Incidencia de la Tecnología CNC en la Industria 4.0
DOI:
https://doi.org/10.62943/rig.v3n2.2024.102Palabras clave:
Eficiencia, Fabricación aditiva, Inteligencia Artificial, Realidad AumentadaResumen
El estudio analizó la integración de la tecnología CNC en el contexto de la Industria 4.0, evaluando beneficios, desafíos y tendencias futuras. Se realizó una encuesta y un estudio de caso para identificar beneficios como la mejora en la eficiencia, flexibilidad, reducción de costos y mejora de la calidad y trazabilidad de los procesos. Se destacaron desafíos organizacionales, incluyendo la resistencia al cambio, la falta de visión estratégica y las limitaciones presupuestarias. Las tendencias futuras incluyeron la integración de la fabricación aditiva, la adopción de tecnologías de realidad aumentada y virtual, y el creciente papel de la inteligencia artificial en la optimización de procesos CNC. Se concluyó que la integración de CNC con la Industria 4.0 ofrece un potencial significativo para mejorar la competitividad y eficiencia de la manufactura, siempre que se aborden adecuadamente los desafíos técnicos y organizacionales. Se sugirieron futuras investigaciones para desarrollar estrategias y mejores prácticas en esta área.
Citas
B. Parashar, R. Sharma, G. Rana, and R. D. Balaji, “Foundation Concepts for Industry 4.0,” pp. 51–68, 2023, doi: 10.1007/978-3-031-20443-2_3. DOI: https://doi.org/10.1007/978-3-031-20443-2_3
O. Rodriguez-Alabanda, P. E. Romero, and G. Guerrero-Vaca, “Application of Custom Macro B high level CNC programming language in a five-axis milling machine for drilling holes distributed in axi-symmetric working planes,” Procedia Manuf, vol. 41, pp. 976–983, Jan. 2019, doi: 10.1016/J.PROMFG.2019.10.023. DOI: https://doi.org/10.1016/j.promfg.2019.10.023
X. Yao, J. Zhou, Y. Lin, Y. Li, H. Yu, and Y. Liu, “Smart manufacturing based on cyber-physical systems and beyond,” J Intell Manuf, vol. 30, no. 8, pp. 2805–2817, Dec. 2019, doi: 10.1007/S10845-017-1384-5/METRICS. DOI: https://doi.org/10.1007/s10845-017-1384-5
D. G. S. Pivoto, L. F. F. de Almeida, R. da Rosa Righi, J. J. P. C. Rodrigues, A. B. Lugli, and A. M. Alberti, “Cyber-physical systems architectures for industrial internet of things applications in Industry 4.0: A literature review,” J Manuf Syst, vol. 58, pp. 176–192, Jan. 2021, doi: 10.1016/J.JMSY.2020.11.017. DOI: https://doi.org/10.1016/j.jmsy.2020.11.017
G. Aceto, V. Persico, and A. Pescapé, “A Survey on Information and Communication Technologies for Industry 4.0: State-of-the-Art, Taxonomies, Perspectives, and Challenges,” IEEE Communications Surveys and Tutorials, vol. 21, no. 4, pp. 3467–3501, Oct. 2019, doi: 10.1109/COMST.2019.2938259. DOI: https://doi.org/10.1109/COMST.2019.2938259
Z. Murat Çınar, Q. Zeeshan, O. Korhan, G. Ahmed, M. Awais, and J. Ahmad, “A Framework for Industry 4.0 Readiness and Maturity of Smart Manufacturing Enterprises: A Case Study,” Sustainability 2021, Vol. 13, Page 6659, vol. 13, no. 12, p. 6659, Jun. 2021, doi: 10.3390/SU13126659. DOI: https://doi.org/10.3390/su13126659
T. Zonta, C. A. da Costa, R. da Rosa Righi, M. J. de Lima, E. S. da Trindade, and G. P. Li, “Predictive maintenance in the Industry 4.0: A systematic literature review,” Comput Ind Eng, vol. 150, p. 106889, Dec. 2020, doi: 10.1016/J.CIE.2020.106889. DOI: https://doi.org/10.1016/j.cie.2020.106889
M. Mareš, O. Horejš, and L. Havlík, “Thermal error compensation of a 5-axis machine tool using indigenous temperature sensors and CNC integrated Python code validated with a machined test piece,” Precis Eng, vol. 66, pp. 21–30, Nov. 2020, doi: 10.1016/J.PRECISIONENG.2020.06.010. DOI: https://doi.org/10.1016/j.precisioneng.2020.06.010
S. Mantravadi and C. Møller, “An Overview of Next-generation Manufacturing Execution Systems: How important is MES for Industry 4.0?,” Procedia Manuf, vol. 30, pp. 588–595, Jan. 2019, doi: 10.1016/J.PROMFG.2019.02.083. DOI: https://doi.org/10.1016/j.promfg.2019.02.083
M. Jiménez, L. Romero, I. A. Domínguez, M. D. M. Espinosa, and M. Domínguez, “Additive Manufacturing Technologies: An Overview about 3D Printing Methods and Future Prospects,” Complexity, vol. 2019, no. 1, p. 9656938, Jan. 2019, doi: 10.1155/2019/9656938. DOI: https://doi.org/10.1155/2019/9656938
V. Reljić, I. Milenković, S. Dudić, J. Šulc, and B. Bajči, “Augmented Reality Applications in Industry 4.0 Environment,” Applied Sciences 2021, Vol. 11, Page 5592, vol. 11, no. 12, p. 5592, Jun. 2021, doi: 10.3390/APP11125592. DOI: https://doi.org/10.3390/app11125592
V. Nasir and F. Sassani, “A review on deep learning in machining and tool monitoring: methods, opportunities, and challenges,” The International Journal of Advanced Manufacturing Technology 2021 115:9, vol. 115, no. 9, pp. 2683–2709, May 2021, doi: 10.1007/S00170-021-07325-7. DOI: https://doi.org/10.1007/s00170-021-07325-7
J. T. Krogshave, T. Boettjer, and D. Ramanujan, “Machine-Specific Energy Estimation Using the Unit Process Life Cycle Inventory (UPLCI) Model,” Proceedings of the ASME Design Engineering Technical Conference, vol. 6, Nov. 2020, doi: 10.1115/DETC2020-22483. DOI: https://doi.org/10.1115/DETC2020-22483
S. Jia et al., “Multi-Objective Optimization of CNC Turning Process Parameters Considering Transient-Steady State Energy Consumption,” Sustainability 2021, Vol. 13, Page 13803, vol. 13, no. 24, p. 13803, Dec. 2021, doi: 10.3390/SU132413803. DOI: https://doi.org/10.3390/su132413803
Q. Liu and T. Huang, “Inverse kinematics of a 5-axis hybrid robot with non-singular tool path generation,” Robot Comput Integr Manuf, vol. 56, pp. 140–148, Apr. 2019, doi: 10.1016/J.RCIM.2018.06.003. DOI: https://doi.org/10.1016/j.rcim.2018.06.003
D. K. Nguyen, H. C. Huang, and T. C. Feng, “Prediction of Thermal Deformation and Real-Time Error Compensation of a CNC Milling Machine in Cutting Processes,” Machines 2023, Vol. 11, Page 248, vol. 11, no. 2, p. 248, Feb. 2023, doi: 10.3390/MACHINES11020248. DOI: https://doi.org/10.3390/machines11020248
G. Serin, B. Sener, A. M. Ozbayoglu, and H. O. Unver, “Review of tool condition monitoring in machining and opportunities for deep learning,” International Journal of Advanced Manufacturing Technology, vol. 109, no. 3–4, pp. 953–974, Jul. 2020, doi: 10.1007/S00170-020-05449-W/METRICS. DOI: https://doi.org/10.1007/s00170-020-05449-w
B. Kitchenham, “Procedures for Performing Systematic Reviews,” Software Engineering Group Department of Computer Science, 2004.
L. Yi, C. Gläßner, and J. C. Aurich, “How to integrate additive manufacturing technologies into manufacturing systems successfully: A perspective from the commercial vehicle industry,” J Manuf Syst, vol. 53, pp. 195–211, Oct. 2019, doi: 10.1016/J.JMSY.2019.09.007. DOI: https://doi.org/10.1016/j.jmsy.2019.09.007
D. Prasad and S. C. Jayswal, “A Review on Flexibility and Reconfigurability in Manufacturing System,” Innovation in Materials Science and Engineering, pp. 187–200, 2019, doi: 10.1007/978-981-13-2944-9_19. DOI: https://doi.org/10.1007/978-981-13-2944-9_19
M. Soori, F. K. Ghaleh Jough, R. Dastres, and B. Arezoo, “Sustainable CNC machining operations, a review,” Sustainable Operations and Computers, vol. 5, pp. 73–87, Jan. 2024, doi: 10.1016/J.SUSOC.2024.01.001. DOI: https://doi.org/10.1016/j.susoc.2024.01.001
R. Rosati et al., “From knowledge-based to big data analytic model: a novel IoT and machine learning based decision support system for predictive maintenance in Industry 4.0,” J Intell Manuf, vol. 34, no. 1, pp. 107–121, Jan. 2023, doi: 10.1007/S10845-022-01960-X/FIGURES/8. DOI: https://doi.org/10.1007/s10845-022-01960-x
Y. Wang, Z. Jiang, W. Cai, G. Fortuna, and P. Dinis Gaspar, “Implementation of Industrial Traceability Systems: A Case Study of a Luxury Metal Pieces Manufacturing Company,” Processes 2022, Vol. 10, Page 2444, vol. 10, no. 11, p. 2444, Nov. 2022, doi: 10.3390/PR10112444. DOI: https://doi.org/10.3390/pr10112444
X. Neumeyer, S. C. Santos, and M. H. Morris, “Overcoming barriers to technology adoption when fostering entrepreneurship among the poor: The role of technology and digital literacy,” IEEE Trans Eng Manag, vol. 68, no. 6, pp. 1605–1618, Dec. 2021, doi: 10.1109/TEM.2020.2989740. DOI: https://doi.org/10.1109/TEM.2020.2989740
R. Raffaelli, M. A. Glynn, and M. Tushman, “Frame flexibility: The role of cognitive and emotional framing in innovation adoption by incumbent firms,” Strategic Management Journal, vol. 40, no. 7, pp. 1013–1039, Jul. 2019, doi: 10.1002/SMJ.3011. DOI: https://doi.org/10.1002/smj.3011
D. A. Rossit, F. Tohmé, and M. Frutos, “Production planning and scheduling in Cyber-Physical Production Systems: a review,” Int J Comput Integr Manuf, vol. 32, no. 4–5, pp. 385–395, May 2019, doi: 10.1080/0951192X.2019.1605199. DOI: https://doi.org/10.1080/0951192X.2019.1605199
G. Martinov and A. Kovaleko, “Additive Process Equipment Control System for Integration into a Flexible Manufacturing System,” Proceedings - 2019 21st International Conference "Complex Systems: Control and Modeling Problems", CSCMP 2019, vol. 2019-September, pp. 519–523, Sep. 2019, doi: 10.1109/CSCMP45713.2019.8976558. DOI: https://doi.org/10.1109/CSCMP45713.2019.8976558
Z. H. Lai, W. Tao, M. C. Leu, and Z. Yin, “Smart augmented reality instructional system for mechanical assembly towards worker-centered intelligent manufacturing,” J Manuf Syst, vol. 55, pp. 69–81, Apr. 2020, doi: 10.1016/J.JMSY.2020.02.010. DOI: https://doi.org/10.1016/j.jmsy.2020.02.010
M. Soori, B. Arezoo, and R. Dastres, “Machine learning and artificial intelligence in CNC machine tools, A review,” Sustainable Manufacturing and Service Economics, vol. 2, p. 100009, Apr. 2023, doi: 10.1016/J.SMSE.2023.100009. DOI: https://doi.org/10.1016/j.smse.2023.100009
Y. Yang, Z. Chen, J. Zhang, G. Wang, R. Zhang, and D. Suo, “Preparation and Applications of the Cellulose Nanocrystal,” Int J Polym Sci, vol. 2019, no. 1, p. 1767028, Jan. 2019, doi: 10.1155/2019/1767028. DOI: https://doi.org/10.1155/2019/1767028
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Luis Hernán Sánchez Hayman, Yoandrys Morales Tamayo, Danilo Fabricio Trujillo Ronquillo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.