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-bbe1-
01aa75ed71a1.0011.03/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://eur-
lex.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/informacion-

de-mercados/paises/navegacion-principal/el-mercado/estudios-informes/DOC2016671546.html?idPais=CN.

11 Comisión Europea: Estrategia europea en materia de inteligencia artificial.

https://ec.europa.eu/newsroom/dae/document.cfm?doc_id=56433.

12 Comisión Europea: A vision for the European industry until 2030.

https://www.spri.eus/archivos/2019/06/pdf/Industry-2030-final-report.pdf.

13 Horizonte 2020 (H2020). https://eshorizonte2020.es/.

14 World Economic Forum: Readiness for the Future of Production Report 2018.
https://es.weforum.org/reports/readiness-for-the-future-of-production-report-2018.

15 PwC: Industria 4.0: Global Digital Operations Study 2018. https://www.pwc.es/es/productos-

industriales/industria-4-0-global-digital-operations-study-2018.html.

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-dolares-
el-pib-espanol/.

17 Asociación Española de Normalización-UNE. https://www.une.org/encuentra-tu-norma/busca-tu-

norma/proyecto?c=P0050866.

21
 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 Z-
Wave.

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 LTE-
4G 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/3d-
printing-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-shop-
in-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/gartner-

top-10-strategic-technology-trends-for-2019/.

37 Markets And Markets: Digital Twin Market worth 15.66 Billion USD by 2023.
https://www.marketsandmarkets.com/PressReleases/digital-twin.asp.

38 Virtual Singapore. https://www.nrf.gov.sg/programmes/virtual-singapore.

39 Quint Wellington Redwood: Cloud computing en España. https://www.quintgroup.com/wp-

content/uploads/2017/11/Informe-Cloud-Computing-en-Espan%CC%83a-2017.pdf.

40 Gartner: Insights on How and Why Leaders Must Implement Cloud Computing.
https://www.gartner.com/imagesrv/books/cloud/cloud_strategy_leadership.pdf.

41 IDC FutureScape: Worldwide IT Industry 2019 Predictions. https://www.idc.com/getdoc.jsp?

containerId=US44403818.

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-first-
wi-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 de acción. https://eur-lex.europa.eu/legal-

content/ES/TXT/HTML/?uri=CELEX:52016DC0588&from=ES.

49 El mercado del 5G en España alcanzará los 23.300 millones en 2026.

https://cincodias.elpais.com/cincodias/2017/06/27/companias/1498569061_130494.html.

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-industrial-

robot-sales-doubled-over-the-past-five-years.

52 Oxford Economics: How the robots change the world. https://resources.oxfordeconomics.com/how-robots-

change-the-world?source=homepage-hero.

53 Robótica colaborativa-cobots. https://www.youtube.com/watch?v=PtncirKiBXQ.

54 MarketsandMarkets: Collaborative robot market - Global forecast to 2025.

https://www.marketsandmarkets.com/PressReleases/collaborative-robot.asp.

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-know-
about/#3392d9c24b1f.

56 Gartner: IoT future. https://www.gartner.com/en/newsroom/press-releases/2017-02-07-gartner-says-8-billion-

connected-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 el hogar.

https://www.accenture.com/t00010101T000000Z__w__/es-es/_acnmedia/Accenture/Conversion-
Assets/DotCom/Images/Local/es-es/pdf/Accenture-Inteligencia-Artificial.pdf.

62 Accenture: Inteligencia artificial, el futuro del crecimiento. https://www.accenture.com/es-es/insight-artificial-

intelligence-future-growth.

63 PwC: Realidad y perspectivas de la inteligencia artificial en España 2018.

https://www.pwc.es/es/publicaciones/tecnologia/perspectivas-ia-espana-2018.html.

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/es-

es/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
 3
RETOS DE LA 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-report-
details-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, figures, predictions And statistics.

102
https://cybersecurityventures.com/cybersecurity-almanac-2019/.

78 INCIBE-CERT: Seguridad industrial 2018 en cifras. https://www.incibe-cert.es/blog/seguridad-industrial-

2018-cifras.

79 ENISA Threat Landscape Report 2018. https://www.enisa.europa.eu/publications/enisa-threat-landscape-

report-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/press-

releases/2019_man-made-disaster-half-of-cybersecurity-incidents-in-industrial-networks-happen-due-to-
employee-errors.

84 The World Economic Forum: The future of jobs report. https://www.weforum.org/reports/the-future-of-jobs-

report-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-empleo-

para-2020/.

88 A Deloitte series on the skills gap and future of work in manufacturing.

https://www2.deloitte.com/content/dam/insights/us/articles/4736_2018-Deloitte-skills-gap-FoW-
manufacturing/DI_2018-Deloitte-skills-gap-FoW-manufacturing-study.pdf.

89 (ISC) ² : Global information security workforce study (GISWS).

https://blog.isc2.org/isc2_blog/2017/02/cybersecurity-workforce-gap.html.

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 v2.0.

https://www.oxfordmartin.ox.ac.uk/downloads/reports/Citi_GPS_Technology_Work_2.pdf.

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-estudiantes-
necesitan/.

93 Intel: Autonomous ready Spain. https://newsroom.intel.com/news-releases/mobileye-spains-road-safety-

authority-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-and-
technology/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-en-
riesgo-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-the-

future/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/grupos-
investigacion/facthum-lab/novedades/vehiculo-autonomo-opinion-conductores-espanoles-
1285900753063/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-la-
web-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
piramide@anaya.es

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 6
1. Qué es la Industria 4.0 7
1.1. Definición y objetivos de la Industria 4.0 7
1.2. El origen del concepto de Industria 4.0 15
1.3. Europa y la Industria 4.0 16
1.4. El contexto en España 18
1.5. La normativa en España 19
1.6. Claves de la transformación digital 20
2. Tecnologías habilitadoras de Industria 4.0 22
2.1. Contexto 22
2.2. Fabricación aditiva o impresión 3D 23
2.2.1. Tipos de fabricación aditiva 23
2.2.2. Ventajas y desventajas de la fabricación aditiva 25
2.2.3. Ejemplos de uso de la fabricación aditiva en la Industria 4.0 26
2.2.4. Archivos de impresión 3D 27
2.3. Realidad virtual, aumentada, mixta, extendida y gamificación 27
2.3.1. Realidad virtual 27
2.3.1.1. Definición y tipos de realidad virtual 27
2.3.1.2. Orígenes de la realidad virtual 28
2.3.1.3. Usos de la realidad virtual en la Industria 4.0 29
2.3.2. Realidad aumentada 29
2.3.2.1. Definición y tipos de realidad aumentada 29
2.3.2.2. Origen de la realidad aumentada 30
2.3.2.3. Usos de la realidad aumentada en la Industria 4.0 31
2.3.3. Realidad mixta 31
2.3.4. Realidad extendida 32
2.3.5. Gamificación 32
2.3.6. Gemelo digital (digital twin) 33
2.3.6.1. Definición de gemelo digital 33
2.3.6.2. Usos de los gemelos digitales 33
2.3.6.3. Sistemas BIM 35
2.4. Cloud computing 35
2.4.1. Definición 36

107
 2.4.2. Tipos de cloud computing 36
2.4.3. Ventajas e inconvenientes de cloud computing 37
2.4.4. Impacto del cloud computing 38
2.4.5. Cloud computing frente a edge computing 38
2.5. Tecnologías inalámbricas de transmisión de datos 39
2.5.1. Definición y tipos 39
2.5.2. Sistemas inalámbricos de localización 44
2.6. Robótica industrial 45
2.6.1. Definición 45
2.6.2. El impacto de la robótica industrial 46
2.6.3. Robótica colaborativa o cobots 47
2.6.4. Ventajas y desventajas de los cobots 48
2.6.5. Tendencias de la robótica industrial 48
2.7. Internet de las Cosas (IoT) 50
2.7.1. Definición y contexto 50
2.7.2. Entornos IT y OT en la industria 51
2.7.3. IoT frente a IIoT 51
2.7.4. Dispositivos IoT 52
2.7.5. Sistemas ciberfísicos 54
2.8. Metrología 55
2.9. Inteligencia artificial 56
2.9.1. Definición 56
2.9.2. Tipos de inteligencia artificial 58
2.9.3. Sistemas de aprendizaje 60
2.9.4. El impacto de la inteligencia artificial 60
2.9.5. Retos de la inteligencia artificial 61
2.9.6. Ejemplos reales del uso de inteligencia artificial en la industria 63
2.10. Big data 65
2.10.1. Definición 65
2.10.2. Generación y gestión de datos 66
2.10.3. Las dimensiones del big data 67
2.10.4. Etapas del big data 68
2.10.5. Usos del big data 69
2.11. Sistemas de visualización y gestión de datos 70
2.12. Otras tecnologías habilitadoras 73

108
 2.12.1. Drones 73
2.12.1.1. Definición 73
2.12.1.2. Tipos de drones voladores 73
2.12.1.3. Usos de los drones 74
2.12.2. Blockchain 75
2.12.3. Vehículos AGV, LGV, IGV y AIV 76
2.12.4. Exoesqueletos 78
2.12.5. Wearables 79
2.12.6. Sistemas biométricos 80
2.12.7. Eye tracking 81
2.12.8. UX/UI 82
2.12.9. Nuevos materiales y procesos 83
3. Retos de la Industria 4.0 88
3.1. La ciberseguridad 88
3.1.1. Impacto de la ciberseguridad 88
3.1.2. Principales amenazas 89
3.1.3. Ciberseguridad en los entornos IT y OT 91
3.1.4. Retos de la ciberseguridad 92
3.1.5. Herramientas de ciberseguridad 94
3.2. Formación de los trabajadores 95
3.3. Educación y los nuevos empleados de la Industria 4.0 95
3.4. Normativas 97
3.5. Protección de datos 98
3.6. I + D + i y patentes 99
3.7. Costes económicos 99
3.8. Capacitación de los proveedores tecnológicos 99
3.9. Obsolescencia programada 100
3.10. Difusión 100
3.11. Motivaciones sociales, laborales y psicológicas 101
Bibliografía 105
Créditos 106

109