Inteligencia Artificial para el soporte a la toma de decisiones en el ciclo de vida de los equipos industriales

Di ección y O ganización n. 85 (2025)
h ps://doi.o g/10.37610/85.691
67
In eligencia A i icial pa a el sopo e a la oma de decisiones
en el ciclo de ida de los equipos indus iales
A i icial In elligence o decision suppo in he li ecycle o indus ial equipmen
Miguel Ángel Ma eo-Casalí1, Juan Pablo Fiesco2, Bea iz And es3, Raul Pole 4
Recibido: 31/10/2023 | Acep ado: 26/02/2024
Resumen
Es e a ículo ealiza una e isión de la li e a u a sob e las aplicaciones de la IA en cada ase del ciclo de ida de los equipos
indus iales, incluyendo el diseño, la ab icación el uso y la epa ación/ eu ilización/ eciclado.Sob e la base del p oyec o
eu opeo AIDEAS, un conjun o de soluciones basadas en IA se concep ualiza. Es as soluciones se con ex ualizan en un
pilo o indus ial que se dedica a la ab icación de equipos pa a la inspección y clasi icación de alimen os. Las líneas u u as
de in es igación se di igen hacia el desa ollo de las ecnologías de IA concep ualizadas, y su implemen ación en el pilo o
indus ial obje o de es udio.
Palab as cla e: Indus ia 4.0, In eligencia A i icial, ciclo de ida, equipos indus iales.
Abs ac
In he e a o Indus y 4.0, he applica ion o A i icial In elligence (AI) in he managemen and ope a ion o indus ial
equipmen has acqui ed a undamen al ole. Maximising e iciency, minimising down ime and op imising he use ul li e
o indus ial equipmen a e, among o he s, he bene i s ha can be de i ed om implemen ing AI solu ions h oughou
hei li ecycle. AI has e olu ionised he e iciency o he decision-making p ocess. Suppo ed by he Eu opean AIDEAS
P ojec , his a icle aims o explo e he in eg a ion o AI echnologies in all s ages o he li e cycle o indus ial equipmen ,
om design o manu ac u ing, use and epai / euse/ ecycling. To his end, a li e a u e e iew is ca ied ou o de e mine he
applica ion o AI in he di e en phases o a p oduc 's li e cycle. Based on his, a se o solu ions is concep ualised o be
de eloped in he AIDEAS p ojec . These solu ions a e con ex ualised in an indus ial pilo o manu ac u ing ood inspec ion
and so ing equipmen , illus a ing he applicabili y o he AI solu ions p oposed in he AIDEAS p ojec . Finally, u u e lines
o esea ch a e di ec ed owa ds he de elopmen o AI echnologies in he AIDEAS p ojec , and hei implemen a ion in he
indus ial pilo unde s udy.
Keywo ds: Indus y 4.0, A i icial In elligence, li e cycle, indus ial equipmen .
1 Resea ch Cen e on P oduc ion Managemen and Enginee ing (CIGIP), Uni e si a Poli ècnica de València (UPV), Camino de Ve a s/n,
46022 Valencia, Spain. Email: [email p o ec ed].es ORCID: 0000-0001-5086-9378
2 Resea ch Cen e on P oduc ion Managemen and Enginee ing (CIGIP), Uni e si a Poli ècnica de València (UPV), Camino de Ve a s/n,
46022 Valencia, Spain. Email: [email p o ec ed].es ORCID: 0009-0008-3369-4607
3 Resea ch Cen e on P oduc ion Managemen and Enginee ing (CIGIP), Uni e si a Poli ècnica de València (UPV), Camino de Ve a s/n,
46022 Valencia, Spain. Email: [email p o ec ed].es ORCID: 0000-0002-7920-7711
4 Resea ch Cen e on P oduc ion Managemen and Enginee ing (CIGIP), Uni e si a Poli ècnica de València (UPV), Camino de Ve a s/n,
46022 Valencia, Spain. Email: [email p o ec ed].es ORCID: 0000-0003-4475-6371
Ma eo-Casalí, M. Á.; Pablo Fiesco, J.; And es, B.; Pole , R.
68
y disposi i os sean capaces de comunica se y compa i
in o mación de mane a e ec i a.
La In eligencia A i icial (IA) se bene icia del uso de
da os, ya que se nu e de los mismos. Así, a medida que
aumen a la can idad de da os de en ada, se obse a un
inc emen o en la e iciencia de los esul ados de i ados de
la IA. De es a o ma, los da os con iables, es anda izados y
en iempo eal aumen an la calidad de los esul ados de i a-
dos de las ecnologías de IA, c eando un en o no p opicio
pa a la oma de decisiones basada en in o mación p ecisa y
ac ualizada en odas las e apas del ciclo de ida de los equi-
pos indus iales, desde el diseño y la manu ac u a has a el
uso y, inalmen e, la epa ación, eu ilización, o su eci-
claje (Te zi e al., 2010).
Pa iendo de la impo ancia de los da os, la con iabilidad
que nos p opo ciona he amien as como el pasapo e digi al
y es ánda es que buscan la in e ope abilidad, su ge la posi-
bilidad de explo a odos es os ecu sos con la in oducción
de IA. La IA o ece capacidades a anzadas de moni o eo,
man enimien o p edic i o y op imización de p ocesos. Al
aplica algo i mos de ap endizaje au omá ico y p ocesa
g andes olúmenes de da os, la IA puede an icipa allos,
p og ama el man enimien o de mane a e icien e y op imi-
za p ocesos de p oducción en odas las e apas del ciclo de
ida de los equipos indus iales. Es e a ículo explo a en
de alle como la IA puede da sopo e al ciclo de ida de los
equipos indus iales, eco iendo odas las e apas del ciclo
de ida, p esen ando el p oyec o eu opeo AIDEAS (2022).
Además, explica como da solución a los p oblemas plan-
eados y ejempli ica a ios casos de uso con uno de los pilo-
os del p oyec o.
2. Me odología
En un mundo al amen e globalizado y en cons an e e olu-
ción ecnológica, es necesa io que la Unión Eu opea (UE)
siga buscan soluciones inno ado as que mejo en y o a-
lezcan el ecosis ema indus ial, pe mi iendo man ene una
posición como líde global en la p oducción y expo ación
de la maquina ia indus ial. La en aja ecnológica de la UE
en el sec o de los equipos indus iales se e amenazada
po el ápido c ecimien o de China, que ha implemen ado
es a egias ambiciosas como “Made in China 2025” pa a
mode niza sus capacidades indus iales y ede ini la diná-
mica compe i i a global (Wang e al., 2020). En con apo-
sición, la UE ha en ocado sus es ue zos, den o del ma co
del p og ama Ho izon e Eu opa, en la u gen e necesidad
de digi aliza las emp esas manu ac u e as, en especial las
PYMEs, en odas las e apas del ciclo de ida de los equipos
indus iales.
En el ma co del ac ual p og ama Ho izon e Eu opa, la
UE ha en a izado la necesidad inmedia a de digi aliza las
emp esas manu ac u e as, especialmen e las pequeñas y
1. In oducción
El é mino Indus ia 4.0 (I4.0) se e ie e a un nue o modelo
de o ganización y con ol de las emp esas de la cadena de
suminis o (CdS), espaldado po ecnologías de la in o -
mación. La I4.0 se basa en la in eg ación de ecnologías
a anzadas, como el In e ne de las cosas (in e ne o hings,
IoT), la compu ación en la nube, la analí ica de da os y la
au oma ización, que pe mi e, en e o os, op imiza la e i-
ciencia, minimiza los iempos de inac i idad y p olonga la
ida ú il en el con ex o de los ac i os indus iales (Ma eo-
Casalí e al., 2023). En es e pun o, la I4.0 ep esen a una
e olución en oda la CdS, aba cando el eap o isiona-
mien o, la ab icación, la logís ica y el anspo e (Ayne o
Gube , 2019). Po o o lado, en e las ecnologías I4.0, con-
amos con di e en es disposi i os de medición conec ados
a la ed que c ean un lujo cons an e de da os en los p oce-
sos in oluc ados en la CdS (Boza e al., 2018). Todos es os
da os pe mi en moni o ea el es ado del p oduc o en iempo
eal, b indando una base pa a el análisis p edic i o, acili-
ando la oma de decisiones y p omo iendo la au oma iza-
ción en cualquie p oceso lle ado a cabo en los di e en es
ac o es de la CdS.
Al ededo de la I4.0, su gen di e en es iloso ías cen a-
das en la mejo a de la calidad de los p ocesos de ab icación
como puede se la ab icación ajus ada (lean manu ac u-
ing), ab icación con ce o de ec os (Ze o De ec Manu-
ac u ing) o Seis Sigma (6 σ) (Fo uny-San os e al., 2020;
Se ano-Ruiz e al., 2021). Es as me odologías se cen an en
la eliminación, educción de despe dicios y e o es du an e
la p oducción, aumen ando la calidad de los p oduc os ina-
les. No obs an e, odo es o es g acias a la capacidad de oma
de da os en iempo eal de los di e en es elemen os de la
cadena de p oducción.
La capacidad de ecopila da os de los equipos indus ia-
les, los p ocesos de p oducción u o os ac i os, de mane a
con inua y en iempo eal, es esencial pa a la oma de deci-
siones. En es e sen ido, la ecien e in oducción del pasa-
po e digi al se ha con e ido en una inno ación dis up i a
(HADEA, 2023), que implica la c eación de un pe il digi-
al comple o de cada ac i o indus ial, p opo cionando un
seguimien o de allado de su endimien o, his o ial de man-
enimien o o uso y o os da os ele an es en iempo eal.
Es e en oque pe mi e una mayo isibilidad y azabilidad
de los ac i os indus iales, lo que se aduce en una mejo
ges ión y op imización de los ecu sos a lo la go de odas las
ases de su ciclo de ida.
Es e pasapo e digi al añade alo al desa ollo de ac i os
o maquina ia indus ial, ya que los disposi i os desplegados
a lo la go de la áb ica, pa a alimen a dicho pasapo e digi-
al, adquie en es ánda es de in e ope abilidad (F aile e al.,
2018), pe mi iendo aumen a la con iabilidad de los da os.
La in e ope abilidad de los da os ga an iza que los sis emas
In eligencia A i icial pa a el sopo e a la oma de decisiones en el ciclo de ida de los equipos indus iales
69
impulsada po a ances ecnológicos como la I4.0, y la IA
es án ans o mando la mane a en que se p oducen bienes y
se ges ionan los p ocesos indus iales. Al mismo iempo, la
sos enibilidad se ha con e ido en una necesidad global, ya
que las p eocupaciones ambien ales y la escasez de ecu sos
plan ean desa íos signi ica i os.
En es a nue a e a de la ab icación, la in eg ación de
ecnologías a anzadas pe mi e una mayo e iciencia, una
p oducción más lexible y la oma de decisiones basada
en da os en iempo eal. La ab icación in eligen e no solo
impulsa la p oduc i idad, sino que ambién iene un impac o
signi ica i o en la educción de esiduos y el uso e icien e
de ecu sos, aspec os cla e pa a la sos enibilidad. Pe o, la
in eg ación de la ab icación in eligen e y la sos enibilidad
no deben cen a se únicamen e en el momen o de p oduc-
ción, sino que debe aba ca odos los ciclos de ida de una
máquina indus ial.
Teniendo en cuen a el impo an e peso que iene la IA
en la I4.0, el obje i o del es ado del a e es explo a como
la IA puede da sopo e a odas las e apas del ciclo de ida
dela maquina ia, desde el diseño inicial de la máquina has a
la ase de ab icación, su uso y pos e io R3. Es e análisis
se desa olla á en el ma co de la economía ci cula , p o-
mo iendo p ác icas de ab icación in eligen e y sos enible
(Figu a 1).
La in es igación en IA comenzó en 1956 con una eunión
c ucial lle ada a cabo en Nue o Hampshi e, donde in es i-
gado es se cong ega on pa a discu i la posibilidad de que
las máquinas lle a an a cabo "acciones in eligen es". Desde
en onces, el pano ama de la IA ha expe imen ado una e o-
lución g adual y ans o mado a en di e sas á eas cien í icas
(Buchmeis e e al., 2019). En el en o no indus ial, la IA
posibili a la mejo a de la e iciencia, p ecisión y elocidad
del p oceso de p oducción, así como la op imización de la
ges ión de la CdS y la mejo a de la calidad del p oduc o
(Ongsulee, 2017). Las capacidades de la IA se undamen an
en la as a can idad de da os p opo cionados po el IoT y la
digi alización de los p ocesos de manu ac u a.
El desa ollo ecien e de las aplicaciones indus iales
mode nas en el ma co de la I4.0 es á ma cado po un cambio
signi ica i o en el en oque hacia la supe isión y el con ol,
con un én asis pa icula en la in eg ación de algo i mos de
IA en equipos indus iales in eligen es (Chang e al., 2018).
Es as ecnologías de angua dia es án e olucionando el
pano ama de la ab icación al pe mi i la ecopilación de
da os en iempo eal, el análisis y los p ocesos de oma de
decisiones que mejo an la e iciencia, la p ecisión y la p o-
duc i idad gene al. La IA incluye écnicas de ap endizaje
au omá ico, ap endizaje po e ue zo, edes neu onales, y
p ocesamien o de lenguaje na u al pa a op imiza los p oce-
sos, p edeci las necesidades de man enimien o y adap a las
ope aciones de ab icación en espues a a las condiciones
cambian es (Li e al., 2017). Es e en oque ans o mado no
medianas emp esas (PYMEs), en el ámbi o de la ida ú il
de los equipos indus iales. Es e a ículo se undamen a en
un caso concep ual que desc ibe las he amien as desa o-
lladas en el P oyec o Eu opeo AIDEAS (2022). El obje i o
p imo dial de es e p oyec o es el desa ollo de ecnologías
de IA pa a espalda de mane a in eg al el ciclo de ida de
equipos indus iales. La me odología empleada en es e a í-
culo se basa en es pila es undamen ales:
(i) La e isión exhaus i a de la li e a u a exis en e pa a
iden i ica el po encial de la IA en cada ase del ciclo
de ida de los equipos indus iales.
(ii) La concep ualización de soluciones de IA diseña-
das pa a espalda odas las e apas del ciclo de ida,
desde el diseño, has a la ab icación, el uso y la Repa-
ación/Reu ilización/Reciclaje (R3) de los equipos
indus iales.
(iii) La p esen ación de casos de uso, con una emp esa
pilo o que ab ica equipos indus iales pa a la inspec-
ción y clasi icación de alimen os que ilus a la apli-
cación conc e a de las soluciones de IA en el en o no
indus ial.
Siguiendo la es uc u a del ciclo de ida de un p o-
duc o, según Te zi e al., (2010), se con emplan cua o ases
p incipales:
(i) Diseño, en la cual se explo a cómo la IA puede mejo-
a la c ea i idad y e iciencia en la concepción y desa-
ollo de equipos indus iales.
(ii) Fab icación, donde se examina el po encial de la IA
en la op imización de p ocesos de p oducción y la
de ección emp ana de p oblemas.
(iii) Uso, abo dando cómo la IA puede ga an iza la e i-
ciencia y el man enimien o p edic i o de los equipos
du an e su ida ú il.
(i ) Repa ación/Reu ilización/Reciclaje (R3), explo ando
cómo la IA puede acili a la oma de decisiones en
o no a la epa ación, eu ilización y eciclaje de los
equipos indus iales.
Es e en oque in eg al en la inco po ación de la IA en
odas las e apas del ciclo de ida de los equipos indus iales
es esencial pa a man ene y o alece la compe i i idad de
la Unión Eu opea en un en o no indus ial global en cons-
an e cambio, al mismo iempo que p omue e la ab icación
in eligen e y la sos enibilidad.
3. Es ado del a e
La ab icación in eligen e y la sos enibilidad se han con-
solidado como dos pila es undamen ales en la e olu-
ción de la indus ia mode na. La ab icación in eligen e,
Ma eo-Casalí, M. Á.; Pablo Fiesco, J.; And es, B.; Pole , R.
70
Figu a 1. Concep ualización: IA, ciclo de ida del p oduc o y economía ci cula .
sólo mejo a la calidad de los p oduc os, sino que ambién
con ibuye a la sos enibilidad y compe i i idad de las indus-
ias en una e a cada ez más impulsada po los da os.
Po o o lado, en la úl ima década, la UE ha in ensi icado
g adualmen e su comp omiso en la ansición hacia la I4.0
debido a los ecien es e en os dis up i os que acon ecen
al mundo, desde su escasez de ecu sos, a la c isis climá-
ica o a las ensiones sociales. G acias a es e comp omiso,
la UE es á cen ándose en alinea se con la op imización de
los modelos de negocio y económicos adicionales (Renda
e al., 2021) dejando de lado las p ác icas de " oma - hace -
elimina ”, que p io izan la p oducción y la eliminación con-
inua pa a segui siendo compe i i os (Blomsma & B ennan,
2017), y en ocándose en su comp omiso de ansición hacia
un comple o ap o echamien o de las ecnologías den o de
la indus ia y gene ando las bases pa a una buena u u a
in oducción a un nue o pa adigma indus ial denominado
Indus ia 5.0 (I5.0) (Xu e al., 2021).
A di e encia de la I4.0, la I5.0 no se basa en una e olución
ecnológica, si no en una e olución de los alo es é icos de
las emp esas a la ho a de ap o echa los ecu sos y ecnolo-
gías desa olladas en la p e ia e olución indus ial, siendo
su eje cen al la in e acción máquina-humano, la esiliencia
y la sos enibilidad. En ocándose en pila es undamen ales
como son la e iciencia y el bene icio emp esa ial (Ronaghi,
2022). Pa a ello, es e nue o pa adigma p omue e el uso de
las ecnologías pa a mejo a la sos enibilidad, esiliencia y
o ien ación hacia las necesidades humanas, en consonancia
con los p incipios de la economía ci cula (Commission
e al., 2021), p omo iendo p ac icas an c uciales como la
educción del consumo eléc ico, la disminución de emisio-
nes de CO2 o la minimización de los esiduos.
En es e con ex o, la Economía Ci cula (EC) ep esen a
un ma co que busca p opo ciona una al e na i a a las p ác-
icas p edominan es de " oma -hace -elimina ", que han
sido lineales en la ges ión de ecu sos y esiduos. La EC p o-
mue e la idea de un ciclo con inuo de ecu sos y esiduos,
abo dando así las limi aciones y debilidades del modelo
exis en e, una p eocupación que se ha plan eado du an e
las úl imas dos décadas (Blomsma & B ennan, 2017). Es a
ansición hacia un en oque ci cula es pa icula men e ele-
an e en el con ex o del ciclo de ida de los p oduc os y
maquina ia, donde se busca minimiza los desechos y maxi-
miza la eu ilización y ecupe ación de ma e iales.
In eligencia A i icial pa a el sopo e a la oma de decisiones en el ciclo de ida de los equipos indus iales
71
En es e sen ido, se ha obse ado que la implemen ación
e icaz de la IA se p oduce de mane a más e ec i a cuando
se despliega de mane a colabo a i a en odos los eslabones
de la cadena de suminis o. Es o conlle a un aumen o signi-
ica i o en la isibilidad y agilidad de oda la cadena, como
lo e idencian las in es igaciones de (Pou nade e al., 2021).
La amplia a iedad de ope aciones indus iales en las que
se puede implemen a la IA, con el obje i o de op imiza y
mejo a , posibili a un en oque holís ico pudiendo in eg a la
en cualquie ase del ciclo de ida.
Un cla o ejemplo del uso de IA se mani ies a en la e apa
de ab icación y dis ibución, donde es a ecnología desen-
cadena un aumen o en la o ación de p oduc os al combina
da os his ó icos y en iempo eal de usua ios y p oduc os.
Así, se log a una ges ión in eligen e del in en a io median e
la p e isión de p ecios y demanda, al y como señala Rona-
ghi (Ronaghi, 2022). Asimismo, o o escena io se p esen a
en la ase de diseño de p oduc os y sis emas, donde la IA no
solo cumple con los equisi os y especi icaciones del usua-
io, sino que ambién pe mi e in e acciones en e dis in os
componen es pa a oma medidas co ec i as cuando sea
necesa io. Es o conduce a una mejo a en la in eligencia de
las ope aciones y a lo la go de odo el ciclo de ida del p o-
duc o (Hou e al., 2008).
En cuan o a desa olla un sis ema de p oducción sos e-
nible, ecnologías como IoT y Edge-IA ienen el po encial
necesa io pa a impulsa la adopción de concep os de Econo-
mía Ci cula Digi al (ECD) en las o ganizaciones y la socie-
dad en gene al (F aga-Lamas e al., 2021a). Es e en oque se
alinea con la Inicia i a de P oduc os Sos enibles (IPS) de la
Comisión Eu opea, que busca acele a la ansición hacia
una EC en el ma co del Pac o Ve de Eu opeo. Pa e de es a
inicia i a es la P opues a de Reglamen o de Ecodiseño pa a
P oduc os Sos enibles (ESPR), es ableciendo el concep o
de Pasapo e Digi al de P oduc o Pasapo e (PDP) como
equisi o pa a cie os p oduc os en la Unión Eu opea (UE)
(Eu opean Commission, 2022).
La adopción de una a qui ec u a IoT abie a, que inco -
po a elemen os como cibe segu idad, p i acidad e in e o-
pe abilidad, pe mi e que los disposi i os IoT omen en la
ci cula idad. Simul áneamen e, una ed de disposi i os con
in e ne conec ados o ece se icios in eligen es y da os en
iempo eal a di e sas pa es in e esadas, lo que mejo a sig-
ni ica i amen e la isibilidad en la cadena de suminis o y la
anspa encia en las ope aciones come ciales, como se ilus-
a en la in es igación de F aga-Lamas e al. (F aga-Lamas
e al., 2021b). Es o pe mi e oma decisiones p ecisas en el
momen o adecuado, u iliza los ecu sos de mane a e icaz,
op imiza los p ocesos y educi los esiduos, con ibuyendo
así a la sos enibilidad y e iciencia global del negocio. En con-
jun o, es as medidas buscan hace de lo sos enible y ci cula
la no ma en el me cado eu opeo, o aleciendo aún más la
conexión en e diseño in eligen e y economía ci cula . En las
(i) De acue do con la de inición de Te zi e al., (2010),
el é mino "ciclo de ida" hace e e encia a las dis-
in as ases que a a iesa un p oduc o desde su con-
cepción has a su disposición inal. El modelo de ciclo
de ida es á es echamen e elacionado con el ipo
de p oduc o, ya que debe adap a se con los p oce-
sos emp esa iales necesa ios pa a su lanzamien o y
man enimien o en el me cado. Es a adap abilidad se
ex iende a una amplia a iedad de ca ego ías de p o-
duc os, que pueden aba ca desde obje os de ab ica-
ción compleja y la ga du ación, como au omó iles o
he amien as indus iales, has a obje os de ab icación
compleja, pe o de co a du ación, como compu ado-
as, ep oduc o es de CD o cáma as, e incluso p o-
duc os a macéu icos al amen e especializados, como
acunas o an ibió icos. Es as ca ego ías de p oduc os
se di iden en cua o ases p incipales de su ciclo de
ida: (i) el inicio de su ida, que aba ca el p oceso de
diseño; (ii) la e apa in e media de su ida, que in olu-
c a la ges ión de ecu sos, la ab icación y la dis ibu-
ción; (iii) la ase de u ilización, que comp ende su uso
y el sopo e pos en a al clien e; y (i )la e apa inal
de su ida, que incluye la ecolección, el eacondicio-
namien o, el eciclaje, el ensamblaje nue amen e, la
eu ilización o la eliminación.
La ges ión e ec i a de es as ases es esencial pa a maxi-
miza la e iciencia, educi el impac o ambien al y p omo e
la sos enibilidad en el ámbi o del ciclo de ida de los p o-
duc os. En es e pun o, Ren e al., (2019) p opone un ma co
de e e encia conocido como “Fab icación Sos enible e
In eligen e” un nue o pa adigma de ab icación. Es e en o-
que in eg a y aplica las ecnologías más a anzadas de in o -
mación y análisis de da os en las ope aciones y p ocesos de
oma de decisiones elacionados con la ges ión del ciclo de
ida de los p oduc os. El p opósi o es ans o ma los en o-
ques de p oducción adicionales y las ac i idades ope a i-
as a lo la go de odo el ciclo de ida. Se pasa de un en oque
impulsado po el p oduc o a un en oque impulsado po da os
y se icios, con el obje i o úl imo de log a una p oducción
in eligen e y sos enible. Es e ma co ede ine la o ma en que
se abo dan los p oduc os y su ciclo de ida, cen ándose en
la in eligencia y la sos enibilidad como pila es cla e pa a la
e olución de la indus ia manu ac u e a.
Pa a alcanza los obje i os elacionados con el desa ollo
sos enible y la Economía Ci cula , es necesa io p esen a
soluciones que combinen e icacia y sos enibilidad en cada
e apa de su ciclo de ida, como des aca Cheah e al., (2022).
Es as soluciones deben ene la capacidad de abo da la
adquisición, ansmisión, almacenamien o, p ocesamien o y
descub imien o de pa ones de los da os de odo el ciclo de
ida (Ren e al., 2019). En es e pun o, la IA se alza como
una he amien a esencial en es e p oceso.

Ma eo-Casalí, M. Á.; Pablo Fiesco, J.; And es, B.; Pole , R.
72
Las ecnologías de IoT han pe mi ido el acceso a los da os
de los disposi i os o máquinas a iempo eal, es o ha impul-
sado a ances signi ica i os en las ecnologías de gemelos
digi ales (GD). Los GD se basan en da os eales pa a lle a
a cabo simulaciones que sean lo más p ecisas posible. Es e
en oque ha allanado el camino pa a la in eg ación de la IA,
especialmen e modelos de ap endizaje au omá ico basa-
dos en da os, en el ámbi o de la ab icación in eligen e. Sin
emba go, un desa ío ecu en e asociado con es os modelos
es su suscep ibilidad a los da os de en enamien o y la al a
de unicidad en los esul ados, a eces gene ando esul ados
poco ealis as (Fa biz e al., 2022).
Inicialmen e, los GD se han u ilizado p incipalmen e
pa a unciones como la de ección de allos, la an icipación
de las necesidades de man enimien o y el análisis de en-
dimien o. Sin emba go, es undamen al cen a una a en-
ción más amplia en el po encial de los GD en el ámbi o del
diseño de p oduc os. En pa icula , ha habido una explo a-
ción limi ada en cuan o a cómo la in e acción, la colabo a-
ción y la e olución dinámica en e el p oduc o ísico y su
equi alen e digi al (p oduc o i ual) pueden en iquece el
p oceso de diseño, lle ando a esul ados más e icien es, con
mayo in o mación y más e icien es con los ecu sos dispo-
nibles (Tao e al., 2019).
En el con ex o de la I4.0, la gene ación y acumulación de
g andes olúmenes de da os en di e sos o ma os a lo la go
del ciclo de ida del p oduc o se han uel o cada ez más
comunes. Pa a ob ene da os signi ica i os de es a in o ma-
ción, es necesa io desa olla nue os mé odos de p ocesa-
mien o y análisis de da os pa a con e i es a in o mación
en o ma os ácilmen e comp ensibles y explicables. En
es e sen ido, la ecnología de los GD puede desempeña un
papel undamen al al o ece una ep esen ación i ual del
p oduc o ísico y acili a la in eg ación de Big Da a y el
siguien es subsecciones se explo a el ol y uncionalidades
que iene la IA en cada una de las ases del ciclo de ida de los
equipos indus iales eniendo en cuen a el ma co concep ual
de inido en el p oyec o de AIDEAS (Figu a 2).
3.1. IA en la ase de Diseño del ciclo de ida del
p oduc o
El p oceso de diseño implica una in e acción con inua en e
la de inición del p oblema y la c eación de soluciones, y se
equie en múl iples i e aciones pa a log a una solución de
diseño óp ima o sólida. Se pueden u iliza he amien as de
apoyo compu acional pa a cap u a el conocimien o gene-
ado en cada e apa del p oceso de diseño y ayuda en la oma
de decisiones. Sin emba go, aunque exis en muchas he a-
mien as de apoyo disponibles pa a las e apas pos e io es del
diseño, como el diseño de allado, hay ela i amen e pocas
he amien as disponibles pa a las p ime as e apas concep-
uales (Meni u e al., 2003).
Con el obje i o de mejo a el alo añadido en la ase
de desa ollo de p oduc os complejos, como la maquina ia,
con elemen os ísicos y dinámicos, se ha es ado explo ando
el uso de he amien as des inadas a acili a la ges ión del
p oceso de diseño (Almoslehy & Alkah ani, 2021). Ade-
más, en un me cado al amen e compe i i o, la p esión pa a
educi los cos es es cada ez más exigen e (Ka ayel e al.,
2013), eniendo en cuen a, además, que du an e la e apa de
diseño se un con ol de ap oximadamen e el 80% de los cos-
es asociados al p oduc o. Pa a hace en e a es os e os, los
in es igado es se han cen ado en es ablece un en o no coo-
pe a i o e in eg ado u ilizando di e sos sis emas asis idos
po o denado , incluidos p og amas de aplicación de diseño,
ab icación e ingenie ía (CAD/CAM/CAE), bases de da os
y se icios basados en la web (Sa ic e al., 2018).
Figu a 2. Ma co concep ual de las uncionalidades de la IA en el ciclo de ida del p oduc o.
In eligencia A i icial pa a el sopo e a la oma de decisiones en el ciclo de ida de los equipos indus iales
73
suminis o y en ega. La IA pe mi i á moni o iza , ajus a y
op imiza p ocesos indus iales eales pa a an icipa allos y
aumen a la e iciencia de los p ocesos de p e isión y plani-
icación en la emp esa, inc emen ando su esiliencia an e el
cambian e en o no ac ual (Za ala-Alcí a e al., 2023).
La in eg ación de la IA y la I4.0 conduce a un cí culo i -
uoso, donde los da os de las áb icas in eligen es y los sis-
emas cibe ísicos en enan modelos de IA, lo que mejo a la
e iciencia de la eposición, p oducción y en ega de máqui-
nas al educi los cos es de plani icación y p oducción, y al
mejo a la disponibilidad de ma e iales y componen es, así
como la calidad del p oduc o (Cio i e al., 2020).
3.3. IA en la ase de Uso del ciclo de ida del
p oduc o
La IA desempeña un papel esencial al acili a la con igu a-
ción au oma izada de equipos indus iales, an o en la e apa
de ab icación como en la e apa de uso. Es a con igu a-
ción se adap a en unción de ac o es como las condiciones
ambien ales y los p oduc os a p ocesa , lo que esul a en
sis emas más p ecisos, e icien es, adap ables y op imizados.
Es o se aduce en la capacidad de de ec a y co egi e o es
de mane a p oac i a, lo que, a su ez, mejo a signi ica i a-
men e el endimien o y la con iabilidad de la maquina ia,
ga an izando un calib ado p eciso (Ben Salah e al., 2022).
Es a sine gia en e la IA y la ab icación de "Ze o
De ec s," que busca la eliminación o al de de ec os en los
p oduc os, iene como obje i o p imo dial mejo a la cali-
dad, educi los cos os y sa is ace las necesidades del clien e
al p oduci bienes de al a calidad sin de ec os (Ma eo-Casalí
e al., 2023). Es a es a egia no solo esul a en una mejo a de
la e iciencia, sino ambién en un aumen o de la sa is acción
del clien e. La IA, alineada con los obje i os del con ex o de
Ze o De ec s manu ac u ing, pe mi e la de ección emp ana
de de ec os median e el análisis de da os en iempo eal y
pa ones de p oducción, lo que posibili a la implemen a-
ción de co ecciones an es de que los p oblemas se ag a en.
Además, la IA au oma iza p ocesos de con ol de calidad,
inspección isual y e i icación de p oduc os, asegu ando
cohe encia y p ecisión en la de ección de de ec os.
En cuan o a los equipos indus iales, se ca ac e izan po
su obus ez, du abilidad, e iciencia y al a p oduc i idad,
impulsados po la ecnología a anzada que po encia su des-
empeño. El uncionamien o óp imo de es os equipos du an e
la ase de uso es esencial pa a ga an iza la p oducción de
bienes o se icios de al a calidad.
Los sis emas de moni o eo de calidad y isión po com-
pu ado a pe mi en a los ope ado es de ec a de ec os en
iempo eal, lo que agiliza la co ección y educe la can-
idad de p oduc os de ec uosos. Asimismo, el empleo de
algo i mos de ap endizaje au omá ico y sis emas de man e-
nimien o p edic i o con ibuye a p e eni allas y de ec os
ap endizaje au omá ico pa a espalda el p oceso de diseño
del p oduc o (Niu e al., 2021).
En la ase de diseño de equipos indus iales, una plani-
icación y ejecución cuidadosas son undamen ales pa a
asegu a un endimien o y e iciencia óp imos. Al in eg a
ecnologías de IA con sis emas CAD/CAM/CAE, los dise-
ñado es pueden op imiza los componen es es uc u ales,
mecanismos y componen es de con ol de equipos indus-
iales. El uso adecuado de es as he amien as puede mejo-
a signi ica i amen e las ac i idades cla e in oluc adas en
la ase de diseño, lo que puede esul a en un mejo endi-
mien o de la máquina y una mayo e iciencia.
3.2. IA en la ase de Fab icación del ciclo de ida del
p oduc o
En la ase de ab icación de un p oduc o, exis en a ias
á eas cla e en las que la IA puede da sopo e. Desde la
op imización de la ges ión de in en a io has a la educción
de los iempos de p oducción y p epa ación, mejo ando así
el almacenamien o y la en ega, la IA iene el po encial de
gene a impac os signi ica i os. Puede analiza pa ones
de g andes can idades de da os median e la aplicación de
algo i mos pa a la p e isión de la demanda, la ges ión de
in en a io, educiendo el despe dicio, la plani icación del
eap o isionamien o y de la p oducción en iempo eal,
de ec ando di e en es anomalías y op imizando las ope a-
ciones pa a educi los iempos de inac i idad de las máqui-
nas, mejo a la logís ica y la o ganización de la p oducción.
La plani icación del eap o isionamien o, p oducción y
en ega son a eas complejas que equie en análisis con i-
nuos de la in o mación pa a ga an iza que odo es é dispo-
nible en iempo y can idad, y que el p oceso de ab icación
uncione en las mejo es condiciones. En es e sen ido, la I4.0
su ge de la necesidad de mejo a las áb icas median e la
in eg ación de nue as ecnologías a anzadas, como la IA,
obo s, IoT o la compu ación en la nube, que mejo an la
sos enibilidad y la esiliencia de los sis emas de p oducción
(Ja aid e al., 2022). Las áb icas in eligen es son un ejemplo
de es a in eg ación, ya que emplean ecnologías a anzadas
como aplicaciones con conciencia con ex ual y mecánicas
au o egulado as pa a op imiza los p ocesos de p oduc-
ción (P ause, 2019). La IA es undamen al en la I4.0 y en
la áb ica in eligen e pa a pe mi i que las máquinas omen
decisiones au ónomas y op imicen con inuamen e los p oce-
sos de p oducción. Del mismo modo, la IA es de i al impo -
ancia pa a da sopo e a la plani icación y eplani icación
en en o nos cambian es de eap o isionamien o, p oducción
o en ega, donde exis en ince idumb es elacionadas con
los clien es, los ope a ios y los sis emas logís icos. La IA
p e ende da espues a a dichas ince idumb es que se p o-
ducen a lo la go del iempo siguiendo una se ie de pa ones
que pueden modela se pa a p e eni allos, in e upciones de
Ma eo-Casalí, M. Á.; Pablo Fiesco, J.; And es, B.; Pole , R.
74
basada en la no ma ISO 14044:2006, (2006), se u iliza pa a
e alua los impac os ambien ales asociados con cada e apa
en el ciclo de ida de un p oduc o, p oceso o se icio come -
cial. Es e en oque pe mi e un examen comple o de cada ase
en el ciclo de ida de p oduc os nue os y exis en es, acili-
ando la e aluación y op imización de su impac o ambien-
al. El é mino "segunda ida" en el con ex o del ACV se
e ie e a la e apa de un p oduc o, p oceso o se icio después
de su uso inicial, cuando se conside a su posible epa ación,
eu ilización, eciclado u o as al e na i as pa a ex ende su
ida ú il y educi su impac o ambien al. Además, se consi-
gue e i a la gene ación de esiduos y la necesidad de ecu -
sos adicionales pa a eemplaza lo.
A pesa de los posibles bene icios de inco po a IA en
la R3, es a á ea sigue siendo ela i amen e poco explo ada.
La aplicación de algo i mos de IA en la in es igación de
ACV aba ca desde la iden i icación del mo i o po el cual
el equipo indus ial alcanza la ase de decli e has a el aná-
lisis del p oceso necesa io a aplica pa a da le un segundo
uso. Des acando la necesidad de in eg a de mane a e ec-
i a la IA con los modelos de ACV pa a ayuda en la oma
de decisiones ela i as a la epa ación, eu ilización y eci-
clado de equipos indus iales (Dos a ni e al., 2023). Aun-
que el en oque sigue siendo expe imen al, ab e la pue a a
la au oma ización de la en ada de da os pa a acele a los
es ue zos de in es igación. Las écnicas de Ap endizaje
P o undo y Ap endizaje Au omá ico ienen el po encial de
mejo a las bases de da os exis en es y c ea o as nue as,
adap adas a una amplia gama de aplicaciones (Eloua iaghli
e al., 2022).
Du an e es a e isión, se iden i ica on una se ie de bene-
icios cla e que la IA apo a a las dis in as ases del ciclo de
ida de p oduc os y sis emas indus iales, desde el diseño
has a la ase de R3. Es os bene icios son undamen ales pa a
mejo a la e iciencia, compe i i idad y sos enibilidad en la
indus ia, y se p esen an de mane a esumida en la Tabla 1.
en la p oducción an es de que ocu an. La iloso ía de Ce o
De ec os (Cal in, 1984) y las soluciones de IA u ilizadas en
la e apa de uso buscan educi y elimina los de ec os en la
p oducción, lo que, a su ez, mejo a la calidad del p oduc o
y op imiza la en abilidad de la p oducción. Al inco po a
es as soluciones de IA en las ope aciones dia ias de una
áb ica, las emp esas pueden a anza hacia el obje i o de
Ce o De ec os y, en úl ima ins ancia, o alece su posición
compe i i a en el me cado (Naza enko e al., 2021).
3.4. IA en la ase de Repa ación/Reu ilización/
Reciclaje del ciclo de ida del p oduc o
El po encial de las he amien as basadas en IA puede u i-
lizase pa a p omo e la sos enibilidad en el sec o de la
maquina ia, ala gando la ida ú il de las máquinas, edu-
ciendo los esiduos y mejo ando la e iciencia del lujo de
ma e iales (Baduge e al., 2022).
La u ilización de IA, especialmen e el ap endizaje p o-
undo, pa a p e e la ida ú il es an e de equipos indus ia-
les puede o ece una aliosa guía pa a la implemen ación
de man enimien o p edic i o. Es a es a egia se des aca
como más e icien e en compa ación con las al e na i as de
man enimien o eac i o o p e en i o, dado que op imiza la
disponibilidad del sis ema y educe los cos es de ope ación
(Çina e al., 2020). Además, den o de cualquie es a e-
gia de man enimien o, se en a izan obje i os esenciales,
como la minimización de las asas de allo de los equipos, la
mejo a de su es ado, la p olongación de su ida ú il y la dis-
minución de los cos es de man enimien o. En es e sen ido,
el man enimien o p edic i o, basado en ecnologías IA, ha
su gido como una de las es a egias más p ome edo as pa a
alcanza es os ines (Nchekwube e al., 2022).
Po o o lado, o a mane a de p olonga la ida de las
máquinas es dándoles un segundo uso si es posible. El Análi-
sis del Ciclo de Vida (ACV), una me odología es anda izada
Tabla 1. Funcionalidades de la IA en las ases del ciclo de ida de los equipos indus iales.
IA ase de diseño
• Pe mi e la cap u a de in o mación en cada e apa del p oceso de diseño, acili ando la oma de decisiones in o madas. Es o es c ucial en el
diseño, que implica una in e acción con inua en e la de inición del p oblema y la c eación de soluciones, eque ido múl iples i e aciones.
• En un me cado al amen e compe i i o, la IA iden i ica opo unidades pa a op imiza el diseño y educi los cos os, lo que es esencial pa a
la e iciencia y compe i i idad.
• La in eg ación de sis emas asis idos po o denado , como p og amas de diseño y ab icación CAD/CAM/CAE, con la IA, p omue e un
en oque más coope a i o e in eg ado en el p oceso de diseño.
• La aplicación de ecnologías de GD basados en da os eales pe mi e simulaciones p ecisas pa a de ec a allos y an icipa necesidades de
man enimien o.
• La IA en iquece la colabo ación en e el p oduc o ísico y su equi alen e digi al, lo que mejo a el p oceso de diseño y los esul ados inales.
• El p ocesamien o de g andes olúmenes de da os gene ados en la I4.0 se simpli ica con la IA, con i iendo es a in o mación en da os alio-
sos pa a espalda el diseño.
• Cuando se combina con sis emas CAD/CAM/CAE, op imiza componen es es uc u ales y mecánicos en equipos indus iales, lo que mejo a
el endimien o y la e iciencia de las máquinas.
In eligencia A i icial pa a el sopo e a la oma de decisiones en el ciclo de ida de los equipos indus iales
75
IA ase de ab icación
• Analiza y modela g andes can idades de da os a a és de la supe isión de los p ocesos de eap o isionamien o, p oducción y en ega en
iempo eal.
• P e e in e upciones de suminis o y ajus a los ni eles de in en a io.
• Selecciona p o eedo es en unción de las es icciones que p esen en.
• P e e la posible demanda u u a.
• P e e iempos de p oducción.
• Asigna de ecu sos de o ma e icien e, como ope a ios con di e en es compe encias y g ados de expe iencia.
• Equilib a las ca gas de abajo.
• Op imiza la p ecedencia y dependencias de ope aciones.
• Iden i ica pa ones pa a an icipa allos de suminis o, epa ación de máquinas, man enimien o de equipos.
• Op imiza el almacenamien o y en ega de p oduc os.
• Op imiza el anspo e y la p og amación y plani icación logís ica en base al es udio del compo amien o de los clien es.
• Conside a ince idumb es elacionadas con los ecu sos, los clien es, y los sis emas logís icos.
• Plani ica y eplani ica en en o nos cambian es de eap o isionamien o, p oducción o en ega.
• P e e e en os de plani icación del eap o isionamien o, p oducción y en ega en base a lo ocu ido en el pasado.
IA ase de uso
• Ajus a au omá icamen e equipos según condiciones y p oduc os, mejo ando p ecisión y e iciencia.
• De ección emp ana de de ec os analizando da os en iempo eal pa a de ec a y co egi e o es p oac i amen e.
• Au oma ización de la inspección ga an izando la p ecisión en la de ección de de ec os.
• Usando isión po compu ado a, agiliza la co ección y educe p oduc os de ec uosos.
• Mejo a de calidad siguiendo la iloso ía de Ce o De ec os, la IA pe ecciona la calidad del p oduc o.
• Compe i i idad o alecida La inco po ación de IA impulsa la e iciencia y la compe i i idad en el me cado.
IA ase de R3
• La aplicación de écnicas de IA, en pa icula el ap endizaje p o undo, con ibuye signi ica i amen e a la sos enibilidad en en o nos indus-
iales. La capacidad de p edeci la ida ú il es an e de equipos indus iales se log a median e modelos p edic i os en enados en da os
his ó icos y en iempo eal.
• La es a egia de man enimien o p edic i o, habili ada po écnicas de IA, e oluciona la ges ión de ac i os indus iales. El ap endizaje
p o undo y o os mé odos de IA son capaces de analiza da os en iempo eal y de ec a pa ones su iles que indican un posible allo en los
equipos an es de que ocu a.
• La IA se con ie e en una he amien a c ucial pa a iden i ica las causas subyacen es del decli e de equipos indus iales. A a és de la
ecopilación y análisis de da os elacionados con el endimien o y el desgas e, la IA puede iden i ica pa ones y ac o es que con ibuyen al
de e io o de los equipos.
• Las écnicas de IA ienen un impac o signi ica i o en la mejo a de las bases de da os exis en es, pe mi iendo una mayo p ecisión en la
ges ión de ac i os y el ciclo de ida de p oduc os indus iales. Es o no solo acili a la iden i icación de opo unidades pa a la ex ensión de
la ida ú il, sino que ambién mejo a la e iciencia de p ocesos de eciclaje al iden i ica ma e iales y componen es aliosos en p oduc os
desechados.
4. IA pa a da sopo e al ciclo de ida de los
equipos indus iales
En es a sección se concep ualizan las he amien as desa o-
lladas en el ma co del p oyec o eu opeo AI D i en Indus ial
Equipmen P oduc Li e Cycle Boos ing Agili y, Sus ainabi-
li y and Resilience AIDEAS. El p oyec o (AIDEAS, 2022)
desa olla á ecnologías de IA pa a apoya odo el ciclo de
ida de los equipos indus iales (diseño, ab icación, uso y
epa ación/ eu ilización/ eciclaje) como ins umen o es a-
égico pa a mejo a la sos enibilidad, la agilidad y la esi-
liencia de las emp esas eu opeas ab ican es de maquina ia.
La Figu a 3 p esen a una isión gene al de las soluciones
den o de cada Sui e del p oyec o AIDEAS.
A con inuación, se de ine de o ma concep ual las he a-
mien as de IA, a desa olla en el p oyec o AIDEAS, consi-
de ando cada una de las ases del ciclo de ida del p oduc o.
4.1. He amien as IA pa a la ase de Diseño de los
equipos indus iales
El obje i o de las he amien as es da sopo e a las ac i ida-
des cla e in oluc adas en la ase de diseño, pa a op imiza
los componen es es uc u ales, mecanismos y componen es
Ma eo-Casalí, M. Á.; Pablo Fiesco, J.; And es, B.; Pole , R.
82
componen es de con ol. Du an e la ase de ab icación, se
ges iona el eap o isionamien o, la p oducción y la en ega
con soluciones basadas en IA pa a la selección y adquisición
de componen es de equipos indus iales, op imización de
p ocesos de ab icación de piezas, secuenciación de ope a-
ciones, con ol de calidad y pe sonalización. La ase de uso
se bene icia de de la ecnología de IA pa a da alo añadido
al usua io de equipos indus iales, p opo cionando un mayo
apoyo de ins alación y calib ación inicial, ga an izando un
uncionamien o e icien e y segu o asegu ando las ga an ías
de calidad a a és de la de ección p e en i a de anomalías
con el in de abaja en condiciones óp imas y ga an iza un
uncionamien o e icien e y segu o. En la ase de eciclaje y
epa ación, la ecnología de IA se usa pa a ala ga la ida
ú il de las máquinas median e el man enimien o p esc ip i o
( epa ación), acili ando una segunda ida a las máquinas.
Se p omue e la sos enibilidad y la p olongación de la ida
ú il de las máquinas median e IA.
El caso de uso que se p esen ado pe mi e demos a la
aplicación de las soluciones del p oyec o AIDEAS, con el
obje i o de ini las mejo as que supone su implemen ación.
De es e modo se han seleccionado una se ie de p ocesos
ele an es pa a la emp esa. Además, se han modelado, a
a és de BPMN, di e en es escena ios en los que se imple-
men an es soluciones de AIDEAS.
Las líneas u u as de in es igación se di igen hacia la
iden i icación de equisi os conc e os pa a cada una de las
soluciones seleccionadas en el pilo o indus ial. De es a
o ma, los desa ollado es end án la capacidad de imple-
men a las soluciones de AIDEAS conside ando las nece-
sidades de los pilo os indus iales. Po o o lado, se es án
omando medidas pa a inco po a elemen os de segu idad
y comunicación en el diseño de las soluciones, ga an izado
las necesidades y equisi os de los pilo os. Además, se es á
p io izando la implemen ación de es ánda es de in e ope-
abilidad, asegu ando que las di e en es pa es del sis ema
puedan comunica se de mane a e ec i a y sin obs ácu-
los. Es o pe mi i á una mayo lexibilidad y adap abilidad
en en o nos indus iales. Asimismo, se es á en ocando de
o ma signi ica i a en la calidad de los da os ecopilados y
en la azabilidad de es os, lo que esul a á en una oma de
decisiones más p ecisa y en un seguimien o más comple o
de las ope aciones del pilo o indus ial. Todo es o con i-
bui á a una mejo a de la implemen ación de soluciones con
IA pa a el sopo e en la oma de decisiones de los equipos
indus iales a lo la go de odo su ciclo de ida.
Figu a 6. Fase R3: caso de uso de la he amien a IA pa a el man enimien o p edic i o (PM).

In eligencia A i icial pa a el sopo e a la oma de decisiones en el ciclo de ida de los equipos indus iales
83
CHEAH, C. G., CHIA, W. Y., LAI, S. F., CHEW, K. W., CHIA, S.
R., & SHOW, P. L. (2022). Inno a ion designs o indus y 4.0
based solid was e managemen : Machine y and digi al ci cula
economy. En i onmen al Resea ch, 213. h ps://doi.o g/10.1016/j.
en es.2022.113619
ÇINAR, Z. M., NUHU, A. A., ZEESHAN, Q., KORHAN, O.,
ASMAEL, M., & SAFAEi, B. (2020). Machine lea ning in
p edic i e main enance owa ds sus ainable sma manu ac u ing
in indus y 4.0. Sus ainabili y (Swi ze land), 12(19). h ps://doi.
o g/10.3390/su12198211
CIOFFI, R., TRAVAGLIONI, M., PISCITELLI, G., PETRILLO, A.,
& DE FELICE, F. (2020). A i icial in elligence and machine
lea ning applica ions in sma p oduc ion: P og ess, ends, and
di ec ions. In Sus ainabili y (Swi ze land), 12(2). MDPI. h ps://
doi.o g/10.3390/su12020492
COMMISSION, E., INNOVATION, D.-G. FOR R. AND, BREQUE,
M., DE NUL, L., & PETRIDIS, A. (2021). Indus y 5.0 –
Towa ds a sus ainable, human-cen ic and esilien Eu opean
indus y. Publica ions O ice o he Eu opean Union. h ps://doi.
o g/doi/10.2777/308407
DOSTATNI, E., DUDKOWIAK, A., ROJEK, I., & MIKOLAJEWSKI,
D. (2023). En i onmen al analysis o a p oduc manu ac u ed
wi h he use o an addi i e echnology – AI-based s. adi ional
app oaches. Bulle in o he Polish Academy o Sciences Technical
Sciences. h ps://doi.o g/10.24425/bpas s.2023.144478
ELOUARIAGHLI, F. N., KOZDERKA, S. M., QUARANTA,
T. G., PENA, F. D., ROSE, F. B., & HOARAU, S. Y. (2022).
Eco-design and Li e Cycle Managemen : Consequen ial
Li e Cycle Assessmen , A i icial In elligence and G een IT.
IFAC-Pape sOnLine, 55(5), 49–53. h ps://doi.o g/10.1016/j.
i acol.2022.07.638
EUROPEAN COMMISSION. (2022). COM/2022/140 inal. h ps://
www. esou cepanel.o g/es/ epo s/global- esou ces-ou look
FARBIZ, F., HABIBULLAH, M. S., HAMADICHAREF, B.,
MASZCZYK, T., & AGGARWAL, S. (2022). Knowledge-
embedded machine lea ning and i s applica ions in sma
manu ac u ing. Jou nal o In elligen Manu ac u ing. h ps://doi.
o g/10.1007/s10845-022-01973-6
FORTUNY-SANTOS, J., LÓPEZ, P. R. DE A., LUJÁN-BLANCO,
I., & CHEN, P. K. (2020). Assessing he syne gies be ween lean
manu ac u ing and Indus y 4.0. Di eccion y O ganizacion, 71,
71–86. h ps://doi.o g/10.37610/dyo. 0i71.579
FRAGA-LAMAS, P., LOPES, S. I., & FERNÁNDEZ-CARAMÉS, T.
M. (2021a). G een io and edge AI as key echnological enable s
o a sus ainable digi al ansi ion owa ds a sma ci cula
economy: An indus y 5.0 use case. Senso s, 21(17). h ps://doi.
o g/10.3390/s21175745
FRAGA-LAMAS, P., LOPES, S. I., & FERNÁNDEZ-CARAMÉS, T.
M. (2021b). G een io and edge AI as key echnological enable s
o a sus ainable digi al ansi ion owa ds a sma ci cula
economy: An indus y 5.0 use case. Senso s, 21(17). h ps://doi.
o g/10.3390/s21175745
FRAILE, F., TAGAWA, T., POLER, R., & ORTIZ, A. (2018).
T us wo hy Indus ial IoT Ga eways o In e ope abili y
Pla o ms and Ecosys ems. IEEE In e ne o Things Jou nal, 5(6),
4506–4514. h ps://doi.o g/10.1109/JIOT.2018.2832041
HADEA. (2023, May 11). Digi al P oduc Passpo . Eu opean Heal h
and Digi al Execu i e Agency.
HOU, J., SU, C., & WANG, W. (2008). Knowledge managemen in
collabo a i e design. P oceedings o 2008 IEEE In e na ional
Con e ence on Se ice Ope a ions and Logis ics, and In o ma ics,
IEEE/SOLI 2008, 1, 848–852. h ps://doi.o g/10.1109/
SOLI.2008.4686517
ISO 14044:2006. (2006, July). En i onmen al managemen Li e
cycle assessmen . SO/TC 207/SC 5. h ps://www.iso.o g/obp/
ui/#iso:s d:iso:14044:ed-1: 1:es
7. Financiación
La in es igación que ha conducido a es os esul ados ha
ecibido inanciación del P og ama Ma co Ho izon e
Eu opa (HORIZONTE) con el acue do de sub ención nº
101057294 "AI D i en Indus ial Equipmen P oduc Li e
Cycle Boos ing Agili y, Sus ainabili y, and Resilience
(AIDEAS)", de la Conselle ia de Inno ación, Uni e sida-
des, Ciencia y Sociedad Digi al de la Gene ali a Valenciana
"P og ama In es igo" ( e . INVEST/2022/330), apoyado
po la Unión Eu opea - Nex Gene a ionEU den o del Plan
de Recupe ación, T ans o mación y Resiliencia.
Re e encias
AIDEAS. (2022). AI D i en Indus ial Equipmen P oduc Li e
Cycle Boos ing Agili y, Sus ainabili y and Resilience. Eu opean
Union’s Ho izon Eu ope e-sea ch and inno a ion p og amme
unde g an ag eemen No. 101057294. h ps://doi.o g/10.3030/
101057294
ALMOSLEHY, S. A. M., & ALKAHTANI, M. S. (2021). Key
app oaches, isks, and p oduc pe o mance in managing
he de elopmen p ocess o complex p oduc s sus ainably.
Sus ainabili y (Swi ze land), 13(9). h ps://doi.o g/10.3390/
su13094727
AYNETO GUBER , X. (2019). La indus ia 4.0, el nue o mo o de
la inno ación indus ial. Di ección y O ganización, 69, 99–110.
h ps://doi.o g/h ps://doi.o g/10.37610/dyo. 0i69.563
BADUGE, S. K., THILAKARATHNA, S., PERERA, J. S.,
ARASHPOUR, M., SHARAFI, P., TEODOSIO, B., SHRINGI,
A., & MENDIS, P. (2022). A i icial in elligence and sma
ision o building and cons uc ion 4.0: Machine and deep
lea ning me hods and applica ions. Au oma ion in Cons uc ion,
141, 104440. h ps://doi.o g/h ps://doi.o g/10.1016/j.au con.2022.
104440
BEN SALAH, Y., WEIGUO, L., AILING, T., SELLAMI, L.,
BEN HAMIDA, A., & ZARDOUMI, S. (2022). Op imal
se up o manu ac u ing inspec ion sys em ia mapping,
and 3D scanning. PROCEEDINGS OF 2022 14TH
INTERNATIONAL CONFERENCE ON MANAGEMENT OF
DIGITAL ECOSYSTEMS, MEDES 2022, 70–73. h ps://doi.
o g/10.1145/3508397.3564829
BLOMSMA, F., & BRENNAN, G. (2017). The Eme gence o
Ci cula Economy: A New F aming A ound P olonging Resou ce
P oduc i i y. Jou nal o Indus ial Ecology, 21(3), 603–614.
h ps://doi.o g/10.1111/jiec.12603
BOZA, A., ALARCÓN, F., PEREZ, D., & GÓMEZ-GASQUET,
P. (2018). Indus y 4.0 F om he Supply Chain Pe spec i e,
331–351. h ps://doi.o g/10.4018/978-1-5225-4936-9.ch014
BUCHMEISTER, B., PALCIC, I., & OJSTERSEK, R. (2019).
A i icial In elligence in Manu ac u ing Companies and
B oade : An O e iew. 081–098. h ps://doi.o g/10.2507/daaam.
scibook.2019.07
CALVIN, T. W. (1984). Quali y con ol echniques o “Ze o
De ec s”: Thomas W. Cal in. IEEE T ans. Componen s
Hyb ids M g Technol.CHMT, 6(3), 323 (Sep embe 1983).
Mic oelec onics Reliabili y, 24(5), 991–992. h ps://doi.
o g/10.1016/0026-2714(84)90075-1
CHANG, C. W., LEE, H. W., & LIU, C. H. (2018). A e iew o
a i icial in elligence algo i hms used o sma machine ools.
In In en ions, 3(3). MDPI Mul idisciplina y Digi al Publishing
Ins i u e. h ps://doi.o g/10.3390/in en ions3030041
Ma eo-Casalí, M. Á.; Pablo Fiesco, J.; And es, B.; Pole , R.
84
PRAUSE, M. (2019). Challenges o Indus y 4.0 echnology adop ion
o SMEs: The case o Japan. Sus ainabili y (Swi ze land), 11(20).
h ps://doi.o g/10.3390/su11205807
REN, S., ZHANG, Y., LIU, Y., SAKAO, T., HUISINGH, D., &
ALMEIDA, C. M. V. B. (2019). A comp ehensi e e iew
o big da a analy ics h oughou p oduc li ecycle o suppo
sus ainable sma manu ac u ing: A amewo k, challenges and
u u e esea ch di ec ions. Jou nal o Cleane P oduc ion, 210,
1343–1365. h ps://doi.o g/10.1016/j.jclep o.2018.11.025
RENDA, A., SCHWAAG SERGER, S., TATAJ, D., MORLET, A.,
ISAKSSON, D., MARTINS, F., MIR ROCA, M., HIDALGO, C.,
HUANG, A., DIXSON-DECLÈVE, S., BALLAND, P. A., BRIA,
F., CHARVÉRIAT, C., DUNLOP, K., GIOVANNINI, E., &
EUROPEAN COMMISSION. Di ec o a e-Gene al o Resea ch and
Inno a ion. (2021). Indus y 5.0, a ans o ma i e ision o Eu ope:
go e ning sys emic ans o ma ions owa ds a sus ainable indus y.
RONAGHI, M. H. (2022). The in luence o a i icial in elligence
adop ion on ci cula economy p ac ices in manu ac u ing
indus ies. En i onmen , De elopmen and Sus ainabili y. h ps://
doi.o g/10.1007/s10668-022-02670-3
SARIC, I., PERVAN, N., MUMINOVIC, A., & COLIC, M. (2018).
De elopmen o in eg a ed in elligen cad sys em o design o
sha s. Tehnicki Vjesnik, 25, 99–104. h ps://doi.o g/10.17559/
TV-20170521194820
SERRANO-RUIZ, J. C., MULA, J., & POLER, R. (2021). Sma
manu ac u ing scheduling: A li e a u e e iew. In Jou nal o
Manu ac u ing Sys ems, 61, 265–287. Else ie B.V. h ps://doi.
o g/10.1016/j.jmsy.2021.09.011
TAO, F., SUI, F., LIU, A., QI, Q., ZHANG, M., SONG, B., GUO, Z., LU,
S. C. Y., & NEE, A. Y. C. (2019). Digi al win-d i en p oduc design
amewo k. In e na ional Jou nal o P oduc ion Resea ch, 57(12),
3935–3953. h ps://doi.o g/10.1080/00207543.2018.1443229
TERZI, S., BOURAS, A., DUTTA, D., GARETTI, M., & KIRITSIS,
D. (2010). P oduc li ecycle managemen - F om i s his o y
o i s new ole. In e na ional Jou nal o P oduc Li ecycle
Managemen , 4(4), 360–389. h ps://doi.o g/10.1504/IJPLM.2010.
036489
WANG, J., WU, H., & CHEN, Y. (2020). Made in China 2025 and
manu ac u ing s a egy decisions wi h e e se QFD. In e na ional
Jou nal o P oduc ion Economics, 224, 107539. h ps://doi.o g/
h ps://doi.o g/10.1016/j.ijpe.2019.107539
XU, X., LU, Y., VOGEL-HEUSER, B., & WANG, L. (2021). Indus y
4.0 and Indus y 5.0—Incep ion, concep ion and pe cep ion.
Jou nal o Manu ac u ing Sys ems, 61, 530–535. h ps://doi.
o g/10.1016/j.jmsy.2021.10.006
ZAVALA-ALCÍVAR, A., VERDECHO, M. J., & ALFARO-SAIZ, J. J.
(2023). Supply chain esilience: A concep ual e olu ion analysis.
Di eccion y O ganizacion, 79, 5–17. h ps://doi.o g/10.37610/
dyo. 0i79.633
JAVAID, M., HALEEM, A., SINGH, R. P., SUMAN, R., &
GONZALEZ, E. S. (2022). Unde s anding he adop ion o Indus y
4.0 echnologies in imp o ing en i onmen al sus ainabili y.
Sus ainable Ope a ions and Compu e s, 3(Janua y), 203–217.
h ps://doi.o g/10.1016/j.susoc.2022.01.008
KARAYEL, D., OZKAN, S. S., & VATANSEVER, F. (2013).
In eg a ed knowledge-based sys em o machine design.
Ad ances in Mechanical Enginee ing, 2013. h ps://doi.
o g/10.1155/2013/702590
LI, B. HU, HOU, B. CUN, YU, W. TAO, LU, X. BING, & YANG, C.
WEI. (2017). Applica ions o a i icial in elligence in in elligen
manu ac u ing: a e iew. In F on ie s o In o ma ion Technology
and Elec onic Enginee ing, 18(1), 86–96. Zhejiang Uni e si y.
h ps://doi.o g/10.1631/FITEE.1601885
MATEO-CASALÍ, M. Á., FRAILE, F., BOZA, A., & POLER,
R. (2023). A Ma u i y Model o Indus y 4.0 Manu ac u ing
Execu ion Sys ems. Sp inge In e na ional Publishing. h ps://doi.
o g/10.1007/978-3-031-29382-5_22
MENIRU, K., RIVARD, H., & BÉDARD, C. (2003). Speci ica ions
o compu e -aided concep ual building design. Design
S udies, 24(1), 51–71. h ps://doi.o g/h ps://doi.o g/10.1016/
S0142-694X(02)00009-1
NAZARENKO, A. A., SARRAIPA, J., CAMARINHA-MATOS,
L. M., GRUNEWALD, C., DORCHAIN, M., & JARDIM-
GONCALVEs, R. (2021). Analysis o ele an s anda ds o
indus ial sys ems o suppo ze o de ec s manu ac u ing p ocess.
In Jou nal o Indus ial In o ma ion In eg a ion, 23. Else ie
B.V. h ps://doi.o g/10.1016/j.jii.2021.100214
NCHEKWUBE, D. C., FERRACUTI, F., FREDDI, A., IARLORI,
S., LONGHI, S., & MONTERIU, A. (2022). P edic i e
Main enance o Indus ial Equipmen using Deep Lea ning:
om senso y da a o emaining use ul li e es ima ion. 2022 IEEE
In e na ional Wo kshop on Me ology o Ex ended Reali y,
A i icial In elligence and Neu al Enginee ing, Me oXRAINE
2022 - P oceedings, 624–629. h ps://doi.o g/10.1109/
Me oXRAINE54828.2022.9967582
NIU, X., WANG, M., & QIN, S. (2021). P oduc design li ecycle
in o ma ion model (PDLIM). The In e na ional Jou nal o
Ad anced Manu ac u ing Technology. h ps://doi.o g/10.1007/
s00170-021-07945-z/Published
ONGSULEE, P. (2017). A i icial in elligence, machine lea ning
and deep lea ning. Fi een h In e na ional Con e ence on ICT
and Knowledge Enginee ing, 1–6. h ps://doi.o g/10.1109/
ICTKE.2017.8259629
POURNADER, M., GHADERI, H., HASSANZADEGAN, A., &
FAHIMNIA, B. (2021). A i icial in elligence applica ions in
supply chain managemen . In In e na ional Jou nal o P oduc ion
Economics, 241. Else ie B.V. h ps://doi.o g/10.1016/j.
ijpe.2021.108250