Optimización de procesos industriales Collman Granados Joseph Iker
Andalco Chavez Diego
mediante sistemas de Inteligencia
Artificial
SEMILLERO DE INVESTIGACIÓN XXVI
ASESORA MARÍA ALEJANDRA RIEGO GAONA
Antecedentes plantamiento del problema
La inteligencia artificial mejora la eficiencia, reduce Aunque la IA tiene gran potencial, muchas empresas no la aplican por barreras
defectos y baja costos en manufactura, pero su técnicas y humanas que limitan su impacto real en la producción.
adopción se complica por la falta de tecnología,
personal capacitado y sistemas antiguos. En Algoritmos
de inteligencia artificial para optimización de procesos objetivo objetivo justificación
en la industria plástica (2022), se destaca cómo el
algoritmo NSGA2 mejora la eficiencia y reduce costos, general especíFico
logrando una reducción del 75 % en los costos de
producción.
Diseñar una Se busca analizar La IA puede hacer más
estrategia que facilite cómo se usa la IA eficientes los procesos,
pregunta investigaciÓn formar mejor al personal y
el uso de IA en actualmente y evaluar
¿Cómo impacta la implementación de la conectar tecnología con el
manufactura su aplicación según el
inteligencia artificial en la optimización factor humano, acercándose
enfrentando sus tipo de industria y su
de los procesos productivos de la al ideal de la Industria 4.0.
principales barreras. nivel tecnológico.
industria manufacturera, considerando la
integración con sistemas heredados, los
requisitos de infraestructura tecnológica
y la capacitación del personal?
hipótesis viabilidad
Es un proyecto factible porque hay
Si se mejoran los sistemas, la
acceso a tecnología, formación online
infraestructura y se capacita al
y se puede desarrollar en menos de
personal, la IA logrará optimizar los
un año con apoyo académico.
procesos industriales de forma
significativa.
marco teórico
Con la incorporación de tecnologías avanzadas, especialmente la Inteligencia Artificial (IA), estos procesos han experimentado
una transformación significativa. La IA permite automatizar tareas repetitivas, predecir fallos, mejorar la eficiencia operativa y
optimizar la calidad del producto (Jouini et al., 2021; León et al., 2022). Según Russell y Norvig (2016), la IA es el campo que busca
desarrollar máquinas capaces de simular comportamientos inteligentes, lo cual, en el entorno industrial, se traduce en mejoras
en producción, mantenimiento, logística e inventario (Cao et al., 2022).
No obstante, la implementación de IA presenta desafíos, como la compatibilidad con sistemas heredados. Herramientas como
middleware y APIs permiten integrar tecnologías nuevas con maquinaria antigua (Feng et al., 2023). Asimismo, el uso de la nube
y el Edge Computing ha facilitado el procesamiento de grandes volúmenes de datos en tiempo real, incrementando la eficiencia
de los sistemas industriales (Wang et al., 2022). Para aprovechar todo el potencial de estas tecnologías, es fundamental invertir
en la capacitación del personal (Ramos et al., 2024).
Metodología
La metodología consiste en una revisión documental de artículos científicos, informes técnicos, libros especializados y
notas periodísticas con el objetivo de analizar el impacto de la inteligencia artificial (IA) en la industria manufacturera,
así como los retos y oportunidades de su implementación en el contexto mexicano. Se seleccionarán fuentes
relevantes de los últimos cinco años, priorizando investigaciones académicas, reportes de organismos internacionales
y publicaciones de expertos en innovación industrial. El análisis se realizará de forma cualitativa, identificando
patrones comunes, beneficios esperados, barreras tecnológicas y sociales, y recomendaciones de políticas públicas.
Esta estrategia permitirá construir un marco comprensivo sobre el estado actual y futuro potencial de la IA en el
sector industrial de México.
REFERENCIAS
Beltrán Caicedo, P. P., & Borja, L. F. (2022). Algoritmos de inteligencia artificial para optimización de procesos en la industria plástica. Ciencia Latina Revista Científica León, F., Martínez, P., & Rivas, J. (2022). Transformación digital e inteligencia artificial en la industria manufacturera. Revista Iberoamericana de Automática e Informática
Multidisciplinar, 6(1), 1205–1222.
Industrial, 19(4), 528–538. [Link]
Cao, J., Zhang, Y., Vasilakos, A. V., & Li, Y. (2022). Artificial intelligence in industrial systems: Applications, challenges, and opportunities. IEEE Transactions on
Ramos, L., Pérez, D., & Gómez, M. (2024). Capacitación y adopción tecnológica en la industria 4.0. Revista de Tecnología Industrial y Sociedad, 12(1), 33–45.
Industrial Informatics, 18(3), 1452–1464.
Feng, Y., Zhao, X., Liu, Z., & Wang, X. (2023). Integrating legacy systems with modern industrial technologies: The role of middleware and APIs. Journal of Industrial Russell, S., & Norvig, P. (2016). Artificial intelligence: A modern approach (3rd ed.). Pearson Education.
Information Integration, 30, 100394.
Jouini, M., Boudour, M., & Hachicha, M. (2021). The impact of artificial intelligence on industrial process optimization. International Journal of Advanced
Manufacturing Technology, 115(9), 2703–2715.
