Este trabajo pretende estrechar la distancia que separa de la Industria 4.0 a determinados sectores manufactureros que todavía no han iniciado su carrera hacia la nueva revolución industrial, centrándose en el caso del sector calzado, por sus peculiares características, que pueden tomarse como modelo para realizar transferencia tecnológica a otros sectores con dificultades similares. Tras analizar algunos de los problemas que están frenando la adaptación de dichas empresas al nuevo paradigma, se procede a estudiar y combinar diferentes tecnologías, muy presentes en la Industria 4.0, como son la simulación, robótica, realidad virtual o los sistemas de monitorización para entornos distribuidos, que permitan al sector avanzar en su automatización para poder seguir siendo competitivas en un futuro próximo, tanto a nivel operativo como formativo. En cuanto a los resultados de esta investigación, los referentes a simulación, prevención de colisiones y monitorización se han aplicado a celdas robotizadas reales del sector del calzado, en un entorno de laboratorio. Los resultados que hacen referencia a la mejora de la formación académica mediante el uso de realidad virtual han sido probados en un entorno de prueba, y se prevé realizar ensayos reales en futuros cursos dentro de los estudios de Grado en Ingeniería Robótica de la Universidad de Alicante.

En Costa Rica, el tipo de empresa que sobresale en el mercado es el de las Micro, Pequeñas y Medianas Empresas (MiPyMEs). Para este tipo de empresas, la calidad y consistencia de los productos son elementos diferenciadores para competir en el mercado. Además, estás empresas tiene recursos económicos limitados para implementar tecnologías que le permitan incursionar en la cuarta revolución industrial. Aunque las MiP y MEs, y en concreto las del sector manufacturero, son consideradas uno de los motores económico del país, estás entidades no suelen tener ayudas del gobierno para desarrollarse digitalmente. Esto situación nos motivó a plantear un estudio para encontrar la manera en que se puede ayudar a las MiP y MEs a mejorar los procesos de manufactura. Debido principalmente a que en este tipo de negocios se basan en trabajos manuales, con personal poco cualificado; por lo que estos elementos afectan directamente la calidad de los productos desde su concepción. Se planteó un sistema de control de calidad visual que ayude a controlar la calidad durante la fase de producción, incentivando así el desarrollo de productos de calidad. Para este propósito se plantean soluciones basadas en técnicas de Visión por computadora (CV), junto con algoritmos de Machine Learning y arquitecturas de Deep Learning. Esta tesis doctoral se inició realizando una revisión del estado del arte sobre los procesos de interacción humano-robot (HRI), sistemas de control automático de calidad en los sistemas de producción, aplicación de la CV en entornos de manufactura, utilización de arquitecturas de Deep Learningy las bases de datos de imágenes de herramientas, piezas y componentesr equeridos para la manufactura. Así como bases de datos de vídeos de acciones. El resultado del estudio sirvió como base para el desarrollo del estado del arte y el conocimiento de las técnicas actuales de Deep Learning que permiten identificar objetos y acciones; particularmente para el control de la producción con operarios. Por lo que se logró evidenciar que no existían soluciones inteligentes basada en visión que permitan controlar secuencias de ensamble en la producción manual. Tras este estudio del estado del arte, se ha propuesto una arquitectura de visión por computador, reconocimiento de objetos y acciones, además de un lenguaje descriptivo. Se compone de tres módulos principales, el primero de ellos se encarga del procesamiento visual; donde se identifican los objetos y sus ubicaciones, también se reconocen las acciones ejecutadas por el operario. El segundo módulo se encarga del procesamiento del lenguaje que describe las acciones, que va ser utilizado luego para evaluar la ejecución del operario. Y el último módulo se encarga de tomar las salidas de los dos módulos anteriores, para determinar si realmente realiza el ensamble como está estipulado. Además, la arquitectura es capaz de establecer cuáles son las acciones siguientes que debe realizar el operario, para proveerle información de las herramientas o partes que debe tomar para continuar y minimizar los errores por uso incorrecto de herramientas o partes. Es importante señalar que, además de la arquitectura, este trabajo también genera como resultado, dos bases de datos. Debido a que, durante la investigación del estado del arte tampoco se logró determinar la existen-da de bases de datos para el entrenamiento de redes para la detección de herramientas o acciones de manufactura. La primera base de datos es de imágenes de herramientas, partes y componentes comunes de manufactura y la segunda se compone de videos de acciones comunes en los procesos de ensamblaje. También se propuso la generación de un lenguaje que permite describir las acciones necesarias para un proceso de ensamble. Mediante una secuencia de manufactura descrita con este lenguaje, se puede comparar un proceso de manufactura con las instrucciones que se van detectando en tiempo real. Determinando si el operario sigue los pasos tal y como fueron diseñados por los expertos en el diseño de productos. Este lenguaje, en conjunto con el módulo de verificación de acciones, permite que el sistema genere predicciones de las siguientes instrucciones o acciones.

Durante los últimos 10 años la necesidad de contar con un efectivo gobierno de TI se hace indispensable para las empresas que quieren lograr una ventaja competitiva en el mercado. El plan estratégico de las empresas debe contener su plan a futuro y las acciones que debe realizar para lograrlo. Asimismo, sus objetivos estratégicos deben estar alineados con los procesos de TI. Bajo este escenario, en el que se presenta un constante cambio, muchas empresas se enfrentan a problemas de bajo nivel de control y uso inadecuado de recursos, causados por la baja concientización de un Gobierno de TI, que posteriormente desencadenan en una insuficiente definición de procesos, en la carencia de la evaluación de capacidades de procesos y en la falta de iniciativa para la mejora continua. Asimismo, a través de la tecnología se busca transformar el proceso de negocio de operación de pesca porque está asociado a los objetivos estratégicos de la empresa. Por ende, cualquier impacto negativo se ve reflejado en la rentabilidad y costos Ante esta situación, se desarrolla la propuesta para el caso de estudio de una empresa del sector pesquero, en el que se propone mejorar los procesos de TI mediante un marco de trabajo basado en COBIT PAM y transformar el proceso de operación de pesca utilizando la tecnología basada en internet de las cosas para consolidar este proceso obteniendo rentabilidad y reduciendo costos. / During the past 10 years the need for effective IT governance has become indispensable for companies that want to gain a competitive advantage in the market. The strategic business plan must contain its future plan and the actions it must take to achieve it. At the same time, its strategic objectives should be aligned with the IT processes. Under this scenario, in which there is constant change, many companies face problems of low level of control and inaddecuate use of resources, caused by the lack of awareness of an IT Government, which subsequently trigger an insufficient process definition, in the carence of evaluation of process capacities and in the lack of initiative for continuous improvement. Likewise, technology seeks to transform the fishing operation business process because it is associated with the company's strategic objectives. Therefore, any negative impact is reflected in profitability and costs. Given this situation, the proposal is developed for the case study of a company in the fishery sector, in which it is proposed to improve IT processes through a framework based on COBIT PAM and transform the fishing operation process using technology based on the internet of things to consolidate this process obtaining profitability and reducing costs. / Tesis

Con la conversión de la industria tradicional a industria 4.0, la inteligencia artificial (IA), Internet de las Cosas (IoT), el Machine Learning (ML) y la calidad de los datos (DQ) adquieren nuevas dimensiones y una notoria relevancia en el campo de la industria. Uno de los usos más solicitados de la IA en el campo de la industria es la búsqueda de la mejora de la rentabilidad, ya sea aumentando la producción, o disminuyendo los costes del propio proceso industrial. En esta tesis se abordan los dos objetivos: para la optimización de producción, se presenta un sistema para la cuantificación de energía generada para instalaciones solares fotovoltaicas. Este modelo está basado en Open Data provenientes de satélites, sensores IoT y Redes Neuronales Artificiales (ANN). Así, facilitamos a los lectores la información necesaria para decidir cuánto deberían invertir en una ubicación en concreto, en función de la producción energética deseada. En comparación con las propuestas más avanzadas, nuestra solución proporciona una capa de abstracción centrada en la producción de energía, en lugar de en los datos de radiación, y puede entrenarse y adaptarse a diferentes ubicaciones utilizando Open Data. Por otra parte, para la disminución de costes del propio proceso industrial, se presenta un modelo de ML basado en autoencoders que permite la Detección y el Diagnosis de Errores (FDD) y acorta las interrupciones del proceso productivo. El enfoque presentado explota los datos generados por el proceso industrial y entrena una arquitectura basada en ML, combinando varios algoritmos con autoencoders y ventanas deslizantes. La solución presentada ayuda a detectar precozmente las averías y se ha sido probada con datos reales procedentes de una instalación con una turbina de cogeneración de energía eléctrica. Además, se destaca que, aunque el ejemplo usado para nuestro enfoque utiliza una instalación industrial de una turbina de gas, éste puede adaptarse a otros problemas de FDD en otros procesos industriales que podrían beneficiarse de las ventajas mencionadas. Sin embargo, durante la realización del proyecto se han encontrado dos dificultades adicionales: que no existe una metodología establecida para la captación de requisitos para proyectos de ML; y que no existe información adecuada y suficiente sobre el efecto de las desviaciones de la Calidad de lo Datos (DQ) en dichos modelos ML. Por consiguiente, en esta tesis se presentan dos soluciones adicionales para dichos problemas. Para solventar la captación de requisitos en proyectos de ML, se presenta una particularización del modelo de requisitos iStar (i*). Mediante esta particularización, los recién llegados y los no expertos en el campo del ML pueden seguir una metodología que les guiará por el camino correcto a seguir, evitando modelos no válidos. El marco i* es un popular lenguaje de modelado para capturar el entorno y los requisitos de un sistema. Sin embargo, se ha construido sobre una capa de abstracción muy alta, y sus usos en un campo específico dependen en gran medida de la experiencia del diseñador. La propuesta presentada resuelve esto: especifica el marco i*, cubriendo las principales lagunas entre el ML y el modelado conceptual. Así, proporcionamos una línea de base adecuada a seguir que captura los requisitos y cumple las numerosas restricciones del campo del ML. Además, se presenta una guía basada en preguntas para aplicar dicha propuesta, y se aplica la metodología descrita en el proyecto de la turbina de gas descrito previamente. Así, se puede ver su viabilidad y cómo su uso filtra diseños no válidos. Respecto al punto de ver la cuantificación del efecto de DQ en los proyectos de ML, en esta tesis se presenta un enfoque sistemático, basado en la norma ISO 25012, para estimar el impacto de la degradación de la DQ en diferentes algoritmos, con el fin de cuantificar dicho efecto en la salida de un modelo de ML de una instalación real (la de la turbina de gas de cogeneración). Se debe destacar que en una instalación real puede haber fuertes restricciones de tiempo y espacio, y la limpieza de datos como tal no siempre es posible, por lo que el modelo de ML debe lidiar de con dichos problemas de DQ. Para ello, se ha definido una metodología mediante la cual, se contamina progresivamente los datos para disminuir dos características de D, accuracy y currentness. Como resumen, la tesis se centra en 4 puntos: optimización de un proceso industrial de generación solar fotovoltaica, mejora en el mantenimiento industrial mediante mantenimiento predictivo en una instalación real, metodología para la captación de requisitos en un proyecto de ML, y efectos de DQ sobre las salidas de los modelos de ML en un entorno industrial. Así pues, esta tesis mejora de manera integral distintos aspectos relacionados con el ML, el IoT y las instalaciones industriales. / Esta Tesis Doctoral ha sido posible gracias a la financiación recibida de diversas fuentes. En primer lugar, la beca UAIND18-08A de la Universidad de Alicante, bajo el título "Técnicas Analíticas en Sistemas IoT". El objetivo de esta beca es la realización del doctorado industrial soportado por el convenio LUCENTIALAB2-18Y, que establece el convenio de colaboración en el que la tesis está co-financiada por la Universidad de Alicante y la empresa Lucentia Lab S.L. Por otra parte, a lo largo de la tesis se ha participado en diversos proyectos, que han hecho posible el envío de artículos a diversas conferencias y revistas. Entre estos proyectos se encuentran los proyectos nacionales ECLIPSE-UA (RTI2018-094283-B-C32) y AETHER-UA (PID2020-112540RB-C43) financiados por el Ministerio de Economía y Empresa y el Ministerio de Ciencia e Innovación respectivamente, y el proyecto regional BALLADEER (PROMETEO/2021/088) financiado por la Generalitat Valenciana.

El desarrollo de las tecnologías de la información y nuevos canales comunicación están modificando las preferencias y actitudes de los compradores hacia los bienes de consumo que adquieren. Por un lado, gracias a la venta on-line, una localización geográfica distinta a la de la tienda física deja de ser un impedimento, y por otro, se demandan en mayor medida bienes dotados de características avanzadas que se adapten a sus necesidades. A su vez, la aparición de nuevas tecnologías de fabricación, como la fabricación aditiva o impresión 3D, hacen posible dar respuesta a esta demanda, ya que permiten el desarrollo de productos avanzados técnicamente, que además pueden ser personalizados, o al menos adaptarse en gran medida a las características propias de diferentes grupos de individuos, lo cual se conoce como personalización masiva. Sin embargo el calzado tiene la limitación, por una parte, de que la única forma de evaluar su confort y talla adecuada es mediante prueba presencial. Esto es debido a que los métodos de escalado de hormas que utilizan los fabricantes son de naturaleza heterogénea y están faltos de armonización, de forma que la talla adecuada para un usuario puede variar en función del fabricante y/o tipo de modelo en relación a unas mismas dimensiones del pie. Por otra parte, no existen metodologías específicas de diseño para impresión 3D orientadas a los diferentes elementos que integran el zapato. A través de esta investigación se ha buscado dar respuesta a estas dos consideraciones mediante el desarrollo de metodologías CAD que permitan, en primer lugar, la obtención de tallas correctas de calzado no sólo en el ámbito local de la fábrica de zapatos, sino también en términos de mercado globalizado. En segundo lugar, el diseño y obtención de elementos del calzado (en este caso plantillas anatómicas y elementos correctores de la pisada) dotados de propiedades funcionales avanzadas a través de fabricación aditiva. Gracias a estas nuevas técnicas de automatización del diseño y producción del calzado, la industria puede alinearse con los nuevos requerimientos de la industria 4.0 en relación a la automatización y digitalización de procesos; y de personalización del producto y aumento de la flexibilidad del flujo productivo. La investigación realizada ha tenido como resultado la publicación de dos artículos en revistas JCR de alto impacto.

Tesis por compendio / [ES] La innovación en los métodos de trabajo con nuevos sistemas de producción ajustados, sostenibles y resilientes, así como la gestión tecnológica eficaz son las tendencias actuales para mejorar el rendimiento en las organizaciones. Así, esta tesis doctoral investiga las contribuciones teóricas y formula un modelo conceptual con el uso de herramientas de fabricación ajustada o lean manufacturing (LM) y de la industria 4.0 (I4.0) para procesos de planificación de la producción en las cadenas de suministro. Además, se utiliza la optimización como tecnología facilitadora de la I4.0 para desarrollar la propuesta de solución. La metodología que se utiliza es bibliográfica, exploratoria y experimental; se aplican técnicas de investigación operativa, normalización de datos y casos de estudio en empresas industriales. Como punto de partida se revisa la literatura existente relacionada con la LM y las tecnologías de la I4.0 en el contexto de la cadena de suministro. Seguidamente, se diseña un modelo conceptual denominado LSCP 4.0 para facilitar la toma de decisiones en los niveles de decisión estratégico, táctico y operativo. Se trata de una relación estructurada entre los paradigmas lean, ágil, sostenible, resiliente y flexible para mejorar el rendimiento de las cadenas de suministro mediante la aplicación de las tecnologías facilitadoras de I4.0. Basado en esto, se propone un modelo matemático de optimización lineal entera-mixta, denominado LSCP 4.0, para maximizar los beneficios y planificar simultáneamente la producción, inventario de materiales y productos terminados satisfaciendo la demanda proveniente de previsiones y pedidos en firme en una cadena de suministro de cinco niveles. Novedosamente, se combinan enfoques de producción de just in time (JIT) y planificación de requerimientos de materiales (MRP). Ambos modelos para LSCP 4.0, i.e., conceptual y matemático, se validan en casos de estudio reales de la industria de calzado. Adicionalmente, se considera el uso de otra tecnología facilitadora de la I4.0 como la computación en nube para abordar el problema del intercambio de información entre los nodos de la cadena de suministro. Así, se propone un modelo de datos normalizado para la fabricación colaborativa en la nube aplicado a la industria del calzado. / [CA] La innovació en els mètodes de treball amb nous sistemes de producció ajustats, sostenibles i resilients, així com la gestió tecnològica eficaç són les tendències actuals per a millorar el rendiment en les organitzacions. Així, aquesta tesi doctoral investiga les contribucions teòriques i formula un model conceptual amb l'ús d'eines de fabricació ajustada o lean manufacturing (LM) i de la indústria 4.0 (I4.0) per a processos de planificació de la producció en les cadenes de subministrament. A més, s'utilitza l'optimització com a tecnologia facilitadora de la I4.0 per a desenvolupar la proposta de solució. La metodologia que s'utilitza és bibliogràfica, exploratòria i experimental; s'apliquen tècniques d'investigació operativa, normalització de dades i casos d'estudi en empreses industrials. Com a punt de partida es revisa la literatura existent relacionada amb laLM i les tecnologies de la I4.0 en el context de la cadena de subministrament. Seguidament, es dissenya un model conceptual denominat LSCP 4.0 per a facilitar la presa de decisions en els nivells de decisió estratègic, tàctic i operatiu. Es tracta d'una relació estructurada entre els paradigmes lean, àgil, sostenible, resilient i flexible per a millorar el rendiment de les cadenes de subministrament mitjançant l'aplicació de les tecnologies facilitadores d'I4.0. Basat en això, es proposa un model matemàtic d'optimització lineal entera-mixta, denominat LSCP 4.0, per a maximitzar els beneficis i planificar simultàniament la producció, inventari de materials i productes acabats satisfent la demanda provinent de previsions i comandes en ferma en una cadena de subministrament de cinc nivells. Novament, es combinen enfocaments de producció de just in time (JIT) i planificació de requeriments de materials (MRP). Tots dos models per a LSCP 4.0, i.e., conceptual i matemàtic, es validen en casos d'estudi reals de la indústria de calçat. Addicionalment, es considera l'ús d'una altra tecnologia facilitadora de la I4.0 com la computació en núvol per a abordar el problema de l'intercanvi d'informació entre els nodes de la cadena de subministrament. Així, es proposa un model de dades normalitzat per a la fabricació col·laborativa en el núvol aplicat a la indústria del calçat. / [EN] Innovation in working methods with new lean, sustainable and resilient production systems, as well as effective technology management, are current trends to improve performance in organisations. This PhD thesis investigates the theoretical contributions and formulates a conceptual model with the use of lean manufacturing (LM) and Industry 4.0 (I4.0) tools for production planning processes in supply chains (SCs). In addition, optimisation is employed as an enabling technology of I4.0 to develop the proposed solution. The applied methodology is bibliographic, exploratory and experimental; operational research techniques, data standardisation and case studies in industrial companies are applied. As a starting point, the existing literature related to LM and I4.0 technologies in the SC context is reviewed. Then a conceptual model, known as LSCP 4.0, is designed to facilitate decision making at the strategic, tactical and operational decision levels. It is a structured relation among lean, agile, sustainable, resilient and flexible paradigms to improve SCs' performance via the application of I4.0 enabling technologies. Based on this, an integer-mixed linear optimisation mathematical model, termed LSCP 4.0, is proposed to maximise profits and to simultaneously plan production, material inventory and finished goods by satisfying the demand from forecasts and firm orders in a five-tier SC. Novel just-in-time (JIT) production and material requirements planning (MRP) approaches are combined. Both models for LSCP 4.0, i.e., conceptual and mathematical, are validated in real case studies from the footwear industry. The use of another I4.0 enabling technology, such as cloud computing, is considered to address the problem of information exchange between SC nodes. Thus a standardised data model for collaborative manufacturing in the cloud applied to the footwear industry is proposed. / This thesis has been developed at the Research Centre on Production Management and Engineering (CIGIP) of the Universitat Politècnica de Valencia, within the framework of the projects: "Industrial Data Services for Quality Control in Smart Manufacturing (i4Q)" funded by the European Union H2020 Programme with grant agreement No. 958205; the MCIN/AEI/10.13039/501100011033 and by European Union Next GenerationEU/PRTR with grant agreement PDC2022-133957-100); "Industrial production and loginics optimization in industry 4.0 (i40PT)" funded by the Generalitat Valenciana within the framework of the research groups of excellence project PROMETEO/2021/065; "Optimisation of zero-defects production technologies enabling supply chains 4.0 (CADS4.0)" funded by the Spanish Ministry of Science, Innovation and Universities with grant agreement RTI2018-101344-B-100; "Operational Programme of the European Regional Development Fund (ERDF) of the Autonomous Valencian Community 2014-2020" (Ref. IDIFEDER/2018/025); "Resilient, Sustainable and People-Oriented Supply Chain 5.0 Optimisation Using Hybrid Intelligence" (RESPECT) (Ref. CIGE/2021/159); and a PhD grant from the Technical University of Ambato. / Reyes Vásquez, JP. (2024). Conceptual and optimisation modelling for lean supply chain planning in Industry 4.0 [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203818 / Compendio

La implantación progresiva de la Industria 4.0 está modificando, progresivamente, los procesos productivos de la industria. Automatizar y digitalizar los procesos está permitiendo la creación de fábricas cada vez más inteligentes, incrementando la utilización de nuevas tecnologías como la robótica, el internet de las cosas (IOT) e incluso la inteligencia artificial para mejorar la eficiencia en la producción, así como la calidad de los productos que fabrican. La industria del calzado, y sobre todo la que se localiza en Europa, busca cómo competir en costes con Asia, tratando de reducir los costes de fabricación. Al mismo tiempo, está permitiendo la incorporación de nuevos materiales más sostenibles, así como técnicas de fabricación más sostenibles y respetuosas con el medio ambiente. Estas fábricas son, paulatinamente, más inteligentes y es necesario manejar el incremento de información, no solo del proceso productivo (registros de producción, indicadores, …), sino también la información digital de los productos que fabrican (geometrías, fichas técnicas, materiales digitales, …). No es una novedad, en la industria del calzado, que se utilicen tecnologías CAD/CAM para el diseño de los zapatos, ya que son tecnologías que se vienen usando desde hace muchos años, pero la digitalización, creciente, de distintos No es una novedad, en la industria del calzado, que se utilicen tecnologías CAD/CAM para el diseño de los zapatos, ya que son tecnologías que se vienen usando desde hace muchos años, pero la digitalización, creciente, de distintos No es una novedad, en la industria del calzado, que se utilicen tecnologías CAD/CAM para el diseño de los zapatos, ya que son tecnologías que se vienen usando desde hace muchos años, pero la digitalización, creciente, de distintos elementos que dependen unos de otros, y que se fabrican en distintas máquinas con distintas tecnologías, hace que sea necesario la unificación de formatos, no solo en los sistemas CAD/CAM sino también en la forma en que se envía esa información a las máquinas. A través de esta investigación se ha buscado dar respuesta a esta consideración mediante el uso de STEP-NC definiendo una plataforma donde se muestran las ventajas que supondría su implantación en el sector del calzado. Por otro lado, los procesos productivos de esta industria, tradicionalmente manufacturera, en la que realizan multitud de operaciones manuales, repetitivas y en las que en muchas ocasiones se utilizan sustancias peligrosas, necesitan mejorar su nivel de automatización. Es en este sentido, se ha trabajado para automatizar las operaciones de pegado que se realizan durante la producción de calzado, en la que se aplica adhesivo y se realiza la unión del corte (parte superior del zapato) y el piso o suela (parte inferior del zapato). En el transcurso de la investigación llevada a cabo se ha desarrollado un prototipo de celda robótica, compuesta por tres robots, que aplica el adhesivo a la suela, para posteriormente manipularla y unirla al corte. Se ha optado por la utilización de adhesivos hot-melt, basados en poliuretano reactivo, novedoso en el sector, que no contienen solventes y son más respetuosos con el medio ambiente. Para la manipulación de los pisos tras la aplicación del adhesivo, ha sido necesario la utilización de dos robots, sincronizando sus movimientos, para el ajuste de estos objetos flexibles al corte.

Tesis por compendio / [ES] El paradigma de la Industria 4.0 (I4.0) gravita en gran medida sobre el potencial de las tecnologías de la información y la comunicación (TIC) para mejorar la competitividad y sostenibilidad de las industrias. El concepto de Smart Manufacturing Scheduling (SMS) surge y se inspira de ese potencial. SMS, como estrategia de transformación digital, aspira a optimizar los procesos industriales mediante la aplicación de tecnologías como el gemelo digital o digital twin (DT), el modelo de gestión zero-defect manufacturing (ZDM), y el aprendizaje por refuerzo profundo o deep reinforcement learning (DRL), con el propósito final de orientar los procesos de programación de operaciones hacia una automatización adaptativa en tiempo real y una reducción de las perturbaciones en los sistemas de producción. SMS se basa en cuatro principios de diseño del espectro I4.0: automatización, autonomía, capacidad de acción en tiempo real e interoperabilidad. A partir de estos principios clave, SMS combina las capacidades de la tecnología DT para simular, analizar y predecir; la del modelo ZDM para prevenir perturbaciones en los sistemas de planificación y control de la producción; y la del enfoque de modelado DRL para mejorar la toma de decisiones en tiempo real. Este enfoque conjunto orienta los procesos de programación de operaciones hacia una mayor eficiencia y, con ello, hacia un mayor rendimiento y resiliencia del sistema productivo. Esta investigación emprende, en primer lugar, una revisión exhaustiva del estado del arte sobre SMS. Con la revisión efectuada como referencia, la investigación plantea un modelo conceptual de SMS como estrategia de transformación digital en el contexto del proceso de programación del taller de trabajos o job shop. Finalmente, la investigación propone un modelo basado en DRL para abordar la implementación de los elementos clave del modelo conceptual: el DT del taller de trabajos y el agente programador. Los algoritmos que integran este modelo se han programado en Python y han sido validados contra varias de las más conocidas reglas heurísticas de prioridad. El desarrollo del modelo y los algoritmos supone una contribución académica y gerencial en el área de la planificación y control de la producción. / [CA] El paradigma de la Indústria 4.0 (I4.0) gravita en gran mesura sobre el potencial de les tecnologies de la informació i la comunicació (TIC) per millorar la competitivitat i la sostenibilitat de les indústries. El concepte d'smart manufacturing scheduling (SMS) sorgeix i inspira a partir d'aquest potencial. SMS, com a estratègia de transformació digital, aspira a optimitzar els processos industrials mitjançant l'aplicació de tecnologies com el bessó digital o digital twin (DT), el model de gestió zero-defect manufacturing (ZDM), i l'aprenentatge per reforçament profund o deep reinforcement learning (DRL), amb el propòsit final dorientar els processos de programació doperacions cap a una automatització adaptativa en temps real i una reducció de les pertorbacions en els sistemes de producció. SMS es basa en quatre principis de disseny de l'espectre I4.0: automatització, autonomia, capacitat d¿acció en temps real i interoperabilitat. A partir d'aquests principis clau, SMS combina les capacitats de la tecnologia DT per simular, analitzar i predir; la del model ZDM per prevenir pertorbacions en els sistemes de planificació i control de la producció; i la de de l'enfocament de modelatge DRL per millorar la presa de decisions en temps real. Aquest enfocament conjunt orienta els processos de programació d'operacions cap a una eficiència més gran i, amb això, cap a un major rendiment i resiliència del sistema productiu. Aquesta investigació emprèn, en primer lloc, una exhaustiva revisió de l'estat de l'art sobre SMS. Amb la revisió efectuada com a referència, la investigació planteja un model conceptual de SMS com a estratègia de transformació digital en el context del procés de programació del taller de treballs o job shop. Finalment, la investigació proposa un model basat en DRL per abordar la implementació dels elements claus del model conceptual: el DT del taller de treballs i l'agent programador. Els algorismes que integren aquest model s'han programat a Python i han estat validats contra diverses de les més conegudes regles heurístiques de prioritat. El desenvolupament del model i els algorismes suposa una contribució a nivell acadèmic i gerencial a l'àrea de la planificació i control de la producció. / [EN] The Industry 4.0 (I4.0) paradigm relies, to a large extent, on the potential of information and communication technologies (ICT) to improve the competitiveness and sustainability of industries. The smart manufacturing scheduling (SMS) concept arises and draws inspiration from this potential. As a digital transformation strategy, SMS aims to optimise industrial processes through the application of technologies, such as the digital twin (DT), the zero-defect manufacturing (ZDM) management model and deep reinforcement learning (DRL), for the ultimate purpose of guiding operations scheduling processes towards real-time adaptive automation and to reduce disturbances in production systems. SMS is based on four design principles of the I4.0 spectrum: automation, autonomy, real-time capability and interoperability. Based on these key principles, SMS combines the capabilities of the DT technology to simulate, analyse and predict; with the ZDM model, to prevent disturbances in production planning and control systems; by the DRL modelling approach, to improve real-time decision making. This joint approach orients operations scheduling processes towards greater efficiency and, with it, a better performing and more resilient production system. This research firstly undertakes a comprehensive review of the state of the art on SMS. By taking the review as a reference, the research proposes a conceptual model of SMS as a digital transformation strategy in the job shop scheduling process context. Finally, it proposes a DRL-based model to address the implementation of the key elements of the conceptual model: the job shop DT and the scheduling agent. The algorithms that integrate this model have been programmed in Python and validated against several of the most well-known heuristic priority rules. The development of the model and algorithms is an academic and managerial contribution in the production planning and control area. / This thesis was developed with the support of the Research Centre on Production Management and Engineering (CIGIP) of the Universitat Politècnica de València and received funding from: the European Union H2020 programme under grant agreement No. 825631, “Zero Defect Manufacturing Platform (ZDMP)”; the European Union H2020 programme under grant agreement No. 872548, "Fostering DIHs for Embedding Interoperability in Cyber-Physical Systems of European SMEs (DIH4CPS)"; the European Union H2020 programme under grant agreement No. 958205, “Industrial Data Services for Quality Control in Smart Manufacturing (i4Q)”; the European Union Horizon Europe programme under grant agreement No. 101057294, “AI Driven Industrial Equipment Product Life Cycle Boosting Agility, Sustainability and Resilience” (AIDEAS); the Spanish Ministry of Science, Innovation and Universities under grant agreement RTI2018-101344-B-I00, "Optimisation of zero-defects production technologies enabling supply chains 4.0 (CADS4.0)"; the Valencian Regional Government, in turn funded from grant RTI2018- 101344-B-I00 by MCIN/AEI/10.13039/501100011033 and by “ERDF A way of making Europe”, "Industrial Production and Logistics optimization in Industry 4.0" (i4OPT) (Ref. PROMETEO/2021/065); and the grant PDC2022-133957- I00, “Validation of transferable results of optimisation of zero-defect enabling production technologies for supply chain 4.0” (CADS4.0-II) funded by MCIN/AEI/10.13039/501100011033 and by European Union Next GenerationEU/PRTR. / Serrano Ruiz, JC. (2024). Job shop smart manufacturing scheduling by deep reinforcement learning for Industry 4.0 [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/202871 / Compendio

[ES] La presente tesis doctoral está dedicada a estudiar, desarrollar y aplicar metodologías basadas en datos, fundamentadas en modelos estadísticos multivariantes de variables latentes, para abordar el paradigma del aprendizaje científico en el entorno de la Industria 4.0. Se pone especial énfasis en los modelos causales basados en variables latentes que utilizan tanto datos provenientes de un diseño de experimentos como, principalmente, datos provenientes del proceso de producción diario, es decir, datos históricos. La tesis está estructurada en cinco partes. La primera parte discute el paradigma del aprendizaje científico en el entorno de la Industria 4.0. Se destacan los objetivos de la tesis. Además, se presenta una descripción exhaustiva de los modelos basados en variables latentes, sobre los cuales se fundamentan las metodologías novedosas propuestas en esta tesis. En la segunda parte, se presentan las novedosas aportaciones metodológicas. En primer lugar, se muestra el potencial de PLS para analizar datos del DOE, con o sin datos faltantes. Posteriormente, el potencial de los modelos causales basados en variables latentes se centra en definir el espacio de diseño de la materia prima que proporciona garantía de calidad con un cierto nivel de confianza para los atributos críticos de calidad, junto con el desarrollo de un nuevo índice de capacidad multivariante basado en el espacio latente para clasificar y seleccionar proveedores para una materia prima particular utilizada en un proceso de fabricación. La tercera parte pretende abordar aplicaciones novedosas mediante modelos causales basados en variables latentes utilizando datos históricos. En primer lugar, se trata de su aplicación en el ámbito sanitario: la Pandemia COVID-19. En este contexto, se utiliza el uso de modelos basados en variables latentes para desarrollar una alternativa a los ensayos clínicos controlados con placebo. Luego, se utilizan modelos basados en variables latentes para optimizar procesos en el marco de aplicaciones industriales. La cuarta parte presenta una interfaz gráfica de usuario desarrollada en código Python que integra los métodos desarrollados con el objetivo de ser autoexplicativa y fácil de usar. Finalmente, la última parte discute la relevancia de esta disertación, incluyendo propuestas que merecen mayor investigación. / [CA] Aquesta tesi doctoral està dedicada a estudiar, desenvolupar i aplicar metodologies basades en dades, fonamentades en models estadístics multivariants de variables latents, per abordar el paradigma de l'aprenentatge científic a l'entorn de la Indústria 4.0. Es posa un èmfasi especial en els models causals basats en variables latents que utilitzen tant; dades provinents d'un disseny d'experiments com, principalment, dades provinents del procés de producció diari, és a dir, dades històriques. La tesi està estructurada en cinc parts. A la primera part es discuteix el paradigma de l'aprenentatge científic a l'entorn de la Indústria 4.0. Es destaquen els objectius de la tesi. A més, es presenta una descripció exhaustiva dels models basats en variables latents, sobre els quals es fonamenten les noves metodologies proposades en aquesta tesi. A la segona part, es presenten les noves aportacions metodològiques. En primer lloc, es mostra el potencial de PLS per analitzar dades del DOE, amb dades faltants o sense aquestes. Posteriorment, el potencial dels models causals basats en variables latents se centra a definir l'espai de disseny de la matèria prima que proporciona garantia de qualitat amb un cert nivell de confiança per als atributs crítics de qualitat, juntament amb el desenvolupament d'un nou índex de capacitat multivariant basat en l'espai latent per a classificar i seleccionar proveïdors per a una primera matèria particular utilitzada en un procés de fabricació. La tercera part pretén abordar aplicacions noves mitjançant models causals basats en variables latents utilitzant dades històrques. En primer lloc, es tracta de la seva aplicació a l'àmbit sanitari: la Pandèmia COVID-19. En aquest context, es fa servir l'ús de models basats en variables latents per desenvolupar una alternativa als assaigs clínics controlats amb placebo. Després s'utilitzen models basats en variables latents per optimitzar processos en el marc d'aplicacions industrials. La quarta part presenta una interfície gràfica d'usuari desenvolupada en codi Python que integra els mètodes desenvolupats amb l'objectiu de ser autoexplicativa i fàcil d'usar. Finalment, l'última part discuteix la rellevància d'aquesta dissertació, incloent-hi propostes que mereixen més investigació. / [EN] The present Ph.D. thesis is devoted to studying, developing, and applying data-driven methodologies, based on multivariate statistical models of latent variables, to address the scientific learning paradigm in the Industry 4.0 environment. Particular emphasis is placed on causal latent variable-based models using both data coming from a planned design of experiments and, mainly, data coming from the daily production process, namely happenstance data. The dissertation is structured in five parts. The first part discusses the scientific learning paradigm in the Industry 4.0 environment. The objectives of the thesis are highlighted. In addition to that, a comprehensive description of latent variable-based models is presented, on which the novel methodologies proposed in this thesis are founded. In the second part, the novel methodological contributions are presented. Firstly, the potential of PLS to analyze data from DOE, with or without missing runs is illustrated. Then, the potential of causal latent variable-based models is concentrated on defining the raw material design space providing assurance of quality with a certain confidence level for the critical to quality attributes, jointly with the development of a novel latent space-based multivariate capability index to rank and select suppliers for a particular raw material used in a manufacturing process. The third part aims to address novel applications by means of causal latent variable-based models using happenstance data. First, it concerns a health application: the Pandemic COVID-19. In this context, the use of latent variable-based models is applied to develop an alternative to placebo-controlled clinical trials. Then, latent variable-based models are used to optimize processes within the framework of industrial applications. The fourth part introduces a graphical user interface developed in Python code that integrates the developed methods with the aim of being self-explanatory and user-friendly. Finally, the last part discusses the relevance of this dissertation, including proposals that deserve further research. / Borràs Ferrís, J. (2023). Causal latent space-based models for scientific learning in Industry 4.0 [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/198993

Tesis por compendio / [ES] Los sistemas tradicionales de planificación y control de la producción (PPC) se centran en producir lo que demanda el mercado, con la calidad, el calendario y los volúmenes previstos al mínimo coste, ajustándose al mismo tiempo a las disrupciones de la cadena de suministro. La exploración e implementación de nuevos avances tecnológicos en el marco de la industria 4.0 (I4.0), como sistemas ciberfísicos (CPS), fabricación en la nube (CMfg), fabricación aditiva (AM), big data, inteligencia artificial y la Internet de las cosas (IoT), podrían cambiar aspectos organizativos tales como las responsabilidades de PPC. En este contexto, no se identificaron estudios sobre un sistema para la toma de decisiones, arquitecturas y marcos conceptuales para los nuevos sistemas inteligentes de PPC e I4.0. En este contexto de nuevos cambios tecnológicos y organizativos a los que tienen que hacer frente las pequeñas y medianas empresas (PYMEs), surge el problema de diseñar herramientas de PPC que permitan la integración y colaboración de las operaciones de producción. Así, basándose en las nuevas tecnologías de producción digital y en las herramientas organizativas que darán soporte a las fábricas inteligentes conectadas del futuro, se identificó la falta de un sistema integrado de PPC e I4.0. Esta tesis doctoral es un compendio de artículos que abordan una amplia revisión bibliográfica sobre la PPC en un entorno de I4.0. También, se propone un marco conceptual y el diseño de modelos y algoritmos para la toma de decisiones y dar soporte a las funciones de PPC en un contexto digital I4.0 basado en las nuevas tecnologías de producción digital y herramientas organizativas que darán soporte a las fábricas inteligentes colaborativas y conectadas del futuro. Los modelos matemáticos y algoritmos propuestos se centran en resolver el problema del diseño y planificación de una cadena de suministro sostenible y resiliente en la que las decisiones estratégicas y tácticas se toman de forma integrada. Los modelos, algoritmos y método de resolución se han programado en Python. Los modelos han sido validados mediante un software que genera instancias de datos sintéticos y permite evaluar la complejidad computacional de los mismos. El desarrollo de este tipo de modelos y algoritmos supone una contribución al ámbito académico e investigador y, concretamente, en el área de PPC. / [CA] En l'actualitat, els sistemes tradicionals de planificació i control de la producció (PPC) se centren en produir el que demanda el mercat, amb la qualitat, el calendari i els volums previstos al mínim cost, ajustant-se al mateix temps a les pertorbacions. L'exploració i implementació de nous avanços tecnològics, com CPS, fabricació en el núvol (CMfg), fabricació additiva (AM), big data, intelligència artificial i el IoT, podrien canviar aspectes organitzatius, com les responsabilitats de PPC. En aquest context, no es van identificar estudis sobre un sistema per a la presa de decisions, arquitectures i marcs conceptuals per als nous sistemes intelligents de PPC i I4.0. En aquest context de nous canvis tecnològics i organitzatius als quals han de fer front les petites i mitjanes empreses (PIME), sorgeix el problema de dissenyar eines de PPC que permeten la integració i collaboració de les operacions de producció. Així, basant-se en les noves tecnologies de producció digital i en les eines organitzatives que donaran suport a les fàbriques intelligents connectades del futur, es va identificar la falta d'un sistema integrat de la PPC i I4.0. Aquesta investigació és un compendi d'articles que aborden una àmplia revisió bibliogràfica sobre la PPC en un entorn I4.0. També proposa un marc conceptual i el disseny de models i algorismes per a la presa de decisions i per a donar suport a les funcions de PPC en un context digital I4.0 basat en les noves tecnologies de producció digital i eines organitzatives que donaran suport a les fàbriques intelligents col·laboratives i connectades del futur. Els models matemàtics i algorismes proposats se centren en resoldre el problema del disseny d'una cadena de subministrament sostenible i resistent en la qual les decisions estratègiques i tàctiques es prenen de forma integrada. Els models, algorismes i mètode de resolució s'han programat en Python. Els models han sigut validats mitjançant un programari que genera instàncies de dades sintètiques i permet avaluar la complexitat computacional dels models. El desenvolupament d'aquesta mena de models i algorismes suposa una important contribució a l'àmbit acadèmic. / [EN] Currently, traditional production planning and control (PPC) systems focus on producing what the market demands with the expected quality, schedule and volumes at a minimum cost, while adjusting for disruption. The exploration and implementation of new technological advances, such as CPS, cloud manufacturing (CMfg), additive manufacturing (AM), big data, artificial intelligence and the Internet of Things (IoT), could change organisational aspects like PPC responsibilities. In this context, no studies on a system for decision making, architectures and conceptual frameworks for the new intelligent systems of PPC and industry 4.0 (I4.0) have been identified. In this context of new technological and organisational changes that small-and medium-sized enterprises (SMEs) have to face, the problem of designing PPC tools that enable the integration and collaboration of production operations arises. Thus, based on the new digital production technologies and organisational tools that will support the connected smart factories of the future, lack of an integrated PPC and I4.0 system was identified. The present doctoral thesis is a compendium of articles addressing a comprehensive literature review on PPC in an I4.0 environment. It also proposes a conceptual framework and the design of models and algorithms for decision making and to support PPC functions in a digital I4.0 context based on the new digital production technologies and organisational tools that will support the collaborative and connected smart factories of the future. The proposed mathematical models and algorithms focus on solving the problem of designing a sustainable and resilient supply chain where strategic and tactical decisions are made in an integrated way. The models, algorithms and resolution method have been programmed in Python. The models have been validated by means of software that generates synthetic data instances and allows the models' computational complexity to be evaluated. The development of this type of models and algorithms is a significant contribution to the academic field. / I would like to thank the following projects and universities for having financed the publications included in this doctoral thesis: • European Commission Horizon 2020 project entitled "Crop diversification and low-input farming cross Europe: From practitioners' engagement and ecosystems services to increased revenues and value chain organisation' (Diverfarming), grant agreement 728003. • Spanish Ministry of Science, Innovation and Universities project entitled 'Optimization of zero-defect production technologies enabling supply chains 4.0 (CADS4.0)' (RTI2018-101344-B-I00). • European Union H2020 program with grant agreement no. 958205 "Industrial Data Services for Quality Control in Smart Manufacturing (i4Q)". • European Union H2020 Program with grant agreement nº 825631 "Zero- Defect Manufacturing Platform (ZDMP)". / Cañas Sánchez, HE. (2023). Models, Algorithms and Digital Technologies for the Automation and Collaboration of Connected Smart Factories in an Industry 4.0 Environment [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/202312 / Compendio