada o customización masiva 9

Otro concepto muy relacionado con la Industria 4.0 es el de la customización masiva o la posibilidad de fabricar productos únicos y diferentes para cada usuario. En la actualidad, hay muchos ejemplos de customización, desde ropa y complementos para un cliente determinado, hasta salpicaderos de coche personalizados. Para poder llevar a cabo esta customización los robots o máquinas tienen que estar preparados para cambiar su forma de trabajar en cualquier momento y de una manera más o menos rápida. Pueden fabricar series unitarias o series más cortas de lo habitual para, pocos minutos después, volver a las tiradas largas. Es lo que se define como una fabricación flexible y adaptable. Estos robots o máquinas tienen que estar dotados de conectividad para recibir de forma rápida y certera las instrucciones desde el centro de control. En este caso, más que generar datos, deben estar preparados para interpretarlos y ejecutarlos. Además de robots y máquinas, un elemento determinante para fabricar objetos personalizados es la impresión 3D o fabricación aditiva, que permite crear bienes únicos en casi cualquier tipo de material (plásticos, metal, cerámica, composites...). Optimización del consumo energético (smart energy) Según informes de la Comisión Europea, habría que invertir cada año 2.000 millones de euros para mejorar la eficiencia energética en un 25 %. Se estima que esta inversión puede generar un ahorro de 9.000 millones de euros hacia el año 2030 1 . Existen herramientas tecnológicas avanzadas para monitorizar el consumo energético y ofrecer información en tiempo real sobre el mismo. En base al análisis de datos, es posible comparar nuestros consumos energéticos respecto a otros meses o años, e incluso en relación con empresas de un tamaño similar a la nuestra. Gracias a estos datos podemos identificar picos de consumo y localizar dónde se están produciendo estos desfases. Esta información nos puede servir para establecer qué horarios son los más adecuados para realizar ciertas tareas teniendo en cuenta la tarificación de nuestro proveedor energético o para estimar variaciones de parámetros que afecten al consumo energético como la previsión de producción, las condiciones meteorológicas, las demandas de stocks, etc. El industrial intelligent cockpit controla en tiempo real aspectos tan divergentes como el consumo del aire acondicionado o la generación de energía fotovoltaica y geotérmica. El uso de modelos predictivos, basados en inteligencia artificial, permite tener un edificio eficiente, autónomo y flexible. Con esta solución se han conseguido reducciones de consumo energético de alrededor del 20 %. Hay que tener en cuenta que a la hora de implementar sistemas de eficiencia energética o smart energy no solo van a tener un impacto económico en el ahorro de costes, sino que existen otras variables importantes centradas en la sostenibilidad, la disminución de la huella de carbono, la reducción del consumo de agua y otra serie de consecuencias medioambientales más perceptibles. 10

Las tecnologías también están teniendo su impacto en el propio sector energético ya que se aplican en ámbitos como su generación, su transporte y su distribución. Ofrecer nuevos servicios a nuestros clientes. Servitización La servitización es un paradigma asociado a la Industria 4.0 que se basa en la posibilidad de ofrecer servicios añadidos a los clientes gracias a la información que proporciona el producto vendido. La premisa básica para proponer este tipo de servicios es que el producto o la máquina que comercializamos proporcione datos sobre su funcionamiento y estos lleguen al fabricante en tiempo real. La información se recoge a través de sensores dotados de conectividad instalados en los dispositivos. Los modelos de servitización implican la posibilidad de conseguir ingresos añadidos ofreciendo nuevos servicios a los clientes y que la relación comercial no quede únicamente supeditada a la compra de un producto. Un ejemplo sería el de una compañía del sector de la automoción que comercializa un neumático inteligente que incorpora sensores resistentes al agua que ofrecen información sobre la temperatura y la presión de la rueda. Este neumático tiene conectividad 3G y es capaz de enviar datos en tiempo real e incluso mandar alertas a través de correo electrónico o SMS en el caso de que se superen los umbrales de temperatura o presión. Existen tornillos inteligentes (smartbolts) 2 dotados de un chip que avisa sobre defectos, averías o alerta ante posibles pérdidas de agarre. Con base en esta información, se puede advertir a los responsables de las infraestructuras en las que va montado este tornillo, como parques eólicos o plataformas petrolíferas. La información llega de forma remota y casi en tiempo real, lo que permite apretarlos o reemplazarlos rápidamente en caso de que sea necesario. También se puede emplear la analítica de datos para determinar el precio de un producto en función de su uso y no por un valor estándar. Algunas empresas comercializan motores para aviación garantizando un número determinado de horas de vuelo o de potencia de motor. En caso de cualquier problema, la compañía proporciona todo el soporte, incluido el mantenimiento, para cumplir sus acuerdos. Hay firmas del sector de la generación energética que son capaces de prever cuánta energía de origen solar o eólica van a generar sus clientes. Para ello analizan factores como las series históricas de la intensidad del viento o el sol en un determinado punto, el funcionamiento y el estado de los rotores o paneles solares y su degradación y, en función de todo ello, pueden perfilar ciertas necesidades de mantenimiento y garantizar que se va a generar una determinada cantidad de energía. La captación de datos para ofrecer servicios a los clientes conlleva la protección de los datos recogidos, y por ello están generalizados los contratos de confidencialidad entre las partes para que esa información no termine llegando a terceros. Ya se empiezan a dar casos de venta de máquinas a precios más baratos de lo habitual a cambio de 11

disponer de los datos de funcionamiento (histórico de datos) de cara a mejorar el producto y ofrecer nuevos servicios a los clientes. Aumentar la información de los productos. Trazabilidad Los clientes demandan una información exhaustiva sobre los procesos de fabricación y ensamblado, los materiales utilizados en la creación de cualquier producto, o las condiciones a las que ha quedado expuesto durante su almacenaje o traslado. Es lo que se denomina trazabilidad. El saber cómo están hechas las piezas y si se han cumplido las especificaciones necesarias durante su creación y transporte tiene cada vez mayor relevancia. Los sensores son capaces de determinar en todo momento los diferentes procesos a los que ha sido sometido un bien. Esa información queda registrada y almacenada a través de etiquetas o marcas inteligentes. Del mismo modo, esos sensores y marcadores pueden supervisar las condiciones en las que ha estado un producto durante su almacenamiento y traslado, registrando vibraciones, cambios de temperatura, variaciones de presión, e incluso posibles manipulaciones en su montaje o apertura. En este ámbito, está adquiriendo gran relevancia el blockchain como sistema para recopilar esa información de trazabilidad de forma fidedigna sin que existan riesgos de que dicha información se pueda modificar o alterar de alguna manera. Perfeccionar la distribución y localización de los productos. Logística 4.0 La Logística 4.0 o logística inteligente es un término íntimamente ligado a la Industria 4.0. Se trata de la utilización de tecnologías emergentes en el acopio, almacenamiento, distribución y reparto de los bienes que hemos producido o que utilizamos para nuestra fabricación. Los principales objetivos de la Logística 4.0 son gestionar tamaños de series y tiempos de respuesta más cortos, adoptar modelos logísticos inteligentes, adaptarse a la transformación de canales y a la omnicanalidad, aprovechar la información para anticipar las necesidades del cliente y gestionar la trazabilidad de extremo a extremo. Una de las claves de la logística es tener la información y la previsión de demanda de un determinado bien para dar respuesta a las necesidades del mercado. Hoy en día, gracias a herramientas de análisis de datos, es posible disponer de esas previsiones. Por un lado, podemos analizar datos internos de históricos de ventas, por otro, la información procedente de redes sociales o listas de correos que nos pueden mostrar el interés en tiempo real por un determinado producto, y a esa información le podemos unir otros factores externos como la previsión meteorológica que puede ser clave a la hora de demandar un determinado alimento, ropa, etc. La combinación del análisis de estos datos nos puede ofrecer un escenario de demanda que podremos adecuar optimizando nuestra 12

producción, revisando stocks y formalizando órdenes de reabastecimiento si fuese necesario. También se emplean tecnologías como etiquetas inteligentes, sensores o drones para la localización de productos en superficies de almacenaje. Todo ello sin olvidar sistemas de comunicación como el GPRS, los GPS o AVL para la localización de vehículos de transporte. Su interconexión, conectividad y el acceso a datos del estado de las carreteras o las previsiones del tiempo les permiten conocer las rutas más eficientes para realizar los envíos. Algunos autores también utilizan el término supply chain management para referirse a un concepto más amplio que el de la logística tradicional. Supply chain management abarca desde localizar las materias primas y transformar los productos hasta la llegada al consumidor, pasando por todas las operaciones intermedias como el abastecimiento y la regulación de las fábricas, el marketing, la distribución, las ventas o el propio diseño. La cadena de suministro es una gran sincronizadora de todas las operaciones, una función clave para evitar bloqueos. Además, gestiona la oferta y la demanda entre compañías y dentro de su propio ámbito. Enriquecer la formación de los trabajadores Gracias a tecnologías como la realidad virtual es posible recrear escenarios y procesos para que los trabajadores aprendan cómo funcionan ciertas máquinas: desde carretillas elevadoras, grúas, fresadoras... La principal ventaja de este tipo de formaciones es que se pueden entrenar situaciones peligrosas sin que el empleado o la máquina corran riesgos. Además, no es necesario paralizar la actividad normal y hay un ahorro de costes al no utilizar ningún tipo de materia prima de fabricación. El uso de la realidad virtual no es algo nuevo ya que desde hace muchos años existen los simuladores de vuelo para los pilotos de aviación. Hablamos, por tanto, de crear simuladores o serious games para entrenar las capacidades de nuestros operarios. Otra tecnología empleada para la formación de trabajadores es la gamificación. Se trata de la creación de videojuegos sencillos en los que el empleado va adquiriendo conocimientos y habilidades de forma lúdica e interactiva. Gracias a estos juegos gamificados también es posible detectar cualidades y valores de los propios trabajadores. Evitar accidentes laborales en planta Las tecnologías emergentes pueden ayudar a mejorar las condiciones de los empleados y a prevenir posibles accidentes laborales. Uno de los principales exponentes en este sentido es la robótica colaborativa. Los robots colaborativos o cobots están dotados de sensores, visión artificial y otras tecnologías vinculadas con el reconocimiento de gestos, identificación de voz o inteligencia artificial, y son capaces 13

de parar o reducir la velocidad de sus movimientos cuando detectan la presencia de un humano o de otros robots. La realidad virtual también se utiliza en la simulación de riesgos laborales. Sin necesidad de activar una parada de emergencia, ante los costes que ello supondría, los trabajadores o los delegados de salud laboral pueden practicar y ejercitar en un entorno virtual qué tienen que hacer en caso de una emergencia, cómo manejar un desfibrilador o a dónde dirigirse en caso de peligro. Otro aliado en la prevención de riesgos laborales son los sensores y dispositivos vinculados a Internet de las Cosas (IoT). Estos aparatos están dotados de sensores que son capaces de detectar diferentes tipos de variables fisicoquímicas como la temperatura, la presión, la presencia de ciertos gases, humo, etc. Gracias a estos sensores, es posible conocer en tiempo real si la temperatura en una máquina o en un horno está por encima de los valores seguros, si se está produciendo una concentración de gases o si el ruido supera los umbrales de seguridad exigidos. Del mismo modo, se emplean dispositivos vestibles o wearables para saber en todo momento en qué lugar de la planta se encuentra un empleado, e incluso determinar si ha sufrido una caída o accidente ya que son capaces de registrar diferentes parámetros biométricos. La analítica visual y la visión artificial admiten el tracking de personas y activos en tiempo real, garantizando a los trabajadores zonas seguras y apoyo para emergencias en situaciones críticas. Además, permiten conocer la identidad de las personas y con qué certificados de seguridad y cualificación cuentan a la hora de manejar una máquina. Otro elemento cada vez más utilizado en las industrias son los drones. Gracias a estos aparatos dotados de cámaras y controlados remotamente podemos supervisar el estado de una infraestructura sin necesidad de que un operario se suba a cierta altura. Mejorar las condiciones de trabajo Las fábricas del futuro serán fábricas inteligentes con sistemas de control de temperaturas, ruido o emisiones. Pero más allá de los procesos antes mencionados, las nuevas tecnologías también tendrán su impacto en aspectos organizativos y en la motivación de las personas. La integración de las metodologías Lean junto con las tecnologías habilitadoras de la Industria 4.0 son, hoy en día, un reto ya que es muy complicado encontrar sistemas de colaboración simbióticos entre trabajadores humanos, máquinas y entidades dotadas de inteligencia artificial. En este sentido, se está desarrollando el proyecto LIAA 3 que tiene como objetivo implantar un sistema que permita a los humanos y a los robots trabajar realmente juntos en las tareas de ensamblaje. El trabajo conjunto permite que los sentidos y la inteligencia del ser humano se complementen con la fuerza y la resistencia de la automatización, y así obtener lo mejor de cada uno de ellos, reduciendo las lesiones y los costos repetitivos, y mejorando la satisfacción laboral y el tiempo promedio que un empleado puede continuar en el 14

mismo trabajo. Cabe mencionar otras herramientas como los exoesqueletos de uso industrial que apoyan a los trabajadores a la hora de manipular cargas con un peso elevado o que les ayudan a mantener determinadas posiciones corporales que podrían provocar dolencias o lesiones. Smart factory A las plantas de fabricación más avanzadas tecnológicamente también se las denomina smart factories, fábricas inteligentes, Fábricas 4.0 o fábricas conectadas. Gracias a la interconectividad de las máquinas, dispositivos y el personal, ofrecen nuevas formas dinámicas de detectar aspectos de la demanda, reconfigurar las cadenas de suministro y rediseñar los procesos de fabricación en un flujo de información en tiempo real y que afecta a cualquier elemento de la cadena de valor, eliminando los límites entre demanda, diseño, fabricación y suministro. La fábrica inteligente es capaz de adaptarse de forma continua e inmediata a distintas tareas, cambiar los productos que se fabrican y amoldarlos a las necesidades específicas de cada cliente. En la fábrica inteligente todos los departamentos están unidos entre sí y está conectada externamente a clientes y proveedores. Los operarios tienen acceso a información relevante en tiempo real. Otro elemento destacado de las smart factories es su apuesta por la optimización energética e incluso por la generación de energías renovables para su propio funcionamiento.

1.2. El origen del concepto de Industria 4.0 El término de Industria 4.0 fue acuñado por primera vez en Alemania en 2011 (Industrie 4.0) durante la celebración de la Hannover Messe 4 , la feria que se ha convertido en referencia mundial de la Industria 4.0. Tiene como origen una iniciativa en la que se realizaron esfuerzos conjuntos del Gobierno Federal alemán, el mundo académico y las empresas germanas para mejorar la producción de las industrias incorporando nuevas herramientas tecnológicas. Tras la puesta en marcha de Industrie 4.0 en 2013, el proceso se ha racionalizado con Plattform 4.0 y un acuerdo de cooperación entre el Gobierno alemán, las compañías y los sindicatos. Las empresas participan cada vez más en iniciativas transversales, a menudo en colaboración con los entes regionales. Siguiendo la estela alemana, se han puesto en marcha iniciativas como Industrie 4.0 en Austria, l’Industrie du Futur en Francia, Catapult en Reino Unido, Industria 4.0 o Impressa 4.0 en Italia, y Smart Industry en Países Bajos. Se trata de un panorama diverso en el que cada país, región e incluso ciudades desarrollan su propia visión del concepto 15

de Industria 4.0 y el futuro de la industria. En España los planes del Ministerio de Industria, Comercio y Turismo para fomentar la transformación digital de las empresas se concentran en la iniciativa Industria Conectada 4.0 5 , que data de 2015. Los objetivos principales de este programa se centran en garantizar el conocimiento y el desarrollo de competencias vinculados con la Industria 4.0, fomentar la colaboración multidisciplinar, impulsar el desarrollo de una oferta de habilitadores digitales y promover las actuaciones adecuadas para la puesta en marcha de la Industria 4.0. También merece una mención especial la iniciativa impulsada en Euskadi desde 2014 por el Gobierno vasco denominada Basque Industry 4.0 6 que se define como una apuesta por la incorporación de inteligencia en medios y sistemas de producción, el aprovechamiento de capacidades y tecnologías emergentes en nuevos productos y procesos, la integración de materiales avanzados en soluciones de mayor valor añadido o procesos mejorados, la eficiencia y sostenibilidad de los recursos empleados, y la integración de servicios de alto valor añadido. Este programa incluye iniciativas como el Basque Digital Innovation Hub (BDIH), una red conectada de activos y servicios de fabricación avanzada, infraestructuras para la formación, investigación, testeo y validación a disposición de las empresas. Las iniciativas del Gobierno vasco orientadas a la Industria 4.0 se completan con BIND 4.0 7 , un programa público-privado en el que empresas relevantes desarrollan proyectos de transformación digital junto a startups de todo el mundo.

1.3. Europa y la Industria 4.0 En 2016 se aprobó en el seno de la Comisión Europea el Dictamen del Comité Económico y Social Europeo sobre La Industria 4.0, la transformación digital y el camino a seguir en Europa 8 . Salió adelante con 98 votos a favor y ninguna abstención. Según recalcan en este dictamen, la transformación digital en la industria es una cuestión urgente y el sector público debería desarrollar orientaciones estratégicas para jugar un papel decisivo como regulador, facilitador y de apoyo financiero. La Comisión Europea considera que la digitalización y la Industria 4.0 afectan profundamente a los modelos de negocio y a todo el entorno en el que operan actualmente las empresas, por lo que es de vital importancia concienciar y fomentar una percepción común de los objetivos entre las empresas y todas las partes interesadas, a saber, los interlocutores sociales a todos los niveles, el mundo académico, los institutos de investigación, los agentes públicos regionales y locales, el sector educativo y los consumidores. Para los expertos de la Comisión Europea, ningún país europeo es capaz de aprovechar por sí solo todas las oportunidades que ofrece la era digital. Europa 16

representa en su conjunto un mercado comparable al de Estados Unidos o China. La digitalización de la industria requiere de una estrategia industrial común para la Unión Europea y los Estados miembros. De esta manera, se podrá reforzar la base industrial europea, atraer nuevas inversiones y recuperar puestos de trabajo. Además, según recalcan desde la Comisión, la digitalización hará que Europa no pierda de vista el objetivo de que la producción industrial represente al menos el 20 % de su producto nacional bruto en 2020. La mayor competencia al poder industrial de Europa se encuentra ahora mismo en Estados Unidos, en Asia y en China. El gasto en I + D + i de la Unión Europea asciende al 2,03 % del producto interior bruto, mientras que en Japón es del 3,3 % y en Estados Unidos se sitúa en el 2,8 %. Las propias autoridades europeas reconocen que no es factible competir en costes con países asiáticos o con China. Allí los salarios son más bajos y en algunos casos los costes de las materias primas también son inferiores. Por todo ello, recalcan que hay que apostar por fabricar mejores productos, de mayor calidad y se apunta también a la importancia de la personalización; de comercializar productos adaptados a los consumidores. Algo para lo que es muy importante la aplicación de nuevas tecnologías en la industria. Otro mensaje extendido vinculado con la Industria 4.0 es que al tener las empresas europeas que competir contra compañías de Estados Unidos o China, países donde existen importantes planes específicos para el fomento de la digitalización [Smart America 9 y Made in China 2025 10 ], las organizaciones que no pongan en marcha procesos de transformación digital a corto plazo no podrán competir en los mercados internacionales. Entre todas las tecnologías habilitadoras que se quieren potenciar desde la Comisión Europea, en los últimos meses ha adquirido especial relevancia la inteligencia artificial. Los organismos europeos han propuesto una estrategia 11 en este sentido basada en tres pilares: — Impulsar el desarrollo tecnológico, la capacidad industrial y la captación de la inteligencia artificial en toda la economía. — Prepararse para los cambios socioeconómicos que puede suponer la incorporación de la inteligencia artificial en el sector industrial. — Asegurar un marco ético y legal adecuado vinculado con el uso de la inteligencia artificial. En junio de 2019 la Comisión Europea publicó el documento A vision for the European industry until 2030 12 , en el que un grupo de expertos de alto nivel han diseñado las bases del que será el nuevo modelo industrial en Europa en 2030. Una de las principales conclusiones de este informe se centra en la apuesta por un modelo industrial que conecte el progreso económico con los retos sociales y 17

medioambientales. En opinión de este grupo de expertos, en 2030 la industria europea será un líder mundial que proporcionará valor de forma responsable para la sociedad, el medioambiente y la economía. El futuro modelo industrial europeo conectará con éxito el progreso económico con los principales desafíos medioambientales y sociales. La Unión Europea se convertirá en una economía innovadora, sostenible, competitiva y centrada en el ser humano. Todo ello sin olvidar que será una economía cada vez más poblada y con recursos limitados. Por ello, habrá que invertir en tecnologías de vanguardia e innovadoras que sean respetuosas con los límites planetarios y de la biodiversidad. Otra obligación de la sociedad europea será invertir en las generaciones actuales y futuras al abordar los desafíos sociales clave, proporcionando empleos innovadores en todas las regiones e invirtiendo en nuevas habilidades. En cuanto a ayudas para iniciativas empresariales relacionadas con la Industria 4.0, la Unión Europea concentra gran parte de sus actividades de investigación e innovación en el programa marco denominado Horizonte 2020 (H2020) 13 . Este programa, ideado para el período que engloba los años 2014 a 2020, se basa en tres pilares centrados en abordar los principales retos sociales, promover el liderazgo industrial en Europa y reforzar la excelencia de su base científica. El presupuesto disponible de este programa asciende a 76.880 millones de euros. En el contexto de este programa marco Horizonte 2020 las empresas tienen a su disposición el denominado Instrumento PYME que financia programas de evaluación, viabilidad al desarrollo, replicación en el mercado, y apoyo a la comercialización de proyectos de carácter innovador con base tecnológica y científica. El Consejo de la Unión Europea ha alcanzado un acuerdo sobre el enfoque general de Horizonte Europa, el futuro programa marco de investigación e innovación que sucederá a Horizonte 2020 y para el que la Comisión ha propuesto una dotación de unos 100.000 millones de euros para el período 2021-2027.

1.4. El contexto en España España ocupa el puesto 24 entre los 25 países del mundo que están mejor preparados para afrontar esta cuarta revolución industrial según un estudio publicado por el Foro Económico Mundial. En cabeza se encuentran países como Estados Unidos, Alemania, Japón, Corea del Sur, Dinamarca, Suecia, Finlandia o China 14 . Según un estudio de PwC, las empresas industriales españolas se pueden dividir en cuatro grupos en función de su nivel de digitalización. El 21 % de las compañías industriales españolas son digital novices o novatas (se encuentran en una fase incipiente de digitalización), un 47 % son digital followers o seguidoras digitales (cuentan con algunas áreas funcionales digitalizadas y conectadas), y un 27 % son digital innovators o innovadoras. Tan solo un 5 % pueden considerarse como digital champions o digitalmente avanzadas (ya tienen plenamente digitalizada e integrada 18

toda su cadena de valor: desde los procesos de fabricación y sus operaciones, pasando por su capital humano, sus procesos comerciales y sus relaciones con clientes y proveedores) 15 . Otro estudio de Accenture y Mobile World Capital Barcelona revela que para 2021 la Industria 4.0 será clave para potenciar el PIB con un aumento estimado del 3,6 % en España. Según este informe, la digitalización puede incrementar en 48.500 millones de dólares el PIB español 16 .

1.5. La normativa en España La Asociación Española de Normalización, UNE, ha desarrollado la especificación UNE 0061 (Industria 4.0. Sistema de gestión para la digitalización. Criterios para la evaluación de requisitos) 17 , donde se recogen los requisitos mínimos para poder considerar una empresa u organización como industria digital. La elaboración de esta especificación ha contado con la participación y consenso de un grupo de expertos de la Administración, asociaciones sectoriales, grandes empresas y pymes, bajo el impulso del Ministerio de Industria, Comercio y Turismo. La UNE 0061 fija el procedimiento de evaluación de conformidad con los requisitos de la especificación UNE 0060:2018 (Industria 4.0. Sistema de gestión para la digitalización. Requisitos). Define la duración del ciclo de mejora continua, establece los criterios detallados para evaluar el cumplimiento de los requisitos y determina los criterios mínimos para conseguir la consideración de industria digital. La UNE 0061 establece un total de 92 requisitos clasificados en dos categorías: obligatorios (61) y valorables (31). Destacan los referidos a que las empresas deben analizar periódicamente y con un enfoque de mejora continua la eficacia de la digitalización de sus actividades, procesos y productos, implantando acciones de mejora. Además, las organizaciones deben utilizar tecnologías y técnicas que faciliten su transformación digital, como data analytics o big data, inteligencia artificial, Internet de las Cosas, cloud computing o fabricación aditiva, entre otras. Para conseguir la denominación de industria digital, la organización o empresa debe cumplir el 100 % de los requisitos obligatorios al finalizar el ciclo completo de mejora continua (tres años) y el 60 % de los requisitos valorables. Las entidades pueden optar al reconocimiento de industria digital excelente, para lo que deben cumplir el 100 % de los requisitos obligatorios y el 80 % de los valorables. Cumplir con la UNE 0061 significa que las empresas que consigan la consideración de industria digital demostrarán ante sus grupos de interés su compromiso con la digitalización y que han seguido un proceso del máximo rigor para abordarla.

19

1.6. Claves de la transformación digital La estrategia de transformación digital debe partir de una reflexión particular de cada empresa sobre cómo le puede afectar a su negocio la introducción de nuevas tecnologías en sus procesos, máquinas o herramientas de gestión. Se han de elaborar informes sobre sus consecuencias, costes y beneficios aplicados a los productos, servicios, procesos y modelos de negocio. Hay que responder a cuestiones vinculadas con la situación actual del mercado para un determinado producto, hábitos de consumo, regulaciones normativas, existencia de proveedores, la competencia, las preferencias de los consumidores, las capacidades propias y las de los trabajadores de la empresa, conocer cómo funciona su sector empresarial, fijar de qué redes u organizaciones debe formar parte, estimar si es flexible su organización, si está acostumbrada a los cambios, si sus empleados tienen conocimientos tecnológicos, dónde pueden encontrar formación para las nuevas necesidades o si será posible servitizar sus productos. Al mismo tiempo, los responsables de la transformación digital deben identificar qué tecnologías habilitadoras pueden ayudarles en cada caso a acercarse a sus objetivos y cómo integrarlas. Con todo, la tecnología y la implementación tecnológica nunca debe ser el objetivo de la transformación digital. Tan solo es un medio para conseguir los objetivos establecidos. Es importante conocer dichas tecnologías, en qué fase de madurez se encuentran y cómo se están utilizando para entender su potencial para el negocio y explorar las posibilidades que puedan implementar. Una vez que sabemos a dónde queremos llegar y qué posibilidades nos ofrecen las tecnologías, hay que trazar un plan único que conjugue aquellas herramientas que ayudarán a alcanzar los objetivos y que las priorice en el tiempo, integrando elementos esenciales como la adecuación del modelo de negocio, la formación necesaria del personal o el capital disponible para invertir. El proceso por el que cada empresa establece una hoja de ruta hacia estos objetivos se denomina transformación digital.

NOTAS 1 Comisión Europea: Estrategia Marco para una Unión de la Energía resiliente con una política climática prospectiva. https://eur-lex.europa.eu/resource.html?uri=cellar:1bd46c90-bdd4-11e4-bbe101aa75ed71a1.0011.03/DOC_1&format=PDF. 2 Tornillos inteligentes-smartbolts. https://www.youtube.com/watch?v=BZy7CbpQAvY. 3 LIAA (Lean Intelligent Assembly Automation). https://cordis.europa.eu/project/id/608604. 4 Hannover Messe. https://www.hannovermesse.de. 5 Industria Conectada 4.0. http://www.industriaconectada40.gob.es/Paginas/index.aspx.

20

6 Basque Industry. https://basqueindustry.spri.eus/es/. 7 BIND 4.0. https://bind40.com/. 8 Comisión Europea: La Industria 4.0, la transformación digital y el camino a seguir en Europa. https://eurlex.europa.eu/legal-content/ES/TXT/PDF/?uri=CELEX:52016AE1017&from=HU. 9 Smart America. https://smartamerica.org/. 10 Made in China 2025. https://www.icex.es/icex/es/navegacion-principal/todos-nuestros-servicios/informacionde-mercados/paises/navegacion-principal/el-mercado/estudios-informes/DOC2016671546.html?idPais=CN. 11 Comisión Europea: Estrategia europea en https://ec.europa.eu/newsroom/dae/document.cfm?doc_id=56433.

materia

de

12 Comisión Europea: A vision for the European https://www.spri.eus/archivos/2019/06/pdf/Industry-2030-final-report.pdf.

inteligencia industry

artificial.

until

2030.

Report

2018.

13 Horizonte 2020 (H2020). https://eshorizonte2020.es/. 14 World Economic Forum: Readiness for the Future of Production https://es.weforum.org/reports/readiness-for-the-future-of-production-report-2018. 15 PwC: Industria 4.0: Global Digital Operations Study industriales/industria-4-0-global-digital-operations-study-2018.html.

2018.

https://www.pwc.es/es/productos-

16 Accenture & Mobile World Capital Barcelona: La digitalización puede incrementar en 48.500M de dólares el PIB español. https://mobileworldcapital.com/es/press/la-digitalizacion-puede-incrementar-en-48-500m-de-dolaresel-pib-espanol/. 17 Asociación Española norma/proyecto?c=P0050866.

de

Normalización-UNE.

21

https://www.une.org/encuentra-tu-norma/busca-tu-

2 TECNOLOGÍAS HABILITADORAS DE INDUSTRIA 4.0 2.1. Contexto Se denominan tecnologías habilitadoras (KET, key enabling technologies) las tecnologías que están propiciando la transformación digital de las empresas para alcanzar los objetivos referidos en el capítulo anterior. Entre las más destacadas se encuentran la inteligencia artificial (machine learning, deep learning, chatbots, visión artificial, algoritmos de interpretación del lenguaje natural, análisis semántico de textos, reconocimiento de gestos...), Internet de las Cosas (IoT), sensórica, herramientas de metrología, cloud y cloud computing, sistemas de conectividad, big data (analítica de datos, business intelligent y data mining), software de visualización de datos, robótica industrial tradicional y robótica colaborativa, fabricación aditiva e impresión 3D, realidad virtual, realidad aumentada, realidad mixta, realidad extendida, gamificación, drones, exoesqueletos, wearables, vehículos autónomos o automáticos, blockchain o los nuevos materiales. El hecho de que estas tecnologías sean relevantes en la Industria 4.0 no quiere decir que todas ellas deban estar presentes en los procesos de fabricación. Cada organización deberá elegir cuál de ellas puede tener un mayor impacto en sus procesos o en sus planes estratégicos. Las tecnologías habilitadoras de Industria 4.0 tienen también su huella en otros sectores y ámbitos en los que se promueve el uso de herramientas tecnológicas para mejorar los costes, la competitividad u optimizar los servicios. Nos referimos a las ciudades inteligentes o smart cities, la salud o eHealth, las tecnologías del hogar o domótica, o la agricultura de precisión o Agricultura 4.0. Estas tecnologías son transversales a todos estos sectores y en más de una ocasión la aplicación de tecnologías en la Industria se ha replicado para su uso en el ámbito de la salud o las smart cities, y viceversa. En los próximos capítulos describiremos en qué consisten las tecnologías habilitadoras de Industria 4.0 y conoceremos algunos casos de éxito y ejemplos de su uso.

22

2.2. Fabricación aditiva o impresión 3D 2.2.1. Tipos de fabricación aditiva La fabricación aditiva y la impresión 3D son lo mismo. En los últimos años la industria se ha decantado por utilizar el término fabricación aditiva para referirse a la creación de objetos que tendrán un uso profesional y orientado a su negocio. La impresión 3D consiste en la fabricación de un objeto mediante la adición de capas de un material. A medida que ese material se va solidificando, se van añadiendo nuevas capas hasta que se crea todo el objeto. Una de las claves para la fabricación de ese objeto es que previamente se haya diseñado en un formato 3D digital. Los primeros conceptos vinculados con la impresión 3D se desarrollaron a finales de los años setenta y no fue hasta mediados de los años ochenta cuando se presentaron las primeras patentes de algunas de las tecnologías de fabricación aditiva tan comunes en estos momentos. La clave del auge de estas tecnologías en los últimos años es la caducidad de dichas patentes (tras 20 años), lo que ha propiciado que hayan llegado al mercado empresas y emprendedores de todo el mundo que han desarrollado impresoras 3D. Esto ha supuesto un abaratamiento de los costes de las propias máquinas y materiales que, hasta hace unos años, solo estaban al alcance de grandes corporaciones y organismos mundiales. Existen diferentes tipos de fabricación aditiva o impresión 3D y se distinguen en función de los materiales que utilizan para fabricar los objetos (como filamentos termoplásticos, hilos y barras de metal, polvos, líquidos o resinas) y la manera de unir y compactar estos materiales (mediante calor, haz de luz, láser, soldadura o adhesivos entre otros). Entre las tecnologías más habituales de impresión 3D se encuentran: FDM o modelado por deposición fundida Es el método de impresión 3D más común. Un fino material termoplástico denominado filamento se agrupa en una especie de carretes de hilo. La punta de ese filamento se calienta y funde en un extrusor, y este lo va depositando poco a poco sobre una superficie y, capa a capa, va dando forma al objeto que queremos fabricar. Además de termoplásticos, también se pueden utilizar materiales como metales eutécticos o comida 18 . WAAM o hilo de material metálico y soldadura por arco Se utiliza para crear materiales de metal. Por una parte, hay un hilo o barra metálica y, por otra, un cabezal de soldadura que funde el metal y lo deposita por capas. Da como 23

resultado piezas robustas, pero necesitan mecanizado y no se pueden crear diseños complejos o con cavidades en su interior 19 . PBF o fusión de lecho de polvo Se basa en la deposición de una capa de material en polvo en la zona de trabajo para después fundirla de manera selectiva con un láser o un haz de electrones. Es, además, una de las más utilizadas ya que permite el empleo de materiales metálicos, como el titanio, pero también plásticos, como la poliamida u otro tipo de composites 20 . SLM o fusión selectiva por láser Es un método de fabricación aditiva especialmente desarrollado para la impresión 3D de aleaciones metálicas. Se lleva a cabo dentro de una cámara que contiene una atmósfera fuertemente controlada de gas inerte y genera piezas de forma aditiva fundiendo las partículas de polvo de metal en un proceso de fusión integral 21 . Sinterizado Selectivo por Láser (SLS) Similar al anterior, se deposita una capa de polvo, de unas décimas de milímetro, en una cuba que se ha calentado a una temperatura ligeramente inferior al punto de fusión del polvo. Un láser sinteriza el polvo en los puntos seleccionados y crea el objeto capa a capa 22 . EBM o fusión por haz de electrones Utiliza un haz de electrones controlado por ordenador. Esta técnica se lleva a cabo con una alta presión al vacío, en cámaras cerradas, y usando altas temperaturas que alcanzan hasta los 1.000 °C para poder fundir completamente el polvo metálico 23 . SLA o estereolitografía Funciona mediante la exposición de una capa de resina líquida fotosensible a un rayo láser para que se endurezca y se solidifique. Una vez que el láser recorre una capa de resina, esta comienza a endurecerse y, una vez hecho esto, pasa a la siguiente capa. Cada capa puede tener un tamaño de nanomilímetros, dependiendo de la calidad del acabado 24 . Una variante es la tecnología de procesamiento digital de luz (DLP) que también emplea resinas líquidas y un haz de luz para su endurecimiento. 24

Material jetting o polyjet Permite que el material en forma líquida se deposite de forma selectiva sobre una plataforma para ser posteriormente solidificado mediante una luz ultravioleta. Es una de las tecnologías más aplicadas y puede utilizarse para fabricar réplicas de piezas para procesos de calidad e innovación 25 . DSPC o proyección de aglutinante Otro tipo de fabricación aditiva es la inyección de aglutinante que emplea un material a base de polvo (generalmente yeso) y un agente adhesivo que actúa uniendo las capas de polvo 26 . La tecnología sand printing está basada en la fabricación aditiva de capas de polvo de material que son aglutinadas mediante un cabezal inyector de resina, permitiendo obtener objetos en color 27 . LOM o laminado de objetos Utiliza capas de papel, plástico o laminados metálicos recubiertos con adhesivo, que se funden bajo calor y presión, y se cortan con un láser o una cuchilla controlados por ordenador 28 . Existen múltiples tecnologías de impresión 3D que, además de por el material utilizado y la manera de unir los materiales, también difieren en aspectos como la necesidad o no de que exista un postratamiento del objeto creado, la utilización de diferentes colores, el empleo de cámaras inertes o la calidad del acabado final del objeto. Además de los antes mencionados materiales termoplásticos (polietileno, polipropileno, polibutileno, polimetilmetacrilato, policloruro de vinilo, politereftalato de etileno, teflón o nailon), PLA, ABS, composites y metales, ya se está trabajando en impresoras 3D capaces de crear objetos con arcillas, cristal, comida e incluso con células vivas (las llamadas bioimpresoras). También se están testando biogeles, materiales plásticos flexibles, materiales reciclados, fibras de carbono o nanomateriales con base de grafeno. 2.2.2. Ventajas y desventajas de la fabricación aditiva En industria tiene especial importancia la fabricación en metal. Entre sus ventajas cabe destacar que podemos elaborar todo tipo de piezas y posibilita crear geometrías muy complejas que hasta ahora era imposible fabricar mediante procesos tradicionales 25

como el forjado y el mecanizado. Además, también se pueden crear pequeños objetos de metal huecos. La fabricación aditiva permite unificar conjuntos de piezas y fabricarlas en una sola pieza, limitando la necesidad de posprocesos o eliminando muchos ensamblajes y, por tanto, acortando los plazos de producción. Esto, además, se potencia por el hecho de que los diseños digitales permiten fabricar la pieza evitando la delineación. Cabe destacar un mayor aprovechamiento del material en la fabricación aditiva que en el caso del mecanizado ya que solo se utiliza el material necesario. Algunas empresas utilizan software paramétrico para el diseño 3D y software de optimización topológica para saber dónde se necesita material y dónde no. Si añadimos el menor material posible a la hora de fabricar un objeto, el peso, el coste y el tiempo de creación serán menores. Todo ello sin olvidar que las piezas se fabrican de una forma más veloz. En este sentido adquiere relevancia lo que se denomina tasa de aporte o la velocidad en la que se va depositando material para cada capa. Es, desde luego, más rápido que un proceso tradicional de forja, fundición o mecanizado y, en la mayoría de los casos, más barato. Con todo, y como principal inconveniente, la fabricación aditiva en metal es muy cara hoy en día en lo que se refiere a las propias impresoras o el coste de determinados materiales metálicos. 2.2.3. Ejemplos de uso de la fabricación aditiva en la Industria 4.0 Muchas empresas ya utilizan impresoras de termoplásticos y metal para la fabricación de prototipos, moldes, utillajes y piezas efectivas. Un informe de Deloitte predice que las ventas relacionadas con la fabricación aditiva por parte de grandes compañías públicas; incluidas impresoras, materiales y servicios 3D para empresas; superaron los 2.700 millones de dólares en 2019 en todo el mundo y alcanzarán los 3.000 millones de dólares en 2020. Este sector de la industria de la impresión 3D crecerá aproximadamente un 12,5 % en cada uno de esos años, más del doble que su tasa de crecimiento en los últimos años 29 . El sector aeronáutico junto con el automovilístico se sitúa a la vanguardia del uso de la impresión 3D para fabricar piezas complejas en metal que sería imposible obtener mediante técnicas tradicionales como el mecanizado o el forjado. Se trata de pequeñas piezas con conductos internos imprescindibles para su refrigerado y que pueden llegar a usarse en motores. En el ámbito de la customización masiva, se están creando piezas de salpicaderos de vehículos personalizadas para usuarios concretos mediante impresión 3D. El uso de utillajes fabricados por métodos aditivos está generalizado en la industria. Utillajes de todo tipo como componentes para el soporte de piezas, guías de montaje, depósitos a medida o piezas de plástico reemplazables. 26

En el caso de los prototipos, poder testar la validez del diseño de un objeto, de una forma eficaz y sin necesidad de modificar los procesos de producción antes de validar su eficiencia, abarata los costes de una manera considerable. Lo mismo ocurre con los moldes. 2.2.4. Archivos de impresión 3D A la hora de crear cualquier objeto mediante impresión 3D es necesario disponer de un archivo digitalizado con la información 3D de la pieza que queramos imprimir. Los más comunes son los archivos STL (Standard Triangle Language), un formato de archivo informático de diseño asistido por computadora (CAD) que define la geometría de objetos 3D. Estos archivos se pueden generar mediante herramientas de diseño digital, utilizando escáneres 3D que son capaces de captar la forma de un objeto y transferir la información a un formato digital, o mediante repositorios en Internet en los que los usuarios comparten archivos STL que han diseñado o modificado. Otros formatos que se suelen utilizar para almacenar información 3D son PLY, OBJ o Wrml 2.0. Los escáneres 3D usan diferentes técnicas para realizar cientos de miles o millones de mediciones de un objeto y las transforman en una densa nube de puntos con coordenadas X, Y, Z. Esa nube de puntos se transforma posteriormente mediante software en mallas poligonales y, finalmente, esas mallas se convierten en un modelo tridimensional digital.

2.3. Realidad virtual, aumentada, mixta, extendida y gamificación 2.3.1. Realidad virtual 2.3.1.1. Definición y tipos de realidad virtual La realidad virtual o VR (siglas de virtual reality) es una de las tecnologías habilitadoras de Industria 4.0. Consiste en la recreación virtual de un entorno y la posibilidad de visualizarlo, sea a través de una pantalla, monitor o mediante unos visores, gafas o cascos especiales. Existen dos tipos de realidad virtual: — Realidad virtual inmersiva. Es la más utilizada y emplea cascos y visores para sumergir al sujeto en esa recreación virtual. Estos visores también se denominan HMD (head mounted display por sus siglas en inglés) y se podrían definir como dispositivos de visualización que se usan en la cabeza o como parte de un casco. 27

Los visores de realidad virtual están dotados de una pantalla para cada ojo que ofrecen imágenes que cubren una visión de 360° en todos los ángulos. Estos visores se ajustan al entorno de los ojos y solo permiten ver lo que ocurre en la pantalla, no se puede observar lo que sucede en el exterior e impiden el acceso de luz. Ese es el motivo de que la experiencia sea inmersiva 30 . Además de incidir en el sentido de la visión, los cascos de realidad virtual también pueden disponer de sistemas de sonido para una experiencia más realista si cabe. Asimismo se han desarrollado dispositivos periféricos que podemos manejar con nuestras manos y permiten interactuar con objetos e incluso con máquinas que estén representadas en la recreación virtual. Estos aparatos se denominan dispositivos hápticos y simulan una respuesta táctil. Los dispositivos hápticos trasladan la sensación de poder tocar, sentir y manipular objetos tridimensionales simulados en un entorno virtual. Igualmente son frecuentes las instalaciones de realidad virtual que cuentan con sensores de movimiento que son capaces de avisar al usuario si se acerca a un obstáculo, ya que al movernos sin ver lo que tenemos delante se puede producir un accidente. En ocasiones se utilizan plataformas estáticas sobre las que el usuario puede caminar y simular el movimiento sin riesgo a posibles caídas o accidentes. Aunque la evolución es constante en el desarrollo de hardware y visores de realidad virtual, existe una gran diferencia entre los primeros aparatos y los más recientes. Cuestiones como la calidad de la imagen, la tasa de refresco de la propia imagen, la velocidad del procesamiento del software, la comodidad o el peso de los cascos son determinantes a la hora de disfrutar de una experiencia satisfactoria con este tipo de dispositivos. No es extraño que algunas personas puedan experimentar mareos y dolor de cabeza tras un uso prolongado de unos visores de calidad media. Los dispositivos más demandados para el sector industrial son las HTC Vive, Oculus Rift y Oculus Rift S. — La realidad virtual no inmersiva consiste en una recreación virtual proyectada sobre una pantalla y con la que podemos interactuar mediante el teclado, un ratón, un gamepad o mandos especiales. Durante muchos años los pilotos de aviación han simulado el pilotaje de sus aparatos gracias a entornos recreados de realidad virtual no inmersiva. Esta simulación orientada a la formación de ámbitos profesionales recibe el nombre de serious games o juegos serios 31 . 2.3.1.2. Orígenes de la realidad virtual Los orígenes de la realidad virtual se remontan a 1957, cuando Morton Heilig desarrolla el simulador Sensorama que combinaba imágenes en 3D junto con sonido, viento y olores para crear una ilusión de realidad. No fue hasta 1993 cuando Sega lanzó las primeras gafas de realidad virtual que se parecen mucho a las que usamos hoy en día. 28

Pero hay que remontarse hasta el año 2010 cuando Palmer Luckey desarrolla el primer prototipo de Oculus Rift tras poner en marcha una campaña de crowdfunding en la que solicitaba 250.000 dólares para desarrollar el producto. Logró 2,5 millones de dólares. Cuatro años después, Facebook adquirió la compañía Oculus por 2.000 millones de dólares y comenzó la gran carrera de la realidad virtual. 2.3.1.3. Usos de la realidad virtual en la Industria 4.0 Cada vez son mayores las necesidades de formación y capacitación de los operarios en planta. Tienen que utilizar más aparatos y los sistemas de realidad virtual sirven para que aprendan de manera sencilla el manejo de diferentes máquinas, evitando los posibles riesgos de que se equivoquen con la máquina real. Hay un ahorro de costes y un aumento de la seguridad muy relevante al poder simular el manejo de cualquier dispositivo, y no tener que operar con la máquina real hasta que se hayan adquirido ciertas destrezas. En las factorías son muy frecuentes las células de fabricación para entrenar un proceso determinado. La realidad virtual es capaz de diseñar células de fabricación virtuales en las que se puede recrear de manera virtual el mismo entorno, las distintas máquinas o robots, y ofrecer esa información de una manera interactiva sin que haga falta que ningún experto esté con el trabajador. La realidad virtual también se utiliza para la práctica de protocolos de seguridad, sea para simular situaciones de emergencia o para el entrenamiento en puestos de trabajo que pueden entrañar peligro. Hay compañías que han desarrollado simuladores de realidad virtual para aprender el manejo de grúas, carretillas elevadoras o máquinas pesadas, minimizando el riesgo de posibles accidentes. Por otra parte, gracias a la realidad virtual recreamos un objeto, producto o edificio para que los clientes se puedan hacer una idea de cómo va a ser sin necesidad de que se desplacen a ningún sitio para verlo. Se avanza que en un futuro no muy lejano los concesionarios de vehículos no tendrán ningún coche físicamente y, gracias a la realidad virtual, podremos probar en simuladores los coches antes de adquirirlos. Según Gartner, para el año 2020, 100 millones de consumidores realizarán sus compras a través de experiencias de realidad virtual y realidad aumentada tanto en tiendas físicas como online ya que estas tecnologías ofrecen la posibilidad al cliente de experimentar y visualizar los productos en diferentes configuraciones 32 . 2.3.2. Realidad aumentada 2.3.2.1. Definición y tipos de realidad aumentada La realidad aumentada o AR (augmented reality por sus siglas en inglés) se puede 29

definir como diferentes capas de información que se superponen a la imagen real que estamos viendo. Hablamos, por tanto, de un instrumento que nos muestra información adicional a lo que estamos observando en el mundo real. Existen diferentes tipos de realidad aumentada en función de la tecnología que se emplea para ofrecer la información: — Realidad aumentada por geolocalización. La información sobre un objeto o lugar se muestra en la pantalla gracias a que el visor HMD, tablet o smartphone están dotados de herramientas como GPS, giroscopios, acelerómetros o brújulas digitales que son capaces de identificar en qué punto concreto del espacio nos encontramos y hacia dónde estamos mirando. Por lo general, esos parámetros se procesan y se envía la información adecuada a través de redes de conectividad como pueden ser WiFi, LTE, etc. De esa manera nos ofrece en la misma pantalla información sobre lo que vemos. — Realidad aumentada con marcadores. Los marcadores son símbolos o imágenes sobre las cuales se superpone la información. Para ello hace falta disponer de un dispositivo dotado de una cámara y software que sea capaz de reconocer el marcador y lanzar la información. Basta con enfocar al marcador para que esa información aparezca en pantalla. En cuanto se deja de enfocar, la información desaparece. También se pueden diferenciar dos tipos de realidad aumentada en función del grado de inmersión del usuario: — Realidad aumentada inmersiva. Como en el caso de la realidad virtual inmersiva, se han desarrollado gafas, cascos, visores y dispositivos HMD que permiten una inmersión mayor. La principal diferencia es que la pantalla nos muestra una imagen real de lo que está delante de nosotros gracias a que estos visores están dotados de cámaras 33 . Los visores más utilizados en el sector industrial son HoloLens, HoloLens 2 y Magic Leap. — Realidad aumentada no inmersiva. En este caso, la información se muestra en pantallas de dispositivos como tablets y smartphones que estén dotados de cámaras. También es necesario que dispongan de sistemas de ubicación para experiencias por geolocalización o de software especial si utilizan marcadores 34 . 2.3.2.2. Origen de la realidad aumentada Aunque muchas veces su origen se vincula con el de la realidad virtual, lo cierto es que la realidad aumentada nos acerca más al mundo real que la anterior, y su finalidad en 30

el ámbito industrial está más centrada en la formación y el mantenimiento. Su principal impulso se atribuye a Louis B. Rosenberg, un tecnólogo e inventor que en 1992 desarrolló para la Fuerza Aérea de Estados Unidos un dispositivo que daba consejos al usuario sobre cómo realizar ciertas tareas a medida que estas se presentaban. 2.3.2.3. Usos de la realidad aumentada en la Industria 4.0 En lo que se refiere a la realidad aumentada, se están llevando a cabo diferentes tipos de proyectos muy orientados a la formación de trabajadores y el mantenimiento de máquinas. Respecto a la formación, los dispositivos de realidad aumentada, sean visores o dispositivos portátiles, permiten ofrecer información sobre la función de los diferentes botones o actuadores de una máquina que se pueden completar con manuales de funcionamiento. También se emplea esta tecnología para evitar que un operario tenga que recurrir a planos o pantallas para obtener información precisa sobre las dimensiones de un objeto o pieza. Gracias a ello, se optimizan los tiempos de producción. En lo que se refiere a mantenimientos de máquinas, gracias a los visores, un experto puede guiar de forma remota, desde cualquier parte del mundo, a un operario en tareas de reparación o mantenimiento de una máquina. Tanto el experto remoto como el operario pueden visualizar la máquina y sus puntos críticos al mismo tiempo desde sus visores, lo que permite la asistencia guiada y avanzada de cualquier operación. En combinación con herramientas de visión artificial, se utilizan sistemas de realidad aumentada para la detección y ensamblado de componentes. Por ejemplo, en la colocación de componentes electrónicos en placas base, un sistema de visión artificial y realidad aumentada guía al operario indicándole dónde debe instalar un determinado elemento para evitar que se produzcan errores. 2.3.3. Realidad mixta La realidad mixta o MR (mixed reality) es una mezcla de realidad virtual y realidad aumentada. Con un dispositivo HMD de realidad mixta podemos ver un entorno simulado, como en la realidad virtual, e interactuar con objetos simulados, como máquinas, mediante dispositivos hápticos. La diferencia es que esas máquinas pueden existir de forma real y estar ubicadas a miles de kilómetros de distancia. Esto nos permite un manejo remoto de cualquier aparato como si lo tuviésemos delante. En este caso, la realidad mixta se asocia con conceptos como los digital twins o gemelos digitales. Por tanto, en la realidad mixta tenemos un entorno virtual que nos permite interactuar con elementos que existen en la realidad aunque no estén delante de nosotros. 31

Las HoloLens de Microsoft, lanzadas en 2016, fueron el primer dispositivo de realidad mixta que se comercializó. 2.3.4. Realidad extendida El uso cada vez más generalizado de herramientas basadas en la realidad virtual, la realidad aumentada y la realidad mixta ha provocado una gran confusión entre todos estos términos. A ello hay que añadir la proliferación de dispositivos HMD que combinan estas tecnologías, la utilización de herramientas de recreación en 3D de objetos, e incluso el vídeo grabado con cámaras 360° que pueden captar imágenes de todo lo que ocurre alrededor del punto desde el que se está grabando en todos los ángulos (un ejemplo reconocible es Google Street View) 35 . Para evitar esta confusión entre los diferentes conceptos, ha surgido el término de realidad extendida como elemento que aglutina el conjunto de estas tecnologías. La realidad extendida (ER) hace referencia a la combinación de todos los entornos reales y virtuales, junto con las interacciones humano-máquina, generados por ordenadores y todo tipo de dispositivos con capacidad de procesamiento de datos. 2.3.5. Gamificación La gamificación es una técnica de aprendizaje que traslada la mecánica de los juegos y los videojuegos al ámbito profesional con el fin de mejorar la formación u optimizar las habilidades del trabajador. A través de estos juegos (generalmente videojuegos en formato software), la formación se imparte de una forma más lúdica y didáctica, lo que mejora las capacidades de atención y retención de los usuarios. Otra de las ventajas de las herramientas de gamificación es que no hace falta estar en un entorno determinado para utilizarlas. La realidad virtual suele estar acotada a un espacio con sensores y, además, los visores nos ocultan todo lo que está en el exterior, por lo que la movilidad es reducida. La realidad aumentada solo ofrece información de determinados objetos de nuestro entorno. Por el contrario, los ejercicios de gamificación se pueden llevar a cabo en cualquier lugar, y podemos utilizar diferentes dispositivos como ordenadores, tabletas o teléfonos móviles inteligentes. Además de para cuestiones relacionadas con la formación y el marketing, la gamificación empieza a adquirir relevancia en los procesos de captación laboral. Hay compañías que han desarrollado herramientas de gamificación que son capaces de detectar distintas competencias laborales a través de juegos. De esa manera, pueden filtrar a los candidatos más adecuados en procesos de selección de personal e incluso detectar una falta de motivación de empleados en plantilla. Algunas de estas herramientas de gamificación utilizan inteligencia artificial para identificar de manera 32

más rápida y efectiva estas cualidades o carencias. El término de gamificación fue acuñado en 2002, pero no fue hasta 2009 cuando se empezó a utilizar con cierta asiduidad. La gamificación también se denomina ludificación, que se considera la manera más adecuada de adaptar al castellano el anglicismo gamification, si bien el uso de la palabra ludificación es muy poco habitual. 2.3.6. Gemelo digital (digital twin) 2.3.6.1. Definición de gemelo digital Un gemelo digital o digital twin es una réplica digital de activos físicos, procesos, espacios, sistemas y dispositivos que se pueden usar para varios propósitos. Por una parte tenemos el sistema u objeto real y por otro una réplica virtual que contiene toda la información del sistema físico, basada en sus características técnicas y sus datos de funcionamiento. En el desarrollo de un gemelo digital intervienen diferentes tecnologías: los sensores y dispositivos IoT que captan los datos sobre su situación en el mundo real, la inteligencia artificial aplicada a analizar toda la información captada, la realidad virtual a la hora de recrear el entorno que estamos estudiando, y la realidad aumentada para disponer de información en tiempo real de distintos elementos o dispositivos. Un aspecto determinante es que los gemelos digitales deben sincronizar de manera confiable las reflexiones de la realidad física y su otra realidad virtual. La simple captura y representación de condiciones físicas, incluidas la información procedente de sensores y dispositivos IoT, no es suficiente para comprender, analizar o modelar las mejoras. La inteligencia artificial y el factor humano son muy importantes en este sentido. Entre las 10 tendencias tecnológicas estratégicas más importantes que ha apuntado la consultora Gartner para los próximos años, resaltan la inteligencia artificial, la analítica de datos y los gemelos digitales. El informe muestra que los próximos tres a cinco años serán prometedores para los gemelos digitales 36 . Se espera que su mercado global crezca casi un 38 % al año, alcanzando los 15.000 millones de dólares para 2023, según un estudio reciente de MarketsandMarkets. Aunque los gemelos digitales aún están en su etapa incipiente, se calcula que su utilización estará generalizada dentro de cinco a diez años 37 . 2.3.6.2. Usos de los gemelos digitales Mantenimiento predictivo y proactivo Los gemelos digitales se emplearán para la predicción de fallos o errores antes de que ocurran. Las empresas pueden reaccionar a problemas en máquinas, en procesos de producción o en los propios bienes que fabrican desde ubicaciones remotas en tiempo 33

real. Gracias a la recopilación de datos e información, los gemelos digitales proporcionan a los fabricantes representaciones digitales de sus productos en tiempo real. Si una máquina se calienta, se para o falla, ese error se trasladará al entorno virtual con capacidad para predecir qué va a ocurrir a partir de ese momento si no se toman las medidas oportunas. Colaboración inteligente Al implementar redes de inteligencia de activos, las empresas garantizan que los conocimientos recopilados a partir de datos de gemelos digitales se almacenan en un repositorio central. Los fabricantes pueden, a su vez, conectarse y compartir información sobre su funcionamiento con otras empresas asociadas para prevenir problemas. Siempre será mucho mejor tener la mayor cantidad de datos posible para predecir qué puede ocurrir. No tienen por qué ser empresas de un mismo sector, sino, por ejemplo, ingenierías de robótica que pueden prever cuándo alguna de sus implantaciones va a fallar, flotas de camiones digitalizadas por el fabricante que pueden avisar al cliente de cuándo se estima un fallo, etc. Mejorar el rendimiento Las redes de información no solo brindan a los fabricantes la capacidad de corregir preventivamente los problemas actuales de los productos, sino que también les ayudan a desarrollar productos de mejor desempeño para el futuro. A través de gemelos digitales, las empresas tienen una comprensión visual, basada en datos, de cómo y por qué los productos fallaron. Con este análisis, tienen el poder de mejorar el rendimiento y el diseño del producto en el futuro. Simulación y prueba de productos La Fuerza Aérea de Estados Unidos utiliza los gemelos digitales para rastrear la fatiga en componentes de aeronaves individuales, mejorando la administración del ciclo de vida. Integra los datos técnicos existentes, las propiedades del material, los datos de vuelo, los informes de mantenimiento e inspección, así como el análisis probabilístico para crear un gemelo digital del fuselaje que proporciona datos sobre el mantenimiento de la aeronave. La división aeroespacial de un fabricante de motores ha iniciado un proceso de transformación digital, tanto para el diseño de los motores de aviones como para sus pruebas. Así, simular el funcionamiento de la pala del ventilador les ha proporcionado una importante información sobre su rendimiento. Como resultado, han reducido el tiempo y los costes de su desarrollo, así como la cantidad de motores físicos que se 34

deben probar. Es mucho más barato y eficaz desarrollar y testar productos desde el gemelo digital que hacerlo con el producto real, ya que se pueden crear infinitas copias del modelo virtual y probar diferentes escenarios con parámetros extremos. La ciudad de Singapur tiene un gemelo digital en 3D llamado Virtual Singapore 38 , una réplica virtual de la ciudad que costó 73 millones de dólares y que los funcionarios utilizan para planificar y comunicarse con los residentes. De esta manera, disponen de información en tiempo real sobre el tránsito de vehículos y peatones, y patrones de proyección de cómo puede evolucionar el flujo durante las próximas horas. Incluso pueden estimar qué medidas adoptar en caso de una catástrofe natural. 2.3.6.3. Sistemas BIM La simulación o virtualización consiste en la representación de elementos virtuales de la realidad física o inmaterial para reproducir y predecir mediante un modelo el comportamiento en diferentes situaciones y escenarios. La simulación por ordenador se utiliza en disciplinas como la educación, la ciencia, la medicina, la arquitectura, la ingeniería o la industria. BIM (building information modeling) es una metodología de trabajo con diferentes tipos de software para la elaboración y gestión de proyectos de simulación que permite diseñar, proyectar, organizar, dirigir y explotar un entorno virtual. Se trata de construir y trabajar una maqueta virtual en la que interactúan los diferentes agentes intervinientes en todo el ciclo de vida de un edificio, máquina o entorno, y que generan un único modelo de desarrollo. Es un concepto fundamental cuando nos referimos a los gemelos digitales o digital twins. Para ello se integra toda la información en un modelo parametrizado, completo, único y centralizado que comparten todos los agentes que intervendrán durante todo el ciclo de vida del objeto, desde el diseño conceptual hasta el mantenimiento durante toda su vida útil. Esta construcción virtual permite la integración de múltiples dimensiones, como son las físicas, el coste, el tiempo, el análisis energético y de sostenibilidad, etc. Los objetos que se incorporan a dicha construcción virtual tienen datos y características singulares, pudiendo dialogar con otros sistemas a través de bases de datos. Ello permite hacer simulaciones, pudiendo tomar decisiones que minimicen y prácticamente eliminen errores basándose en un conocimiento global del proyecto a través del modelo virtual. Además, puede operarse a distancia, mediante sistemas tradicionales o en la nube, y facilita el estudio de alternativas, las simulaciones de diseño, cálculo y económicas, el seguimiento de las obras y el acortamiento de plazos, la detección de interferencias o la prefabricación de elementos en taller.

2.4. Cloud computing 35

2.4.1. Definición El cloud computing o la computación en la nube es un conjunto de tecnologías que permiten el acceso remoto a software, a almacenamiento de archivos y a procesamiento de datos, generalmente por medio de Internet. El cloud computing nos permite ejecutar diferentes tipos de programas sin la necesidad de instalarlos localmente en nuestros ordenadores o dispositivos móviles gracias a la conexión a la red. Cuando utilizamos un servicio basado en cloud computing tan solo tenemos que conectarnos al servidor, introducir un usuario y contraseña, y personalizar nuestro entorno de trabajo. Un ejemplo simple pero reconocible de herramientas cloud computing son los servicios de correo electrónico como Gmail o Hotmail. No tenemos nada instalado en nuestro ordenador, tan solo hay que entrar en la web, introducir usuario y contraseña, y ya podemos trabajar. Se trata, en resumen, de utilizar aplicaciones que no están instaladas en nuestro ordenador, que toda la información que gestionamos a través de estas aplicaciones quede almacenada en servidores remotos para su posterior acceso desde cualquier parte, y adecuar este software a nuestras preferencias. La diferencia del cloud computing respecto a los servicios cloud es que estos últimos solo ofrecen herramientas de almacenamiento de datos, mientras que en los cloud computing es posible ejecutar programas directamente desde el ordenador sin instalar nada. 2.4.2. Tipos de cloud computing Los expertos hablan de diferentes tipos de soluciones de cloud computing según la implicación del cliente. — El modelo SaaS (Software as a Service o software como servicio) es el que menor nivel de implicación tiene. Hablamos de herramientas como Gmail, Dropbox y servicios similares. Alquilamos el uso de una aplicación y los usuarios se conectan a ella a través de Internet, normalmente con un explorador web. Toda la infraestructura subyacente, el software y los datos de las aplicaciones, se encuentran en el centro de datos del proveedor. El proveedor de servicios administra el hardware y el software y, con el contrato de servicio adecuado, garantizará también la disponibilidad y la seguridad de la aplicación y de sus datos. SaaS permite que una organización se ponga en marcha y pueda ejecutar aplicaciones con un costo inicial mínimo. Los sistemas de planificación de recursos empresariales (ERP) o vinculados con la gestión del marketing, las redes sociales o el e-commerce son un ejemplo de herramientas SaaS. — PaaS (Platform as a Service o plataforma como servicio) es el punto donde los desarrolladores empiezan a crear sus propias aplicaciones que se ejecutan en la 36

nube. En este caso, su única preocupación es la construcción de la aplicación ya que la infraestructura la da la plataforma. Los servicios PaaS se alojan en la nube y los usuarios pueden acceder a ellos simplemente a través de su navegador web. Por ejemplo, muchas empresas tienen servicios PaaS vinculados con la inteligencia artificial para el análisis de sus propios datos. — En IaaS (Infrastructure as a Service o infraestructura como servicio) es un tercero quien proporciona una infraestructura de TI altamente automatizada y escalable. Esta infraestructura puede ser espacio en servidores virtuales, conexiones de red, ancho de banda, direcciones IP y balanceadores de carga. Físicamente, el repertorio de recursos de hardware disponibles procede de multitud de servidores y redes, generalmente distribuidos entre numerosos centros de datos, de cuyo mantenimiento se encarga el proveedor del servicio cloud. Por tanto, en lugar de poseer activos como licencias de software o servidores, las empresas pueden alquilar recursos como procesadores o espacio de almacenamiento de forma flexible y escalable de acuerdo con sus necesidades. También se pueden establecer diferentes modelos de cloud computing en función del tipo de empresas y servidores implicados. — Nube privada. Creada por una única organización o empresa con su propia nube de servidores y software. No suele ofrecer puntos de acceso públicos. — Nube pública. Diversas empresas pueden usar de manera simultánea, pero separadamente, los servicios. El proveedor de la nube es el responsable del mantenimiento y de la seguridad. — Nube híbrida. Formada por dos o más infraestructuras de nubes distintas que permanecen como entidades únicas unidas por una tecnología estandarizada o propietaria. — Nube comunitaria. Diferentes empresas u organizaciones reúnen sus recursos en la nube para resolver un problema común. 2.4.3. Ventajas e inconvenientes de cloud computing Generalmente, montar una infraestructura de red local propia implica instalar en una oficina los puestos de ordenadores personales de cada empleado, un espacio climatizado especial para albergar los servidores en los que se almacena la información (con el consumo energético que ello conlleva), disponer de un equipo de informáticos para realizar las distintas integraciones en cada ordenador, una buena conectividad, expertos en ciberseguridad para evitar problemas en la red, etc. Gracias al cloud computing se eliminan estas necesidades o al menos se minimizan, por lo que el gasto es menor. Otra ventaja es tener el software disponible en un solo punto en vez de diversificado 37

en los distintos ordenadores de la organización. Las actualizaciones de software son realizadas por los responsables del servicio en la nube, lo que nos da ciertas garantías de que no va a haber problemas con esas actualizaciones. También es importante el que solo es necesario tener una conexión a Internet para acceder a los servicios, sea desde el ordenador del trabajo, el personal en casa e incluso, en muchos casos, desde una tablet o un smartphone. En cuanto a la ciberseguridad, los expertos consideran que la computación en la nube es segura, por lo menos más que el uso de un ordenador personal. Eso sí, hay que implementar herramientas de seguridad fiables para evitar que los miembros de esa red introduzcan sin querer malware u otro tipo de programas maliciosos. Un último beneficio está relacionado con la colaboración. Todos los empleados pueden compartir aplicaciones y documentos al mismo tiempo. Como principal inconveniente, algunas empresas se muestran reacias a trasladar sus sistemas a este tipo de plataformas ya que al estar la información y el software almacenados en la nube, cualquier tipo de problema por la caída de un servidor o de la conexión a la red nos deja aislados y sin acceso a esos servicios o información. 2.4.4. Impacto del cloud computing Según un estudio de la consultora Quint Wellington Redwood, centrado en el sector de la nube en España, el gasto en cloud computing de las cien principales empresas del país pasará de 280 millones de euros en 2017 a 1.600 millones en 2020. El 82 % de las compañías consultadas están planeando un incremento sustancial de su presupuesto dedicado a tecnologías SaaS, mientras que el 83 % planean dicho aumento para las tecnologías IaaS/PaaS 39 . La consultora Gartner predice que, para 2025, el 80 % de las organizaciones de todo el mundo habrán migrado de los centros de datos locales al cloud computing 40 . 2.4.5. Cloud computing frente a edge computing El edge computing se podría traducir como computación cercana, y consiste en desarrollar sistemas de computación que puedan dar una respuesta al instante y en tiempo real a lo que ocurre en un lugar determinado. Lo más habitual es que en una fábrica haya sensores y dispositivos IoT que captan datos, estos datos se envían por diferentes tipos de conectividad a los servidores remotos o la nube, donde se almacenan. Posteriormente, un sistema de analítica, que puede emplear inteligencia artificial, da valor a esa información y, por último, esas conclusiones se pueden reenviar para realizar las modificaciones oportunas. Pero pongamos, por ejemplo, el caso de un coche autónomo. Se estima que un vehículo de este tipo puede generar 4 TB de datos al día. 38

Solo las cámaras de vídeo del coche se encargarán de transferir al sistema entre 20 y 40 megas de imágenes por segundo. El coche autónomo no puede estar esperando a comunicarse con la nube y a recibir la respuesta porque tiene que desplazarse y conducirse en tiempo real. Todo ese proceso y análisis de datos hay que hacerlo en tiempo real y de forma local. Cualquier tipo de problema de conexión o de error en el servidor sería fatal. Es ahí donde el edge computing adquiere relevancia, confirmando el papel que el ordenador central del coche tiene para recopilar, analizar y dar respuesta a las necesidades de la conducción autónoma en cada momento. Los expertos auguran una gran demanda por parte de las organizaciones de herramientas y soluciones basadas en edge computing. Según la consultora IDC, más de 150.000 millones de dispositivos se conectarán a Internet para 2025 y un 30 % de los datos que se generen serán analizados en tiempo real. La mayoría de estos datos serán gestionados por sistemas de edge computing que podrían proporcionar nuevas aplicaciones, transformando la producción industrial 41 .

2.5. Tecnologías inalámbricas de transmisión de datos 2.5.1. Definición y tipos Una de las herramientas fundamentales sobre la que se sustenta la Industria 4.0 es la captación y el análisis de datos. En próximos capítulos hablaremos de los instrumentos que utilizaremos para recoger esos datos y las herramientas existentes para su análisis, pero un aspecto fundamental en los procesos de analítica son los sistemas de conectividad y transmisión inalámbrica de datos que permiten enviar esa información a los servidores para su almacenamiento o para ser tratada en tiempo real. Los modelos de comunicación están regidos por una serie de estándares definidos por el IEEE (Institute of Electrical and Electronics Engineers) 42 . Todos los fabricantes de dispositivos de comunicación en red deben cumplir una serie de normas para que puedan intercambiar información con eficacia y seguridad. Estas pasarelas de comunicación son de diferentes tipos en función del área que abarcan: — PAN (Personal Area Network) es una red integrada por todos los dispositivos en el entorno local y cercano de su usuario. — LAN (Local Area Network o WLAN en caso de ser inalámbrica) donde el intercambio de datos y recursos entre los dispositivos se lleva a cabo en un espacio relativamente pequeño como un edificio. — MAN (Metropolitan Area Network o WMAN en caso de ser inalámbrica) es una red de comunicación diseñada específicamente para ser utilizada en ámbitos de ciudades o pueblos. — WAN (Wide Area Network o WWAN en caso de ser inalámbrica) es básicamente 39

una o más redes LAN interconectadas entre sí para poder abarcar mucho más territorio. Existen diferentes tipos de tecnologías de transmisión de datos que se emplean en los entornos industriales y que se pueden agrupar según su alcance. Corto alcance — Bluetooth 43 es una especificación tecnológica para redes inalámbricas que permite la transmisión de voz y datos entre distintos dispositivos mediante una radiofrecuencia segura (2,4 GHz). Permite crear redes inalámbricas para sincronizar y compartir la información que se encuentra almacenada en diversos equipos. Existen diferentes versiones de Bluetooth (la última de enero de 2019, la 5.1) que han ido mejorando en velocidad, fiabilidad, consumo de energía y rango de cobertura. Aunque varía en cada versión, el rango de cobertura medio suele ser de unos 10 metros. En entornos industriales, se suele utilizar para la localización de piezas y bienes en espacios de almacenamiento de tamaño medio. — NFC son las siglas de Near Field Communication, una tecnología inalámbrica que funciona en la banda de los 13,56 MHz. Tiene una alta tasa de transferencia de datos, pero su gran inconveniente es que la comunicación entre dispositivos debe ser muy cercana (no más de 20 centímetros de distancia entre emisor y receptor). Se suele utilizar en los teléfonos móviles para sistemas de pago y también está muy presente en las tarjetas de acceso a medios de transporte como metro, autobús o tranvía. En las empresas se emplea como herramienta de identificación y permite el acceso a espacios, máquinas o armarios con tan solo acercar al lector el smartphone o la tarjeta correspondiente dotada de chip NFC. — RFID es una tecnología inalámbrica que permite que unos pequeños chips, o etiquetas colocadas sobre un objeto o persona, emitan información a través de radiofrecuencia. Esa información suele hacer referencia a su localización y es captada por aparatos receptores. Ahora mismo se están desarrollando soluciones con drones dotados de lectores de RFID que son capaces de ubicar un producto determinado en grandes superficies como la zona de almacenaje de un puerto. Las etiquetas RFID también se utilizan para la localización de herramientas que emplean los operarios en planta. Gracias a la colocación de un lector de etiquetas RFID en el armario, es posible tener un control exhaustivo de las herramientas que salen, cuándo entran y quién las ha cogido. — ZigBee es un sistema de comunicación inalámbrica que permite la creación de redes de área personal y que se caracteriza por un reducido consumo energético y su baja tasa de envío de datos. Uno de sus principales usos se centra en la comunicación con sistemas domóticos inteligentes. Otro protocolo similar es ZWave. 40

Existen muchos otros tipos de sistemas de comunicación inalámbricos de corto alcance, pero los anteriores son los más utilizados en el ámbito industrial. Medio alcance — El término UWB o Ultrawideband hace referencia a cualquier tecnología de radio que utiliza un ancho de banda mayor de 500 MHz o del 25 % de la frecuencia central para transmitir información. UWB es capaz de transmitir más información en menos tiempo que otras tecnologías y ofrece un bajo consumo energético. Una de sus limitaciones es su alcance, ya que cuanto más aumenta el alcance, más disminuye la velocidad de la transmisión. Además, también afecta al alcance la presencia de obstáculos o tener que atravesar determinadas estructuras. Por otra parte, este sistema opera en un gran ancho de banda y, debido a ello, debe compartir el espectro con otros sistemas de comunicación existentes, lo que puede provocar interferencias. — WiFi es una tecnología de comunicación inalámbrica que permite conectar a Internet a equipos electrónicos como computadoras, tablets, smartphones u otros aparatos, mediante el uso de radiofrecuencias o infrarrojos. De uso generalizado en todo el mundo, su principal limitación es el alcance y las dificultades de transmisión y recepción en entornos con gran presencia de elementos metálicos, como puede ser una fábrica. A finales de abril de 2019, Wireless Broadband Alliance, la organización que regula la adopción de servicios WiFi de próxima generación, anunció la primera prueba de WiFi 6 orientada a empresas industriales e IoT. Esta tecnología permitirá el uso de la realidad aumentada, la monitorización en tiempo real de equipos y otras aplicaciones en un entorno de red empresarial 44 . Largo alcance — SigFox 45 es el nombre de una compañía francesa que proporciona un servicio de red inalámbrica con amplia cobertura y bajo consumo con tasas de transferencias de datos de hasta 12 bytes al segundo. SigFox funciona con la tecnología de transmisión UNB (ultra narrowband) que se basa en utilizar canales estrechos del espectro para alcanzar grandes distancias con un requerimiento mínimo de energía. SigFox se suele emplear para el seguimiento remoto de sistemas de monitorización de variables, como la temperatura a la que está expuesto un producto, y que tienen gran importancia en la logística. Las redes SigFox cubren más de 5 millones de kilómetros cuadrados y están presentes en más de 60 países. — LoRa 46 es una tecnología inalámbrica que emplea un protocolo de red denominado LoRaWAN que se utiliza en comunicaciones militares y espaciales desde hace décadas. Es una tecnología validada para conexiones a grandes 41

distancias y para redes de IoT en las que se necesiten sensores que no dispongan de corriente eléctrica de red, teniendo grandes aplicaciones en lugares con poca cobertura. — LTE-M (Long Term Evolution for Machines), también conocida por CAT-M1, es un protocolo para comunicaciones celulares de ancho de banda estrecho que conectan a Internet dispositivos de baja complejidad y que transmiten pequeñas cantidades de datos en largos períodos de tiempo, con bajo consumo de energía. Utiliza antenas LTE instaladas, lo que permite mayores velocidades de datos, menor latencia y un posicionamiento del dispositivo mucho más preciso. — Narrowband IoT o NB-IoT es una tecnología basada en LTE (red móvil) que utiliza 25 KHz o menos para las transmisiones de radio, lo que redunda en una mejor cobertura, tanto en interiores como en exteriores, y calidad de transmisión. Está orientada a conectar dispositivos distribuidos masivamente que no generen un tráfico de datos demasiado alto y cuyo ciclo de vida sea largo. Una de las claves de esta tecnología es que ha sido desarrollada para permitir comunicaciones eficientes y una alta durabilidad de la batería de los dispositivos conectados, que podría llegar hasta los 10 años. Además, tolera un gran número de dispositivos conectados. NB-IoT se está empleando en el sector industrial para la lectura de contadores inteligentes, para la localización de bienes en las áreas de logística o para la monitorización y diagnóstico en tiempo real de máquinas y dispositivos IoT. Según el estudio Low Power IoT: Impact analysis, vertical assessment & forecasts 2019-2024 47 , elaborado por Juniper Research, el número de conexiones de IoT de baja potencia (LTE-M y NB-IoT) alcanzará los 156 millones en 2024, multiplicando por 40 la cifra actual. Los ingresos relacionados con este tipo de tecnologías IoT de baja potencia superarán los 2.600 millones de dólares en 2024. Este crecimiento se justifica ante la posible disminución de los costes de estas conexiones. — 2G, 3G y 4G. La tecnología de comunicación 2G (GPRS, EDGE) nace a comienzos de los años noventa y está ligada a los teléfonos móviles. Además de comunicación de voz, el 2G permite en envío y recepción de datos, como mensajes SMS, con una velocidad de hasta 114 kbits por segundo. Con las redes 2G los servicios de voz tienen preferencia sobre los datos, no pudiendo funcionar ambos a la vez. El 3G (HSDPA, UMTS) aparece en 2001 y su principal ventaja es disponer de una velocidad de transferencia de hasta 2 MB por segundo. También es un protocolo más seguro que el 2G y permite comunicaciones de voz y de datos simultáneas. El 3G ha tenido evoluciones como 3,5G, 3G+ o Turbo 3G que pueden llegar a alcanzar velocidades de 14 MB por segundo en condiciones óptimas. 42

El 4G (LTE) llega en 2010. Cuenta con una seguridad de transmisión de datos mayor y su fiabilidad es más alta. Las velocidades de transmisión de datos pueden alcanzar hasta 1 GB por segundo. — El 5G es una nueva tecnología inalámbrica para la transmisión de datos entre dispositivos como smartphones u otro tipo de aparatos con conexión a Internet, que se define tan solo siete años después de la aparición del primer teléfono móvil 4G. Promete proporcionar mayores velocidades y prestaciones que el actual LTE4G y las conexiones podrían alcanzar velocidades de entre 5 y 10 GB por segundo, superando a las redes fijas de fibra óptica, aunque todo dependerá de las operadoras. Además de la velocidad de descarga, la principal mejora del 5G es la bajada de la latencia, es decir, el tiempo de respuesta que tarda un dispositivo en ejecutar una orden a partir de que se le mande la señal. El 5G reducirá ese retardo a tan solo un milisegundo. Con el 4G esta latencia fluctúa entre los 50 y 150 milisegundos. Algunas operadoras comenzaron el despliegue del 5G en España en junio de 2019. Se trata de un 5G que utiliza la banda de 3,7 GHz y la infraestructura de las redes 4G (NSA, Non Standalone). Su principal limitación es que esta banda no aprovecha todas las capacidades del 5G en lo que se refiere a cobertura en interiores, velocidad de transmisión y latencia. El 5G con las principales capacidades se desarrollará sobre la banda de 700 MHz que, en la actualidad, en España, está ocupada por la TDT. No será hasta junio de 2020 cuando se libere esta banda y pueda ser aprovechada por las operadoras. Por otra parte, este 5G requerirá de infraestructuras propias denominadas 5G Standalone (SA), un estándar que aún no ha sido completamente definido, por lo que sería factible que dispositivos compatibles con 5G basados en infraestructuras 4G (Non Standalone) no fuesen compatibles con 5G Standalone. En cuanto al impacto del 5G en el sector industrial, la menor latencia y la mayor velocidad de transmisión de datos afectará positivamente a la analítica de datos y a la inteligencia artificial ya que posibilitará el envío de más información en tiempo real. También será importante para la realidad virtual ya que esta tecnología requiere de imágenes en alta resolución y, en muchos casos, es necesario que los visores estén conectados mediante un cable a un ordenador. Gracias al 5G se podrían transmitir esos datos de forma inalámbrica facilitando desarrollar visores o gafas más pequeñas. También será importante en el uso de determinadas herramientas vinculadas con la realidad aumentada y la realidad mixta. El 5G va a tener un impacto importante en el empleo ya que hay que desplegar nuevas redes, nuevos protocolos de comunicación y tendremos que actualizar nuestros dispositivos para que tengan acceso al 5G. La Comisión Europea estima 43

que se crearán 2,3 millones de empleos en torno al año 2020 relacionados con el despliegue de las redes 5G, generando una riqueza de 141.000 millones de euros 48 . En el caso concreto de España, según un estudio de Ericsson y la consultora Arthur D. Little, para 2026 el negocio del 5G generará 23.300 millones de euros centrándose, principalmente, en los sectores energético, de fabricación industrial, seguridad pública y salud 49 . Más allá de estas y otras tecnologías de comunicación inalámbricas, las factorías del futuro requerirán de conexiones que permitan que todas las máquinas estén conectadas y reciban un flujo continuo de datos. Hablamos de muchos aparatos y de un gran volumen de información, lo que exige una conectividad de calidad. Las operadoras de telecomunicaciones tienen que ser capaces de ofrecer soluciones adaptadas a esta industria inteligente. El 5G, las SIM virtuales o tecnologías como LiFi o WiGig pueden ser parte de la solución. 2.5.2. Sistemas inalámbricos de localización Gracias a la navegación por satélites, frecuentemente identificada como GPS o sistema de posicionamiento global, es posible determinar en toda la Tierra la posición de cualquier objeto con una precisión de metros. El sistema fue desarrollado, instalado y empleado por el Departamento de Defensa de Estados Unidos. Para establecer la posición del objeto o persona se utilizan redes de satélites que cubren la tierra. Normalmente son necesarios cuatro o más satélites para determinar la posición mediante triangulación. Además de la red estadounidense conocida como GPS, Europa cuenta con su propia red de satélites de posicionamiento denominada sistema de navegación Galileo. Del mismo modo, Rusia dispone de su propio sistema (GLONASS) así como China (Beidou). Japón ha desarrollado un sistema de localización por satélite denominado Quasi-Zenith (QZSS) cuyo objetivo es la corrección de señales de navegación global por satélite para lograr que el margen de error en la ubicación sea tan solo de unos centímetros. El GPS se utiliza en el ámbito industrial en labores de posicionamiento de objetos, máquinas o factorías, o en el envío y recepción de mercancías. Asimismo, es una herramienta fundamental en el funcionamiento de los vehículos autónomos. RTK, siglas de Real Time Kinematic o posicionamiento cinemático en tiempo real, es un sistema de medición que aúna tecnologías de navegación por satélite, como GPS, Galileo, Beidou o GLONASS, junto a sistemas de comunicación por radiofrecuencia o mediante telefonía (2G, 3G y 4G). Gracias a la combinación de estos sistemas se consigue una precisión de localización con un margen de error de muy pocos centímetros, entre uno y tres, que contrasta con el margen de error del GPS tradicional 44

que puede ser de varios metros. Otra de sus ventajas es que al utilizar radiofrecuencias o comunicación de telefonía se pueden obtener datos y correcciones de posicionamiento en tiempo real, lo que es muy importante para controlar máquinas u objetos en movimiento. Para su correcto funcionamiento, se coloca un receptor fijo o referencia en un punto con unas coordenadas conocidas, mientras que la máquina en movimiento o emisor móvil va enviando la transmisión de su ubicación al receptor mediante uno de los sistemas de comunicaciones antes indicados. En el caso de que la cobertura de telefonía no sea buena, se elige la transmisión de la información mediante radiofrecuencias. RTK se puede utilizar en superficies de logística para controlar la ubicación de grúas o maquinaria de gran tonelaje. En la agricultura de precisión también se emplea para supervisar las rutas de tractores u otras máquinas de producción, cosecha, riego, desbroce o fumigación. El AVL es un sistema de comunicación para monitorizar y rastrear de forma remota dónde se encuentra un vehículo. Cada furgoneta o camión de reparto y transporte está equipado con un GPS que recibe señales desde una serie de satélites. Esta información se transmite a una estación base vía GSM donde es desplegada en tiempo real en un mapa de alta resolución espacial o geográfica. IPS son las siglas de Indoor Positioning System o sistema de posicionamiento en interiores. En el interior de los edificios los sistemas de navegación por satélite no funcionan correctamente por lo que se han desarrollado redes de diferentes tipos de dispositivos capaces de enviar de forma inalámbrica información sobre dónde se ubica un vehículo o máquina en tiempo real. Estas redes de localización están compuestas de sensores (de movimiento, acústicos, de vibración...), etiquetas inteligentes e incluso sistemas de visión artificial capaces de detectar objetos. Al estar estos dispositivos colocados en lugares fijos, son capaces de enviar una señal cuando detectan al vehículo, grúa o persona y, así, es posible saber en qué lugar se encuentran. Los usos más habituales de las redes IPS se centran en almacenes internos, en pabellones de fabricación en los que se utilizan robots, en centros comerciales para medir el tránsito de personas e, incluso, en aparcamientos cubiertos para, por ejemplo, localizar dónde se ha estacionado el vehículo.

2.6. Robótica industrial 2.6.1. Definición La definición de robot industrial según la ISO 8373:2012 es la de «manipulador multifuncional, controlado automáticamente, reprogramable en tres o más ejes, que puede estar fijo o móvil para su uso en aplicaciones de automatización industrial». Los robots en el sector industrial son muy diferentes a la imagen que muchos nos hemos creado en los últimos años y que hacen hincapié en un aspecto humanoide, 45

funcionalidades motrices e incluso poseedores de inteligencia artificial. Aunque existen robots con estas características orientados a la atención de personas, en el ámbito de la salud o para usos militares, lo cierto es que el aspecto de un robot industrial tradicional es el de un brazo robótico que realiza labores previamente programadas sin ningún otro tipo de libre albedrío 50 . Los usos más habituales de los robots industriales están relacionados con el empaquetado y paletizado, procesos de moldeo por inyección, análisis de laboratorio, pulido, pegado o soldadura, supervisión de maquinaria, montaje y desmontaje, pick & place, y control de calidad. 2.6.2. El impacto de la robótica industrial El primer robot industrial con funcionalidades básicas se desarrolló en Reino Unido en 1937. Las primeras patentes vinculadas con la robótica se remontan a comienzos de los años sesenta. El boom de la creación de empresas fabricantes de robots para su aplicación en el sector industrial data de finales de los años setenta y en los últimos años se está viviendo un nuevo auge en la creación de fabricantes de robots, en este caso robots colaborativos o cobots. Las ventas mundiales de robots industriales en 2016 alcanzaron las 294.312 unidades en todo el mundo (253.748 en 2015), y se estima que para 2020 esta cifra aumente hasta 520.900. España ocupa el cuarto puesto en el mercado europeo en implantación de robótica industrial (tras Alemania, Italia y Francia). En 2016, las ventas de robots industriales aumentaron en España un 4 % respecto al año anterior y alcanzaron las 3.919 unidades, cifra que constituye un récord histórico. Las ventas de robots en el mercado español dependen en gran medida de la industria automovilística, siendo España el segundo mayor fabricante de vehículos en los últimos años, solo por detrás de Alemania. La densidad de robots en este sector se considera alta (1.051 robots instalados por cada 10.000 empleados). Otros sectores que explican este crecimiento de la robótica industrial en España son alimentación/bebidas y caucho/transformación del plástico. A nivel internacional, España ocupa la posición 10 en cuanto al uso de robots industriales, solo por detrás de China, Corea del Sur, Japón, Estados Unidos, Alemania, Taiwán, Italia, México y Francia 51 . El auge de la robótica industrial es uno de los condicionantes que más controversia causa dentro del concepto de Industria 4.0. La amenaza de que la progresiva robotización de los procesos de producción conlleve el despido de operarios humanos e incida en el mercado laboral está sobre la mesa. Un reciente estudio de Oxford Economics 52 estima que para 2030 se habrán perdido hasta 20 millones de empleos en el sector de la fabricación debido a la integración de robots en las fábricas. Cada robot instalado costará 1,6 trabajos. Este mismo informe ahonda en que desde el año 2000 ya 46

se habrían perdido 1,7 millones de empleos en la industria manufacturera, de ellos, más de medio millón corresponderían a China y unos 400.000 a Europa. Entre las ventajas del uso de robots respecto a los trabajadores humanos se suele destacar que son capaces de realizar tareas que requieren de mucha precisión. También se emplean en labores que son muy repetitivas, en las que las máquinas tienen un mayor rendimiento. Otro condicionante suele ser la ergonomía: hay puestos de trabajo duros que demandan de esfuerzo físico. Como norma general, las labores que requieran inteligencia, capacidad de adaptación o resolución de problemas en tiempo real están destinadas a operarios humanos. Implementar en planta una línea de producción robotizada conlleva adquirir los robots necesarios, programarlos para que realicen las tareas asignadas, instalar los armarios de control y poner a su disposición los diferentes utillajes que puedan utilizar esos robots: desde puntas de mecanizado hasta elementos de soldadura. Todo ello sin olvidarnos de contar con trabajadores preparados para supervisar, reparar y programar esos robots o dotarles de herramientas de ciberseguridad para evitar problemas o hackeos. 2.6.3. Robótica colaborativa o cobots La robótica industrial tiene una trayectoria muy larga, pero en Industria 4.0 hay que hablar de robótica colaborativa o cobots. Un cobot es un robot creado para interactuar físicamente con humanos en un entorno colaborativo de trabajo. Este entorno puede ser una fábrica, pero también un quirófano, prestando ayuda al cirujano, o nuestro hogar, cuidando de personas de edad avanzada o con algún tipo de discapacidad 53 . Los cobots fueron inventados en 1996 en Estados Unidos. El mercado de robots colaborativos alcanzó los 710 millones de dólares en 2018 y se espera que en 2025 genere más de 12.000 millones de dólares según un informe de MarketsandMarkets 54 . Existen alrededor de 30 fabricantes que comercializan más de 80 modelos de cobots. La firma danesa Universal Robots es la líder en este sector con casi el 50 % del mercado mundial. El robot colaborativo está dotado de sensores y tecnologías que le facultan detectar la presencia de un trabajador humano o de otros robots u objetos, lo que le permite reducir su velocidad e incluso pararse para no provocar ningún accidente. Pero la finalidad de un cobot no es que tenga esta capacidad de detección. Los robots industriales y los colaborativos pueden compartir la gran mayoría de tecnologías que forman parte de la robótica colaborativa, como la capacidad de percibir lo que ocurre a su alrededor y actuar en consecuencia. Lo que hace diferente a la robótica colaborativa es la presencia de un ser humano y ser capaz de responder a esa presencia. Un robot colaborativo tiene que saber interpretar los deseos e intenciones de la persona, complementarse y coordinarse con ella. El operario humano y el robot tienen 47

que poder trabajar en un mismo espacio, sobre un mismo elemento, pero cada uno hacer sus propias tareas. El gran reto es que las tareas sean de colaboración. Es importante desarrollar el concepto de colaboración entre robots y humanos porque muchas de las aplicaciones que se están realizando hoy en día con cobots no son realmente colaborativas y podrían ser llevadas a cabo por robots industriales convencionales dotados de sensores de proximidad. No se trata de tener robots sin barreras de seguridad dentro de nuestras plantas, sino de que sean capaces de trabajar codo con codo con los humanos en labores diferentes. Generalmente, los cobots son de pequeño tamaño, o al menos más pequeños que los robots industriales tradicionales, por lo que se pueden transportar a diferentes áreas de la planta rápidamente y, además, como se alimentan de baterías, son autónomos en este sentido. Tecnológicamente, al margen de la sensórica para detectar la presencia de humanos u otros robots, en la robótica colaborativa también intervienen la visión artificial, para reconocer objetos, y la inteligencia artificial, para aprender y que el cobot sea capaz de modificar su comportamiento con base en las personas y el propio entorno de trabajo. Incluso hay tecnologías ligadas a la detección de gestos o la compresión de determinadas órdenes de voz que también se están implementando en este tipo de aparatos. 2.6.4. Ventajas y desventajas de los cobots Como hemos comentado anteriormente, entre las ventajas de los cobots podemos resaltar su portabilidad, al ser de menor tamaño que los modelos tradicionales, lo que permite una fabricación más flexible. Otro beneficio es su autonomía al funcionar con baterías. Otra ventaja determinante es el hecho de que puedan trabajar junto a operarios humanos en condiciones seguras. Pero ese elemento favorable se convierte en desventaja al tener que limitar las acciones de los cobots para que puedan compartir espacio con los trabajadores humanos. Un cobot no puede exceder ciertas velocidades. Eso les hace poco útiles en procesos de fabricación de grandes cantidades de productos en los que la rapidez es básica. Otra limitación es la capacidad de carga. Un cobot suele estar limitado a poder mover entre 3 y 10 kg de carga. Aunque no son habituales, existen fabricantes que han desarrollado robots colaborativos capaces de mover hasta 170 kg. 2.6.5. Tendencias de la robótica industrial El futuro de la robótica industrial vinculada a la Industria 4.0 pasa por incorporar nuevas tecnologías en estos dispositivos como la inteligencia o la visión artificial. Los 48

robots del futuro serán capaces de hacer series cada vez más cortas, con mayor calidad, eficiencia y una mayor personalización. Tendrán que ser capaces de saber cómo va la producción en tiempo real y modificarla en pocos minutos. Los futuros robots industriales no serán solo brazos, sino también «ojos». Gracias a la visión artificial, los robots serán cada vez más independientes. Otra novedad es que algunos de estos robots pueden tener varios brazos capaces de trabajar a la vez en diferentes tipos de tareas. Otro elemento de transformación de la robótica en la industria es la cada vez más habitual incorporación de robots, sean del tipo que sean, junto a las tradicionales máquinas-herramienta. Es lo que algunos denominan células robotizadas. Los robots (generalmente colaborativos) incorporados en estas máquinas se utilizan para la manipulación de piezas, suministrar repuestos, recoger piezas mecanizadas o para su paletizado. Esta labor, denominada bin picking, utiliza robots dotados de visión artificial para la identificación de las piezas a extraer. Una vez que se ha reconocido y seleccionado el objeto, el robot toma la pieza, sin colisionar con elementos del entorno, y la entrega en la zona programada. Las soluciones de bin picking están orientadas a procesos que requieran la extracción rápida y repetitiva de objetos para su posterior procesamiento, tratamiento, paletizado o empaquetado. Otra tendencia de futuro es la aplicación de inteligencia artificial en los robots industriales. Algunos fabricantes ya están testando los primeros desarrollos. Por ejemplo, para entrenar a un robot inteligente en labores de pintado de una pieza, es un operario humano el que maneja el robot de forma remota, con unos joystick, y lo dirige para pintar dicha pieza. A medida que el robot recibe las instrucciones, va aprendiendo la mejor manera de pintar y también es capaz de reconocer visualmente cuál es el acabado ideal (con la visión artificial). El robot va aprendiendo cómo pinta el operario humano y, con el tiempo, será capaz de realizar esa misma tarea de forma autónoma e incluso sabrá cómo se pinta una pieza diferente. El pintado es tan solo un ejemplo. Hay otras labores que se están testando y también varían las formas en las que se alimenta la inteligencia artificial de los robots. Hoy en día, se trata de pruebas piloto y parece que habrá que esperar unos años para que se puedan comercializar robots inteligentes para llevar a cabo estas labores en el sector industrial. Se están desarrollando robots modulares con capacidades industriales. Gracias a este tipo de sistemas, que ya se están fabricando y comercializando en España, es posible intercambiar partes de robots como motores, actuadores o garras de diferentes fabricantes o modelos, con la flexibilidad que ello supone. Hasta ahora, era imposible intercambiar elementos entre robots de distintas marcas e incluso entre modelos diferentes de un mismo fabricante. También se trabaja en robots blandos (soft robots) fabricados con materiales flexibles que permiten aplicaciones inviables para los robots rígidos, tanto en el campo médico como en exploraciones espaciales u operaciones de búsqueda y rescate. Este tipo 49

de robots pueden tener también su aplicación en el sector industrial en plantas de fabricación orientadas a la customización. Se expone como tendencia la incorporación de robots colaborativos en vehículos AGV y AIV (vehículos de guiado autónomo y automático para el transporte de mercancías en almacenes) para ayudar en los procesos de carga y descarga de palés. En la medida en que se trata de robots más pequeños que los industriales tradicionales y están dotados de batería que les confiere autonomía, pueden ser de una gran ayuda en este tipo de tareas. Ante el previsible auge de los robots en las plantas industriales y para paliar las repercusiones económicas que puede tener esta masiva implementación en el mercado laboral, los gobiernos de algunos países ya se están planteando la posibilidad de que las empresas paguen un impuesto especial por cada robot instalado, de tal forma que ese fondo económico pueda cubrir una parte de las prestaciones por desempleo o jubilación de trabajadores humanos.

2.7. Internet de las Cosas (IoT) 2.7.1. Definición y contexto Internet de las Cosas o IoT (Internet of Things por sus siglas en inglés) es uno de los paradigmas asociados a la Industria 4.0. Hablamos de dispositivos que son capaces de captar y generar información sobre su entorno, el funcionamiento de las máquinas o los procesos de fabricación y enviar esa información de forma inalámbrica en tiempo real sin intervención humana. En Industria 4.0 estos aparatos se identifican con sensores, PLC, beacons, sistemas SCADA, cámaras de videovigilancia, contadores inteligentes, sensores eléctricos de proceso para plantas o dispositivos de localización en tiempo real. Según Forbes, a finales de 2019 existían aproximadamente 26.000 millones de dispositivos conectados en todo el mundo 55 . Esto representará un modelo de negocio que alcanzará los 3.000 billones de dólares en 2020, según estimaciones de la consultora Gartner 56 . Otro informe de IDC revela que España es el quinto país de Europa en inversión en IoT, solo por detrás de Alemania, Reino Unido, Francia e Italia. De acuerdo con las estimaciones de IDC, el mercado de IoT en España crecerá hasta los 23.000 millones de euros en 2020, lo cual supone una tasa de crecimiento anual compuesto (CAGR) del 17,9 % 57 . En 2018 se gastaron 646.000 millones de dólares en IoT en todo el mundo, una cifra que ascendió hasta los 745.000 millones de dólares en 2019. De esta cantidad, 119.000 millones corresponden a soluciones para fabricación discreta. Por tipo de tecnología, destacará la inversión en los servicios, con 258.000 millones de dólares 50

relacionados con servicios tradicionales de TI e instalación, servicios operativos y dispositivos no tradicionales 58 . 2.7.2. Entornos IT y OT en la industria A la hora de poner en valor la relevancia de Internet de las Cosas, hay que aprender a distinguir los dos entornos tecnológicos en los que han operado tradicionalmente las empresas de todo el mundo: entornos IT y OT. — Los entornos IT (tecnologías de la información) estarían formados por los ordenadores, servidores y servicios en la nube de cualquier empresa. En ellos almacenamos información, accedemos a servicios de Internet o correo electrónico, desplegamos software y visualizamos información procedente de otras máquinas. — Los entornos OT (tecnologías de la operación) lo forman dispositivos con una capacidad de computación limitada que ofrecen datos y que regulan el funcionamiento de las máquinas y de los procesos. Hablamos de PLC, dispositivos SCADA, sensores y otros aparatos. Hasta hace pocos años, los entornos OT no estaban conectados a los IT, estaban aislados en la planta de producción, por lo que estaban protegidos de ataques del exterior (solo eran vulnerables a una acción directa sobre ellos, que implica una cercanía física). Con la progresiva digitalización de los procesos y la llegada de Internet de las Cosas, muchos de estos dispositivos ya tienen una conexión con el exterior (a través de Internet u otras redes) y nuevos problemas que afrontar vinculados con la ciberseguridad. De hecho, se estima que existe un gap de 15 años en la ciberseguridad de los entornos OT respecto a los IT. Si a esto le añadimos la gran diversidad de protocolos de comunicación del mundo OT, preservar su seguridad se ha convertido en todo un reto para las empresas especializadas. Ya existe malware específico para los entornos OT como Industroyer o Triton que pueden ocasionar afecciones importantes como paralizar o modificar la producción. La tendencia de futuro es que todos los dispositivos relacionados con Internet de las Cosas y los entornos OT dispongan de seguridad propia embebida. Además, es deseable que se unifiquen los diferentes protocolos de comunicación y el software que utilizan estos dispositivos para hacerlos compatibles entre sí. 2.7.3. IoT frente a IIoT La utilización de aparatos y tecnologías vinculadas con IoT en los entornos industriales también se conoce como IIoT o Internet de las Cosas Industrial (Industrial Internet of Things). En muchos casos, estamos hablando de dispositivos con 51

funcionalidades comunes en otros ámbitos como pueden ser la salud, las ciudades inteligentes, la domótica o la agricultura de precisión. Las principales diferencias entre IoT e IIoT son que el primero está dirigido a los consumidores o a actividades comerciales, mientras que IIoT está orientado a monitorizar máquinas y procesos de producción complejos en los que intervienen dispositivos sofisticados. Otra de las características de los dispositivos IIoT es que son más robustos en lo que se refiere a su seguridad y están integrados con diferentes sistemas operativos. IoT tiene sistemas de funcionamiento independientes frente a otros aparatos. También hay importantes diferencias entre IoT e IIoT en lo que tiene que ver con su precisión y ajustes, ya que en el ámbito industrial se requiere una sincronización de la información casi inmediata, que no lleve más de pocos milisegundos de retardo. Por otra parte, el IoT Industrial actúa en redes de gran escala, mientras que el IoT se centra en redes locales. Es importante que en el IoT Industrial la instalación de los dispositivos sea lo más simple posible con un bajo impacto en el consumo energético. 2.7.4. Dispositivos IoT Uno de los elementos fundamentales del Internet de las Cosas aplicado a la industria son los sensores. Se trata de aparatos capaces de recopilar información sobre temperatura, humedad, presión, caudal, viscosidad y otros parámetros fisicoquímicos y que tienen mucha importancia en los procesos de fabricación. Miden estas variables tanto en los objetos que se fabrican como en las propias máquinas que los crean. Hoy en día, los sensores se han convertido en minilaboratorios en las plantas productivas y son uno de los pilares de los procesos de analítica de datos. Los primeros sensores para medir el funcionamiento de máquinas o analizar los productos que se fabrican datan de los años treinta, pero no fue hasta los años sesenta cuando la sensórica se comenzó a introducir de forma importante en la industria. En los últimos años, el abaratamiento del precio de estos dispositivos, la disminución de su tamaño y la incorporación de nuevas tecnologías de medición basadas en la óptica y la electrónica han supuesto un hito para su comercialización. Existen infinidad de tipos de sensores diferentes que se podrían categorizar en función de qué es lo que pueden medir. Con todo, en los últimos años, los expertos los dividen en dos grandes categorías: los convencionales y los inteligentes. Un sensor convencional puede registrar que un proceso está ocurriendo, por ejemplo, a 300° de temperatura. Uno inteligente ofrece información de la temperatura, la fiabilidad de la medición, te muestra la evolución de las últimas mediciones, te indica cuándo fue la última vez que se calibró y estará conectado con la nube para trasladar toda esa información en tiempo real al centro de control. Los sensores inteligentes tienen muchas más capacidades de diagnóstico, procesamiento y comunicaciones para que sea más sencillo instalarlos en Industria 4.0. Hoy en día, casi todos los sensores que se 52

comercializan son inteligentes. La gran mayoría de los sensores que se fabrican tienen conectividad, es decir, son capaces de enviar los datos que recopilan de forma inmediata a través de diferentes protocolos de comunicación como Bluetooth, WiFi, 4G, Ultrawideband, SigFox, LoRa, NFC, RFID o sistemas de balizamiento internos. En la actualidad, hay sensores que utilizan técnicas de inspección fotónicas, electrónicas o electroquímicas. Se trata de dispositivos con capacidades para medir procesos industriales, fluidos, sólidos o las propiedades físicas o químicas de un material. Pueden detectar incluso si está presente cierta proteína o molécula. El futuro a corto plazo de los sensores pasa por la visión artificial hiperespectral capaz de realizar un análisis químico de lo que está sensorizando en función de la reflectancia de la pieza. Los beacons son pequeños aparatos que utilizan tecnología inalámbrica para transmitir información. Estas «balizas» se suelen emplear para la localización de personas u objetos en lugares cerrados en los que los GPS no tienen buena cobertura. Un beacon dotado de un sensor también puede ofrecer información concreta sobre la magnitud física o química que registre ese sensor en un determinado punto. Una máquina que funciona muchas horas puede sufrir un recalentamiento. Si colocamos junto a ella un beacon con un sensor de temperatura, nos podrá mandar una alerta casi en tiempo real, lo que nos permitirá evitar que esa máquina se estropee. Si colocamos un dispositivo de este tipo en un camión frigorífico nos permitirá supervisar que no se rompe la cadena de frío durante el transporte de un producto, algo muy importante en trazabilidad. Hay otro tipo de aparatos de pequeño tamaño que permiten localizar a su portador, sea una persona, una máquina o un objeto, y acotar en qué lugar se encuentra dentro de una planta de producción gracias a un sistema de balizamiento interno o sistema RTLS (sistemas de localización en tiempo real —del inglés Real-Time Locating System— que son capaces de rastrear e identificar automáticamente la localización de objetos o personas en tiempo real, usualmente dentro de un edificio u otra área cerrada). En algunos casos, estos dispositivos no son solo simples emisores de información, sino que pueden estar dotados de capacidad de procesamiento, acelerómetros, giroscopios y sistemas de alarma sonoros o visuales, lo que les hace ser inteligentes. Esa inteligencia es la que les diferencia de sus ancestros, los PLC, controladores lógicos programables, cuya función se centraba en automatizar procesos electromecánicos, tales como el control de la maquinaria en plantas de producción. Un PLC es un dispositivo electrónico que se programa para realizar acciones de control automáticamente. Se usan en todo tipo de aplicaciones industriales, resolviendo requerimientos en control de procesos y secuencias de la maquinaria. Son dispositivos con una capacidad de computación limitada a lo que tienen que hacer. Es muy complicado añadirles nuevas funcionalidades y además suelen estar regidos por sistemas privativos de programación. Los sistemas SCADA (siglas de Supervisory Control And Data Acquisition) se 53

utilizan para controlar, monitorizar y analizar distintos procesos industriales. No son una tecnología concreta, sino cualquier aplicación que obtenga datos operativos acerca de un sistema con el fin de controlarlo y optimizarlo. Entre las ventajas que representan, cabe destacar que permiten a los operadores visualizar en tiempo real lo que está ocurriendo en el proceso, reaccionar a las alarmas, controlar el proceso, cambiar la configuración y rastrear la información en tiempo real. El sistema SCADA se comunica con los controladores en el campo que están ejecutando el proceso real: PLC o RPU (Unidad Terminal Remota). El sistema SCADA reúne todos los datos obtenidos desde los controladores de campo y los almacena. Posteriormente, estos datos son mostrados de modo gráfico a los operadores que ejecutan el proceso. 2.7.5. Sistemas ciberfísicos Un sistema ciberfísico o CPS (siglas en inglés de Cyber-Physical System) lo compone un conjunto de dispositivos que integran capacidades de computación, almacenamiento y comunicación para controlar e interactuar con un proceso físico. Los sistemas ciberfísicos están, normalmente, conectados entre sí y también con servicios remotos de almacenamiento y gestión de datos. Un sistema ciberfísico suele estar formado por dispositivos IoT de Internet de las Cosas que son capaces de generar datos y enviarlos, o por robots que pueden realizar diferentes tareas. Hay quien los define como dispositivos inteligentes, aunque la inteligencia puede que no resida en el propio aparato, sino en la red a la que está conectado. También hay quien identifica los sistemas ciberfísicos con el IIoT o Internet de las Cosas Industrial. Dado que en un sistema ciberfísico también pueden interactuar robots u otro tipo de aparatos de mayor o menor complejidad, existe cierta controversia sobre esta identificación de conceptos. Los dispositivos vinculados a los sistemas ciberfísicos generan información, la envían a los servidores en tiempo real y en ese momento se ponen en marcha herramientas de analítica de datos, que pueden tener o no inteligencia artificial, y que son capaces de trasladar órdenes a otras máquinas o dispositivos. Está todo conectado. Este tipo de sistemas en los que se combinan los sistemas ciberfísicos y la inteligencia artificial también se denominan smart environments o entornos inteligentes. Los sistemas ciberfísicos son una gran ventaja respecto a los sistemas embebidos tradicionales. Un sistema embebido es un software de computación diseñado para realizar una o algunas pocas funciones dedicadas. El software está aislado y no podemos modificarlo para que ejecute otro tipo de programas que no sean los que están embebidos. Un sistema ciberfísico supera a uno embebido respecto a capacidad, seguridad, escalabilidad, adaptabilidad, resiliencia y usabilidad, pudiendo trabajar en conjunto formando ecosistemas distribuidos y totalmente autónomos. 54

2.8. Metrología Los procesos de producción industrial basan gran parte de su éxito en la correcta materialización de sus bienes. La comprobación de que cada una de las piezas se ha fabricado, montado y mecanizado de manera correcta es una de las prioridades de cualquier negocio, aunque el nivel de exigencia es mayor si cabe en sectores como la automoción, la aeronáutica, el energético o la máquina-herramienta. Poder detectar piezas defectuosas en tiempo real y sacarlas de la línea de montaje es un avance notable, ya que permite ahorrar costes de posteriores procesos de mecanizado, montaje o desmontaje. La metrología es la ciencia que se encarga de la medición de estos productos y es un elemento que tiene cada vez mayor relevancia en el concepto de Industria 4.0. Por ejemplo, los componentes de un smartphone son sometidos a controles de metrología para que no existan problemas en su montaje. Lo mismo se puede aplicar a coches, aviones, máquinas e incluso implantes dentales. Hoy en día, controlar el acabado de las piezas es fundamental. Hasta hace unos años, existía un laboratorio cerrado junto a la línea de producción, sometido a condiciones de luz o temperatura estables, donde se llevaban muestras de los objetos o piezas fabricadas para ser analizadas y comprobar que se habían creado correctamente. Con el tiempo, se han desarrollado sensores y otros sistemas ópticos que pueden medir las piezas de forma fiable sin necesidad de sacarlas de la línea de producción y sin tener que estar sujetos a ciertas condiciones. Existe un amplio rango de tipos de metrología de inspección. El tradicional, que se utiliza en muchas fábricas, es el sistema táctil, que consiste en un palpador por contacto, un elemento que evalúa las dimensiones y los diferentes componentes de esa pieza. Es el sistema empleado desde hace más de 100 años. Un palpador es la principal herramienta de las Máquinas de Medición de Coordenadas (MMC). Está compuesto por una pieza larga y fina en cuya punta suele haber un sensor esférico que, con cada toque sobre el objeto a medir, genera un punto definido por los valores de las coordenadas X, Y y Z. A partir de estos puntos trasladados al ordenador, se calculan mediante software las características, el tamaño, la forma y la posición de la pieza. Es decir, la sonda de inspección obtiene lecturas continuas recorriendo la superficie de una pieza de trabajo 59 . Hasta hace unos años el método más habitual de medición era el táctil, por su precisión, pero la metrología está viviendo una auténtica revolución desde hace un tiempo con el desarrollo de nuevas tecnologías ópticas basadas en medir todas las coordenadas de un objeto mediante diferentes tecnologías como haces de luz, rayos X, luz estructurada, luz blanca o láser. En los últimos diez años los sensores ópticos han evolucionado y, en algunos casos, han logrado igualar la precisión de los táctiles. Teniendo en cuenta que un sensor óptico es mucho más rápido que uno táctil, las 55

ventajas son claras. Por ejemplo, la inspección óptica de un implante dental se puede realizar entre 10 y 20 segundos, mientras que la táctil puede llevar varios minutos. Existen diferentes tipos de dispositivos ópticos de medición. Los más habituales son los sensores de línea que trabajan por triangulación. Estos aparatos proyectan una luz estructurada, como un láser, que se refleja sobre el objeto a medir y se envía a una cámara de tecnología CMOS o CCD para, posteriormente, a través de un algoritmo de medición, determinar las medidas. Hay otros sistemas de captura de información para la medición de grandes piezas que utilizan un láser cráter con más potencia. También hay equipos de proyección de franjas que proyectan una estructura de franjas o cuadrados preconocidos y varias cámaras que capturan la posición del objeto. Conocidas las dimensiones de las líneas puedes determinar por fotogrametría las características de una determinada pieza. La inteligencia artificial también tiene un papel determinante en la metrología. Existen sistemas de visión artificial dotados de machine learning que son capaces de tomar imágenes de alta precisión y resolución para reconocer las piezas y analizar los defectos y, gracias al conocimiento que ha adquirido dicho sistema, detectar si hay anomalías o no. La tendencia de futuro en el ámbito de la metrología va a estar marcada por la metrotomografía o tomografía con rayos X. Se trata de dispositivos que tienen un alcance mayor que los rayos X tradicionales y que son capaces de analizar el interior de las piezas y detectar incluso si existen poros. Además, pueden medir con la misma precisión que cualquier otro sistema, con cuatro micras de incertidumbre. Gracias a ellos, podemos realizar un estudio completo de la geometría de esa pieza tanto interior como exterior. En la actualidad ya se comercializan equipos, pero todavía son algo caros. La holografía conoscópica es una tecnología de interferometría láser orientada a resolver la problemática de sombras y la imposibilidad de acceder a cavidades estrechas que presentan las aplicaciones de medición sin contacto basadas en otras tecnologías como la triangulación láser. Otra de las tendencias que más se está desarrollando en los últimos tiempos son los sistemas de inspección sin contacto portátiles. Capturan más información en el menor tiempo posible y ocupan poco espacio, por lo que se pueden llevar de una fábrica a otra y montar de una manera sencilla. La metrología es una ciencia fundamental en la Industria 4.0 a la hora de abordar cuestiones como la fabricación cero defectos o la trazabilidad de los objetos producidos.

2.9. Inteligencia artificial 2.9.1. Definición 56

La inteligencia artificial, IA (por sus siglas en castellano) o AI (por sus siglas en inglés), se define como un software que es capaz de copiar las funciones cognitivas de los humanos para aprender y resolver problemas. Un aspecto clave es que la IA no aprende sola, hay que alimentar de datos e información a esa inteligencia artificial para que adquiera conocimiento y aprenda a discernir. La función del ser humano es fundamental a la hora de proporcionar esos datos a la inteligencia artificial y establecer en qué áreas o aspectos se va a centrar su aprendizaje. La inteligencia artificial no es un concepto novedoso ya que lleva entre nosotros desde hace muchos años. El término inteligencia artificial fue acuñado formalmente en 1956 por John McCarthy a partir de los conceptos del test de Alan Turing. En años posteriores se crearon diferentes ejemplos de sistemas básicos basados en inteligencia artificial. El auge actual de la inteligencia artificial está motivado por varias causas. Unas de las principales es la mejora en las capacidades y la velocidad de computación de los procesadores que están impulsando la revolución tecnológica. Los principios básicos de la inteligencia artificial ya se estudiaban hace 50 años en las facultades de ingeniería, pero no ha sido hasta hace unos años cuando ha sido posible aplicar esos principios en ordenadores que estuviesen al alcance (económico) de cualquier persona o empresa. Otro elemento determinante es la proliferación de los datos. Vivimos en un mundo en el que hay millones de dispositivos generando datos y enviándolos a través de conexiones inalámbricas. En las empresas hay dispositivos que son capaces de medir el funcionamiento de las máquinas para determinar si trabajan correctamente. En el mundo de la salud hay aparatos que pueden monitorizar en tiempo real el ritmo cardíaco, la tensión arterial y otra serie de parámetros biométricos y variables relacionadas con la salud para alertar en caso de alguna anomalía. En las ciudades tenemos sensores en aparcamientos que avisan en tiempo real si una plaza se ha quedado libre. El coche autónomo funciona gracias a los datos, ya que lleva cámaras capaces de reconocer por dónde está circulando, entender una señal de tráfico o detectar si hay un obstáculo en la calzada e, incluso, prever si una persona va a cruzar la calle unos segundos antes y, en función de esos datos, estima si disminuye su velocidad o si se para. Se calcula que en los últimos cuatro años se han generado más del 90 % de los datos digitales que hay almacenados en todo el mundo. Esta proliferación de los datos hace que sea imposible su análisis únicamente con supervisión humana, por lo que han adquirido gran relevancia los sistemas basados en IA para su análisis. En este crecimiento de la inteligencia artificial, también ha sido importante el desarrollo de sistemas para el almacenamiento y gestión de datos (cloud computing), así como una mejora de la conectividad inalámbrica para enviar esos datos en tiempo real. Todo ello sin olvidar que las propias tecnologías de inteligencia artificial cada vez aprenden más rápido y son más eficaces en sus resultados como refleja el informe 57

Artificial intelligence index, elaborado por investigadores del MIT, Stanford, Harvard y OpenAI 60 . 2.9.2. Tipos de inteligencia artificial La denominación de inteligencia artificial incluye diferentes tecnologías y procesos que varían en función de la complejidad de los algoritmos utilizados, el tipo de datos a interpretar y la forma en la que la IA adquiere sus conocimientos. Lo cierto es que las herramientas de inteligencia artificial están muy presentes en nuestro entorno. Un «simple» buscador de Internet utiliza herramientas de inteligencia artificial para analizar cuestiones como nuestra ubicación geográfica, nuestros intereses (basados en otras páginas web que hemos visitado) y otra serie de cuestiones, para mostrarnos la información o las webs más adaptadas a nuestras necesidades. Todos estos usos de algoritmos de aprendizaje y redes neuronales se agrupan bajo el paraguas del término inteligencia artificial, pero hay diferentes ramas específicas que detallamos a continuación. — Machine learning se centra en los sistemas de aprendizaje autónomos por parte de las máquinas. Se trata de crear programas y software capaces de generalizar comportamientos a partir de una información suministrada (dato). Se introducen los datos y el sistema se encarga de validarlos, limpiarlos, enriquecerlos si fuese necesario, y se queda con la información más relevante. El algoritmo aprende de su experiencia y va mejorando sus decisiones. Cuantos más datos se le introduzcan, más inteligente se vuelve y aumenta su capacidad para tomar las decisiones oportunas que correspondan a cada caso. Con todo, somos los humanos los que tenemos que corregir de forma manual las desviaciones en esos datos porque solo los humanos podemos detectar errores en serie. La mente humana tiene unas habilidades, mientras que la inteligencia artificial, todavía, no es capaz de discriminar ciertos patrones. Gran parte de las aplicaciones de IA en el ámbito industrial están basadas ahora mismo en sistemas de machine learning. — Deep learning o aprendizaje profundo se puede definir como una evolución de los sistemas de inteligencia artificial para lograr herramientas que, de forma autónoma y sin apenas intervención humana, sean capaces de imitar comportamientos y razonamientos propios del ser humano. El deep learning se basa en un conjunto de algoritmos o redes neuronales que son capaces de generar respuestas y actuar en función de las conclusiones a las que se llega por su combinación, yuxtaposición o contradicción a partir de un sistema de capas que se ordenan en función de una jerarquía. Es lo más parecido al pensamiento humano, e incluso se han desarrollado redes neuronales que son capaces de generar procesos que incluyen el pensamiento abstracto. 58

— Los sistemas de visión artificial se basan en entrenar a un algoritmo para el reconocimiento de imágenes de objetos, de rostros y de estructuras más complejas. Uno de sus usos más habituales es para el reconocimiento facial a través de imágenes de vídeo o de fotos. En la industria también se emplea para la detección de objetos, comprobar su correcta fabricación o para la supervisión de cierres en zonas de packaging. Otro uso avanzado de la visión artificial se refiere al coche autónomo, que está dotado de cámaras de vídeo que son capaces de reconocer señales de tráfico, identificar vehículos, peatones u obstáculos. De esta manera, la visión artificial va entrenándose con el objetivo de detectar patrones de conducción, adquiriendo la habilidad necesaria para prevenir los cambios y así anticiparse a ellos, evitando posibles accidentes. Los elementos más habituales de un sistema de visión artificial son equipos de iluminación, lentes, framegrabbers (placas de captura de imagen), cámaras y software de análisis. Gracias a la aplicación del láser y la luz estructural ahora tenemos ya visión artificial 3D. Una imagen 3D proporciona mucha más información, pero el reto es conseguir esos datos tridimensionales de manera más rápida, ya que una imagen 3D tiene un mayor volumen de información (ocupa más megas) y se tarda más en procesar. — Asistentes virtuales. Los algoritmos de procesamiento del lenguaje natural (NLP por sus siglas en inglés) están entrenados para reconocer expresiones habladas complejas y dar respuesta a las cuestiones que se plantean mediante su propia voz. Ejemplos reconocidos de asistentes de voz son Siri (Apple), Google Assistant (Google), Cortana (Microsoft) o Alexa (Amazon). Existen muchos más tipos de asistentes y algunos están orientados de forma exclusiva al sector industrial. Se utilizan para la comunicación con máquinas mediante órdenes de voz. Un reto importante al que se enfrenta el procesamiento del lenguaje natural es la amplia variedad de lenguajes con diferentes reglas gramaticales y variaciones regionales. Como consecuencia, los algoritmos de procesamiento del lenguaje natural tienen que estar adaptados específicamente a cada idioma. — Las herramientas de análisis semántico también están dotadas de inteligencia artificial y su objetivo es comprender el significado de un texto escrito o una frase hablada, pudiendo valorar no solo su significado, sino también las emociones u otros factores. Este tipo de herramientas se utilizan para detectar mensajes relevantes en cuentas de correo electrónico o en redes sociales. Cuando una empresa recibe cientos de mensajes y correos al día, utiliza este tipo de sistemas para cribar los mensajes relevantes y evitar así que un trabajador humano tenga que revisar cada uno de estos textos. — Un chatbot te permite a través de algoritmos de inteligencia artificial dar respuesta a las preguntas que te hace una persona mediante chats de texto, como 59

ocurre en muchas páginas web, o mediante conversaciones por voz. Se trata de un grado básico de inteligencia artificial en el que solo se puede dar respuesta a preguntas previamente definidas. Se suele utilizar para ofrecer contestaciones básicas y habituales, limitando la intervención del personal humano a cuestiones más complejas. Según Accenture, en España un 57 % de consumidores interactúa con sus proveedores a través de chats o mensajes online al menos una vez al mes, 16 puntos porcentuales más que en Europa. Y de estos, el 83 % declara que les resulta más sencillo ponerse en contacto con ellos gracias a estos nuevos métodos 61 . — Los bots son programas informáticos que efectúan automáticamente tareas repetitivas, generalmente a través de Internet. Un ejemplo de bot son los rastreadores de los motores de búsqueda de Internet que recorren las páginas web de forma automática y recopilan información de manera rápida y efectiva. 2.9.3. Sistemas de aprendizaje Existen diferentes métodos que propician el aprendizaje de los sistemas de inteligencia artificial: — En el aprendizaje supervisado (supervised machine learning) se genera un modelo predictivo, basado en datos de entrada (inputs) y de salida (outputs). Los datos han sido previamente etiquetados y clasificados, y con este grupo de datos, denominados datos de entrenamiento, se realiza el ajuste al modelo inicial planteado. El algoritmo aprende a clasificar las muestras de entrada comparando el resultado del modelo y la etiqueta real de la muestra, realizando las compensaciones respectivas al modelo de acuerdo con cada error en la estimación del resultado. — En el aprendizaje no supervisado (unsupervised machine learning) los algoritmos ajustan su modelo predictivo tomando en cuenta solamente los datos de entrada, sin importar los de salida. Es decir, a diferencia del supervisado, los datos de entrada no están clasificados ni etiquetados. Dentro de este tipo de algoritmos el agrupamiento o clustering en inglés es el más utilizado, ya que particiona los datos en grupos que posean características similares entre sí. — En el aprendizaje por refuerzo (reinforcement learning) los algoritmos definen modelos y funciones enfocadas a recibir recompensas basadas en acciones acertadas. Es el más cercano a la inteligencia humana, y puede usarse para hacer que los robots u otros dispositivos aprendan a realizar diferentes tareas. 2.9.4. El impacto de la inteligencia artificial 60

Según un estudio de Accenture sobre el impacto de la inteligencia artificial en 12 economías desarrolladas, la IA podría llegar a duplicar las tasas anuales de crecimiento económico en 2035, cambiando la naturaleza del trabajo y estableciendo una nueva relación entre el hombre y la máquina. Se prevé que el impacto de la inteligencia artificial en los negocios aumentará la productividad del trabajo hasta en un 40 % y permitirá a las personas hacer un uso más eficiente de su tiempo. En el caso de España, la inteligencia artificial supondrá un incremento de la productividad laboral de un 11 % adicional al previsto para 2035. La IA permitirá pasar en 2035 de una tasa de crecimiento anual del 1,7 % del PIB a una cercana al 2,5 % 62 . Por otra parte, un informe elaborado por PwC calcula que en 2020 más del 80 % de las empresas usarán la IA. En la actualidad el 46 % de las grandes empresas españolas tienen en marcha algún tipo de proyecto piloto basado en inteligencia artificial, aunque únicamente un 11 % están viendo resultados 63 . 2.9.5. Retos de la inteligencia artificial La inteligencia artificial se enfrenta a retos importantes. Uno de los principales es la existencia de prejuicios éticos y sociolaborales a su aplicación. La automatización de procesos que hasta ahora han sido llevados a cabo por trabajadores humanos supondrá la destrucción y la transformación de muchos empleos. Por contra, los sectores favorables al uso de la IA en el ámbito industrial consideran que esta destruirá puestos de trabajo no cualificados, pero creará nuevos puestos laborales basados en la necesidad de captar datos, analizar esos datos, implementar los algoritmos de inteligencia artificial o supervisar su funcionamiento. Por otra parte, existe un miedo generalizado centrado en los límites del conocimiento de la inteligencia artificial y de que esta pueda sobrepasar a la humana, con las consecuencias que ello conllevaría. También preocupa qué ocurrirá con esa enorme cantidad de datos que gestionan los sistemas de inteligencia artificial y qué herramientas habría que poner en marcha para preservar su privacidad. La Comisión Europea está trabajando en un proyecto sobre Pautas éticas de la inteligencia artificial realizado por un grupo de expertos de alto nivel sobre IA. En su opinión, la inteligencia artificial es una de las fuerzas más transformadoras de nuestro tiempo y está destinada a alterar el tejido de la sociedad. Presenta una gran oportunidad para aumentar la prosperidad y el crecimiento que Europa debe esforzarse por lograr. Durante la última década se consiguieron grandes avances debido a la disponibilidad de vastas cantidades de datos digitales, arquitecturas de computación poderosas y avances en técnicas de IA como el aprendizaje automático 64 . Según este grupo de expertos, los principales desarrollos habilitados por la inteligencia artificial en los vehículos autónomos, la asistencia sanitaria, la robótica, la 61

educación o la ciberseguridad están mejorando la calidad de nuestras vidas todos los días. Además, la IA es clave para abordar muchos de los grandes desafíos a los que se enfrenta el mundo, como la salud y el bienestar globales, el cambio climático, los sistemas legales y otros expresados en los Objetivos de Desarrollo Sostenible de las Naciones Unidas. Al tener la capacidad de generar tremendos beneficios para las personas y la sociedad, la IA también genera ciertos riesgos que deben ser gestionados adecuadamente, reconocen desde la Unión Europea. En su opinión, la IA confiable debe tener dos componentes: respetar los derechos fundamentales, la regulación aplicable y los principios y valores fundamentales, asegurando un propósito ético, y debe ser técnicamente robusta y confiable, ya que, incluso con buenas intenciones, puede causar daños involuntarios. Hay que asegurarse de que la inteligencia artificial esté centrada en el ser humano. En la IA se deben desarrollar, implementar y reflejar los derechos fundamentales, los valores sociales y los principios éticos de hacer el bien y no hacer daño, fomentar la autonomía de los seres humanos y la justicia. Hay que prestar especial atención a las situaciones que involucran a grupos más vulnerables como niños, personas con discapacidades o minorías, o a situaciones con asimetrías de poder o información como entre empleadores y empleados, o empresas y consumidores. En este proyecto europeo ha suscitado cierta polémica la identificación sin consentimiento. La inteligencia artificial, en especial la visión artificial, permite una identificación cada vez más eficiente de personas individuales por entidades públicas o privadas. En opinión de la Comisión Europea, se necesita un uso proporcionado de las técnicas de control en la IA para defender la autonomía de los ciudadanos europeos. La diferenciación entre la identificación de un individuo frente al rastreo y seguimiento, y entre la vigilancia dirigida y la vigilancia masiva, será crucial para el logro de la IA confiable. A este respecto, puede recordarse el artículo 6 del Reglamento General de Protección de Datos, que establece que el procesamiento de datos solo será legal si tiene una base jurídica válida. Cuando la aplicación de tales tecnologías no está claramente justificada por la ley existente o la protección de los valores fundamentales, la identificación automática genera grandes preocupaciones tanto de naturaleza legal como ética, y el supuesto predeterminado es que no se ha otorgado el consentimiento para la identificación. Esto también se aplica al uso de datos personales anónimos que se pueden volver a personalizar. Otra cuestión que causa controversia son los sistemas de inteligencia artificial encubiertos. Un humano siempre tiene que saber si está interactuando con otro humano o con una máquina/software, y es responsabilidad de los desarrolladores e implementadores de inteligencia artificial que esto se logre de manera confiable. De lo contrario, las personas con el poder de controlar la IA pueden potencialmente manipular a los humanos en una escala sin precedentes. Por lo tanto, los desarrolladores e implementadores de inteligencia artificial deben asegurarse de que los seres humanos 62

estén informados o sean capaces de solicitar y validar el hecho de que interactúan con una identidad de inteligencia artificial. En cuanto a los pasos a adoptar respecto a la IA, se recomienda integrar la inteligencia humana con la de las máquinas de manera que puedan coexistir en una relación de aprendizaje recíproco, fomentar una regulación impulsada por la inteligencia artificial para crear y actualizar leyes de adaptación y normas mejoradas que permitan acortar la distancia entre los cambios tecnológicos y las respuestas en materia de regulación, abogar por un código ético propio que se materialice en normas tangibles y mejores prácticas en el desarrollo y el uso de máquinas inteligentes y, por último, abordar los efectos de redistribución y estimar qué impacto puede tener la IA en los grupos sociales más desfavorecidos por las transformación digital. 2.9.6. Ejemplos reales del uso de inteligencia artificial en la industria Existen muchos ejemplos de utilización de sistemas de inteligencia artificial en el sector industrial. Por una parte, tenemos inteligencia artificial vinculada con el análisis de datos. Gracias a esta información de la que alimentamos a la IA, es capaz de proponernos mejoras en los procesos para reducir costes, tiempos de producción u optimizar el consumo energético. Le facilitamos información (datos) sobre nuestros procesos y en función de su programación, experiencia, conocimiento y la información, los algoritmos nos pueden proponer determinadas mejoras. Se trata de un uso más o menos habitual de la inteligencia artificial aplicada a la industria. Otra opción es aplicar inteligencia artificial al funcionamiento y mantenimiento de determinadas máquinas. Una vez más, alimentamos la IA con datos sobre el funcionamiento de una máquina y, basándose en tablas históricas y otras variables, es capaz de ofrecernos conclusiones sobre cuándo puede sufrir un problema o cuándo hay que llevar a cabo un mantenimiento. Este mantenimiento predictivo y proactivo se puede ofrecer a nuestros clientes como un valor añadido en la venta de cualquier tipo de producto del que se puedan captar datos sobre su funcionamiento (servitización). Otro ejemplo se centra en la combinación de datos internos, procedentes de nuestras máquinas, junto a datos externos. Hay compañías que pueden prever la cantidad de energía que va a generar un parque eólico o solar combinando una analítica de datos de funcionamiento de los rotores o los captadores solares, junto con tablas históricas de incidencia del viento o el sol, así como las predicciones meteorológicas. Ese análisis nos puede ofrecer información sobre qué cantidad de energía podemos generar e incluso indicarnos cuándo es el momento adecuado para realizar un mantenimiento ya que no se prevé incidencia de sol o viento. Hablando del tiempo meteorológico. Una multinacional del sector eléctrico ha desarrollado un sistema de inteligencia artificial que le permite determinar con un grado de acierto del 85 % en qué puntos de su red eléctrica de Estados Unidos se pueden 63

producir incidencias como consecuencia de tormentas, tornados o huracanes. Con base en datos históricos meteorológicos de los últimos cinco años, combinados con la predicción actual del tiempo, más información sobre el estado de las redes eléctricas, han conseguido determinar en qué lugares puede tener un mayor impacto un fenómeno meteorológico adverso, que pueda ocasionar la caída de la red eléctrica. Obviamente, esta herramienta no permite frenar la acción de una tormenta o un tornado, pero sí consigue que se pongan en marcha herramientas de prevención, como desplazar un equipo técnico al lugar antes de que el incidente ocurra y así llevar a cabo las tareas de reparación de forma más rápida. Los digital twins o gemelos digitales son otro ejemplo de implementación de sistemas de inteligencia artificial. Se pueden definir como una réplica digital de activos físicos, procesos, espacios, sistemas y dispositivos reales que se pueden utilizar para varios propósitos. Por una parte, tenemos el sistema u objeto real, y por otra una réplica virtual que contiene toda la información del sistema físico, basada en sus características técnicas y sus datos de funcionamiento recopilados por distintos tipos de sensores. Hay gemelos digitales vinculados con las ciudades, con plantas de fabricación o con productos complejos como el motor de un automóvil o una aeronave. La inteligencia artificial nos permite aplicar nuevos condicionantes sobre esos procesos o bienes y ver qué ocurre. Por ejemplo, tenemos el gemelo digital de un motor. En vez de forzar las revoluciones de un motor real podemos forzar esta réplica digital y prever qué va a ocurrir y cuándo va a ocurrir, con el ahorro de costes que ello supone. En el caso de una ciudad, podemos simular qué ocurre en una calle en caso de una gran densidad de personas o vehículos y, gracias a la inteligencia artificial, determinar qué soluciones se pueden llevar a cabo para que tenga un menor impacto. Respecto a la visión artificial, un ejemplo muy claro es el del coche autónomo. Las cámaras son capaces de reconocer señales para adaptarse a la velocidad adecuada, las líneas de la calzada para no salirse de ella e incluso posibles obstáculos. Es más, la inteligencia artificial es capaz de predecir si una persona que se acerca a la calzada va a atravesarla o no, y ajustar la velocidad o parar el vehículo en función de su experiencia. Ya hay vehículos autónomos en zonas de logística que utilizan la inteligencia artificial para desplazar cargas. La visión artificial también se está empleando en la fabricación para el reconocimiento de piezas y para ver si se han mecanizado correctamente y en función de las especificaciones establecidas. También la usan para detectar la existencia de elementos no deseados. Por ejemplo, un fabricante de comida puede utilizar visión artificial para supervisar que no se cuela ningún objeto metálico que no cumpla con los requisitos, para verificar el cierre de envases o si el etiquetado es correcto. Del mismo modo, se emplea la visión artificial 3D para agrupar objetos en lotes. Una cámara de reconstrucción 3D junto a inteligencia artificial es capaz de reconstruir el volumen de un pescado, estimar su peso y clasificarlo para repartirlo junto a otros peces 64

en bandejas que tengan el mismo peso. Todo ello a altas velocidades y sin tocar ni pesar el pescado. La visión artificial también se emplea en el ámbito de la robótica para la detección de proximidad de trabajadores humanos o de determinadas piezas. Hablando de robótica, la próxima tendencia es que los algoritmos de inteligencia artificial permitan al robot aprender sin necesidad de que el programador haya introducido la totalidad de la secuencia de lo que tiene que hacer. Un robot de pintura es manejado remotamente por un operario con un joystick simulando el proceso de pintado de una pieza. El robot pinta y se mueve según las órdenes del operario y, basándose en ciertas repeticiones, el robot aprende los conceptos de lo que tiene que hacer para pintar. En un principio el robot será capaz de repetir lo que el operario hace, y en un futuro será capaz de pintar cualquier pieza gracias a la inteligencia artificial. La inteligencia artificial también se emplea en el ámbito de la ciberseguridad por parte de grandes corporaciones. Ya no se trata solamente de establecer contraseñas para el acceso a determinados servicios, sino de medir con inteligencia artificial el comportamiento del usuario: a qué hora intenta acceder, cuánto tiempo tarda en hacerlo, desde dónde lo hace, a dónde se va después. Con base en experiencias anteriores, la inteligencia artificial puede detectar comportamientos anómalos, más allá de que el nombre de usuario y la clave sean las correctas. Otros ejemplos en los que se utiliza inteligencia artificial son en el contacto con los clientes. Desde chatbots para ayudar a las personas que navegan por nuestra página web, hasta asistentes virtuales telefónicos que son capaces de entender lo que el interlocutor les dice y ofrecerles respuestas predeterminadas. También se utiliza la inteligencia artificial en los procesos de selección de personal. Cada vez hay más ejemplos de herramientas de gamificación, como videojuegos, que tienen que afrontar los futuros empleados. Gracias a la IA es posible detectar en esos juegos las cualidades y los valores que busca la empresa. Obviamente, la decisión final es del departamento de recursos humanos, pero herramientas de este tipo sirven para hacer un filtrado importante de las candidaturas. Y la inteligencia artificial también se utiliza para detectar necesidades de formación de los empleados. Mediante procesos de gamificación es posible localizar estos déficits de formación y la propia inteligencia artificial se encargaría de recomendar determinados contenidos para mejorar esa formación. Los usos de la IA son casi ilimitados.

2.10. Big data 2.10.1. Definición El big data consiste en la recolección, gestión y análisis a alta velocidad de grandes, dinámicos y heterogéneos volúmenes de datos generados por usuarios y máquinas, que debido a su tamaño y complejidad superan las capacidades de 65

procesamiento de las herramientas de software tradicionales, por lo que requieren técnicas innovadoras para su procesamiento y tratamiento. A la hora de hablar de procesos de analítica de datos se utiliza el término big data, pero las empresas especializadas prefieren emplear el concepto de smart data ya que la cantidad de datos que se pueden captar hoy en día es inmensa pero, de todos ellos, solo unos pocos son los valiosos y los que pueden ofrecer ventajas competitivas. También se suele utilizar el término small data cuando el conjunto de datos a analizar es relativamente pequeño. Aunque no son lo mismo, sí se suele correlacionar los términos big data y data mining. Data mining es el proceso de identificación de toda la información que es relevante y es extraída de grandes cantidades de datos. El objetivo de esta extracción es descubrir patrones y tendencias estructurando la información que se ha obtenido de una manera que sea comprensible para su utilización. El data mining reúne las ventajas de varias áreas como la inteligencia artificial, la estadística, las bases de datos, la computación gráfica y el procesamiento masivo. La ciencia de datos o data science es un campo especializado que combina áreas múltiples como estadísticas, matemáticas, técnicas de captura de datos, limpieza de datos, minería y programación para preparar y alinear grandes cantidades de datos para un análisis de cara a obtener información. Otro término vinculado con big data es el denominado business intelligence o inteligencia de negocio. Se puede definir como la aplicación de procesos y herramientas tecnológicas orientadas a transformar los datos almacenados de la empresa en información útil para generar planes o estrategias comerciales. Las aplicaciones business intelligence están pensadas para almacenar, operar y cruzar datos, pero no están preparadas para la gestión de estos. Están enfocadas en el análisis de datos históricos de la empresa, pero no son capaces de registrar datos en tiempo real de fuentes de datos variadas, con una arquitectura diferente y distribuidos en múltiples servidores. 2.10.2. Generación y gestión de datos Dicen que los datos son el nuevo oro o petróleo del siglo xxi, ya que pueden ayudar a las empresas en su mejora competitiva y reducir los costes de fabricación y comercialización. En este contexto, recopilar y preservar los datos se ha convertido en una prioridad. Hay muchos tipos de datos. Según un estudio de IBM, cada día se procesan 2,5 trillones de bytes de datos 65 . Esos datos pueden ser desde simples cookies de navegación por Internet hasta complejos informes sobre el proceso de fabricación de una pieza. En los últimos cuatro años se ha creado más del 90 % de toda la cantidad de datos digitales que existen en el mundo. Esto pone de manifiesto que la analítica de datos está adquiriendo una relevancia cada vez mayor en diferentes sectores de nuestra sociedad. 66

La generación de datos y su análisis es fruto de bastante controversia por el conocimiento que tienen las empresas de nuestros gustos y preferencias. Existen herramientas publicitarias que recopilan nuestros datos de navegación por Internet para ofrecernos propuestas de compra en función de las páginas web que hemos visitado o las búsquedas que hemos realizado. Las redes sociales también recopilan datos de todo tipo. Nuestros teléfonos móviles proporcionan información de geoposicionamiento. En realidad, cualquier dispositivo con conectividad como un smartwatch o una pulsera inteligente están generando y recopilando datos. Y, por supuesto, las aplicaciones que tenemos instaladas en nuestros smartphones, tablets u ordenadores. Se pueden considerar como datos mensajes de correo electrónico, archivos pdf, vídeos, audios, etc. Data management o gestión de datos es el proceso que incluye la adquisición, validación, almacenamiento, protección y procesamiento de los datos necesarios para garantizar la accesibilidad, fiabilidad y puntualidad de los mismos por parte de los usuarios. Según los expertos, el análisis de datos requiere de estrategias claras y realistas por parte de las empresas. Consideran que antes de poner en marcha un sistema o estrategia de big data para un proceso industrial hay que estudiar la propia empresa, determinar qué elementos queremos someter a análisis y monitorización, ver si es posible implementar sistemas de monitorización de datos y crear interfaces sencillas para poder interpretarlos de forma correcta. Se puede lograr el cambio en función de cómo recojamos los datos, los validemos, los protejamos, los analicemos, y cómo los proyectemos y transformemos en información. Si un dato no es fiable, objetivo o contextualizable, la analítica va a ser poco valiosa. Cualquier proceso de gestión de datos se basa en diferentes premisas: capturar, almacenar, proteger y asegurar la integridad de los datos. Antes de poner en marcha cualquier sistema de data management será necesario entender las necesidades de información de la empresa. Habitualmente, el data management utiliza una gestión de datos maestros, denominado master data management (MDM). Un archivo de datos maestros proporciona una definición común de un activo y todas sus propiedades de datos en un esfuerzo por eliminar las políticas de datos ambiguos o en competencia con otros. 2.10.3. Las dimensiones del big data El big data se compone de cinco dimensiones conocidas como las 5 V: — Volumen. Se refiere al tamaño de las cantidades de datos que se generan actualmente, y que suponen retos de análisis y tecnológicos para su captación y tratamiento. — Velocidad. El flujo de datos es masivo y constante. En muchas ocasiones la 67

captación de datos, su envío a servidores de almacenamiento y la extracción de la información se realiza en tiempo real. — Variedad. El origen de los datos es heterogéneo. En el entorno industrial proceden de diferentes tipos de dispositivos, pero también pueden tener su origen en dispositivos inteligentes, redes sociales, mensajes de correo electrónico, hojas de cálculo, bases de datos y otras muchas áreas. En analítica de datos existen dos tipos de datos: estructurados y no estructurados. Los estructurados son archivos de información que pueden ordenarse y procesarse fácilmente, y que se suelen mostrar en filas y columnas con títulos. Para su tratamiento se emplean las bases de datos relacionales (SQL) formadas por bases de datos con tablas y filas que contienen campos estructurados. Sin embargo, se calcula que el 70 % de la información relevante para un negocio se origina en forma no estructurada, principalmente en formato texto. Los datos no estructurados son archivos que no tienen una estructura interna identificable. Es un conglomerado de objetos que no tienen valor hasta que se identifican y almacenan de manera organizada. NoSQL es una forma de almacenamiento no estructurado en la que las bases de datos no disponen de una tabla fija como las que sí se encuentran en las bases de datos relacionales, lo que les permite una alta escalabilidad. — Veracidad. El gran volumen de datos que se genera puede hacer que dudemos del grado de veracidad de todos ellos, ya que la variedad de los datos provoca que muchos de ellos lleguen incompletos o incorrectos. Estos datos deben ser limpiados y analizados. La incertidumbre en cuanto a la veracidad de los datos puede causar ciertas dudas sobre su calidad y su disponibilidad en un futuro. — Valor. El valor que generan los datos una vez convertidos en información es fundamental. Con ese valor las empresas tienen la oportunidad de sacar el máximo partido a los datos para introducir mejoras en su gestión, monitorizar procesos y máquinas, desarrollar modelos de servitización o aumentar la relación con el público. 2.10.4. Etapas del big data En un proceso de analítica de datos confluyen diferentes etapas y tecnologías. — Captura. Los datos pueden proceder de diferentes fuentes: redes sociales, dispositivos IoT, máquinas, usuarios... En el ámbito industrial las principales fuentes de captación de datos son los sensores, PLC, SCADA u otros dispositivos vinculados con Internet de las Cosas. — Transporte. Estos dispositivos que generan y captan datos suelen enviar la 68

información a través de redes inalámbricas de distinto alcance: Internet, Bluetooth, Ultrawideband, SigFox, LoRa, etc. — Almacenamiento. Dada la gran cantidad de datos que se captan, los sistemas de almacenamiento clásicos no son suficientes y por ello es necesario dotarse de un CPD propio (centro de procesamiento de datos), utilizar la nube (cloud) o distribuir los datos entre diferentes equipos utilizando uno de ellos como nodo central. En cuanto al tipo de almacenamiento, se utilizaría una base de datos relacionales SQL si los datos son estructurados y, si no lo son, una base NoSQL con almacenamiento clave-valor u orientado a columnas. — Transformación. Los procesos de extracción, transformación y carga de los datos (ETL) consumen entre el 60 % y el 80 % del tiempo de los proyectos. Comprende las fases de depuración de los datos, enriquecimiento de estos, corrección, filtrado y selección de los datos relevantes para el objetivo del proyecto. — Análisis. Para analizar una gran cantidad de datos es necesario utilizar algoritmos de inteligencia artificial. En este sentido, es muy importante tener claro el problema al que nos enfrentamos, elegir un algoritmo acorde al mismo y realizar un buen entrenamiento y testeo de este. — Actuación. En algunos casos, es posible implementar automatismos para, en función de la analítica, establecer controles automáticos sobre máquinas o procesos. Por ejemplo, si se detecta en tiempo real un fallo en una máquina o en un objeto fabricado, se puede paralizar la planta para corregir el error. — Visualización. Tras el proceso de análisis es necesario crear herramientas de software o interfaces que permitan una visualización clara de la información para que los responsables de planta puedan tomar las decisiones más adecuadas en función de las conclusiones del análisis. 2.10.5. Usos del big data La analítica de datos es un elemento fundamental de la servitización o la posibilidad de que el fabricante pueda ofrecer servicios añadidos a sus clientes basados en la recopilación de datos de un producto vendido. Gracias a esa información recopilada en tiempo real se puede prever, por ejemplo, que una impresora se está quedando sin tinta, que un neumático está bajo de presión o que una máquina puede funcionar de manera más eficiente. El fabricante recopila esa información y ofrece a sus clientes servicios añadidos como alertas de mal funcionamiento, reposición de piezas o recambios, e incluso una garantía de horas de uso de una máquina o de un motor, encargándose del mantenimiento y asegurando un correcto funcionamiento en cada momento. El principal obstáculo de los modelos de servitización vinculados con los datos es que son muchas las empresas reacias a compartir la información que generan los productos o máquinas que han adquirido ya que consideran que esto puede suponer una desventaja competitiva. 69

Es norma general firmar contratos de confidencialidad en los que el fabricante y el cliente garantizan la privacidad de los datos captados. Si hasta ahora hablábamos de mantenimiento preventivo, en el que se realizaba una supervisión de las máquinas para comprobar si estaban en buen estado, el siguiente paso es el mantenimiento predictivo, gracias al cual es posible predecir un mal funcionamiento basándose en un histórico de datos recopilados. Por otro lado, el mantenimiento proactivo no solo advierte de posibles fallos, sino que investiga las causas de esos errores en función de los datos que ha recogido. Todo ello sin olvidarnos de la trazabilidad, datos recopilados por sensores u otros dispositivos durante el proceso de fabricación que indican al cliente los diferentes procesos a los que ha sido sometido un producto a lo largo de la cadena de producción, y cómo ha cumplido con los estándares establecidos durante su creación, almacenaje y traslado, hasta que ha llegado al cliente final. La trazabilidad consigue garantizar la calidad de cualquier producto. Otro ámbito de utilidad de los datos es la seguridad laboral. Tenemos dispositivos que permiten conocer en todo momento en qué lugar de una fábrica se encuentra un operario (wearables o dispositivos vestibles) y detectar su proximidad a robots u otro tipo de máquinas, para alertarle en caso de posible riesgo. Se trata de recoger datos y prever, en función de otras experiencias, qué puede suceder y advertir antes de que esto ocurra. El big data o smart data en la industria no se orienta solo a los procesos de fabricación. La analítica de datos tiene importantes aplicaciones a la hora de mejorar las relaciones con los clientes, recopilando datos históricos de campañas de ventas, las propias bases de datos de los clientes, la puesta en marcha de estrategias de marketing o la mejora de la logística para saber en todo momento dónde se encuentra el producto que hemos vendido. La analítica de datos tiene numerosas aplicaciones y estamos en un momento en el que es importante tener la mente abierta para aplicarla a todos aquellos aspectos que puedan permitir un mejor funcionamiento de cualquier industria y, en la medida de lo posible, reducir los costes, mejorar el mantenimiento de máquinas y procesos, y comercializar productos de mayor calidad y valor añadido.

2.11. Sistemas de visualización y gestión de datos Las herramientas para visualizar y gestionar los datos que captamos en nuestras máquinas y procesos, o las que nos ofrecen información una vez implementamos sistemas de analítica sobre esos datos, son el último elemento en cualquier proyecto de big data. De poco sirve disponer de gran cantidad de datos sobre nuestra fabricación si no contamos con herramientas visuales que nos permitan interpretar esa información y 70

detectar si está ocurriendo alguna anomalía. De ello se encargan diferentes tipos de software e interfaces. — Un ERP para la planificación de recursos empresariales (enterprise resources planning) es un software empresarial de uso y procedimientos internos que no repercuten directamente en la relación con los clientes. Un ERP trabaja en el intercambio de información entre departamentos y el control de estos para ayudar a reducir costes de producción, controlar los stocks, supervisar las ventas, monitorizar las facturas y administrar la contabilidad o las nóminas. Un ERP es un software complejo que se instala en empresas de tamaño mediano y grande ya que representa una inversión económica importante y también implica cierto nivel de formación para que los datos de los que se alimenta sean los adecuados. — Un CRM (customer relationship management) es un software que afecta directamente a la relación con los clientes y los procesos externos. La finalidad del CRM es ordenar la información del cliente, ponerla en el centro de la empresa, ayudar en la gestión o seguimiento comercial y poder trazar estrategias tanto de ventas como de marketing. CRM hace referencia a un modelo de negocio que busca identificar los leads más valiosos para la empresa y gestionar sus relaciones de una forma eficiente y resolutiva. A través de un CRM podemos automatizar los procesos de venta, realizar seguimientos de estos, almacenar información de clientes o crear segmentos para distintos objetivos en marketing o ventas. El CRM es clave para el correcto desempeño del departamento comercial de cualquier empresa, especialmente en las pymes, acostumbradas a trabajar con Excel, ya que ayuda a profesionalizar el ciclo de ventas y realizar un seguimiento certero y personal a cada lead para acabar por ofrecer mejores resultados en venta. — Los sistemas de ejecución de fabricación MES (manufacturing execution system por sus siglas en inglés) son herramientas de software utilizadas en la fabricación para rastrear y documentar la transformación de materias primas en productos terminados. Los datos que utilizan para el MES son los mismos que se emplean para los procesos de desarrollo de sistemas de ejecución (PDES). Sin embargo, un PDES se utiliza para desarrollar los procesos de producción, mientras que MES es utilizado para ejecutar y monitorizar la producción real utilizando los procesos desarrollados. Un sistema MES captura la información de forma directa y allá donde se produce, asegurando la fiabilidad y precisión de la medición de costes. Una vez ha capturado información fiable, el MES gestiona y explota la información de costes, unificándola con el resto de la organización. MES es capaz de identificar las pérdidas de eficiencia, clasificarlas y categorizarlas para mejorar la toma de 71

decisiones. Un sistema MES impacta sobre cuestiones como: • La producción. Permite gestionar, rastrear y supervisar en tiempo real todas las actividades realizadas en la planta. • Stock y cadenas de suministro. Gestiona todas las entradas y salidas de materiales y permite al usuario tener acceso a la información actualizada sobre la disponibilidad. • Mantenimiento. Monitoriza las actividades de mantenimiento llevadas a cabo por operadores, con el objetivo de reducir los costes de mantenimiento, reducir tiempos muertos, mejorar la disponibilidad de todos los activos de la compañía y mejorar la calidad de los productos. • Calidad. Monitoriza automáticamente los parámetros detectados durante las operaciones de producción para garantizar la conformidad de los productos y su trazabilidad. Los sistemas MES se pueden integrar a un ERP. — Un sistema GMAO (gestión del mantenimiento asistido por ordenador) es un software que permite la gestión y mantenimiento de activos de una empresa. Sus principales funciones se centran en la gestión de equipos e instalaciones, control de incidencias y averías de cada activo creando un historial de movimientos, programación de las revisiones y tareas de mantenimiento, control de stocks en almacén, generación y seguimiento de órdenes de trabajo para los técnicos de mantenimiento, administración de costos e indicadores clave de rendimiento, gestión de adquisiciones y personal. — La interfaz hombre-máquina (human-machine interface o HMI) es la interfaz visual entre la máquina, el proceso y los operadores. Es la herramienta principal con la cual los operadores y los supervisores de la línea coordinan y controlan los procesos industriales y de fabricación en la planta. Los gráficos visuales proporcionan un conocimiento operacional del proceso y permiten el control y la optimización mediante la regulación de los objetivos del proceso y la producción. Las HMI pueden ofrecer información sobre las condiciones a las que se está sometiendo una máquina o sus componentes, como temperatura, presión, caudal o nivel. En la interpretación y visualización de datos es también habitual encontrar herramientas de realidad virtual o realidad aumentada que permiten una supervisión con cierto grado de inmersión, lo que facilita la toma de decisiones. Además, casi todas las herramientas antes mencionadas ofrecen información en tiempo real y pueden consultarse de manera remota, desde cualquier parte del mundo, en cualquier momento y en todo tipo de dispositivos. 72

2.12. Otras tecnologías habilitadoras Además de las anteriormente mencionadas, existen otras tecnologías y paradigmas que están empezando a adquirir gran relevancia dentro de la Industria 4.0, si bien su impacto todavía es pequeño. Pasamos a describir algunas de ellas y sus posibles usos. 2.12.1. Drones 2.12.1.1. Definición Frecuentemente identificados como aparatos voladores controlados a distancia, realmente se puede considerar a un dron como cualquier tipo de dispositivo, robot o aparato no tripulado, controlado de forma remota, capaz de volar, navegar, bucear o desplazarse sobre la superficie terrestre. Los más habituales son los drones aéreos, también conocidos como VANT (vehículo aéreo no tripulado). Desde hace unos años también se ha acuñado el término RPAS (siglas de Remotely Piloted Aircraft) para definir a los vehículos aéreos que se controlan a distancia. Esta denominación implica tanto al aparato como al piloto que se encarga de manejar los controles en remoto. La UVS International 66 , una asociación con sede en París que reúne a empresas relacionadas con el pilotaje remoto de diferentes tipos de aparatos, ha detectado 430 usos diferentes vinculados con los drones: desde los centrados en la grabación de imágenes, pasando por la agricultura de precisión, la protección del medioambiente, la seguridad, la supervisión de infraestructuras o tareas de logística. Los primeros drones se desarrollaron durante la Primera Guerra Mundial, en 1916, y su objetivo era entrenar a los artilleros ante posibles ataques de aparatos voladores como aviones o zepelines. Durante la Segunda Guerra Mundial se perfeccionó el manejo de estos aparatos para los mismos fines. Su avance en los últimos años también ha estado condicionado por su uso militar al dotarles de mayor autonomía y capacidades de disparo remoto de diferentes armas. 2.12.1.2. Tipos de drones voladores Los diferentes tipos de drones voladores se pueden englobar en dos grupos: — Drones de ala fija que poseen alas y son capaces de desplazarse por el aire y planear. Este tipo de drones tienen una estética muy similar a los aeromodelos de radiocontrol. La principal característica de estos drones es la gran autonomía que ofrecen ya que pueden estar volando durante varias horas gracias a su eficiencia aerodinámica. Los drones de ala fija son reconocibles por su uso militar para el 73

ataque y localización de objetivos desde el aire. En cuanto a su utilización en la industria, son ideales para mapear grandes superficies de terreno. A diferencia de los drones multirrotores, con este tipo de drones no es posible realizar vuelos estacionarios (67)67. — Los drones multirrotores son los más utilizados, y emplean entre dos y ocho multirrotores para despegar y aterrizar de forma vertical, lo que les permite operar desde cualquier lugar. Su principal inconveniente es que poseen una autonomía energética limitada que suele rondar los 20 minutos 68 . El futuro del uso de los drones en la producción industrial, en especial de los drones voladores, va a estar marcado por cambios referidos a los ámbitos normativo y tecnológico. Los operadores de drones apuestan porque se implemente una reglamentación más permisiva para que se puedan llevar a cabo ciertas operaciones que, hoy por hoy, no se pueden realizar. También debe producirse una evolución tecnológica para que los drones lleven nuevos sensores transpondedores y otro tipo de equipamientos que les permitan funcionar como si fuesen aviones, con todas las garantías de seguridad posibles. 2.12.1.3. Usos de los drones Los drones están adquiriendo cierto protagonismo en la Industria 4.0. Se emplean aparatos dotados de cámaras termográficas que son capaces de captar y recoger información sobre estructuras de las plantas de producción. Gracias a los drones podemos observar zonas a las que no se llega de forma habitual por estar en lugares inaccesibles o en altura. Con las imágenes termográficas detectamos elementos que pueden tener fallos, como elevadores o actuadores, o que tienen que soportar una carga estructural. Con un dron llevamos a cabo revisiones sin necesidad de parar la cadena de producción y sin riesgo para la seguridad de las personas. Otro uso de los drones en Industria 4.0 está relacionado con la logística para la localización de piezas o productos en grandes superficies de almacenaje a través de tecnologías como RFID. Se trata de unas pequeñas etiquetas que se pueden adherir a cualquier objeto y que ofrecen información sobre su uso o ubicación gracias a unas diminutas antenas que son capaces de transmitir información por radiofrecuencia. El dron puede captar esa emisión y ubicar dónde se encuentra ese componente. Esto es muy útil en instalaciones como centros de logística en puertos, grandes almacenes o espacios en los que se guardan paquetes o containers. Hay empresas que han desarrollado drones que permiten la carga y el transporte de mercancías de hasta 40 kg. Estos drones suelen ser más grandes y pesados de lo habitual, y disponen de hasta ocho motores y triple sistema de seguridad redundante para evitar accidentes. Es un concepto más complejo que el planteado por Amazon para el 74

reparto de pedidos a los compradores y que tiene menos barreras a nivel normativo que el de la multinacional estadounidense ya que se emplea en superficies de almacenaje delimitadas. Los drones también se usan con frecuencia en la agricultura de precisión. Se utilizan aparatos dotados de cámaras termográficas que son capaces de tomar imágenes NDVI de los cultivos. NDVI hace referencia por sus siglas en inglés al índice de vegetación de diferencia normalizada, y permite la evaluación en tiempo real del vigor del cultivo y del rendimiento clorofílico de las plantas. En cada vuelo se obtienen diferentes imágenes cenitales multiespectrales y termográficas, que permiten generar un mosaico u ortofoto, con escala de colores o mapa de reflectancia, del índice agronómico. Gracias a estos mapas el agricultor puede saber qué partes de su terreno están listas para cosechar y en cuáles aún es pronto o quizás tarde. Esto les permite detectar el estrés hídrico en cultivos para el manejo eficiente del agua, observar el estrés nutricional o la localización temprana de enfermedades y plagas 69 . Otro uso de los drones se centra en la plantación de semillas. En zonas de difícil acceso se utilizan drones para la reforestación de áreas, por ejemplo, tras un incendio. Ya se han desarrollado semillas inteligentes que son como pequeñas cápsulas con la semilla, agua y nutrientes, ideadas para que se desarrollen de forma autónoma según entren en contacto con la tierra. También se están empleando drones acuáticos para la recolección de información sobre el estado del agua en los ríos o en el mar, y para la supervisión de estructuras sumergidas como puertos o embalses. Otro uso de aparatos controlados de forma remota se centra en llegar a lugares de difícil acceso sea por agua o por tierra. 2.12.2. Blockchain El blockchain o cadena de bloques es una tecnología que facilita el intercambio de información digital entre los miembros de una plataforma denominada red blockchain. Esa información está protegida criptográficamente y todos los participantes de esa red tienen acceso a los mismos datos, por lo que no pueden ser modificados sin el permiso de todos. No existe un administrador único que la pueda variar. Las ventajas principales de una cadena de bloques se centran en que la información no está centralizada en un único servidor y los datos no pueden ser alterados. El origen del blockchain se remonta a 2008 cuando un autor desconocido con el seudónimo de Satoshi Nakamoto definió los mecanismos para implementar la primera moneda virtual, el bitcoin, basados en las cadenas de bloques. Con posterioridad, las bases del blockchain se han utilizado para el lanzamiento de nuevas criptomonedas, propiciar la participación de consultas ciudadanas, realizar transacciones comerciales seguras, proteger datos e información, etc. Todavía no hay muchas aplicaciones de la cadena de bloques en la Industria 4.0, 75

aunque sí se empieza a trabajar en algunos proyectos relacionados con la trazabilidad de los bienes para ofrecer una información exhaustiva sobre su proceso de fabricación, ensamblado, almacenaje y transporte. En un entorno industrial el saber cómo han sido fabricadas las piezas o componentes es muy importante. El blockchain garantiza la verosimilitud de esos datos de trazabilidad ya que no se pueden modificar ni eliminar. Hasta ahora, algunos fabricantes o gestores de datos podían elegir qué tipo de información se proporcionaba en este sentido. Con una red blockchain eliminamos las dudas sobre qué ocurre con esa información. La cadena de bloques también tiene su aplicación en el Internet de las Cosas Industrial, propiciando la interrelación entre las máquinas. Una máquina genera cerca de 7.000 millones de datos en un año, y las arquitecturas de tráfico y entrada de datos son caras si generamos mucha información. Gracias a una blockchain diseñada para el mundo IoT, esa información estaría almacenada en diferentes lugares, entre los participantes de la plataforma, por lo que el riesgo de pérdida de los datos sería menor y los costes más asumibles. Además, algo que preocupa hoy en día es que muchos de los protocolos para la recogida de datos tienen sistemas de autentificación poco robustos. Con una cadena de bloques bien diseñada estos problemas de seguridad no existirían. Otra experiencia que aúna blockchain e Industria 4.0 se centra en las fábricas inteligentes o smart factories. Esta tecnología puede impulsar la creación de fábricas inteligentes que puedan cooperar entre ellas y delegar su producción entre fábricas o máquinas. Se pueden establecer smart contracts (contratos inteligentes) basados en cadenas de bloques que nos permitirán coordinar la logística, que se ejecuten los pagos cuando llega el pedido, o desarrollar market places industriales. En un market place de este tipo, un fabricante busca a proveedores para que le realicen un determinado componente basándose en unas calidades determinadas. La plataforma blockchain seleccionaría automáticamente la mejor oferta entre las existentes y se encargaría de hacer cumplir que se materialicen las condiciones en función de un smart contract. Gracias a plataformas de este tipo, las empresas podrán disminuir sus costes de producción y realizar series cortas, e incluso productos unitarios y customizados a un precio más económico. Es lo que se denomina la machine economy, es decir, la posibilidad de que las máquinas puedan tomar decisiones autónomas e interactuar con el contexto. Blockchain, la inteligencia artificial y los smart contracts lo permitirán. 2.12.3. Vehículos AGV, LGV, IGV y AIV Los AGV (automatic guided vehicle por sus siglas en inglés) son vehículos de guiado automático que se desplazan sin conductor y se mueven a través de sistemas como guías instaladas en el suelo, visión artificial o guiado láser. Generalmente se pueden definir como plataformas tractoras que sirven para trasladar cargas en zonas de almacenaje. La nueva generación de estos aparatos son los AIV (autonomous intelligent 76

vehicles), capaces de aprender y desplazarse de modo natural, sin elementos de guiado y que pueden evitar a las personas o colaborar con ellas 70 . Una de las aplicaciones más habituales en la que se están implantando los AGV es para el movimiento de cargas entre líneas de paletizado en sectores como la alimentación o la logística. Hay compañías internacionales que llevan a cabo todas las tareas de transporte de mercancías en sus almacenes mediante estos aparatos. Otro uso que está adquiriendo relevancia es su utilización en superficies expuestas a altas o bajas temperaturas, como zonas con hornos de secado o cámaras frigoríficas, para mover mercancías y de esa manera no exponer a trabajadores humanos a esas temperaturas. También se emplean en otros sectores como hospitales para el transporte de medicinas o comida. Los AGV se diferencian en función de sus sistemas de guiado, un elemento muy importante a la hora de su implantación en una industria, ya que las características del área por la que se van a desplazar son fundamentales. En este sentido podemos diferenciar los siguientes tipos: — Filoguiado es el sistema precursor y el más utilizado en la actualidad. El AGV se mueve guiándose por un hilo conductor instalado bajo el suelo. Estos cables enterrados a pocos centímetros del suelo están conectados a un emisor de baja frecuencia que produce una corriente inductiva que detectan los sensores instalados en el vehículo, denominados rack de guía. Es el método más sencillo, pero también el más limitado ya que el movimiento se circunscribe a la guía instalada en el suelo que, muchas veces, viene indicada como una línea de distinto color para que los trabajadores humanos puedan identificar el recorrido y evitar cruzarse en el camino de estas plataformas móviles. — Con el optoguiado el vehículo se desplaza guiándose por una tira de espejo que se extiende por el recorrido. Mediante un sistema catadióptrico compuesto por lentes y espejos detecta la ruta. La ventaja respecto al filoguiado es que no requiere hacer ningún tipo de obra o instalación en el suelo, y la modificación de rutas es más sencilla. — Existen AGV dotados de visión artificial. La plataforma móvil reconoce mediante visión artificial una tira de espejo catadióptrico, calculando y corrigiendo en cada instante la desviación existente entre el vehículo y la ruta. — Con el guiado láser o LGV, el vehículo va equipado con una unidad láser giratoria que realiza barridos, identificando en su entorno el mayor número de reflectores posibles para determinar su posición en el mapa de la instalación que tiene en la memoria. La principal ventaja de este método de guiado es la sencillez para modificar una ruta. Este detector de posición se puede sustituir por un sistema GPS de posicionamiento. — También se están empleando vehículos de guiado inercial o IGV que integran 77

electrónica avanzada basada en odómetros y giroscopios. Para ello se colocan discos magnéticos en el suelo para marcar los recorridos. Estos son leídos por los sensores colocados en los vehículos. La principal ventaja del IGV frente al AGV y el LGV es la flexibilidad y el reducido coste. Añadir discos magnéticos es menos intrusivo que un sistema de filoguiado y más barato que un sistema de navegación láser. — En la actualidad, además de las tecnologías mencionadas, están cobrando fuerza los sistemas de localización SLAM, por marcas visuales, e incluso por RFID, y la navegación se está afinando con el uso de la odometría mecánica o visual. — La nueva generación de estos vehículos son los AIV, vehículos autónomos inteligentes, capaces de aprender y navegar de modo natural, sin elementos de guiado, y dotados de tecnologías para evitar a las personas o colaborar con ellas. Todos estos vehículos, los AGV, LGV, IGV y los AIV, funcionan con baterías que les proporcionan una autonomía de varias horas. En lo que se refiere a las tendencias de futuro, los expertos prevén el desarrollo de AGV y AIV a los que se podrán incorporar robots colaborativos para realizar distintas tareas. Ya que los cobots son más pequeños que los robots tradicionales, pesan menos y pueden funcionar con baterías, se pueden embarcar en estas plataformas móviles para que realicen diferentes labores en planta como carga y descarga automática, e incluso puedan colaborar con los operarios. 2.12.4. Exoesqueletos Un exoesqueleto se podría definir como una especie de armadura que cubre las extremidades u otras zonas de nuestro cuerpo y que dispone de servomotores, sistemas hidráulicos o resortes de gas colocados en las articulaciones para inducir al movimiento. Al tratarse de una tecnología novedosa, aún faltan referentes para su identificación, pero sí que podemos encontrarlos en el mundo del cine. La armadura de Iron Man o los «trajes» militares de películas como Avatar o Al filo del mañana podrían ser ejemplos reconocibles de exoesqueletos 71 . Más allá de sus posibles usos en el ámbito militar, los exoesqueletos tienen su principal campo de aplicación en el sector de la salud. En el año 2000 el ingeniero Andrés Pedroza lanzó su primer prototipo de exoesqueleto bautizado como HAL (hybrid assistive limb), orientado a ayudar a las personas ancianas o con algún tipo de discapacidad a poder andar. También se han desarrollado exoesqueletos centrados en labores de rehabilitación de los miembros inferiores (piernas), superiores (brazos) o las rodillas. Incluso se pueden considerar como exoesqueletos guantes especiales para la rehabilitación de los dedos de una mano. En el entorno industrial se están probando diferentes tipos de exoesqueletos cuyo 78

objetivo es facilitar determinadas tareas a los operarios de planta, como la sujeción de objetos pesados o el mantenimiento de posiciones que pueden provocar fatiga o dolores. Se trata de mejorar el confort de los trabajadores y prevenir lesiones musculares. Algunos ejemplos son los dispositivos que se colocan en el tronco del cuerpo para trabajar en posiciones en las que el operario tiene los brazos elevados por encima de los hombros, como puede ocurrir en mantenimiento de troqueles, en instalaciones eléctricas o en la manipulación de cargas en altura. Este exoesqueleto actúa como un ingrávido que sustenta el peso de los brazos y de la pieza que estén sujetando en esa posición. Trabajan como si no existiese gravedad. De esta forma se evitan lesiones lumbares y cervicales. Son como una especie de mochila o arnés y, a diferencia de los exoesqueletos de rehabilitación, no tienen motores, sino que se basan en muelles de gas, lo que ofrece una libertad completa en los hombros. También hay exoesqueletos activos de cadera, con motores, para el levantamiento de cargas. Tienen servomotores, reductores, electrónica y batería, y permiten soporte lumbar. Cuando el empleado coge un peso en el suelo, el dispositivo ayuda a levantarlo hasta una determinada altura. Las principales limitaciones a las que se enfrentan los exoesqueletos en el sector industrial son la inexistencia de una normativa específica que regule su uso y la falta de estudios científicos que detallen sus ventajas o posibles inconvenientes. En el mundo clínico y de la salud, el uso de exoesqueletos sí está regulado por el marcado CE y es necesario realizar test clínicos que demuestren que el dispositivo tiene ventajas sobre las prácticas tradicionales. El mundo industrial no requiere de certificados y no existe normativa regulatoria. Las tendencias de futuro del sector de los exoesqueletos pasan por diseñar productos más ligeros, ya que el peso es una gran limitación para su uso. También es importante seguir mejorando las tecnologías de movimiento y la adaptación personalizada de este tipo de aparatos. 2.12.5. Wearables Los dispositivos wearables o vestibles, por su traducción al castellano, son aparatos electrónicos que podemos llevar encima para realizar una función concreta y con los que interactuamos. Estos dispositivos son capaces de captar datos sobre la persona que los lleva y su entorno, y también pueden ofrecer información a sus portadores. La clave de este tipo de aparatos es que sean capaces de generar y captar información en tiempo real y que tengan conectividad para enviar/recibir esos datos. Pueden utilizar redes como 3G, 4G, 5G, WiFi, RFID o Bluetooth, entre otras. Ejemplos de dispositivos vestibles podrían ser las pulseras o relojes inteligentes, aparatos colocados en la ropa, sistemas hápticos de control con los dedos o las manos, y 79

gafas, visores o aparatos HMD para visualizar entornos de realidad virtual, realidad aumentada o realidad mixta. — Los más utilizados en el sector industrial son las gafas de realidad virtual, aumentada y mixta como hemos mencionado en el capítulo dedicado a estas tecnologías. — Existen otros cascos inteligentes que permiten monitorizar constantes vitales y transmitir órdenes de trabajo directamente a los operarios y cuya función está ligada a la prevención de riesgos laborales y el mantenimiento de máquinas. — Se usan pulseras y relojes inteligentes que registran parámetros biométricos de los empleados de cara a supervisar cualquier tipo de anomalía en su salud. Gracias a elementos como los giroscopios, son capaces de detectar una caída del portador y alertar al centro de control. — Se han desarrollado pequeños dispositivos que se pueden adherir a la ropa o llevar sujetos sobre el cuerpo ideados para vibrar, sonar o iluminarse en el caso de que exista algún riesgo en la planta o que se haya cumplido un horario. Estas funcionalidades suelen estar sujetas a la acción de personal autorizado desde el centro de control. — Disponemos de dispositivos rastreadores en forma de PIN o collar que se utilizan para facilitar la localización de los trabajadores en planta. Este tipo de aparatos también se pueden emplear en el ámbito de la logística interna ya que permiten establecer las trayectorias más eficientes de elementos o de las personas en planta, para ganar tiempo y ser más eficaces. Esa información analizada mediante big data puede determinar los comportamientos más adecuados de los elementos en la fábrica: rutas de entrega de material, ubicación de robots y máquinas, etc. — Algunos operarios emplean pequeños ordenadores o smartphones montados sobre una muñequera que ofrecen información sobre los procesos de producción. — Hay guantes inteligentes que ayudan a los empleados a realizar ciertos trabajos como documentar la actividad que han llevado a cabo o corregir errores en caso de que se produzcan. — Disponemos de anillos que posibilitan introducir números y tomar notas en el aire. Esto permite al operario manejar datos sin alterar su actividad, con unos movimientos mínimos. — Incluso se comercializan camisetas inteligentes que integran en la misma tela sensores impresos de captura de movimientos que recorren las áreas que más sufren en posturas forzadas o incorrectas en el trabajo. Recogen la información y posteriormente la envían a una aplicación asociada para su análisis. 2.12.6. Sistemas biométricos 80

La entrada en vigor en mayo de 2019 del Real Decreto-Ley 8/2019, de medidas urgentes de protección social y de lucha contra la precariedad laboral en la jornada de trabajo 72 , contempla el registro obligatorio del horario de los trabajadores que debe incluir el horario concreto de inicio y finalización de la jornada realizada por cada trabajador. La norma requiere que la empresa conserve los datos consignados en los registros durante cuatro años, permaneciendo a disposición de los trabajadores, de sus representantes legales y de la Inspección de Trabajo y Seguridad Social. En caso de incumplimiento, las organizaciones se enfrentan a sanciones importantes. Esta obligación se suma a la que ya tienen las compañías de llevar un registro del horario de los empleados a tiempo parcial y de las horas extra. En este sentido, son muchos los entes que han apostado por la utilización de sistemas de control biométrico de los empleados, ya que estos se asocian a un único individuo; al contrario que el uso de contraseñas o tarjetas de acceso, de manera que es imposible suplantar la identidad de la persona. Los sistemas biométricos pueden identificar diferentes tipos de características físicas de los humanos como la huella dactilar, el iris, la retina, la forma de las manos, el patrón vascular o la forma de la cara. En la mayoría de estos casos, se emplean tecnologías basadas en inteligencia artificial capaces de reconocer objetos, caras, formas (visión artificial) o la voz. Mediante esta información pueden registrar la hora de entrada y de salida del operario, así como las pausas programadas o las horas extraordinarias. La aplicación de la biometría en la industria proporciona a las compañías un aumento en la eficiencia del control horario y una mayor sencillez en las tramitaciones remotas. 2.12.7. Eye tracking Eye tracking es un grupo de tecnologías cuyo objetivo es detectar el movimiento de los ojos de una persona con diferentes objetivos. Se suelen utilizar cámaras de vídeo o infrarrojos para supervisar el movimiento de los ojos y saber qué área concreta de una pantalla o monitor están observando. Uno de sus usos con mayor impacto social es permitir a personas sin movilidad en las manos interactuar con una pantalla de ordenador. Al fijar la mirada sobre un punto de la pantalla, como un enlace de una página web, el cursor se mueve hasta allí y el usuario, con tan solo guiñar un ojo u otro gesto, puede interactuar con ese punto (como hacer clic con el ratón). Incluso se han desarrollado smartphones que se pueden manejar tan solo con la mirada. También se suele emplear en campos como el marketing, el neuromarketing o la psicología para determinar cuánto tiempo pasa una persona observando un punto de un monitor y, en combinación con otros sensores biométricos, registrar su actitud ante lo que está observando. En el sector industrial tiene ya diferentes aplicaciones. Hay empresas que utilizan 81

sistemas de eye tracking para observar al conductor de un vehículo y detectar si tiene fatiga o se está quedando dormido. Si estima que cierra los ojos durante un cierto tiempo, estos sistemas emiten una alerta o hacen vibrar el asiento para despertar al conductor. También se puede aplicar a operarios que manejen otro tipo de máquinas o personas que pasen bastante tiempo delante de una pantalla y cuya labor sea importante (responsables de planta, controladores aéreos...). Otro uso en el que se está trabajando es en la posibilidad de controlar robots o drones tan solo con la mirada 73 . 2.12.8. UX/UI Se conoce como UX (siglas en inglés de User eXperience) a la experiencia de usuario, es decir, todo lo que una persona percibe al interactuar con un producto o servicio. En el ámbito industrial esta percepción se suele aplicar a la experiencia del operario a la hora de manejar un determinado software, una interfaz gráfica, un sistema de comunicación con una máquina, e incluso las interacciones que se pueden dar con un robot colaborativo u otro tipo de dispositivos. Por otra parte, UI hace referencia a la usabilidad centrada en la experiencia de un usuario a la hora de interactuar con una interfaz, por ejemplo, cuando realizamos una compra online. Usabilidad es solo una parte de la experiencia de usuario. Durante muchos años, las empresas han dado prioridad al desarrollo de soluciones hardware para realizar las tareas mientras que el software o las interfaces gráficas han pasado a una posición de menor relevancia. Se estimaba que aunque el diseño o la manejabilidad de estos elementos no fuese el mejor, el operario, tarde o temprano, se terminaría acostumbrando a su uso. Hoy en día, las cosas han cambiado, y ante la gran cantidad de datos e información que gestionan nuestros sistemas necesitamos herramientas (software, apps o interfaces gráficas) que nos ofrezcan las claves de una manera sencilla y accesible. Una interfaz o un software bien pensado y desarrollado logra que los operarios trabajen mejor y eso redunda en beneficios para la empresa. Para ello, los expertos en usabilidad y experiencia de usuario orientadas a la industria tienen en cuenta las necesidades propias de los humanos frente al software, sus condiciones de trabajo, las relaciones con otros humanos, sus necesidades de información, por medio de qué canales reciben esa información, y observan la satisfacción que le puede producir el uso de una determinada interfaz. Investigan todos los procesos que realiza esa persona, las operaciones, los canales o las herramientas, para lograr que esa satisfacción sea óptima. Por ejemplo, si estamos diseñando un software o interfaz gráfica para los empleados del área de logística, será determinante estudiar los escenarios o los entornos en los que se trabaja, cómo es el almacén, qué tipo de usuarios o trabajadores se relacionan en ese ámbito, qué herramientas se utilizan, 82

cómo son los flujos de trabajo y cuántas horas pasa un operario delante de una máquina o pantalla viendo dónde van los pedidos. Los factores a estudiar son numerosos y difieren en función de los distintos ámbitos, competencias y responsabilidades. La realidad aumentada y la realidad virtual han sido de las primeras en comprender la importancia de utilizar la experiencia de usuario para mejorar la forma de interactuar. Pero también podríamos hablar de los cobots (robots colaborativos), porque trabajar junto a un robot también va a suponer un aprendizaje, y se gesta una experiencia diferente en la que el usuario se tiene que acostumbrar a nuevos hábitos y formas de interactuar. También cambiará la interacción al utilizar herramientas de voz para comunicarnos con las máquinas. A la hora de hablar de experiencia de usuario aplicada al sector industrial, también se emplean los términos IPO (interacción persona-ordenador) o diseño de interacción. 2.12.9. Nuevos materiales y procesos En el futuro del desarrollo tecnológico van a tener un papel determinante los nuevos materiales y procesos que se están investigando desde hace años y que pueden suponer mejoras notables en la estructura física de los objetos o en sus capacidades. Uno de los nuevos materiales más mencionados en los últimos años es el grafeno. Su existencia es conocida desde los años treinta, pero no fue hasta el año 2004 cuando los científicos Andre Geim y Konstantín Novosiólov consiguieron aislar el grafeno a temperatura ambiente. El grafeno es un material con estructura de carbono 2D constituida por una sola capa de átomos de carbono sp2 en una red hexagonal. La forma en que se enlazan los átomos tiene un gran impacto en sus propiedades generales. Entre sus principales ventajas podemos destacar que su grosor, de tamaño nanométrico, le permite ser muy flexible a la vez que muy duro y resistente. Es más duro y resistente que el diamante y unas 100 veces más resistente que el acero a igualdad de espesor. Es flexible, elástico y maleable, de forma que admite elongaciones del 10 % de forma reversible y puede doblarse un 20 % sin sufrir daño alguno. Es muy denso e impermeable, incluso a la penetración de las moléculas más pequeñas que existen, las del gas helio, sin embargo, deja pasar el agua sin dificultad. Además, es autorreparable. Si una capa de grafeno pierde algunos átomos de carbono, los átomos cercanos al hueco pueden interactuar con átomos vecinos y reducir el tamaño de dicho espacio. Se estima que podría emplearse para la fabricación de todo tipo de dispositivos e incluso de grandes estructuras. Destacan también sus posibles aplicaciones en el campo de la electrónica ya que dispone de capacidad para almacenar energía, y podría dotar a las baterías de una mayor duración y un menor tiempo de carga. Asimismo, el grafeno es capaz de generar electricidad mediante energía solar. 83

Además del grafeno, grupos de investigadores de todo el mundo están trabajando sobre otros tipos de nanomateriales, como nanofibras o nanotubos de carbono, dotados de una gran versatilidad química y que son capaces de incorporar diferentes propiedades físicas como el magnetismo. Otro ámbito de investigación con gran impacto en la Industria 4.0 y en todos los sectores de la sociedad es el referido al de las baterías eléctricas. Hoy en día estamos rodeados de miles de aparatos que necesitan de baterías para poder funcionar. En muchos casos las baterías son de ion-litio (Li-Ion), la tecnología predominante en el mercado. Se trabaja en nuevos materiales que sean capaces de almacenar más energía en un mismo espacio, que logren autogenerar su propia energía y que puedan recargar la totalidad de su capacidad en el menor tiempo posible. Los expertos observan con atención las baterías de Ion-Sodio y otros tipos de nanomateriales. En los últimos años también se está hablando de materiales como el cuarzo para el almacenamiento de información. Hay investigadores que aseguran que este material podría preservar hasta 360 TB de datos en un disco con el mismo diámetro de un CD o un DVD, y que, además, tendría una vida útil de 13.800 millones de años. Como en el caso de la inteligencia artificial, la computación cuántica no es un concepto novedoso y ya fue definida en los años cincuenta, pero no fue hasta 2011 cuando se empezaron a ver los primeros desarrollos, y en 2015 se fabricó el primer ordenador cuántico funcional. Una computadora u ordenador cuántico utiliza qubits o cubits para realizar las operaciones en vez de los tradicionales bits de las computadoras clásicas, lo que le permite resolver cálculos mucho más rápido e incluso solucionar problemas que un ordenador convencional no podría desentrañar. Un qubit es la unidad mínima de la información cuántica. Mientras que un bit entrega resultados binarios en formato 0 o 1, el qubit puede dar resultados en 0, 1 e incluso ambos a la vez. Un ordenador cuántico trabaja con conceptos, algoritmos y tecnologías completamente diferentes a los que se usan en un ordenador binario. La computación cuántica todavía no es una tecnología madura: los ordenadores son enormes y requieren estar en instalaciones sin vibraciones y sujetos a bajas temperaturas. El estado actual de la computación cuántica recuerda a los primeros pasos de la informática actual 74 .

NOTAS 18 FDM o Modelado por Deposición Fundida. https://www.youtube.com/watch?v=LUKAEJ5a6Ps. 19 WAAM o hilo de material metálico y soldadura por arco. https://www.youtube.com/watch?v=N2hYFkf4SC0. 20 PBF o Fusión de Lecho de Polvo. https://www.youtube.com/watch?v=EGSG1_lcXJA. 21 SLM o Fusión Selectiva por Láser. https://www.youtube.com/watch?v=sbPpFHZL_cU.

84

22 SLS o Sinterizado Selectivo por Láser. https://www.youtube.com/watch?v=61fkXHnUY_Y. 23 EBM o Fusión por Haz de Electrones. https://www.youtube.com/watch?v=9P2A0jF1JDg. 24 SLA o Estereolitografía. https://www.youtube.com/watch?v=Z3KZUwn_7ns. 25 Material Jetting o Polyjet. https://www.youtube.com/watch?v=Oz62H4Nxe54. 26 DSPC o Proyección de Aglutinante. https://www.youtube.com/watch?v=4Bftt_4DQKE. 27 Sand Printing. https://www.youtube.com/watch?v=3RzhHR8s2BA. 28 LOM o laminado de objetos. https://www.youtube.com/watch?v=3awiuUuFw-k&t=10s. 29 Deloitte: 3D printing growth accelerates again. https://www2.deloitte.com/insights/us/en/industry/technology/technology-media-and-telecom-predictions/3dprinting-market.html. 30 Realidad virtual inmersiva. https://www.youtube.com/watch?v=fPJWrnntvys. 31 Realidad virtual no inmersiva. https://www.youtube.com/watch?v=kmdyK5k5Ebg. 32 Gartner: 100 Million Consumers Will Shop in Augmented Reality Online and In-Store by 2020. https://www.gartner.com/en/newsroom/press-releases/2019-04-01-gartner-says-100-million-consumers-will-shopin-augme. 33 Realidad aumentada inmersiva. https://www.youtube.com/watch?v=wNU_-Fl1eeU. 34 Realidad aumentada no inmersiva. https://www.youtube.com/watch?v=SArzb2X_-L4. 35 Google Street View. https://www.google.com/intl/es_es/streetview/. 36 Gartner: Top 10 Strategic Technology Trends for 2019. https://www.gartner.com/smarterwithgartner/gartnertop-10-strategic-technology-trends-for-2019/. 37 Markets And Markets: Digital Twin Market worth https://www.marketsandmarkets.com/PressReleases/digital-twin.asp.

15.66

Billion

USD

by

2023.

38 Virtual Singapore. https://www.nrf.gov.sg/programmes/virtual-singapore. 39 Quint Wellington Redwood: Cloud computing en España. https://www.quintgroup.com/wpcontent/uploads/2017/11/Informe-Cloud-Computing-en-Espan%CC%83a-2017.pdf. 40 Gartner: Insights on How and Why Leaders Must Implement https://www.gartner.com/imagesrv/books/cloud/cloud_strategy_leadership.pdf. 41 IDC FutureScape: Worldwide containerId=US44403818.

IT

Industry

2019

Predictions.

Cloud

Computing.

https://www.idc.com/getdoc.jsp?

42 IEEE (Institute of Electrical and Electronics Engineers). https://www.ieee.org/. 43 Bluetooth. https://www.bluetooth.com/. 44 Wireless Broadband Alliance and Mettis Aerospace: Announce World’s First WiFi 6 Industrial Enterprise and IoT Trial. https://www.wballiance.com/wireless-broadband-alliance-and-mettis-aerospace-announce-worlds-firstwi-fi-6-industrial-enterprise-and-iot-trial/. 45 SigFox. https://www.sigfox.com/en. 46 LoRa. https://lora-alliance.org/.

85

47 Juniper Research: Low Power IoT: Impact Analysis, Vertical Assessment & Forecasts 2019-2024. https://www.juniperresearch.com/press/press-releases/low-power-iot-service-revenues-exceed-2-bn-2024. 48 Comisión Europea: La 5G para Europa: un plan content/ES/TXT/HTML/?uri=CELEX:52016DC0588&from=ES.

de

acción.

https://eur-lex.europa.eu/legal-

49 El mercado del 5G en España alcanzará los 23.300 millones https://cincodias.elpais.com/cincodias/2017/06/27/companias/1498569061_130494.html.

en

2026.

50 Robótica industrial. https://www.youtube.com/watch?v=VWB6xd8ZQEM. 51 IFR: World robotics - industrial robot report 2018. https://ifr.org/ifr-press-releases/news/global-industrialrobot-sales-doubled-over-the-past-five-years. 52 Oxford Economics: How the robots change the world. https://resources.oxfordeconomics.com/how-robotschange-the-world?source=homepage-hero. 53 Robótica colaborativa-cobots. https://www.youtube.com/watch?v=PtncirKiBXQ. 54 MarketsandMarkets: Collaborative robot market Global https://www.marketsandmarkets.com/PressReleases/collaborative-robot.asp.

forecast

to

2025.

55 Forbes: 5 Internet Of Things trends everyone should know about. https://www.forbes.com/sites/bernardmarr/2019/02/04/5-internet-of-things-trends-everyone-should-knowabout/#3392d9c24b1f. 56 Gartner: IoT future. https://www.gartner.com/en/newsroom/press-releases/2017-02-07-gartner-says-8-billionconnected-things-will-be-in-use-in-2017-up-31-percent-from-2016. 57 IDC: El mercado de Internet de las Cosas en España. https://idcspain.com/research/IoTSpain. 58 IDC: Forecasts worldwide spending on the Internet of Things to reach $745 billion in 2019. https://www.idc.com/getdoc.jsp?containerId=prUS44596319. 59 Metrología. https://www.youtube.com/watch?v=QVT2TSP43NE. 60 Artificial intelligence index. http://cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20Report.pdf. 61 Accenture: Inteligencia artificial, la nueva interfaz del usuario en https://www.accenture.com/t00010101T000000Z__w__/es-es/_acnmedia/Accenture/ConversionAssets/DotCom/Images/Local/es-es/pdf/Accenture-Inteligencia-Artificial.pdf.

el

hogar.

62 Accenture: Inteligencia artificial, el futuro del crecimiento. https://www.accenture.com/es-es/insight-artificialintelligence-future-growth. 63 PwC: Realidad y perspectivas de la inteligencia artificial https://www.pwc.es/es/publicaciones/tecnologia/perspectivas-ia-espana-2018.html.

en

España

2018.

64 Comisión Europea: Europa ante la inteligencia artificial. https://ec.europa.eu/newsroom/dae/document.cfm? doc_id=56433. 65 IBM: Los datos, la nueva materia prima de nuestra era. https://www.ibm.com/blogs/think/eses/2015/07/15/los-datos-la-nueva-materia-prima-de-nuestra-era/. 66 UVS International... https://uvs-international.org/. 67 Drones de ala fija. https://www.youtube.com/watch?v=qJVJbGblGBg. 68 Drones multirrotores. https://www.youtube.com/watch?v=onzH3A-PYFU.

86

69 Drones para determinar el Índice de Vegetación de Diferencia Normalizada. https://www.youtube.com/watch? v=GmPIh2JLCxo. 70 AGV y AIV. https://www.youtube.com/watch?v=-Ld-Crjg7tk. 71 Exoesqueleto. https://www.youtube.com/watch?v=LCUNTjSjc_Q. 72 Real Decreto-Ley 8/2019. https://www.boe.es/boe/dias/2019/03/12/pdfs/BOE-A-2019-3481.pdf. 73 Eye tracking. https://www.youtube.com/watch?v=y-8LBM3qlDI. 74 Computación cuántica. https://www.youtube.com/results?search_query=computación+cuántica.

87

RETOS DE LA

3 INDUSTRIA 4.0

Hay muchos desafíos y retos a la hora de hablar de la Industria 4.0 y afrontar procesos de transformación digital. La ciberseguridad, la formación de los empleados, encontrar a profesionales cualificados en el mercado laboral, los desarrollos en I + D + i, la protección de los datos, la adecuación de las normativas, los costes económicos de la propia transformación digital, la necesidad de difusión sobre las ventajas y las tecnologías habilitadoras, y otras cuestiones sociolaborales relacionadas con el impacto de las nuevas tecnologías en el mercado del trabajo son, quizás, lo retos más destacados en este sentido. En este capítulo abordaremos los principales desafíos a los que se enfrenta la Industria 4.0.

3.1. La ciberseguridad 3.1.1. Impacto de la ciberseguridad Según un estudio de la empresa SonicWall, en 2018 se registraron en todo el mundo 10.500 millones de incidentes informáticos relacionados con la ciberseguridad. Esta cifra fue obtenida a través de más de un millón de sensores desplegados en distintas empresas de todo el planeta, e incluye el envío de malware y ataques específicos a distintas vulnerabilidades. Uno de los datos que más preocupa a los autores de este informe es que se detectaron casi 75.000 nuevos tipos de ataques durante 2018, los cuales eran «nuevos, únicos y complejos», por lo que las herramientas para su detección o eliminación eran, en algunos casos, poco operativas 75 . Otro informe de Panda Security apunta que solamente los ataques de ransomware costarán 11.500 millones de dólares a las empresas afectadas en 2020 y que su impacto podría alcanzar los 6 billones de dólares en 2021 76 . Un último dato de la publicación especializada Cybersecurity Ventures: nueve de cada diez empresas pudieron sufrir un ataque informático durante 2019, provocando fugas de datos sensibles 77 . En lo que se refiere al ámbito industrial, INCIBE-CERT, el Instituto Nacional de Ciberseguridad de España, publicó en 2018, 228 avisos de vulnerabilidades relacionadas 88

con el sector industrial, un crecimiento notable frente a los 199 de 2017, que abarcan desde dispositivos del mundo IIoT a otros más tradicionales del mundo industrial. Por otro lado, también se han publicado avisos relacionados con aplicaciones de escritorio, webs o apps para móviles 78 . Las vulnerabilidades relacionadas con la obtención de información sensible son las más numerosas, pero cabría destacar también los avisos producidos por vulnerabilidades relacionadas con el uso de hash de contraseñas generados con esfuerzo computacional insuficiente y las peticiones directas a recursos web. Este incremento advierte de las vulnerabilidades heredadas del mundo IT a nivel web y de la necesidad de cambiar a algoritmos más robustos para almacenar hashes pertenecientes a contraseñas. También se pueden observar diferentes problemas a nivel de seguridad relacionados con las comunicaciones. Al igual que ya sucedía en años anteriores, muchos de los avisos publicados por INCIBE-CERT hacen referencia a vulnerabilidades que son explotables de forma remota, por lo que es necesario concienciar a las empresas del concepto de seguridad con detenimiento para proteger su perímetro de red y situar sus dispositivos de las redes de control detrás de cortafuegos y/o en redes aisladas, siempre que sea posible, y sin acceso directo a Internet. Como vemos, la ciberseguridad y la protección de los sistemas informáticos y los dispositivos conectados se han convertido en las mayores preocupaciones de las empresas, más allá de su grado de transformación digital. En muy pocos años los ataques informáticos se han vuelto un auténtico quebradero de cabeza para las compañías. Preocupa que terceras personas nos puedan hackear los procesos de fabricación, colándose en las redes de comunicaciones, o nos roben los valiosos datos que gestionamos a través del big data o smart data. Estas intromisiones pueden afectar a la manufactura, pero también pueden propiciar el robo de datos relevantes, tanto sobre la trazabilidad, de patentes, de desarrollos de I + D + i o de los clientes finales. Todo ello sin olvidar el impacto económico que pueden tener ciertas estafas o el ransomware. 3.1.2. Principales amenazas Existen diferentes tipos de amenazas relacionadas con la ciberseguridad, y que son foco de atención de los expertos y también de los cibercriminales: — Vulnerabilidad. Se trata de fallos de seguridad en programas, software y sistemas que pueden ser aprovechados por los ciberdelincuentes. Se recomienda tener siempre actualizado el software que empleamos. — Malware (malicious software). Es cualquier programa o código informático que tiene por objetivo dañar o crear un mal funcionamiento. — Virus. Es un tipo de malware que pretende alterar el funcionamiento del 89

ordenador sin el conocimiento de su dueño. — Ransomware. Es un programa informático que infecta un sistema e impide el acceso a partes o archivos de este, y pide un rescate para devolver dicho acceso. — Troyano. Un troyano o «caballo de Troya» es un tipo de malware que se camufla como software legítimo sin que seamos conscientes de su existencia. Una vez activados, los troyanos pueden permitir a los cibercriminales espiarte, robar tus datos confidenciales y obtener acceso por una puerta trasera a tu sistema. Dentro de los troyanos existen diferentes subtipos como backdoor, bots, droppers, adware, rootkits y gusanos. — Phishing. El estafador se hace pasar por una persona, web o empresa de confianza para conseguir información confidencial de la víctima como contraseñas o datos bancarios. Generalmente, el delincuente envía un correo electrónico que incluye un enlace a una página web diseñada exactamente igual a la que quiere suplantar. Para evitar caer en este tipo de estafas, es importante fijarse en la URL o dirección de dominio de la web y, en caso de duda, acceder a la web a través de enlaces en marcadores o de resultados en motores de búsqueda. — Robo de datos personales. El delincuente puede acceder a servicios personales de su víctima utilizando diferentes herramientas para descubrir sus contraseñas. Desde herramientas de ingeniería social, que observan y monitorizan la actividad del usuario, pasando por la utilización de contraseñas poco seguras y ciertamente habituales. Los ladrones pueden emplear otros métodos más complejos para acceder a estas contraseñas como pueden ser keyloggers, un tipo de software que supervisa las pulsaciones del teclado; spidering, una araña de búsqueda que va probando combinaciones de caracteres de forma automática; hasta técnicas de shoulder surfing o espionaje físico. Al estar suscritos a muchos servicios online, suele ser habitual que utilicemos la misma contraseña para todos. En el caso de que el delincuente se haga con la contraseña, podría acceder, modificar y secuestrar todos los servicios que tengamos, a veces, sin que ni siquiera lo sepamos. — Ataque de denegación de servicios DDoS. Es un ataque a un sistema de computadoras o red que causa que un servicio o recurso sea inaccesible. Generalmente están orientados a páginas web y provocan que el sitio o sus servicios queden inaccesibles debido a la sobrecarga de peticiones de conexión de los recursos computacionales del sistema atacado. También pueden dirigirse ataques de este tipo a dispositivos vinculados con la fabricación. Estas son algunas de las principales amenazas en materia de ciberseguridad que destaca el informe anual ENISA Threat Landscape Report, que incide en la importancia de los ataques de phishing, el uso del correo electrónico como principal vía de entrada de malware y la popularidad de las herramientas de criptominado entre los 90

ciberdelincuentes, empleando equipos secuestrados 79 . 3.1.3. Ciberseguridad en los entornos IT y OT Cuando hablamos de ciberseguridad en el sector industrial, los expertos coinciden en diferenciar dos ámbitos de actuación: los entornos IT (por sus siglas en inglés information technology, tecnologías de la información) y los entornos OT (operation technology, tecnologías de la operación). Los entornos IT estarían formados por los ordenadores, software, servidores y servicios en la nube de cualquier empresa. En ellos almacenamos información, accedemos a servicios de Internet o correo electrónico, y visualizamos información procedente de otras máquinas. Los entornos OT o IIoT (Internet de las Cosas Industrial) lo forman los dispositivos con una capacidad de computación limitada que generan y transmiten datos, y regulan el funcionamiento de los diferentes procesos y máquinas. Hablamos de PLC, sistemas SCADA, sensores y aparatos vinculados a Internet de las Cosas en la industria. En lo que se refiere a los entornos IT, en la actualidad, son dos los ataques orientados a empresas que más preocupan a los responsables de seguridad. Por una parte, tenemos el ransomware en el que el ciberdelincuente introduce en los ordenadores un malware que encripta toda la información de los discos duros y exige un rescate para recuperar esos datos. Se han llegado a detectar casos bastante dramáticos en los que las empresas no tenían copias de seguridad de esos datos y se han quedado sin toda la información, lo que los puede llevar directamente a la quiebra. El otro caso que mantiene en alerta a los investigadores de delitos informáticos está relacionado con la suplantación de identidad de responsables de empresas. El caso más común se denomina como la «estafa del falso CEO». Los atacantes se hacen con el control de la cuenta de correo electrónico de un alto cargo de la empresa sin que este se dé cuenta y observan qué tipo de actividades lleva a cabo. Si detectan que se encarga de cuestiones relacionadas con pagos, se hacen pasar por el estafado para pedir a sus clientes o proveedores que hagan los pagos en una cuenta corriente diferente a la de la empresa. También se han dado casos de delincuentes que han dejado en el suelo del aparcamiento de una empresa pendrives o dispositivos extraíbles infectados con malware. Un trabajador los ha recogido, los ha abierto en su ordenador y ha infectado todo el sistema sin darse ni cuenta. La gran mayoría de estos robos y estafas los llevan a cabo grupos organizados de países extranjeros que aprovechan las dificultades de las policías europeas para rastrear el dinero que obtienen con sus delitos. Tanto particulares como empresas, independientemente de su tamaño, pueden convertirse en su objetivo. En cuanto a los entornos OT, hasta hace poco no estaban conectados a los IT, por lo 91

que estaban protegidos de ataques del exterior. Con la progresiva digitalización de los procesos, ahora estos dispositivos ya tienen una conexión con el exterior y nuevos problemas que afrontar. De hecho, se estima que existe un gap de 15 años en la ciberseguridad de los entornos OT respecto a los IT. Si a esto le añadimos la gran diversidad de protocolos de comunicación de los dispositivos del mundo OT, preservar su seguridad se ha convertido en todo un reto para las empresas especializadas. En los últimos años se han multiplicado los ataques dirigidos a elementos OT o IIoT: desde Stuxnet en 2010, detectado en una central nuclear en Irán, hasta los más modernos Industroyer o Triton, que pueden paralizar las plantas de producción o alterar los procesos de fabricación. Los retos a los que se enfrentan los expertos en ciberseguridad son entender los protocolos que hablan esos dispositivos y no afectar a su funcionamiento. Otro aspecto clave es que en el mundo OT prevalece la disponibilidad sobre la integridad. No se pueden implementar soluciones de ciberseguridad que trasladen una latencia o ralentización sobre los procesos. Tampoco se pueden parar las máquinas o los sistemas a ver qué pasa. Hay que tener un conocimiento previo importante sobre el entorno. 3.1.4. Retos de la ciberseguridad A la hora de hablar de retos, uno de los más importantes según los expertos es el de la concienciación en materia de ciberseguridad. Hay que introducir la ciberseguridad como un elemento estratégico de la empresa. En todos los comités de dirección o consejos de administración tiene que estar la ciberseguridad encima de la mesa, al igual que las ISO de calidad, la seguridad de los trabajadores o la eficiencia energética. Hay que asumir que es una tarea de todos, desde el director general hasta el último trabajador, y no solo del departamento informático. Algunas firmas no se dan cuenta de lo importante que es invertir en temas de seguridad tan sencillos como realizar copias de seguridad o tener la red segmentada. Con la nueva normativa (Reglamento General de Protección de Datos) el director general de la empresa es quien tiene la responsabilidad final de la información y de los datos de su compañía y, por tanto, quien tendría que asumir responsabilidades penales en caso de robo de datos, por lo que la ciberseguridad adquiere una mayor relevancia si cabe. Es importante que los líderes de las empresas se formen en este ámbito y conozcan cuáles son sus obligaciones. Y es que según datos de la empresa de seguridad Kaspersky Lab 80 , la práctica totalidad de las organizaciones europeas, hasta un 94 %, almacena informes financieros, y un 80 % guarda datos personales de sus clientes como pueden ser los números de cuenta o datos de tarjetas bancarias (78 %), una información que es necesario preservar y evitar que caiga en malas manos. Otro informe del Ponemon Institute e IBM de 2019 revela que el coste promedio 92

global de una violación de datos aumentó un 6,4 % en 2018 con respecto al año anterior, hasta ascender a 3,86 millones de dólares. El coste de cada registro perdido o robado que contiene información sensible y confidencial aumentó en un 4,8 % interanual, hasta los 148 dólares por registro violado 81 . Un estudio de Accenture entre responsables de empresas de todo el mundo revela que el 79 % de los encuestados cree que los avances en tecnología digital se verán obstaculizados en su organización, a no ser que haya una mejora drástica de la seguridad de Internet. El 59 % afirma que Internet es cada vez más inestable en cuestiones de seguridad y no sabe cómo reaccionar. Además, el 75 % afirma que los desafíos de ciberseguridad requerirán un esfuerzo grupal organizado, ya que ninguna organización puede abordar estos retos por su cuenta. Centrándonos en España, el 75 % de las organizaciones asegura que su dependencia de Internet está creciendo y los riesgos de ciberseguridad también, y solo el 42 % tiene mucha confianza en la seguridad de Internet, cifra que se estima que disminuya al 27 % en los próximos cinco años 82 . Se calcula que entre el 80 % y el 90 % de los ataques informáticos están motivados por el mal uso de la tecnología por parte de los usuarios. Si un trabajador abre un archivo adjunto infectado en un correo electrónico puede afectar a toda la red interna. La concienciación del manejo de los entornos conectados es una de las principales claves. En lo que se refiere a los entornos OT, según el informe de Kaspersky, El estado de la ciberseguridad industrial en 2019 83 , los errores de los empleados o las acciones involuntarias estuvieron detrás del 52 % de los incidentes que afectaron a las redes de tecnología operativa y sistemas de control industrial (OT/ICS) en 2018. Se estima que la creciente complejidad de las infraestructuras industriales exige una protección y habilidades más avanzadas, pero las organizaciones están experimentando una escasez de profesionales para afrontar las nuevas amenazas, y tampoco hay una apuesta clara por desplegar cursos y formaciones orientadas a concienciar a los empleados sobre esta problemática. Otro aspecto que preocupa, relacionado con la ciberseguridad, es el de los usuarios con privilegios o administradores de redes de información. La suplantación de su identidad puede conllevar el robo de datos relevantes. Es importante asegurar desde el punto de vista del usuario en lo que se refiere a la gestión de identidades, y garantizar que tengan únicamente los permisos necesarios. Los expertos también hablan de la ciberresiliencia entendida como tener asumido que cualquier empresa, tarde o temprano, con independencia de su tamaño o de las medidas de ciberseguridad que implemente, terminará sufriendo un ataque informático. Las organizaciones deben apostar por generar un conjunto de procesos que les permitan obtener información sobre quién les ataca, por qué les ataca e incluso prever cuándo les pueden atacar. Hay que cambiar la mentalidad que ha existido hasta ahora y evitar los modelos de seguridad de perímetro, y construir la seguridad desde dentro hacia fuera. Por tanto, a la hora de hablar de ciberseguridad en los entornos industriales, los 93

elementos fundamentales son la concienciación de los trabajadores, la creación de equipos interdisciplinares dentro de la propia organización, la segmentación de los diferentes entornos, aislándolos entre sí en caso de un ataque y, quizá el más importante, disponer de soluciones y empresas solventes que realicen un estudio o consultoría de las necesidades en materia de ciberseguridad. 3.1.5. Herramientas de ciberseguridad Hay diferentes maneras de implementar sistemas de ciberseguridad más allá de la instalación de firewalls o cortafuegos, antivirus, gestores de contraseñas, antimalware, limpiadores de registro o antiransomware. La segmentación de las redes para frenar la propagación de un ataque, la monitorización en tiempo real de todo lo que está ocurriendo en nuestros sistemas y la concienciación de los trabajadores para evitar posibles infecciones son también herramientas clave en las organizaciones para evitar amenazas relacionadas con la ciberseguridad. Algunas compañías permiten a los atacantes acceder a datos y aplicaciones ficticias creadas específicamente como gancho y cebo para ellos. Esta tecnología, que manipula al atacante recurriendo a la contrainteligencia, le hace creer que está robando información valiosa y, al mismo tiempo, permite al experto en ciberseguridad estudiarle y conocer mejor sus técnicas, sus objetivos y sus intenciones. Esta información servirá después para que las empresas puedan tomar medidas contra el atacante o para reforzar puntos débiles en su sistema de seguridad. Otras firmas se dedican a rastrear espacios como Internet o la Darknet para detectar personas, software, entes o entidades antes de que realicen un ataque. En estos espacios se comparte el conocimiento sobre vulnerabilidades, hay repositorios con el código que utilizan e incluso los atacantes anuncian previamente que van a realizar un determinado ataque. Existen compañías que supervisan mediante inteligencia artificial la actividad de sus trabajadores en el entorno informático de la empresa. Introducir una contraseña y un nombre de usuario válido ya no es la única forma de constatar la identidad de un operario. Se aplica la IA para medir aspectos como a qué hora intenta acceder a la red, cuánto tiempo tarda en hacerlo, desde dónde lo hace o a dónde se va después. Con base en experiencias anteriores, la inteligencia artificial puede detectar comportamientos anómalos y bloquear su actividad, más allá de que el usuario y la clave sean las correctas. También hay empresas que se han especializado en la protección específica de los robots, ya que estos aparatos cada día están más conectados, y son igualmente susceptibles de ser atacados o hackeados como cualquier otro tipo de máquina o dispositivo que intervenga en un proceso industrial.

94

3.2. Formación de los trabajadores Otro reto tiene que ver con los empleados que ya están trabajando en las empresas. Hay que poner en marcha planes formativos integrales para que los actuales operarios empiecen a conocer algunas de las tecnologías y paradigmas relacionados con la Industria 4.0. Será determinante su capacidad de adaptarse a procesos y tecnologías cambiantes, y en constante evolución. La actitud y la aptitud son palabras clave en este contexto. El uso de dispositivos wearables, las nuevas formas de interacción con las máquinas a través de pantallas u órdenes de voz, la importancia de proporcionar datos no medibles por sensores referidos a los procesos de fabricación, saber afrontar los riesgos en materia de ciberseguridad en entornos altamente conectados, etc., deben ser elementos clave en los que formar a los actuales empleados, independientemente del cargo que ocupen en la organización. El Foro Económico Mundial estima que para 2022 más de la mitad de los trabajadores tendrán que volver a capacitarse o aumentar su capacitación 84 . El principal obstáculo es que, como advierte la OCDE en el informe How’s Life in the Digital Age? Opportunities and Risks of the Digital Transformation for People’s Well-being 85 , en España solo el 32 % de los trabajadores por cuenta propia, el 45 % de los temporales, y el 56 % de los empleados indefinidos y a tiempo completo participan en algún tipo de formación relacionada con adquirir nuevas competencias en materias vinculadas con la digitalización. Desde el Observatorio Empresarial contra la Pobreza se destaca que las compañías que lideran la automatización podrían ayudar a mitigar las repercusiones negativas si invirtiesen en programas y oportunidades para desarrollar nuevas aptitudes en este ámbito 86 . Los retos de la formación vinculados con el manejo de máquinas o la comprensión de procesos se pueden afrontar, como ya hemos visto, a través de herramientas de realidad virtual, realidad aumentada o sistemas de gamificación.

3.3. Educación y los nuevos empleados de la Industria 4.0 Se da la circunstancia de que los procesos de transformación digital están demandando nuevos tipos de profesionales centrados en áreas como la inteligencia artificial, la analítica de datos, la ciberseguridad, la robótica, la programación, el blockchain, las telecomunicaciones, el mantenimiento electrónico, la mecatrónica, el diseño y la mecanización, las construcciones mecánicas o el desarrollo de entornos 3D; sin embargo, el número de alumnos matriculados en carreras de Ingeniería o en grados de Formación Profesional que abordan estas materias ha descendido drásticamente en los últimos años, por lo que es muy difícil encontrar profesionales preparados para cubrir 95

la demanda laboral que se prevé para los próximos años. El sector industrial español necesitará 3,5 millones de profesionales especializados hasta 2025 según un estudio de Randstad 87 . Tres millones corresponden a puestos para reemplazar a profesionales jubilados y medio millón a nuevas oportunidades laborales derivadas de las nuevas tecnologías. Mientras que el perfil de formación académica pasará a ser media y elevada, en un sector en el que, como el industrial, el 42 % de los empleados tiene educación universitaria, un 8 % más que en Europa, frente a un 34,4 % con primaria, un 16 % más que en la Unión Europea, y el 24 % con formación secundaria, un 48,4 % menos que la media europea. Este informe también revela que en 2020 en España faltarán 1,9 millones de profesionales altamente cualificados, coincidiendo con un alto nivel de desempleo en perfiles de menor formación académica o especializaciones con menores salidas profesionales. En España se vaticina que para 2020 la demanda en empleos digitales habrá crecido un 14 %, y con los estudiantes actuales apenas se cubrirá la mitad de las vacantes. Pero esta situación no es exclusiva de nuestro país. En Alemania se calcula que actualmente se necesitan 200.000 trabajadores en la Industria 4.0, y en Estados Unidos la consultora Deloitte estima que hasta 2028 habrá 4,8 millones de puestos de trabajo sin cubrir en el sector industrial 88 . Simplemente en el ámbito de la ciberseguridad, la Asociación Internacional de Profesionales de la Seguridad de la Información (ISC) calcula que para satisfacer las necesidades en este campo en 2020 se necesitarán cubrir 1,8 millones de puestos de trabajo para garantizar la seguridad informática de las empresas, organismos, administraciones y particulares 89 . Para minimizar el impacto de la actual falta de profesionales cualificados, desde distintas instancias se apunta a la necesidad de mejorar las herramientas de educación mediante el uso de las nuevas tecnologías aplicadas al aula y a la educación, tanto en carreras universitarias y en Formación Profesional como en cursos, programas y másteres. Otro factor determinante es fomentar las vocaciones STEM (ciencia, tecnología, ingeniería y matemáticas) llevando a las aulas de los más jóvenes experiencias vinculadas con el uso de herramientas tecnológicas como programación, robótica sencilla (first lego league), impresión 3D, campamentos tecnológicos, etc. Mención especial merece la escasa presencia de las mujeres en este tipo de carreras o grados. En la actualidad, únicamente el 15 % de los empleos relacionados con las tecnologías de la información y la comunicación (TIC) están ocupados por mujeres en Europa. Desde la Comisión Europea se incide en que la falta de mano de obra cualificada no se puede resolver con solo el 50 % de la población. De hecho, el último estudio sobre Las mujeres en la era digital 90 muestra que más mujeres en trabajos digitales podrían generar un aumento anual del PIB de 16.000 millones de euros en la 96

Unión Europea. Por otra parte, hace falta que los centros de educación adapten sus carreras a las nuevas necesidades que se detectan en el sector industrial. Deben ser capaces de prever el futuro y adaptar el sistema educativo para formar los nuevos perfiles que la industria va a demandar en los próximos años. Para ello es necesario que los centros de educación y formación mantengan un contacto real con las empresas, para conocer qué necesitan. A partir de ahí, estos centros deben implementar de forma rápida estrategias de formación a medida, con gran base de experimentación y fomentando las prácticas en las empresas. Otra realidad vinculada con la educación y la formación la puso de relevancia un estudio de la Universidad de Oxford que indica que el 47 % de las profesiones actuales desaparecerá en la próxima década y el 90 % de los empleos actuales necesitará nuevas competencias y más formación, especialmente en el ámbito digital 91 . Lo que es casi seguro es que debido a los rápidos cambios en el mundo tecnológico, quien quiera ocupar un puesto laboral vinculado con las nuevas tecnologías, tendrá que vivir en un proceso constante de formación y deberá tener capacidad para adaptarse a las nuevas demandas que se le exijan. En el mundo de la tecnología, hoy en día, es una quimera pensar que te vas a jubilar haciendo lo mismo que empezaste a hacer para la empresa que te contrató. Aprendizaje continuo, actitudes y capacidad de cambio van a ser las claves. El Foro Económico Mundial en su informe ¿Cuáles son las habilidades que todos los estudiantes necesitan para el 2020? 92 , ha remarcado las diez habilidades socioemocionales claves para tener éxito en 2020 y en los próximos años, en plena cuarta revolución industrial. Según los autores de este estudio, se trata de resolución de problemas complejos, pensamiento crítico, creatividad, gestión de personas, capacidad de coordinación con otros, inteligencia emocional, capacidad de juicio y toma de decisiones, habilidades para orientar y negociar, y flexibilidad cognitiva. Todas ellas son cualidades innatas de los seres humanos que se anteponen a tecnologías como la inteligencia artificial o la robótica.

3.4. Normativas Hay desarrollos tecnológicos que están chocando de lleno con las normativas de diferentes países. Un ejemplo es el antes mencionado caso de los drones, cuyos vuelos están limitados a diferentes ámbitos, entornos y situaciones, lo que acota la labor de las empresas operadoras de este tipo de aparatos. Poder diferenciar usos vinculados con el ocio y una actividad profesional va a ser un elemento clave en el futuro. Otro ejemplo puede ser el del vehículo autónomo. Muchos países han establecido importantes limitaciones a su circulación y la han reducido a espacios y vías concretas. 97

La Dirección General de Tráfico (DGT) y Mobileye, empresa de vehículos autónomos del grupo informático Intel, firmaron en 2018 una colaboración dirigida a preparar las infraestructuras y la regulación para la conducción de vehículos autónomos en España. A través del proyecto Autonomous Ready Spain 93 , se llevará a cabo una recolección de datos en las calles de las ciudades relacionada con deficiencias de infraestructuras, zonas de accidentes, uso de estacionamientos, condiciones ambientales y otros riesgos en la carretera, con el objetivo de crear un mapa que facilitará la puesta en marcha de la conducción del futuro al crear una experiencia virtual que sirva de aprendizaje para la conducción autónoma. En la medida en que algunas tecnologías habilitadoras de Industria 4.0 parten de un escenario de alegalidad o no regulación, una labor fundamental de las organizaciones y el sector tecnológico consistirá en orientar a los reguladores para que cambien o modifiquen las legislaciones oportunas.

3.5. Protección de datos El Reglamento General de Protección de Datos (RGPD) 94 entró en vigor el 25 de mayo de 2016, pero hasta el 25 de mayo de 2018 no comenzó a ser de obligado cumplimiento. La normativa invoca que debe existir consentimiento para el uso de los datos y que ese consentimiento debe ser inequívoco y verificable, y no tácito como hasta entonces. Además, las empresas están obligadas a informar cuando hayan sufrido una brecha de seguridad a las autoridades de control y, dependiendo de la gravedad, a los afectados. El RGPD prevé multas millonarias para las organizaciones que lo incumplan, que pueden alcanzar los 20 millones de euros o hasta un 4 % de su facturación anual. Las empresas tendrán que contar con un delegado de protección de datos (DPO), una especie de defensor del cliente o del ciudadano en esta materia, pero también un mediador entre la compañía y las agencias de protección de datos. Según una encuesta de la Agencia Española de Protección de Datos (AEPD), órgano encargado de velar por el cumplimiento del RGPD en España, y la Confederación Española de la Pequeña y Mediana Empresa (CEPYME) 95 , son muchas las pymes que no disponen de recursos para poder afrontar las obligaciones de la normativa en materia de protección de datos, pese a tener la mejor de las actitudes. Por su parte la Ley Orgánica de Protección de Datos de Carácter Personal (LOPD), aprobada en diciembre de 2018, establece especialidades en una serie de tratamientos como son, entre otros, los sistemas de exclusión publicitaria, los canales de denuncias internas, la videovigilancia (control laboral y seguridad) o los sistemas de monitorización de la actividad de empleados, y obliga al sector público a hacer público su Registro de Actividades de Tratamiento. 98

3.6. I + D + i y patentes El trabajo en I + D + i de las empresas es fundamental a la hora de desarrollar nuevos productos y sus servicios asociados. Preservar ese conocimiento a través de patentes es un aspecto primordial. Sin embargo, según datos de la Oficina Europea de Patentes (EPO), cerca de la cuarta parte de las patentes que se registran en Europa son redundantes y podrían estar fabricándose productos similares en otras partes del mundo. Esta redundancia del conocimiento podría suponer cerca de 50.000 millones de euros de inversión perdidos. La principal limitación a la hora de lanzar productos disruptivos se centra en los años de investigación, testeo y certificación que conllevan estos procesos. Según el informe de la EPO, el número de solicitudes de patentes presentadas en 2018 creció un 4,6 %, alcanzando un nuevo máximo de 174.317. El estudio muestra un aumento en las patentes registradas de las principales regiones industriales de todo el mundo, y las compañías europeas mantuvieron el liderazgo en su mercado local, con el 47 % de todas las solicitudes de patentes en la EPO 96 . Por otra parte, los expertos recalcan que tan importante es tener capacidad de desarrollo tecnológico como disponer de early adopters o personas y/o empresas que apuesten por introducir en sus procesos y modelos de negocio tecnologías disruptivas que aún no cuentan con el respaldo, aval o reconocimiento del sector industrial. Cualquier compañía del mundo puede adquirir tecnología, pero la ventaja diferencial es probar tecnologías que aún no están en el mercado y que pueden marcar la diferencia.

3.7. Costes económicos Los costes económicos de esta adaptación hacia la Industria 4.0 son también una barrera para muchas organizaciones. La robotización, dotar de inteligencia a las máquinas y analizar la información que proporcionan no son apuestas baratas a corto plazo, pero sí que lo pueden ser a medio-largo plazo. Por ello, es importante que las empresas de menor tamaño y con menores recursos se planteen un redimensionamiento mediante fusiones e incluso activando sinergias con otras compañías para afrontar los costes de la modernización. Las herramientas de financiación, tanto públicas como privadas, serán también determinantes a la hora de ayudar a las pymes y compañías con menos recursos a afrontar estos costes económicos.

3.8. Capacitación de los proveedores tecnológicos Con el boom de la transformación digital, cada vez son más las empresas que ofrecen «servicios de Industria 4.0». Se trata de proveedores que aseguran tener herramientas y 99

conocimientos aplicables a sus clientes vinculados con las tecnologías habilitadoras que hemos detallado anteriormente. En la mayoría de los casos, estas empresas, consultorías o asesorías, podrán ofrecer proyectos con garantías, pero también se han detectado casos de estafas o servicios de poca calidad. A falta de una posible reglamentación, sellos de calidad o certificaciones que acrediten los conocimientos de este tipo de proveedores, es recomendable indagar sobre la experiencia en proyectos que hayan llevado a cabo con anterioridad, incluso preguntando a sus clientes. En el caso de querer trabajar con startups, con menos bagaje profesional, es importante conocer en persona a su equipo, valorar su disponibilidad y conocimientos, preguntar sobre posibles premios y reconocimientos, investigar sus vías de financiación y mentores, oficinas, etc. Otro elemento que se achaca a muchos proveedores tecnológicos es que, en algunos casos, los posibles servicios que ofertan poco tienen que ver con tecnologías emergentes vinculadas a Industria 4.0, y sus soluciones están más cerca de estadios industriales anteriores que podrían quedar obsoletas en pocos años, si es que no lo están ya.

3.9. Obsolescencia programada Uno de los grandes retos al que se enfrenta cualquier consumidor de nuevas tecnologías (smartphones, televisores, equipos informáticos...) es el de la obsolescencia programada o el hecho de que los fabricantes de los productos dejen de actualizar los equipos con el riesgo de que estos no funcionen de forma fiable, lo hagan de manera limitada o sean vulnerables a problemas vinculados con la ciberseguridad. El objetivo de los fabricantes a la hora de impulsar la obsolescencia programada o planificada es, «simplemente», seguir vendiendo sus productos, y dicha táctica no es algo novedoso. El 23 de diciembre de 1924 se reunieron en Ginebra un grupo de fabricantes de bombillas con el objetivo de reducir la duración de las bombillas a nivel mundial de 2.500 a 1.000 horas. Y lo consiguieron. Desde entonces, las bombillas han ido durando cada vez menos. Se podría decir lo mismo de otros aparatos de uso cotidiano como electrodomésticos, etc. Lo que parece claro es que si las empresas van a tener que afrontar costes relevantes a la hora de impulsar su transformación digital incorporando nuevas tecnologías, los fabricantes de hardware y software tendrán que garantizar una vida útil determinada de los dispositivos así como prestarle todo su conocimiento a la hora de actualizarlos y preservar su seguridad.

3.10. Difusión Otro elemento relevante es el de la difusión a la opinión pública de en qué consiste 100

la Industria 4.0, sus aportaciones, sus especificidades tecnológicas y dar a conocer casos prácticos de uso. Que la sociedad sepa qué es la Industria 4.0 a través de los medios de comunicación, eventos y jornadas es una labor primordial de cara a preparar a las empresas y a sus trabajadores sobre lo que está ya sucediendo. Teniendo en cuenta que las pymes son las que reconocen tener un menor conocimiento sobre las herramientas vinculadas con la Industria 4.0, y que las pequeñas y medianas empresas representan cerca del 99 % del tejido empresarial español según datos del Ministerio de Trabajo, Migraciones y Seguridad Social, la labor de difusión entre ellas es fundamental 97 .

3.11. Motivaciones sociales, laborales y psicológicas En el capítulo sobre la inteligencia artificial ya hemos explicado cómo el uso de los algoritmos de aprendizaje ha despertado el recelo de una parte de la sociedad. Se ha puesto en cuestión su impacto en el mercado laboral ante la previsible disminución de puestos de trabajo que conllevará la implantación de herramientas automáticas para el análisis de datos o la comunicación con los clientes. A este respecto también son relevantes los debates sobre el impacto de la progresiva robotización de los procesos industriales y cómo las nuevas tecnologías van a transformar el futuro mercado laboral. El informe de la OCDE (Organización para la Cooperación y el Desarrollo Económicos), titulado How’s life in the digital age? Opportunities and risks of the digital transformation for people’s well-being, revela que el 52 % de los empleos de toda España podrían desaparecer debido a la llegada de los robots al mercado laboral 98 . Cabe mencionar un estudio de IPSOS en colaboración con el Foro Económico Mundial que desvela que un 33 % de los españoles cree que la automatización pone en peligro su empleo actual. Además, un 43 % de los entrevistados estima que la automatización cambiará por completo su trabajo en la próxima década. De hecho, un 41 % ya admite que ha modificado su forma de trabajar. En el lado positivo también habría que resaltar que el 38 % de los encuestados asegura que la automatización ha vuelto su trabajo más sencillo, un 30 % opina que ha incrementado la calidad de su trabajo, un 26 % resalta que ha limitado el riesgo de lesiones y un 24 % considera que ahora su trabajo es más interesante 99 . Por otra parte, un estudio de McKinsey & Co. apunta que 800 millones de trabajadores serán sustituidos por robots en todo el mundo para 2030 en el peor de los escenarios, la mitad en el caso de que el desarrollo tecnológico sea más lento 100 . Desde la consultora PwC apuntan a que la inteligencia artificial afectará a un tercio de los empleos para ese mismo año 101 . Lo que parece claro es que se están produciendo cambios en la descripción de los puestos de trabajo, las competencias, las cualificaciones, la educación, la formación, los entornos de trabajo, los modos de organización de los procesos, las relaciones 101

contractuales entre las empresas y los trabajadores, los métodos de trabajo, la planificación profesional, etc. Uno de los principales desafíos de nuestra época consiste en determinar la forma de abordar el hecho de que no disponer de ciertas competencias digitales podría dejar fuera del mercado laboral a muchas personas. Los estamentos políticos, administraciones, el sector empresarial, los sindicatos, las organizaciones sin ánimo de lucro, los centros educativos y el sector público, deberían aunar esfuerzos para minimizar este impacto y tomar medidas correctoras. Al mismo tiempo, el uso de herramientas de inteligencia artificial conlleva otro debate sobre hasta qué punto es necesario que las personas sepamos que estamos interactuando con un sistema basado en inteligencia artificial. Existe también cierto recelo a la hora de utilizar este tipo de herramientas controladas por sistemas de autoaprendizaje. La Universidad de Valencia en colaboración con la Confederación Nacional de Autoescuelas (CNAE) y el Instituto Universitario de Investigación en Tráfico y Seguridad Vial de la Universidad de Valencia (INTRAS) llevaron a cabo un estudio en 2018 para analizar las actitudes de los conductores españoles ante la posible utilización de un vehículo autónomo. Un 77,4 % de los entrevistados preferían conducir un vehículo ellos mismos. Entre los motivos, el más mencionado fue el de la seguridad: el 56,1 % de los entrevistados se sentirían más seguros conduciendo por sí mismos 102 . Otro elemento que está sobre la mesa se refiere a cuáles son las capacidades reales de la inteligencia artificial, hasta qué limites puede llegar su conocimiento y qué impacto puede tener en la sociedad la existencia de herramientas que sean más inteligentes que los humanos. La Industria 4.0 y la transformación digital son procesos en constante evolución ya que día a día siguen alimentándose de las últimas novedades tecnológicas para mejorar los procesos productivos. Su futuro está íntimamente ligado a los avances en áreas como la robótica, la inteligencia artificial, la sensórica, la analítica de datos y la utilización de nuevos materiales. Los avances en I + D + i, el trabajo de los centros de investigación y la apuesta por la creación de nuevas empresas de base tecnológica y/o startups son claves en su futuro. De la misma manera, debemos fijarnos en qué se hace en otros países como Alemania o Estados Unidos, cuyos modelos nos han servido de referencia durante los primeros años de esta cuarta revolución industrial.

NOTAS 75 2019 SonicWall Cyber Threat Report. https://www.sonicwall.com/news/annual-sonicwall-cyber-threat-reportdetails-rise-in-worldwide-targeted-attacks/. 76 Panda: Las vulnerabilidades en infraestructuras críticas aumentaron un 14 % en 2018. https://www.pandasecurity.com/spain/mediacenter/seguridad/vulnerabilidades-en-infraestructuras-criticas/. 77

2019

Cybersecurity

Almanac:

100

facts,

102

figures,

predictions

And

statistics.

https://cybersecurityventures.com/cybersecurity-almanac-2019/. 78 INCIBE-CERT: Seguridad industrial 2018 en cifras. https://www.incibe-cert.es/blog/seguridad-industrial2018-cifras. 79 ENISA Threat Landscape Report 2018. https://www.enisa.europa.eu/publications/enisa-threat-landscapereport-2018. 80 Kaspersky: From data boom to data doom: The risks and rewards of protecting personal data. https://go.kaspersky.com/rs/802-IJN-240/images/Kaspersky_Lab_Business%20in%20a%20data%20boom.pdf. 81 Ponemon Institute e IBM: Estudio del Coste de Filtración de Datos de 2018: Impacto de la gestión de la continuidad de negocio. https://www.ibm.com/downloads/cas/KKBERQ9G. 82 Accenture: El cibercrimen podría costarle 5,2 billones de dólares a las compañías en los próximos cinco años. https://www.accenture.com/es-es/company-news-release-cybercrime-cost-trillion-companies. 83 Kaspersky: El estado de la ciberseguridad industrial en 2019. https://www.kaspersky.com/about/pressreleases/2019_man-made-disaster-half-of-cybersecurity-incidents-in-industrial-networks-happen-due-toemployee-errors. 84 The World Economic Forum: The future of jobs report. https://www.weforum.org/reports/the-future-of-jobsreport-2018. 85 OCDE: How’s Life in the Digital Age? Opportunities and Risks of the Digital Transformation for People’s Well-being. http://www.oecd.org/publications/how-s-life-in-the-digital-age-9789264311800-en.htm. 86 Observatorio Empresarial contra la Pobreza. Tecnología con propósito: el impacto social de la empresa en la era digital. https://www.empresascontralapobreza.org/publicaciones/tecnologiaconproposito/docs/CODESPA_digital.pdf. 87 Randstad: Previsiones empleo para 2020. https://www.randstad.es/nosotros/sala-prensa/previsiones-empleopara-2020/. 88 A Deloitte series on the skills gap and future of work in https://www2.deloitte.com/content/dam/insights/us/articles/4736_2018-Deloitte-skills-gap-FoWmanufacturing/DI_2018-Deloitte-skills-gap-FoW-manufacturing-study.pdf. 89 (ISC) ² : Global information security workforce https://blog.isc2.org/isc2_blog/2017/02/cybersecurity-workforce-gap.html.

study

manufacturing.

(GISWS).

90 Comisión Europea: Women in the digital age. http://ec.europa.eu/newsroom/dae/document.cfm? doc_id=50224. 91 Oxford University: Technology at work https://www.oxfordmartin.ox.ac.uk/downloads/reports/Citi_GPS_Technology_Work_2.pdf.

v2.0.

92 Foro Económico Mundial: ¿Cuáles son las habilidades que todos los estudiantes necesitan para el 2020? https://es.weforum.org/agenda/2016/09/cuales-son-las-habilidades-del-siglo-21-que-todos-los-estudiantesnecesitan/. 93 Intel: Autonomous ready Spain. https://newsroom.intel.com/news-releases/mobileye-spains-road-safetyauthority-dgt-collaborate-enhance-road-safety/. 94 Reglamento General de Protección de Datos (RGPD). https://rgpd.es/. 95 Agencia Española de Protección de Datos (AEPD) y Confederación Española de la Pequeña y Mediana Empresa (CEPYME): Encuesta sobre el grado de preparación de las empresas españolas ante el Reglamento General de Protección de Datos. https://www.aepd.es/media/estudios/estudio-proteccion-de-datos-aepd-

103

cepyme.pdf. 96 European Patent Office: European companies and inventors file more patent applications in 2018. https://www.epo.org/news-issues/news/2019/20190312.html. 97 Ministerio de Trabajo, Migraciones y Seguridad Social: Empresas inscritas en la Seguridad Social. http://www.ipyme.org/es-ES/publicaciones/Paginas/estadisticaspyme.aspx. 98 Organización para la Cooperación y el Desarrollo Económicos: How’s life in the digital age? Opportunities and risks of the digital transformation for people’s well-being. https://read.oecd-ilibrary.org/science-andtechnology/how-s-life-in-the-digital-age_9789264311800-en#page52. 99 IPSOS: 3 de cada 10 trabajadores españoles cree que la automatización está poniendo en riesgo su empleo. https://www.ipsos.com/es-es/3-de-cada-10-trabajadores-espanoles-cree-que-la-automatizacion-esta-poniendo-enriesgo-su-empleo.

100 McKinsey Global Institute: Jobs lost, jobs gained: Workforce transitions in a time of automation. https://www.mckinsey.com/~/media/mckinsey/featured%20insights/future%20of%20organizations/what%20the%20future%20of% jobs%20gained_report_december%202017.ashx. 101 PwC: Workforce of the future. https://www.pwc.com/gx/en/services/people-organisation/workforce-of-thefuture/workforce-of-the-future-the-competing-forces-shaping-2030-pwc.pdf. 102 Universitat de Valéncia: Vehículo autónomo: opinión de los conductores españoles. https://www.uv.es/uvweb/instituto-universitario-investigacion-transito-seguridad-vial-INTRAS/es/gruposinvestigacion/facthum-lab/novedades/vehiculo-autonomo-opinion-conductores-espanoles1285900753063/Novetat.html?id=1286036037598

104

BIBLIOGRAFÍA

Blanco, R., Fontrodona, J. y Poveda, C. La Industria 4.0: el estado de la cuestión. Extraido de: https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaE Entrevistas para SPRI. https://www.enriquerodal.com/2017/03/colaboraciones-en-laweb-de-spri-y.html. Fibre2Fashion.com. The Machinery Compendium 3rd Edition - Industry 4.0: The Machinery. Grunow, O. (2016). Smart factory and Industry 4.0. The current state of application technologies. Studylab. Podcast Industria 4.0. https://www.podcastindustria40.com/. Ustundag, A. y Cevikcan, E. (2018). Industry 4.0: Managing the digital transformation. Suiza: Springer. VV.AA. (2015). La innovación industrial clave para la economía española: análisis de cinco sectores maduros. Extraido de: https://www.researchgate.net/publication/285322601_La_innovacion_industrial_clave_para_la_ec

105

Edición en formato digital: 2020 Director: Miguel Santesmases Mestre © Enrique Rodal Montero © Ediciones Pirámide (Grupo Anaya, S.A.), 2020 Calle Juan Ignacio Luca de Tena, 15 28027 Madrid [email protected] ISBN ebook: 978-84-368-4215-9 Está prohibida la reproducción total o parcial de este libro electrónico, su transmisión, su descarga, su descompilación, su tratamiento informático, su almacenamiento o introducción en cualquier sistema de repositorio y recuperación, en cualquier forma o por cualquier medio, ya sea electrónico, mecánico, conocido o por inventar, sin el permiso expreso escrito de los titulares del Copyright. Conversión a formato digital: REGA www.edicionespiramide.es

106

Índice Presentación 1. Qué es la Industria 4.0

6 7

1.1. Definición y objetivos de la Industria 4.0 1.2. El origen del concepto de Industria 4.0 1.3. Europa y la Industria 4.0 1.4. El contexto en España 1.5. La normativa en España 1.6. Claves de la transformación digital

2. Tecnologías habilitadoras de Industria 4.0 2.1. Contexto 2.2. Fabricación aditiva o impresión 3D 2.2.1. Tipos de fabricación aditiva 2.2.2. Ventajas y desventajas de la fabricación aditiva 2.2.3. Ejemplos de uso de la fabricación aditiva en la Industria 4.0 2.2.4. Archivos de impresión 3D 2.3. Realidad virtual, aumentada, mixta, extendida y gamificación 2.3.1. Realidad virtual 2.3.1.1. Definición y tipos de realidad virtual 2.3.1.2. Orígenes de la realidad virtual 2.3.1.3. Usos de la realidad virtual en la Industria 4.0 2.3.2. Realidad aumentada 2.3.2.1. Definición y tipos de realidad aumentada 2.3.2.2. Origen de la realidad aumentada 2.3.2.3. Usos de la realidad aumentada en la Industria 4.0 2.3.3. Realidad mixta 2.3.4. Realidad extendida 2.3.5. Gamificación 2.3.6. Gemelo digital (digital twin) 2.3.6.1. Definición de gemelo digital 2.3.6.2. Usos de los gemelos digitales 2.3.6.3. Sistemas BIM 2.4. Cloud computing 2.4.1. Definición 107

7 15 16 18 19 20

22 22 23 23 25 26 27 27 27 27 28 29 29 29 30 31 31 32 32 33 33 33 35 35 36

2.4.2. Tipos de cloud computing 2.4.3. Ventajas e inconvenientes de cloud computing 2.4.4. Impacto del cloud computing 2.4.5. Cloud computing frente a edge computing 2.5. Tecnologías inalámbricas de transmisión de datos 2.5.1. Definición y tipos 2.5.2. Sistemas inalámbricos de localización 2.6. Robótica industrial 2.6.1. Definición 2.6.2. El impacto de la robótica industrial 2.6.3. Robótica colaborativa o cobots 2.6.4. Ventajas y desventajas de los cobots 2.6.5. Tendencias de la robótica industrial 2.7. Internet de las Cosas (IoT) 2.7.1. Definición y contexto 2.7.2. Entornos IT y OT en la industria 2.7.3. IoT frente a IIoT 2.7.4. Dispositivos IoT 2.7.5. Sistemas ciberfísicos 2.8. Metrología 2.9. Inteligencia artificial 2.9.1. Definición 2.9.2. Tipos de inteligencia artificial 2.9.3. Sistemas de aprendizaje 2.9.4. El impacto de la inteligencia artificial 2.9.5. Retos de la inteligencia artificial 2.9.6. Ejemplos reales del uso de inteligencia artificial en la industria 2.10. Big data 2.10.1. Definición 2.10.2. Generación y gestión de datos 2.10.3. Las dimensiones del big data 2.10.4. Etapas del big data 2.10.5. Usos del big data 2.11. Sistemas de visualización y gestión de datos 2.12. Otras tecnologías habilitadoras

108

36 37 38 38 39 39 44 45 45 46 47 48 48 50 50 51 51 52 54 55 56 56 58 60 60 61 63 65 65 66 67 68 69 70 73

2.12.1. Drones 2.12.1.1. Definición 2.12.1.2. Tipos de drones voladores 2.12.1.3. Usos de los drones 2.12.2. Blockchain 2.12.3. Vehículos AGV, LGV, IGV y AIV 2.12.4. Exoesqueletos 2.12.5. Wearables 2.12.6. Sistemas biométricos 2.12.7. Eye tracking 2.12.8. UX/UI 2.12.9. Nuevos materiales y procesos

3. Retos de la Industria 4.0

73 73 73 74 75 76 78 79 80 81 82 83

88

3.1. La ciberseguridad 3.1.1. Impacto de la ciberseguridad 3.1.2. Principales amenazas 3.1.3. Ciberseguridad en los entornos IT y OT 3.1.4. Retos de la ciberseguridad 3.1.5. Herramientas de ciberseguridad 3.2. Formación de los trabajadores 3.3. Educación y los nuevos empleados de la Industria 4.0 3.4. Normativas 3.5. Protección de datos 3.6. I + D + i y patentes 3.7. Costes económicos 3.8. Capacitación de los proveedores tecnológicos 3.9. Obsolescencia programada 3.10. Difusión 3.11. Motivaciones sociales, laborales y psicológicas

Bibliografía Créditos

88 88 89 91 92 94 95 95 97 98 99 99 99 100 100 101

105 106

109