Printer Friendly

PROPOSED INDUSTRY 4.0 ARCHITECTURE IN THE SUPPLY CHAIN FROM THE PERSPECTIVE OF INDUSTRIAL ENGINEERING/PROPUESTA DE UNA ARQUITECTURA DE LA INDUSTRIA 4.0 EN LA CADENA DE SUMINISTRO DESDE LA PERSPECTIVA DE LA INGENIERIA INDUSTRIAL/PROPOSTA DE UMA ARQUITETURA DA INDUSTRIA 4.0 NA REDE DE FORNECIMENTO DESDE A PERSPECTIVA DA ENGENHARIA INDUSTRIAL.

1. Introduccion

La industria 4.0 (14) se origino en un proyecto de estrategia de alta tecnologia del gobierno aleman en el 2011. Con frecuencia se refiere como la cuarta revolucion industrial. 14 permite un cambio de paradigma de la produccion "centralizada" a la "descentralizada" [1], lo que genera una estrategia para ser competitivo en el futuro [2], en la cual los productos tienden a controlar su propio procesamiento de fabricacion [3]. Adicionalmente, se centra en la optimizacion de las cadenas de valor mediante la produccion dinamica y autonomamente controlada, lo que automatiza las industrias mediante el intercambio de datos entre los eslabones de la cadena de suministro [4].

Una parte integral de la fabrica del futuro es la extension y expansion de las cadenas de suministro; esto rompe las barreras comerciales tradicionales y trasciende las cuatro paredes de una sola instalacion para trabajar cada vez mas estrechamente con clientes, proveedores, organismos industriales y el mundo academico. Esta idea de la empresa extendida es fundamental para todo el concepto de "14", en la cual esta forma colaborativa de trabajo es vista como la una manera de optimizar la productividad [5].

En este sentido, la 14 esta basada principalmente en el Internet de las cosas (IOT), big data y la fabricacion inteligente [6], en donde los productos en proceso, los componentes y las maquinas de produccion recogen y comparten datos en tiempo real [7] que pueden utilizarse en la prediccion de fallas [8], en la mejora de la fabricacion [3], y en la toma de decisiones descubriendo debilidades y teniendo en cuenta la situacion actual del sistema [9]. La 14 junto con IOT puede hacer una gran revolucion en la gestion de la cadena de suministro global [4] al permitir alcanzar niveles sin precedentes de eficiencia operativa y acelerar el crecimiento de la productividad [10], [11].

Los datos juegan un papel importante en las diferentes decisiones relacionadas con la cadena de suministro de la empresa; estos son voluminosos, versatiles, rapidos y sensibles, que son caracteristicas del big data [4], [12]. El exito de cualquier negocio se basa en laeficiencia de su cadena de suministro, que es responsable de crear y mantener los vinculos de diferentes entidades en un negocio; estas son responsables de la adquisicion de materias primas para la entrega final del producto [13].

Las empresas estan generando todo el tiempo informacion a partir de sensores y de los equipos que se usan en la produccion; sin embargo, no suelen ser compatibles en la manera en que generan la informacion ni en el orden de esta. Con el diseno de la arquitectura, se busca que la informacion recolectada por los eslabones de la cadena de suministro sea estandarizada y se pueda usar de manera facil y en tiempo real en cualquier punto de la misma.

El resto de este trabajo esta estructurado de la siguiente manera: en la seccion 2 presentamos los antecedentes y revision bibliografica sobre los temas emergentes de la 14; en la seccion 3, explicamos la metodologia usada para la elaboracion del articulo; y la seccion 4 presenta la propuesta de la arquitectura para la cadena de suministro en el contexto de la 14. Se continua con la seccion 5, en la cual se evalua la conexion entre las capas de usuario y la aplicacion por medio de la aplicacion movil "ERP for 14". Los resultados y discusion se exponen en la seccion 6; y se finaliza con las secciones 7, en la cual se presentan las conclusiones, y 8, que contiene las futuras investigaciones.

1.1 Antecedentes de investigacion

El IOT es un tema emergente de importancia tecnica, social y economica, ademas de ser un paradigma que permite la interconexion de dispositivos para la adquisicion de datos [14], comunicacion y colaboracion entre ellos para alcanzar objetivos comunes [15]-[16], [17], asi como la optimizacion de recursos y reduccion de costos [18]. El IOT permite a las empresas modernas adoptar nuevas estrategias basadas en datos y manejar la presion competitiva global mas facilmente.

Sin embargo, la adopcion de IOT incrementa el volumen total de los datos generados transformando los datos en big data [19], para lo cual se necesitan tecnologias y sistemas disenados para recopilar, descubrir y analizar de manera efectiva diferentes tipos de grandes datos y extraer un valor para la organizacion [20], utilizando diferentes herramientas, tales como sistemas de negocios inteligentes, mineria de datos yanalisis predictivo [13]. Una ventaja del big data es que puede ignorar las restricciones fisicas y geograficas; realizar la conectividad y la descentralizacion de los recursos de informacion, y resolver el problema de la "isla aislada de la informacion" [20], lo que disminuye las brechas entre los eslabones de la cadena de suministro.

La transformacion de las 5V de big data es un gran desafio para la capacidad de procesamiento [21]. La computacion en la nube (CC) ha surgido como un nuevo paradigma para proporcionar la computacion como un servicio de utilidad para abordar las diferentes necesidades de procesamiento [22]. CC integra tecnologias o arquitecturas tales como el IOT y el big data para lograr una meta, ofrecer una plataforma o construir una solucion [23]; cada vez mas companias lo emplean, ya que proporciona flexibilidad y agilidad para apoyar las operaciones de la cadena de suministro [24]. En la computacion en la nube, la infraestructura de hardware no se ve, pero lo que el usuario o los clientes ven es la interfaz de aplicacion; debido al uso de Internet como unidad de transporte o factor de enlace entre aplicaciones y hardware, se puede acceder a la computacion en la nube en cualquier momento o lugar donde haya una conexion a Internet disponible [25].

Asi mismo, los proveedores de cc han sido valiosas alternativas con el objetivo de acelerar las plataformas de aprendizaje de las maquinas. El aprendizaje automatico (ML) realiza tareas que necesitan mucho tiempo de ejecucion y requieren plataformas capaces de disminuir estos tiempos [26]. Asi mismo, realiza una comprension profunda de patrones [27] en los datos, lo cual ayuda a tomar decisiones optimas y eficientes, y mejora el rendimiento a traves de la experiencia [28]. El objetivo principal del ml es crear un sistema capaz de dar una solucion optima cuando se le introduce informacion [29].

En resumen, en el aprendizaje automatico, primero, el algoritmo analiza un conjunto de datos de "entrenamiento" para establecer una funcion capaz de distinguir sujetos individuales entre grupos. Una vez hecho esto, el modelo puede ser aplicado a un nuevo conjunto de datos, y la precision del metodo se puede medir en este nuevo escenario [30]. El exito del aprendizaje automatico en tareas de inteligencia se debe, en gran medida, a su capacidad para descubrir una estructura compleja que no se especifico de antemano [31].

La arquitectura propuesta es la integracion de la revision de la literatura academica estudiada junto con los estudios que se describen a continuacion, que cumplen con el modelo de arquitectura propuesta, junto con lo cual se realizo el ciclo de interaccion de actores y elementos, y la adaptacion de la arquitectura a la cadena de suministro con el planteamiento de sus componentes.

Se tomo como base la tesis doctoral "Metamodelo para la integracion de la Internet de las cosas y redes sociales" [32]. Esta arquitectura general tiene tres niveles: en el primero se encuentran los sensores, los cuales obtienen informacion en tiempo real; la capa intermedia, denominada de comunicacion, integra redes cableadas e inalambricas que transfieren la informacion; y por ultimo, esta la capa superior, donde se encuentran las aplicaciones y que a su vez consta de tres capas: capa de tecnologia, capa de middleware y la capa de aplicacion. Esta arquitectura general se adecuo a la cadena de suministro inmersa en la 14.

Otro estudio que se tomo como referencia para realizar la propuesta de arquitectura es "Architecture for Industry 4.0-based Manufacturing Systems" [33], del cual se analizaron las capas de interfaz, procesamiento de informacion e inteligencia, y que sirvio como parametros para los elementos que se utilizaron en esta investigacion.

Por ultimo, se uso el texto "An Architecture for Organizing and Locating Services to the Industry 4.0" [34], que propone una la vision global de la 14, en la cual los sistemas fisicos se asignan a un mundo virtual: de aqui se tomo la base para crear el ciclo de interaccion de actores y elemento de la arquitectura propuesta.

2. Metodologia

Para cumplir con el objetivo de la investigacion, se estudio la informacion disponible en bases de datos academicas realizando una revision de estado de literatura de investigaciones. Un 15% de publicaciones estan comprendidas entre el 2012 y el 2014, y un 85% en el periodo 2015-2017. La propuesta tiene este orden: primero, se argumenta por la importancia de la 14 presentando una introduccion de esta junto con una conceptualizacion sobre sus elementos, como lo son el Internet de las cosas, big data, la computacion en la nube, el aprendizaje automatico y la cadena de suministro.

La siguiente seccion muestra una propuesta de arquitectura para la cadena de suministro realizada a partir de un prototipo ya establecido para resolver problemas de integracion de tecnologias e informacion para el desarrollo de aplicaciones en la 14, en la cual se establecieron y explicaron de manera explicita los elementos, autores y partes interesadas que componen dicha arquitectura.

Posteriormente, en los resultados, se presenta la arquitectura de la 14 dentro de la cadena de suministro, se valido la integracion de la capa de sensores con la capa de aplicacion mediante el desarrollo de la aplicacion movil ERP for 14. Se realizo esta validacion con un modelo matematico que evalua la usabilidad de la app por medio de encuestas a expertos de la cadena de suministro y a usuarios que la usaron; luego, se abordan las discusiones de la arquitectura; por ultimo, se establecen las observaciones finales y futuras investigaciones.

Resultados

3.1 Propuesta de arquitectura

De acuerdo con los articulos estudiados, se puede senalar que la 14 tiene cuatro pilares, que son la interconexion, la transparencia de la informacion, las decisiones descentralizadas y la asistencia tecnica [35]; adicionalmente, se busca que la fabricacion sea inteligente, es decir, que sea autoconsciente, autooptimizada y autoconfigurada para generar beneficios economicos en las companias que lo empleen [3]. Cuando se implementa con exito la 14 en la cadena de suministro, puede transformar la produccion tradicional de celulas dispersas y aisladas a un flujo de produccion totalmente integrado, automatizado y optimizado para lograr mayores eficiencias y relaciones de fabricacion mas cercanas entre los proveedores, productores y clientes [36].

En la figura 1 se han identificado los actores y elementos que interactuan en la cadena de suministro en el ambiente de la 14, lo que permitio establecer un marco general que recopilo la informacion en los enlaces que van a generar la arquitectura propuesta y asi determinar los diferentes actores (empresa, negocios, demanda y aprendizaje automatico entre otros) que realizan las interacciones para crear una cadena de suministro inteligente.

Al generarse una cadena de suministro inteligente, lo importante es el flujo de informacion, que empieza con la obtencion de datos a traves de la aplicacion de Internet de las cosas en todos los eslabones de la cadena de suministro, pasa por la limpieza y seleccion de datos en los procesos de big data, y posteriormente envia esta informacion a la computacion en la nube, en la cual el aprendizaje automatico brinda las soluciones optimas. Luego de esto se alimenta la cadena de suministro enviando la informacion transformada a cada seccion y tal como predicciones de oferta y demanda, planeaciones de rutas de distribucion, pronosticos de fallas de maquinaria, planeacion optima de la produccion, ventas asertivas satisfaciendo las necesidades de los clientes, entre otros.

La figura 2 muestra una arquitectura propuesta para la cadena de suministro en el contexto de la 14, en la cual se definen tres capas que buscan la integracion de los diferentes elementos y actores.

A continuacion, se describen los componentes de la arquitectura dentro de la cadena de suministro en la i4, con el fin de establecer una propuesta integral que permita cubrir las necesidades de las organizaciones a la hora de formar parte de la i4.

3.2 Capa de sensores

Esta capa es la encargada de la recoleccion de datos en la cadena de suministro a traves de diferentes medios, entre estos los sensores (que estan en los diferentes agentes de la planta, como maquinas, locaciones y personal operativo), el componente de negocios (cada eslabon de la cadena de suministro genera informacion en tiempo real), las redes sociales (en las cuales se generara la comunicacion y el cruce de informacion entre los clientes, proveedores y la organizacion), y, por ultimo, los elementos de georreferenciacion (que se encargan de la ubicacion y recoleccion de datos en los canales de distribucion).

3.2.1 Sensores inteligentes

Los sensores inteligentes son dispositivos que convierten parametros fisicos en senales electricas y devuelven datos analogicos o digitales [37]. En otras palabras, los sensores permiten medir un parametro fisico concreto, o detectar un cambio en el entorno cercano a los mismos [38]. Se complementan con los actuadores, que se encargan de convertir las ordenes en acciones. Se emplearon los siguientes sensores en los eslabones de la cadena de suministro:

* Identificacion por radiofrecuencia (RFID): esta tecnologia consiste en una etiqueta RFID, que contiene la informacion de identificacion unica del producto, un lector que recoge la informacion almacenada en la etiqueta y un sistema servidor que almacena los datos [39]. Este tipo de sensores facilito la identificacion y administracion de los inventarios, el monitoreo de los activos de la empresa, la deteccion de posicion del producto dentro de la cadena de suministro (trazabilidad), el control de maquinas (diagnostico y seguimiento) y controles de acceso por proximidad.

* Termopares: estos sensores se usaron para medir temperaturas; son usuales debido a su bajo costo, amplio rango de temperaturas y sus conexiones estandar.

* Sensor de desplazamiento laser: permitio realizar una medicion exacta sin contacto alguno con el producto; la luz del laser cambia de intensidad dependiendo de las medidas del objeto.

* Sensores fotoelectricos de barrera: se utilizaron para controlar las medidas especificadas de los productos.

* Celdas de carga: fue posible tener un control del peso de los productos por medio de estos sensores, que transmiten la informacion para ser controlada mediante un indicador de peso.

3.2.2 Negocios

Dentro de la cadena de suministro, la red de comunicacion se realizo entre varias empresas, fabricas, proveedores y clientes. Cada seccion optimizo su configuracion en tiempo real en funcion de las exigencias y el estado de las secciones asociadas a la red; tambien creo el maximo beneficio para todos los eslabones con el intercambio de recursos limitados [3].

3.2.3 Georreferenciacion

La distribucion de materias primas y productos terminados es un elemento crucial en la cadena de suministro. La mision de la distribucion es hacer llegar los productos correctos al lugar indicado en el momento preciso y con las condiciones requeridas.

En la recoleccion de datos de distribucion como parte de la propuesta de arquitectura se utilizaron los siguientes elementos, que permitieron llevar un control en la logistica:

* Sistema de informacion geografica: con esta herramienta se obtuvo informacion sobre las caracteristicas de los lugares, las condiciones de las rutas y el calculo de rutas optimas.

* Sistema de posicionamiento global: es un servicio gratuito y gran aliado en la logistica, dado que permite a sus usuarios determinar con exactitud su ubicacion y desplazarse a otro lugar. En la arquitectura propuesta se utilizo como un apoyo de navegacion terrestre.

3.2.4 Redes sociales

El incremento del uso del internet fomento el uso de las redes sociales, que son conexiones entre diferentes actores. Durante los ultimos anos, las tecnicas de analisis para las redes sociales han adquirido importancia en la aplicacion y uso de la mineria de datos, brindando a las organizaciones una herramienta para la prediccion de ventas y segmentacion del mercado. A traves de las tecnicas api rest y streaming api [40], se extrajeron los datos de las redes sociales.

3.2.5 Controlador de la nube

Un controlador de nube es un dispositivo de almacenamiento que transfiere automaticamente los datos del almacenamiento local al almacenamiento en la nube. En el desarrollo de la arquitectura propuesta se empleo el servicio Amazon Web Services (AWS) de controladores de la nube.

3.2.6 Controlador de sensores

Estos son dispositivos que almacenan y ejecutan los programas de control de los sensores y actuadores. Se utilizaron los controladores Autonics Sensors Controllers (ASC), que son compatibles con una amplia gama de sensores.

3.3 Bases de datos

Toda la informacion recolectada debe almacenarse; para esto se utilizan las bases de datos en las que se puede acceder a la informacion de manera segura y agil. En la arquitectura propuesta se utilizaron dos tipos de bases de datos: una fisica y la otra interna.

* Bases de datos fisicas: los datos se almacenan en el servidor de la empresa. Desde este servidor se suben los datos a la nube, lo que significa que la informacion se modifica en tiempo real.

* Bases de datos internas: se realizo un backup de la informacion para tener acceso a esta sin necesidad de tener conexion a Internet. Solo se realizan consultas sobre los datos ya existentes para el analisis y toma de decisiones.

3.4 Capa de comunicaciones

En esta capa se encuentra la infraestructura que almacena en una nube industrial. Aca es donde se da la integracion entre las capas que recibe los datos y suministra informacion a las aplicaciones externas.

3.4.1 Nube industrial

Con el fin de acceder a la informacion de la cadena de suministro desde cualquier lugar y en tiempo real, es necesario tener conexion a Internet y acceso al servidor AWS donde se almacena la informacion, para descentralizarla y ponerla a disposicion de quien la requiera.

3.5 Transferencia de informacion

Para el desarrollo de esta arquitectura, se utilizaron las Tic mas comunes aplicadas a la cadena de suministro, Electronic Document Interchange (EDI) y Vendor Managed Inventory (VMI) con el fin de evitar fugas de informacion y perdidas a lo largo del hilo digital. Para que la informacion este disponible en un punto especifico, es crucial compartirla en toda la cadena en tiempo real. Por lo tanto, se integraron fuentes dispares de datos de diferentes aplicaciones para crear una vision holistica del proceso de extremo a extremo. Ademas, esta integracion de datos incluye la informacion de los proveedores y clientes. Esta informacion es relevante para la adaptacion de los procesos de fabricacion [41].

3.6 Capa de usuario

Esta capa muestra por medio de una aplicacion externa el monitoreo de materias primas, las fallas de equipos, el control de calidad, la programacion de la produccion, la prediccion de demanda y las rutas optimas de distribucion, entre otros, con la ayuda de la computacion en la nube, big data y el aprendizaje automatico.

3.6.1 Computacion en la nube

Se contrataron los servicios de Amazon Machine Learning, que permiten acceder a los servicios de software y almacenamiento desde cualquier lugar por medio de Internet.

3.6.2 Aprendizaje automatico

El aprendizaje automatico para esta arquitectura se soporto en diferentes herramientas, como Hadoop, Flink y Kafka; tambien puede ser soportado en otras tecnicas desarrolladas para la organizacion que lo requiera.

3.6.3 Capa de app

Para ingresar a la app desarrollada se accede mediante una cuenta de usuario, autentificando y autorizando el ingreso para asegurar la informacion que esta contiene, y administrando de esta manera los usuarios que pueden tener acceso a la aplicacion. A traves de la app, se puede gestionar la informacion durante su ciclo de vida (desde su captura hasta su eliminacion). La aplicacion cuenta tambien con un modulo de soporte tecnico por si se requiere.

3.6.4 Big data

Por medio del big data se analizaron, seleccionaron y procesaron los datos recolectados de los elementos anteriormente descritos en la capa de sensores. Para el desarrollo de esta arquitectura, se utilizo Apache Storm, el cual es un sistema de computacion distribuida en tiempo real, orientado a procesar flujos constantes de datos, como datos de sensores.

3.6.5 Mineria de datos en la oferta y demanda

La exploracion de datos de la oferta de materias primas y de la demanda de productos terminados brinda una comprension de los patrones y tendencias de estos datos para asi ser procesados por medio del big data. Para esta arquitectura se utilizo Apache Storm, que utiliza tecnicas predictivas como metodos bayesianos y algoritmos geneticos.

3.6.6 Aplicaciones ERP

Los sistemas ERP se usaron para la planificacion de recursos empresariales desde la plataforma sap. Tipicamente manejan la produccion, la logistica, la distribucion, el inventario, los envios, las facturas y contabilidad de la compania de forma modular. La aplicacion desarrollada para esta propuesta de arquitectura cuenta con cinco modulos: a) pronostico de demanda, b) reporte de fallas, c) reporte de produccion, d) reporte de proveedores, y e) ruteo.

3.7 Validacion de la propuesta

La validacion de la interconexion entre las capas de sensores y la de aplicacion se realizo con una prueba a la fase de usuario, en la cual se evaluo la app final que se muestra en la figura 3, llamada ERP for 14, aplicando el "Modelo para la medicion de usabilidad de aplicaciones moviles, mediante el analisis de atributos y metodos de evaluacion de Usabilidad" [42], que da los lineamientos en numero de usuarios, expertos, atributos y subatributos.

Al aplicar el modelo, se necesito de cuatro expertos con experiencia en el software SAP y la modificacion de sus modulos; asimismo, eran ingenieros de produccion/logistica y con experiencia profesional en el cargo de jefe de produccion. Se tomaron cinco usuarios que fueron aquellos empleados que tenian que ver con la cadena logistica de la organizacion, ademas de establecer los atributos, subatributos y heuristicas que se muestran a continuacion:

Atributos: a) el usuario entiende la funcionalidad de la app, b la app propuesta ayuda al usuario a interactuar con los eslabones de la cadena de suministro, c) la app funciona de manera agil, d) la app manej a informacion en tiempo real, y e) la informacion que brinda la app es de ayuda para los eslabones de la cadena de suministro.

Subatributos: a) es de facil comprension la app, b) es facil manejar la app y c) la informacion obtenida es facil de analizar.

Heuristicas: a) la app propuesta ofrece una manera rapida de obtener informacion de la cadena de suministro, b) las empresas pueden beneficiarse de la app y c) el Internet de las cosas puede beneficiarse de la app.

Una vez aplicado el modelo con las propiedades anteriormente descritas, se obtuvo como resultado una usabilidad de la aplicacion del 91%, como se muestra en la tabla 1.

Con los datos obtenidos del modelo en la aplicacion movil, se muestra que la aplicacion ERP for 14 cumple con los parametros necesarios para dar validez a la arquitectura propuesta, en la cual la cadena de suministro se integre a la 14 de manera exitosa.

4. Discusion

El modelo de usabilidad de aplicaciones moviles que se utilizo para evaluar la aplicacion movil ERP for 14 arrojo un resultado de usabilidad del 91%, por lo cual se puede afirmar que la arquitectura propuesta cumple su funcion a la hora de integrar los eslabones de la cadena de suministro con la 14, especificamente, la capa de sensores junto con la capa de aplicacion. A partir de la revision del estado del arte y el desarrollo de la arquitectura, se evidenciaron los siguientes resultados y discusiones.

4.1 Integracion

La fabricacion digital implica que las plataformas integradas de planificacion y ejecucion conectan todas las partes de la cadena de valor [43, 44], lo que consigue que en cualquier punto de la cadena de suministro se obtuviera informacion al instante para ser usada en la toma de decisiones acertadas [45, 46].

4.2 Costo

La informacion incorrecta y las decisiones erroneas tomadas dentro de la cadena de suministro generan perdidas economicas [39, 47]. Esto se disminuyo con la ayuda de la app ERP for 14, pues esta presentaba datos precisos en todos los procesos de la organizacion en el contexto adecuado y el formato necesario para tomar decisiones acertadas. Adicionalmente, la cooperacion entre los eslabones de la cadena de suministro redujo costos al tener una completa comunicacion en tiempo real. Sin embargo, para implementar las soluciones de la 14, se requieren altas inversiones para crear una infraestructura de red robusta y segura, y actualizar o reemplazar sistemas de la organizacion [40]. La justificacion de estas inversiones requiere que los beneficios se cuantifiquen de manera inequivoca y fiable.

4.3 Flexibilidad

Se crearon sistemas flexibles listos para el cambio [3] y listos para nuevas oportunidades al optimizar los procesos basandose en el analisis de datos. Cada vez que el aprendizaje automatico ofrece mayor prediccion en los procesos [44], el sistema se renueva a partir de los datos que arroja el modelo de prediccion.

4.4 Tiempo

Las maquinas inteligentes comparten informacion en tiempo real [7] continuamente sobre los niveles de stock, problemas, errores o los cambios en pedidos. Los procesos y los plazos se controlan para aumentar la eficiencia y optimizar los plazos de entrega [37, 41]. Se obtuvo una disminucion de tiempo en los procesos debido a los datos recolectados por los sensores, con lo cual fue mas facil predecir las decisiones a tomar que generan valor al proceso, eliminan los tiempos muertos y se realizo un plan de mantenimiento adecuado. En el ambito de la logistica, tambien se disminuyo el tiempo de transporte de mercancias al elegirse la ruta optima y el proveedor que tenga los menores tiempos de envio.

4.5 Fabrica inteligente

Al integrar la cadena de suministro en la 14, se crean fabricas inteligentes en las cuales no solo todos los recursos de fabricacion (sensores, actuadores, maquinas, robots, transportadores, entre otros) estan conectados e intercambiando informacion de forma automatica [3], [7], sino que la fabrica es lo suficientemente inteligente como para proporcionar procesos de produccion flexibles y adaptativos que resuelven los problemas que surjan en una instalacion de produccion [46]. Esto se vio a partir de la app. Las fabricas obtuvieron informacion en tiempo real, lo que permitio tomar el control sobre cada proceso de la empresa.

4.6 Canales de distribucion

Se usaron transportes inteligentes con seguimiento en tiempo real del producto, utilizando sistemas de georreferenciacion conectados a la nube [4]. Adicionalmente, se instalaron sensores en los vehiculos para detectar danos y averias, y un sistema de transformacion de datos de trafico para la distribucion correcta de los elementos a traves de la cadena de suministro [45], [48].

4.7 Maquinas inteligentes

La comunicacion maquina-maquina es esencial en los sistemas ciberneticos, ya que permite que los dispositivos conectados a la red inicien y accionen la comunicacion sin intervencion ni ayuda humana [7], [37]. Las maquinas que trabajan en una linea de produccion se suministraron informacion del proceso que realizaban; esto fue un gran aliado para detectar errores en la linea de produccion.

4.8 Producto inteligente

Se trata de un nuevo tipo de producto generado en la industria, que recopila datos de proceso para el analisis durante y despues de su produccion [49], [50]. Estos productos estan integrados con sensores, componentes identificables y procesadores que llevan la informacion [3]; esto permite a los objetos inteligentes comunicarse con otros objetos, procesar datos de entorno y realizar eventos [38]. Los productos utilizados en la aplicacion estaban identificados con etiquetas rtif, que permitieron transferir informacion de cada producto respecto a su posicion en la cadena suministro (trazabilidad).

4.9 Impacto social

Al tener un control total de los inventarios, se mostro que solo se necesita un empleado en este proceso. El uso de la tecnologia en algunos procesos hace que se pueda prescindir de empleados que realizaban estas labores, por lo que se recomienda que estos sean capacitados en temas de la 14 para que brinden nuevos conocimientos a la organizacion. [45] recomienda determinar y documentar el impacto sobre el trabajo y el empleo (oportunidades y riesgos) junto con las acciones necesarias para lograr politicas laborales y de formacion orientadas hacia los trabajadores.

5. Conclusion

Como resultado de la investigacion presentada, se puede concluir que existe una relacion positiva entre la arquitectura propuesta y la eficiencia de la cadena de suministro, debido a dos factores principales: el primero esta relacionado con interaccion en tiempo real entre los eslabones de la cadena de suministro apoyado en la computacion en la nube. El segundo factor es el aprendizaje automatico que permite la toma de decisiones optimas y eficientes.

Los esfuerzos que hacen las empresas para crear ventajas competitivas pueden reforzarse debido a la inmersion en la 14; sin embargo, las organizaciones deben tener en cuenta que la inclusion en la nueva revolucion industrial trae consigo cambios en las tecnologias que se utilizan para la recoleccion de datos, el analisis y su transformacion, y estos cambios de tecnologia representan una inversion que deben hacer las organizaciones.

Luego de la validacion de la propuesta, se pudo determinar que el uso de la aplicacion movil desarrollada brinda una iniciativa a las organizaciones para hacer parte de la 14 debido a que la interfaz presentada es adecuada para la revision de la informacion deseada desde cualquier punto de la cadena de suministro en tiempo real.

6. Futuras lineas de investigacion

Para futuras investigaciones, se debe tener en cuenta la seguridad de la informacion por medio de encriptaciones que permitan la confidencialidad de los datos y la proteccion de estos frente a terceros. Se deben establecer protocolos de seguridad para el acceso a la informacion.

Se deben estandarizar las tecnologias para permitir la integracion de todos los elementos por medios de diferentes plataformas, independiente del software o hardware con los que cuenten, estudiando los enfoques y mecanismos para apoyar la interoperabilidad entre los componentes.

Adicionalmente, el desarrollo de diversos algoritmos para el procesamiento de datos procedentes de la cadena de suministro para proporcionar una mejor comprension del funcionamiento de la cadena de suministro global.

doi: https://doi.org/ 10.16925/in.v23i13.2007

7. Referencias

[1] J. Ang, C. Goh, A. Saldivar y Y. Li, "Energy-Efficient Through-Life Smart Design, Manufacturing and Operation of Ships in an Industry 4.0 Environment", Energies, vol. 10, no. 5, p. 610, 2017. [Online]. doi: https://doi.org/10.3390/en10050610

[2] B. Mrugalska y M. K. Wyrwicka, "Towards Lean Production in Industry 4.0", Procedia Eng., vol. 182, pp. 466-473, 2017. [Online]. doi: https://doi. org/10.1016/j.proeng.2017.03.135

[3] J. Qin, Y. Liu y R. Grosvenor, "A Categorical Framework of Manufacturing for Industry 4.0 and beyond", Procedia CIRP, vol. 52, pp. 173-8, 2016. [Online]. doi: https://doi.org/10.1016/j.procir.2016.08.005

[4] A. Jayaram, "Lean Six Sigma Approach for Global Supply Chain Management Using Industry 4.0 and IIoT", 2016 2nd Int. Conf. Contemp. Comput. Informatics, pp. 89-94, 2016. [Online]. doi: https://doi. org/10.1109/IC3I.2016.7917940

[5] International Electrotechnical Commission, "Factory of the future", White Pap. Futur. Fact., pp. 44-7, 2015. [Online]. Disponible en http://www.qualitymag.com/articles/93484-stepping-up-to-the-factory-of-the-future

[6] V. Diez, A. Arriola, I. Val y M. Velez, "Validation of RF Communication Systems for Industry 4. 0. through Channel Modeling and Emulation", IEEE Int. Work, pp. 2-7, 2017. [Online]. doi: https://doi. org/10.1109/ECMSM.2017.7945906

[7] F. Shrouf, J. Ordieres y G. Miragliotta, "Smart Factories in Industry 4.0: A Review of the Concept and of Energy Management Approached in Production Based on the Internet of Things Paradigm", IEEE International Conference on Industrial Engineering and Engineering Management, 2014, vol. 2015, pp. 697-701, Mar. 2015. [Online]. doi: https://doi. org/10.1109/IEEM.2014.7058728

[8] L. Spendla, M. Kebisek, P. Tanuska y L. Hrcka, "Concept of Predictive Maintenance of Pro duction Systems in Accordance with Industry 4.0", SAMI 2017 IEEE 15th Int. Symp. Appl. Mach. Intell. Informatics, Proc., pp. 405-10, 2017. [Online]. doi: https://doi. org/10.1109/SAMI.2017.7880343

[9] H. Meissner, R. Ilsen y J. C. Aurich, "Analysis of Control Architectures in the Context of Industry 4.0", Procedia cirp, vol. 62, pp. 165-9, 2017. [Online]. doi: https://doi.org/10.1016/j.procir.2016.06.113

[10] L. Thames and D. Schaefer, "Software-defined Cloud Manufacturing for Industry 4.0", Procedia CIRP, vol. 52, pp. 12-17, 2016. [Online]. doi: https://doi. org/10.1016/j.procir.2016.07.041

[11] M. K. Soundarapandian, K. Suri, J. Cadavid, I. Barosan, M. Van Den Brand, M. Alferez y S. Gerard, "Towards Industry 4.0: Gap Analysis between Current Automotive mes and Industry Standards using Model-Based Requirement Engineering", 2017 IEEE International Conference on Software Architecture Workshops, pp. 29-35, 2017. [Online]. Disponible en http://ieeexplore.ieee.org/document/7958432/

[12] A. Chaouni Benabdellah, A. Benghabrit, I. Bouhaddou y E. M. Zemmouri, "Big data for Supply Chain Management: Opportunities and Challenges", Int. J. Sci. Eng. Res., vol. 7, no. 11, pp. 20-5. [Online]. doi: https://doi.org/10.1016/jxie.2016.07.013

[13] D. Ghosh, "Big data in Logistics and Supply Chain Management-A Rethinking Step", Int. Symp. Adv. Comput. Commun., pp. 168-173, 2015. [Online]. doi: https://doi.org/10.1109/ISACC.2015.7377336

[14] M. J. Farooq and Q. Zhu, "Secure and Reconfigurable Network Design for Critical Information Dissemination in the Internet of Battlefield Things (IoBT)", 15th International Symposium on Modeling and Optimization in Mobile, Ad Hoc y Wireless Networks (WiOpt), 2017, pp. 1-8. [Online]. doi: https:// doi.org/10.23919/WIOPT.2017.7959892

[15] F. Alkhabbas, R. Spalazzese y P. Davidsson, "Emergent Configurations in the Internet of Things as System of Systems", Proc. Jt. 5th Int. Work. Softw. Eng. Syst. 11th Work. Distrib. Softw. Dev. Softw. Ecosyst. Syst., no. iii, pp. 70-1, 2017. [Online]. doi: https://doi. org/10.1109/JSOS.2017.6

[16] A. Iglesias-Urkia, Markel; Orive, Adrian; Urbieta, "Analysis of CoAP Implementations for Industrial Internet of Things: A Survey", 8th Int. Conf. Ambient Syst. Networks Technol. (ANT 2017), vol. 0, no. 2016, 2017. [Online]. doi: https://doi.org/10.1016/j. procs.2017.05.323

[17] K. Rose, S. Eldridge y C. Lyman, "The Internet of Things: An Overview", Internet Soc., no. October, p. 53, 2015. [Online]. Disponible en https://cdn.prod. internetsociety.org/wp-content/uploads/2017/08/ ISOC-IoT-Overview-20151221-en.pdf

[18] T. Saarikko, U. H. Westergren y T. Blomquist, "The Internet of Things: Are You Ready for What's Coming?", Bus. Horiz., 2017. [Online]. doi: https://doi. org/10.1016/j.bushor.2017.05.010

[19] D. Mourtzis, E. Vlachou y N. Milas, "Industrial Big Data as a Result of IOT Adoption in Manufacturing", Procedia crup, vol. 55, pp. 290-5, 2016. [Online]. doi: https://doi.org/10.1016/j.procir.2016.07.038

[20] F. Nie, "A Value-oriented Model of Big Data-Driven Knowledge Management and Collaborative Services: A Meteorological Service Case", pp. 511-6, 2017. doi: https://doi.org/10.1109/INFOMAN.2017.7950438

[21] C. Tidbits, "Cloud Computing Changes Data Integration Forever: What' s Needed Right Now", IEEE Comput. Soc., pp. 50-3, 2017. [Online]. doi: https:// doi.org/10.1109/MCC.2017.47

[22] N. Khan and A. Al-Yasiri, "Identifying Cloud Security Threats to Strengthen Cloud Computing Adoption Framework", Procedia Comput. Sci., vol. 94, pp. 485-90, 2016. [Online]. doi: https://doi.org/10.1016/j.procs.2016.08.075

[23] M. H. Raza, A. F. Adenola, A. Nafarieh y W. Robertson, "The Slow Adoption of Cloud Computing and it Workforce", Procedia Comput. Sci., vol. 52, no. 1, pp. 1114-9, 2015. [Online]. doi: https://doi. org/10.1016/j.procs.2015.05.128

[24] T.-M. Choi y B. Shen, "A System of Systems Framework for Sustainable Fashion Supply Chain Management in the Big Data Era", 2016 IEEE 14Th Int. Conf. Ind. Informatics, pp. 902-8, 2016. [Online]. doi: https://doi.org/10.1109/INDIN.2016.7819290

[25] S. A. Hussain, M. Fatima, A. Saeed, I. Raza y R. K. Shahzad, "Multilevel classification of security concerns in cloud computing", Appl. Comput. Informatics, vol. 13, no. 1, pp. 57-65, 2017. [Online]. doi: https://doi.org/10.1016Zj.aci.2016.03.001

[26] D. Pop, "Machine Learning and Cloud Computing: Survey of Distributed and SaaS Solutions", Inst. e-Austria Timisoara, Tech. Rep 1, 2012. [Online]. Disponible en https://arxiv.org/pdf/1603.08767.pdf

[27] K. Christensen, S. Norskov, L. Frederiksen y J. Scholderer, "In Search of New Product Ideas: Identifying Ideas in Online Communities by Machine Learning and Text Mining", Creat. Innov. Manag., vol. 26, no. 1, pp. 17-30, 2017. [Online]. doi: https://doi. org/10.1111/caim.12202

[28] A. Talwar y Y. Kumar, "Machine Learning: An Artificial Intelligence Methodology", Int. J. Eng. Comput. Sci., vol. 2, no. 12, pp. 3400-3405, 2013. [Online]. Disponible en http://www.ijecs.in/issue/v2-i12/11%20 ijecs.pdf

[29] J. Di Deco-Sampedro y J. Diaz-Garcia, "Estudio y aplicacion de tecnicas de aprendizaje automatico orientadas al ambito medico: estimacion y explicacion de predicciones individuales", p. 103, 2012. [Online]. Disponible en https://repositorio.uam.es/ handle/10486/12100

[30] A. Stancioiu, "The Fourth Industrial Revolution", no. 1, pp. 74-9, 2017. [Online]. Disponible en http://bit. ly/2wncneN

[31] H. Lasi, P. Fettke, H.-G. Kemper, T. Feld y M. Hoffmann, "Industry 4.0", Bus. Inf. Syst. Eng., vol. 6, no. 4, p. 239, 2014. [Online]. Disponible en https:// www.cgi.com/en/white-paper/Industry-4-making-your-business-more-competitive

[32] J. Manuel, C. Lovelle, C. Enrique y M. Marin, "Metamodelo para la integracion de la Internet de las cosas y redes sociales", 2014. [Online]. Disponible en http://di002.edv.uniovi.es/~cueva/investigacion/ tesis/Tesis-JoseIgnacio.pdf

[33] A. Arvind and D. Bourne, "Architecture for Industry 4.0-based Manufacturing Systems", no. July, 2016. [Online]. Disponible en http://ri.cmu.edu/publications/architecture-for-industry-4-0-based-manufacturing-systems/

[34] M. A. Pisching, F. Junqueira, D. J. dos Santos-Filho y P. E. Miyagi, "An Architecture for Organizing and Locating Services To the Industry 4.0", January, pp. 0-8, 2015. [Online]. doi: https://doi.org/10.20906/ CPS/COB-2015-0415

[35] M. Hermann, T. Pentek y B. Otto, "Design Principles for Industrie 4.0 Scenarios", 2016 49th Hawaii Int. Conf. Syst. Sci., IEEE, 2016: pp. 3928-3937, 2016. [Online]. doi: http://doi.ieeecomputersociety. org/10.1109/HICSS.2016.488

[36] J. H. Ang, C. Goh y Y. Li, "Smart Design for Ships in a Smart Product Through-Life and Industry 4.0 Environment", 2016 IEEE Congr. Evol. Comput. cec 2016, pp. 5301-8, 2016. [Online]. doi: https://doi. org/10.1109/CEC.2016.7748364

[37] X. Liu y O. Baiocchi, "A Comparison of the Definitions for Smart Sensors, Smart Objects and Things in IOT", 7th IEEE Annu. Inf. Technol. Electron. Mob. Commun. Conf. IEEE IEMCON 2016, pp. 1-4, 2016. [Online]. doi: https://doi.org/10.1109/IEMCON.2016.7746311

[38] C. Gonzalez, D. Meana-Llorian, C. Pelayo G-Bustelo y J. M. Cueva-Lovelle, "A Review about Smart Objects, Sensors, and Actuators", Int. J. Interact. Multimed. Artif. Intell, pp. 7-10, 2017. [Online]. doi: https://doi.org/10.9781/ijimai.2017.431

[39] A. M. Turri, R. J. Smith y S. W Kopp, "Privacy and RFID Technology: A Review of Regulatory Efforts", J. Consum. Aff., vol. 51, no. 2, pp. 329-54, 2017. [Online]. doi: https://doi.org/10.1111/joca.12133

[40] E. Asensio-Blasco, "Aplicacion de tecnicas de mineria de datos en redes sociales/web", p. 50, 2015. [Online]. Disponible en https://riunet.upv.es/handle/10251/56102

[41] D. Wee, R. Kelly, J. Cattel y M. Breunig, "Industry 4.0: How to Navigate Digitization of the Manufacturing Sector", McKinsey Co., pp. 1-62, 2015. [Online]. Disponible en https://www.mckinsey.de/files/ mck_industry_40_report.pdf

[42] J. I. Rodriguez-Molano, E. Sierra-Yara y L. K. Jaramillo-Garcia, "Model for Measuring Usability of Survey Mobile Apps, by Analysis of Usability Evaluation Methods and Attributes", 2015 10th Iber. Conf. Inf. Syst. Technol. Cist. 2015, 2015. [Online]. doi: https://doi.org/10.1109/CISTI.2015.7170420

[43] M. Guban y G. Kovacs, "Industry 4.0 Conception", Bull. Eng., vol. X, no. 1, pp. 111-4, 2017. [Online]. Disponible en https://search.proquest.com/openview/ d6ee02cbb198937e93f6421f4f692c76/1?pq-origsite=gscholar&cbl=616471

[44] T Fukui, "A Systems Approach to big data Technology Applied to Supply Chain", pp. 3732-6, 2016. [Online]. doi: https://doi.org/10.1109/BigData.2016. 7841041

[45] R. Rana, M. Staron, J. Hansson, M. Nilsson y W. Meding, "A Framework for Adoption of Machine Learning in Industry for Software Defect Prediction", Proc. 9th Int. Conf. Softw. Eng. Appl., pp. 383 392, 2014. [Online]. Disponible en http://ieeexplore. ieee.org/abstract/document/7293887/

[46] H. Kagermann, W Wahlster y J. Helbig, Recommen dations for Implementing the Strategic Initiative INDUSTRIE 4.0, Frankfurt: National Academy of Science and Engineering, April 2013, p. 82. [Online]. Disponible en http://www.acatech.de/fileadmin/user_upload/ Baumstruktur_nach_Website/Acatech/root/de/Material_fuer_Sonderseiten/Industrie_4.0/Final_re- port_Industrie_4.0_accessible.pdf

[47] A. H. Glas y F. C. Kleemann, "The Impact of Industry 4.0 on Procurement and Supply Management: A Conceptual and Qualitative Analysis", Int. J. Bus. Manag. Invent. vol. 5, no. 6, pp. 55-66, 2016. [Online]. Disponible en http://www.ijbmi.org/papers/ Vol(5)6/I0506055066.pdf

[48] J. Wang, R. R. Muddada, H. Wang, J. Ding, Y. Lin, C. Liu y W Zhang, "Toward a Resilient Holistic Supply Chain Network System: Concept, Review and Future Direction", IEEE Syst. J., vol. 10, no. 2, pp. 410-21, 2016. [Online]. doi: https://doi.org/10.1109/ JSYST.2014.2363161

[49] D. Kolberg y D. Zuhlke, "Lean Automation Enabled by Industry 4.0 Technologies", iFAc-Papers On Line, vol. 28, no. 3, pp. 1870-1875, 2015. [Online]. doi: https://doi.org/10.1016/jdfacol.2015.06.359

[50] M. E. Porter y J. E. Heppelmann, "How Smart, Connected Products are Transforming Competition", Harvard Business Review, vol. 92, no. 11, pp. 64-88, 2014. [Online]. Disponible en http://www.gospi. fr/IMG/pdf/porter-2014-hbr_how-smart-connected-products-are-transforming-competition- hbr-2014.pdf

Monica Johanna Blanco Rojas (1), Karen Tatiana Gonzalez Rojas (2), Jose Ignacio Rodriguez Molano (3)

(1) Estudiante de Ingenieria Industrial

(2) Estudiante de Ingenieria Industrial. Correo electronico: ktgonzalezr@cor-reo.udistrital.edu.co

(3) Doctor en Ingenieria Informatica. Profesor Universidad Distrital Francisco Jose de Caldas, Bogota, Colombia

Fecha de recibido: 10 de mayo del 2017 Fecha de aprobado: 23 de agosto del 2017

Caption: Figura 1. Ciclo de interaccion de actores y elemento de la arquitectura propuesta Fuente: elaboracion propia

Caption: Figura 2. Propuesta de arquitectura en el contexto de la i4 Fuente: adaptado de [32]

Caption: Figura 3. Interfaz de aplicacion de usuario basada en la arquitectura propuesta Fuente: elaboracion propia
Tabla 1. Resultados de usabilidad de la aplicacion movil: ERP for 14

Atributo     Puntaje

Atributo a     95%
Atributo b     88%
Atributo c     94%
Atributo d     91%
Atributo e     87%
Usabilidad     91%

Fuente: elaboracion propia
COPYRIGHT 2017 Universidad Cooperativa de Colombia
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2017 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Rojas, Monica Johanna Blanco; Rojas, Karen Tatiana Gonzalez; Molano, Jose Ignacio Rodriguez
Publication:Revista Ingenieria Solidaria
Date:Sep 1, 2017
Words:7129
Previous Article:INTEGRITY MANAGEMENT IN ONSHORE FACILITIES WITH 3D HIGH DEFINITION SURVEY (HDS) TECHNOLOGY/GESTION DE INTEGRIDAD EN FACILIDADES ON SHORE CON...
Next Article:USE OF NON-WOOD FOREST PRODUCTS IN THE URBAN AREA: THE CASE OF FRUIT FLOURS FROM NATIVE FOREST TREES IN NORTHERN ARGENTINA/CONSUMO DE PRODUCTOS...
Topics:

Terms of use | Privacy policy | Copyright © 2020 Farlex, Inc. | Feedback | For webmasters