Artículo de método

Integrando los factores humanos en la educación en gestión de operaciones en la era Industry 5.0

299 vistas

⸱

DOI:

10.3791/69833

⸱

14 de abril de 2026

 ,  ,  ,  ,  ,  ,  , 
1School of Economics and Management, Jiangsu University of Science and Technology, 2MTM (Shanghai) Enterprise Management Consulting Co., Ltd., 3Suzhou Jiaze Intelligent Control Technology Co., Ltd.

En este artículo

Resumen

Este estudio presenta un marco para integrar factores humanos en la educación en gestión de operaciones en el contexto de la Industria 5.0. El protocolo aplica ingeniería concurrente para integrar la evaluación ergonómica durante el diseño del lugar de trabajo, incluyendo la recopilación de datos de producción, el análisis de problemas, el establecimiento digital de fábricas, la optimización de modelos y la validación.

Resumen

La era de la Industria 5.0 enfatiza la centralidad humana, la sostenibilidad y la resiliencia, planteando nuevos requisitos para la formación de talento en la educación superior moderna. La educación en ingeniería también está adaptando y liderando el desarrollo de la Industria 5.0. Este estudio propone un marco innovador que integra los factores humanos en el sistema moderno de educación en gestión de operaciones en la educación superior. La gestión de operaciones implica la gestión de todo el proceso, incluyendo la cadena de suministro, inventario, control de calidad, etc. Con la evolución de la Industria 4.0 a la 5.0, la gestión de operaciones se centra en los humanos, haciendo hincapié en la colaboración humano-máquina y el empoderamiento de los empleados. Por lo tanto, el contenido de la enseñanza debe ajustarse para ayudar a los estudiantes a aprender a utilizar los principios de factores humanos para optimizar procesos de trabajo, reducir la fatiga de los empleados y mitigar riesgos. Este artículo propone la aplicación de factores humanos en la gestión de operaciones mediante la creación de un entorno de producción virtual e interconectado que simula líneas de montaje reales, detecta problemas de factores humanos y reduce desviaciones mediante análisis numérico. Este protocolo permite identificar y evaluar riesgos ergonómicos en la fase de diseño, proporcionando medidas de mejora específicas. Este protocolo ayuda a los estudiantes a comprender cómo reducir la incidencia de accidentes, mejorar la eficiencia laboral y disminuir los costes adicionales asociados a las intervenciones correctivas durante la enseñanza de la gestión de operaciones. A través de la ergonomía digital, los estudiantes pueden comprender y volverse competentes en los métodos de evaluación de riesgos ergonómicos. Por ello, este artículo analiza cómo integrar mejor los factores humanos en la gestión de operaciones, logrando la integración de la tecnología de ingeniería y los factores humanos, y proponiendo nuevas ideas y direcciones para la educación y la práctica en el campo de la gestión operativa. En aplicaciones futuras, combinar factores humanos con gemelos digitales humanos (HDT) y contenido generado por inteligencia artificial (AIGC) permitirá la fabricación inteligente y permitirá la fabricación inteligente centrada en el ser humano en la práctica de la ingeniería.

Introducción

La Industria 4.0 ha transformado fundamentalmente productos, servicios y procesos mediante la integración de tecnologías avanzadas como el Internet de las Cosas, Big Data, Ciberseguridad, Computación en Niebe, Fabricación Aditiva y RobóticaAvanzada 1,2. Con el auge de la Inteligencia Artificial (IA), la Industria 4.0 integra la tecnología de IA con diversas tecnologías avanzadas, transformando los entornos de fabricación yoperaciones 3. Sin embargo, aunque la Industria 4.0 mejora significativamente la productividad y crea nuevas oportunidades laborales para los trabajadores, también conlleva desafíos como el aumento de las demandas cognitivas, mayores riesgos laborales y la necesidad de mejorar continuamentelas habilidades 4. Para abordar el problema del descuido de los factores humanos durante el rápido desarrollo de la Industria 4.0, la Comisión Europea propuso el concepto de Industria 5.0, enfatizando tres elementos fundamentales: centralidad humana, sostenibilidad yresiliencia 5,6. La Industria 5.0 enfatiza la colaboración entre humanos e IA, mejorando la productividad mientras se garantiza la salud humana y la sostenibilidad ambiental, logrando así un crecimiento económicosostenible 7. Horvat et al. investigaron datos de 1334 empresas manufactureras, y los resultados del estudio indican que la Industria 5.0 centrada en el ser humano mejora la capacidad del fabricante para innovar en productos, siendo la participación de los empleados un factor importante, reflejando la importancia de la Industria 5.0 8 centrada en el serhumano.

La Industria 5.0 enfatiza la combinación de creatividad humana y precisión tecnológica, dando lugar al concepto de Operador 5.09. Operador 5.0 sitúa a los operadores dentro de sistemas de producción centrados en el ser humano, que incluyen sistemas sociotécnicos, sostenibilidad social e ingeniería deresiliencia. Mattsson y Kurdve proponen que Operator 5.0 incluye 9 factores: capacidad cognitiva/física para realizar tareas, habilidades digitales generales, diseño universal, minimización de eventos inesperados, productividad y calidad, seguridad, estándares, instrucciones y materialesde formación 11. Peruzzini et al., basándose en Operator 5.0, propusieron el Gemelo Digital Aumentado (ADT) que integra máquinas, robots, entornos, interfaces y personas, desarrollando así sistemas de fabricación inteligente centrados enel ser humano 12. Yaqot et al. propusieron el marco mejorado de simbiosis humano-automatización (EHAS), enfatizando la consecución de la simbiosis humano-automatización mediante la mejora física y sensorial, la mejora cognitiva y emocional, la mejora de la comunicación y la colaboración, la ética digital, la ciudadanía digital, la privacidad y la mejora de los derechoshumanos 13.

La transición de la Industria 4.0 a la Industria 5.0 representa un cambio de la fabricación centrada en la tecnología a la fabricación14 centrada en el valor. La educación superior debe afrontar los retos que plantea la Industria 5.0 y reformar los planes de estudio existentes para formar a la futura fuerza laboral. Los programas universitarios deben considerar las competencias requeridas para Operador 5.0 para preparar a los estudiantes que reciben educación en ingeniería para su desarrollo profesional futuro.

La implementación de la educación Operator 5.0 ha provocado cambios en los objetivos docentes de los cursos de gestión de operaciones. Como función central de la gestión empresarial moderna, la gestión de operaciones abarca todo el proceso, desde la adquisición de materias primas hasta la entrega de productos o servicios finales. Cubre múltiples dimensiones como la gestión de la cadena de suministro, la planificación y programación de la producción, el estudio de trabajo, la gestión de inventarios y el control de calidad. El objetivo docente de los cursos de gestión de operaciones es permitir a los estudiantes comprender cómo optimizar la asignación de recursos, mejorar la eficiencia, reducir costes y garantizar que la calidad y la rapidez de entrega de productos o servicios cumplan con las demandas del mercado. En particular, el componente trabajo-estudio ayuda a los estudiantes a comprender y dominar profundamente el conocimiento teórico de los operadores en gestión de operaciones, analizar estudios de caso complejos y proponer soluciones innovadoras y prácticas mediante el aprendizaje práctico.

La línea de montaje, como la situación de producción más típica en la fabricación, es el principal campo de aplicación para la tecnología relacionada con Operator 5.0. La Industria 5.0 requiere que las líneas de montaje afronten necesidades específicas de producción. Operator 5.0, mediante la fusión de la creatividad humana y el empoderamiento tecnológico, permite el cambio de las líneas de montaje de la fabricación en masa a la personalización en masa. El Operador 5.0 puede modificar rápidamente los procedimientos de la línea de montaje utilizando gemelos digitales y herramientas de simulación para satisfacer requisitos únicos del producto, logrando la flexibilidad y adaptabilidad de la líneade montaje 15. Operator 5.0 puede simular los movimientos y el cansancio de los trabajadores de la línea de montaje mediante gemelos digitales, optimizando el diseño de las estaciones de trabajo y representando el concepto de Humano en el bucle en la fabricacióninteligente 16. Por lo tanto, en la formación del Operador 5.0, tomando como ejemplo la mejora de la línea de montaje, la Figura 1A ilustra los principales pasos actualmente implicados en la identificación y resolución de problemas en una línea de montaje. Las prácticas actuales no consideran adecuadamente los trastornos musculoesqueléticos relacionados con el trabajo (DMSM) durante las primeras etapas del diseño de ingeniería. Los factores de riesgo ergonómicos incluyen posturas torpes, esfuerzo de fuerza, manejo de materiales, posiciones inmóviles yrepetición 17. Cuando estos riesgos están presentes en las operaciones de producción reales, no solo provocan WMSDs entre los trabajadores, sino que también prolongan los ciclos de producción y aumentan los costes operativos para las empresas cuando se implementan medidas correctivas. Boysen et al. proporcionaron una revisión sistemática de los problemas de balanceo en línea de montaje, destacando los factores humanos como factor crítico para mejorar el rendimiento en la líneade montaje 18. Por ello, en la era de la Industria 5.0, la importancia de los factores humanos en la gestión de operaciones se ha vuelto aún más destacada, desempeñando un papel significativo en las estrategias empresarialescontemporáneas 19,20.

Caputo et al. introdujeron la teoría de la ingeniería concurrente en el diseño del lugar de trabajo, proponiendo que las evaluaciones ergonómicas se consideren en la fase de diseño del proceso, evitando así potencialmente riesgos ergonómicos en la fase21 de diseño. En la era de la Industria 4.0, no se presta suficiente atención al papel central de la ergonomía en las operaciones de producción, lo que dificulta adaptarse plenamente a los requisitos de la ergonomía en la Industria 5.022. Por lo tanto, guiados por el concepto de Industria 5.0, la práctica docente de la gestión de operaciones debe incorporar más contenido ergonomía. Tomando como ejemplo la cuestión de la mejora en la línea de montaje, la Figura 1B muestra que, en el caso de objetivos y metas claras de mejora, la medición de los riesgos de tiempo y ergonomía en cada proceso se realiza simultáneamente, y las evaluaciones ergonómicas se consideran en la fase del diseño del proceso en paralelo con el pensamiento ingeniero concurrente para la mejora de la línea de montaje.

figure-introduction-1
Figura 1: Dos tipos de procesos de mejora en línea de montaje. (A) El proceso tradicional de mejora en línea de montaje, y (B) el que integra factores humanos. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

En el marco de Operador 5.0 y las demandas cambiantes de la Industria 5.0, la plantilla necesita adquirir habilidades digitales relevantes para participar eficazmente en nuevos trabajos y tareas. El 62% de las empresas manufactureras informó que la falta de empleados con las habilidades adecuadas es un gran obstáculo para el éxito de la transformacióndigital 23. Hansen et al. encuestaron a 30 empresas que buscan transformarse digital y encontraron que el éxito de la transformación digital durante la transición de la Industria 4.0 a la Industria 5.0 depende del desarrollo de las capacidades de lostrabajadores 24. Los futuros profesionales deben dominar capacidades digitales avanzadas para interactuar eficazmente con sistemas inteligentes25. Hermawati et al. evaluaron el estado actual de la educación en ergonomía y encontraron que existe una brecha entre la educación actual en ergonomía y los requisitos de la Industria5.0-26. Por ello, es fundamental formar nuevas habilidades según los requisitos de la Industria 5.0, y es necesario desarrollar las competencias digitales delos estudiantes 7.

La aparición de gemelos digitales que incorporan la evaluación ergonómica de riesgos ha permitido el diseño integrado del diseño del lugar de trabajo y la evaluación ergonómica mediante simulación digital, aplicando el concepto de ingeniería concurrente. Esto logra un diseño digital centrado en el ser humano en el contexto de la Industria 5.0. Caputo et al. propusieron un modelo de gemelo digital que incluye evaluación ergonómica para el diseño del lugar de trabajo, el cual fue validado en una línea de montaje de Fiat Chrysler Automobiles (FCA) utilizando tanto los métodos de evaluación Ergonomic Assessment Worksheet (EAWS) como del Sistema de Análisis de Postura de Trabajo Ovako (OWAS) 21,27. Los estudios mencionados anteriormente utilizaron el lenguaje de procesos de Medición de Tiempo-Métodos (MTM) en sus análisis. La MTM es un tipo de Sistema de Tiempo Predeterminado (PTS) que descompone los procedimientos operativos manuales en elementos básicos de los movimientos, teniendo en cuenta las condiciones de trabajo para determinar el tiempo requerido para una tarea. Breznik et al. emplearon el Sistema Universal de Análisis MTM (MTM-UAS) junto con software de simulación para abordar el problema de balanceo de la línea de montaje (ALBP)28.

En respuesta a los requisitos mencionados en gestión de operaciones —integrando factores de riesgo físico ergonómico durante la fase inicial de diseño de ingeniería y desarrollando la competencia digital de los estudiantes— este estudio utiliza el problema de mejora en la línea de montaje como ejemplo. Incorpora la evaluación ergonómica en un modelo de gemelo digital para demostrar cómo la educación en ingeniería puede adaptarse a las demandas de la Industria 5.0, fomentando el desarrollo del Operador 5.0 mediante el diseño centrado en el ser humano y la construcción de capacidades digitales.

En resumen, en el contexto de la transición de la Industria 4.0 a la Industria 5.0 centrada en el ser humano, este documento explora la integración de factores humanos en la educación en gestión de operaciones. Utilizando el ejemplo de guiar a los estudiantes en el diseño de cadenas de montaje dentro de las prácticas docentes, incorpora evaluación ergonómica de riesgos para ayudar a los estudiantes a comprender la esencia de Operator 5.0. Al demostrar el proceso de integración de la ergonomía en la educación en gestión de operaciones, este estudio pretende ofrecer nuevas perspectivas y direcciones tanto para la educación como para la práctica en el campo de la gestión de operaciones en la era de la Industria 5.0.

Este protocolo presenta procedimientos experimentales para medir y mejorar los riesgos de tiempo y ergonomía en el diseño de líneas de montaje. El procedimiento puede resumirse en cinco pasos: 1) Recopilación del estado de producción, 2) Análisis de problemas en el proceso productivo, 3) Establecimiento de la fábrica digital, 4) Optimización del modelo y 5) Verificación de la efectividad de la fábrica digital. Si alguno de estos requisitos en los cinco pasos no se cumple, el proceso es incompleto e insuficiente para demostrar su eficacia.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Este estudio se llevó a cabo conforme a los principios de la Declaración de Helsinki y fue aprobado por la Junta de Revisión Institucional de la Universidad de Ciencia y Tecnología de Jiangsu. Obtuvimos el consentimiento informado de los participantes en el experimento para usar y liberar sus datos.

1. Colección del estado de producción

NOTA: La fase de recopilación del estado de producción requiere la medición del tiempo del lugar de producción y la grabación de vídeos in situ para preparar el análisis posterior del problema. Determinar el flujo del proceso de producción y recopilar información de los trabajadores, así como modelos 3D de equipos, productos y materiales en el lugar de producción para la posterior construcción digital de fábricas.

  1. Recopila las condiciones laborales de las líneas de montaje que necesitan mejoras. Esto incluye el ritmo de la línea de montaje, la escala y la disposición ambiental de la línea de montaje, el área de producción analizada, la información sobre equipos y espacio de planta relacionados con la producción, el número de puestos implicados, los procesos de colaboración hombre-máquina, los tipos de suministro de materiales ylos métodos 29.
  2. Mide horashombre usando el método del cronómetro para obtener datos de tiempo para cada tipo de trabajo.
    1. Presiona el volante del cronómetro mecánico por primera vez cuando el trabajador inicie las acciones cíclicas.
    2. Pulsa el volante por segunda vez cuando el trabajador termina las acciones cíclicas.
    3. Lee la hora.
    4. Pulsa el volante por tercera vez para reiniciar el cronómetro.
  3. Graba vídeos de producción in situ para análisis posterior del problema.
  4. Recopila información sobre los trabajadores en el lugar de producción. Esto incluye datos demográficos: edad, género, nacionalidad y datos antropométricos (la unidad es cm): (1) Estatura, (2) Altura de los ojos, (3) Altura de los hombros, (4) Altura del codo, (5) Altura de los nudillos, (6) Altura de los ojos, sentado, (8) Altura del apoyo de los codos, sentado, (9) Altura del espacio libre entre los muslos, (10) Altura de rodilla, sentado, (11) Distancia entre glúteos y rodillas, sentado, (12) Altura poplítea, sentado, (13) Profundidad del pecho, (14) Ancho codo-codo, (15) Ancho de cadera,sentado 30.
  5. Recopilar modelos 3D de productos, materiales y equipos, incluyendo: planos de montaje 3D de productos, modelos 3D de materiales, modelos 3D de maquinaria y equipos, y herramientas.
    1. Recopila la calidad de los componentes y herramientas implicados en la operación y manipulación manual (la unidad es de kilogramos). Recoge las fuerzas clave necesarias en el flujo de trabajo, como la fuerza necesaria para levantar objetos o el par motor necesario para apretar los tornillos (la unidad es Newtons).

2. Análisis de problemas en el proceso de producción

NOTA: A partir de los datos recopilados sobre el estado de la producción, utilice software de análisis de comportamiento para analizar vídeos de producción in situ y luego identifique problemas durante la fase de construcción de la fábrica digital. Los pasos básicos del software de análisis de conducta incluyen configuraciones básicas del software, ajustes de programación y análisis de vídeo. El software de accesibilidad web es https://noldus.com/observer-xt-human.

  1. Establece ajustes básicos.
    NOTA: Esta fase implica establecer parámetros de muestra para el software. Selecciona un tipo de muestra apropiado (continua o discontinua) en función del vídeo grabado. Tras completar la configuración básica, el vídeo puede importarse.
    1. Haz doble clic para abrir el software de análisis de conducta.
    2. Haz clic en Crear un nuevo proyecto y luego en Nuevo.
    3. Introduce el nombre del archivo en Nombre del nuevo proyecto.
    4. Haz clic en Configurar proyecto en la ventana emergente nueva.
    5. Selecciona Combinar muestreo continuo e instantáneo en el método de observación , ya que el vídeo de producción existente es una muestra de combinaciones de vídeo discontinuas.
  2. Configura la programación del software.
    NOTA: Esta fase implica configurar la programación del software. Durante el análisis de vídeo posterior, se requiere una codificación rápida del vídeo para contar los puntos del problema, y este paso prepara la codificación para este propósito. Tras completar este paso, el vídeo puede importarse y analizarse.
    1. Establece el método de codificación en el esquema de codificación bajo Configuración. Haz clic en esquema de codificación, luego en Muestreo Instantáneo y Sujeto.
    2. Haz clic en Añadir grupo de comportamientos en la interfaz de Comportamientos.
    3. Introduce el riesgo ergonómico en el nombre del Grupo.
    4. Introduce agacharse, girar hacia atrás y de lado en Comportamientos abajo, selecciona No en Duración, ya que todas son acciones instantáneas. Los comportamientos de selección en este tipo de grupo pueden solaparse, ya que estos fenómenos pueden ocurrir simultáneamente con otras situaciones posibles, y luego haz clic en Aceptar tras completarlo.
      NOTA: Este paso añade todos los riesgos ergonómicos que puedan aparecer en el vídeo para su análisis posterior.
    5. Modifica la codificación en la interfaz de Comportamientos, configurando las teclas de inicio y final para agacharse, girar hacia atrás y lateralmente como 1, 2 y 3, respectivamente.
      NOTA: Pulsar 1 por primera vez indica la aparición de un comportamiento encorvado, y pulsar 1 de nuevo indica la detención del comportamiento encorvado. Los comportamientos de codificación ayudan a los analistas a identificar rápidamente los puntos problemáticos del vídeo y a utilizarlos para análisis posteriores.
  3. Realiza análisis de vídeo.
    NOTA: Este paso implica importación de vídeo, codificación y estadísticas de problemas.
    1. Analiza el vídeo en Observaciones del Explorador del Proyecto. Haz clic en Observaciones, selecciona Crear una nueva observación en la ventana emergente, introduce el nombre deseado en el nombre de Observación y haz clic en Aceptar.
    2. Localiza el vídeo a analizar en la ventana emergente y haz clic en Abrir.
    3. Haz clic en el botón Iniciar Observación en la interfaz para iniciar el análisis de vídeo, y pulsa el número de código preestablecido al identificar un punto problemático, como pulsar 1 en el teclado al observar un movimiento de flexión. Haz clic en Guardar bajo Archivo en la parte superior de la página al finalizar para almacenar los datos, lo que permite una documentación rápida de todos los puntos problemáticos que aparecen en el vídeo.
    4. Consulta los datos de análisis en los Análisis de Project Explorer. Haz clic en Perfil de datos para ver los datos del eje temporal de la codificación. Comprueba si en el vídeo aparecen acciones de carga fisiológica de alta frecuencia, incluyendo agacharse, girar y moverse lateralmente.
    5. Cuenta la frecuencia de las acciones de carga fisiológica de alta frecuencia.

3. Establecimiento de la fábrica digital

NOTA: La línea de montaje tiene una asignación excesiva de trabajo, largas jornadas laborales, carga de trabajo desigual entre estaciones, acumulación de trabajo en proceso entre posiciones y frecuentes inclinaciones, giros y desplazamientos laterales entre los trabajadores de la línea de montaje, según el análisis de puntos problemáticos mencionado anteriormente. Para resolver estos problemas, se requieren soluciones. Este artículo propone simular procesos operativos humanos y ajustar la línea de montaje en la fábrica digital mediante el establecimiento de una fábrica digital. En comparación con las mejoras tradicionales en el sitio, establecer una fábrica digital garantiza que la medición de datos del proceso de producción no se vea afectada por el estado del personal en el lugar. Además, todos los protocolos de mejora pueden verificarse y optimizarse en el software sin ajustes repetidos in situ, reduciendo significativamente el desperdicio de tiempo y costes durante el proceso de mejora. El software de accesibilidad web es https://imk-ema.com/en/ema-work-designer.

  1. Simula la línea de montaje usando software digital de ingeniería industrial.
    1. Abre el software digital de ingeniería industrial. Haz clic en Crear nuevo proyecto en la ventana emergente.
    2. Coloca información básica del proyecto, tiempo de ciclo, etc., en el Proyecto de Simulación en la parte superior de la página.
    3. Utiliza los botones Añadir objeto(s) desde archivo, Añadir maniquí y Añadir objeto desde la biblioteca en la pestaña Objetos en la parte superior de la página para importar un modelo humano que coincida con la información del trabajador obtenida en la sección 1, junto con modelos 3D de estanterías, piezas y otros componentes.
    4. Coloca los modelos en la vista 3D al final de la página.
      1. Primero, cambia el modo de control en el menú desplegable izquierdo a Layout, luego selecciona los modelos en la vista 3D para mover, rotar, etc., completar el diseño de la línea de montaje digital y, arrastrando y moviendo el objeto en la lista de estructuras, haciendo doble clic para editar el nombre, color y anotaciones del objeto, o definiendo el objeto padre, fusionar la estructura del objeto y generar referencias para el objeto a través del submenú de clic derecho, agrupar los objetos, establecer relaciones de subordinación, establecer objetos de referencia y modificar parámetros como color, masa del objeto y postura de agarre para simulaciones dinámicas posteriores.
    5. Asigna tareas de ensamblaje a los modelos humanos digitales correspondientes según la secuencia de ensamblaje del flujo de proceso en la pestaña Tareas en la parte superior de la página de software. Arrastra las tareas de ensamblaje requeridas desde la lista izquierda en la página de tareas al eje de acción del modelo humano digital.
      1. Encuentra tareas de ensamblaje en la lista izquierda de la página de Tareas, incluyendo tareas de manipulación de objetos (elegir objeto, colocar objeto, unir objetos, etc.), tareas de movimiento corporal (caminar, arrodillarse, etc.) y otras tareas comunes relacionadas con la producción industrial.
      2. Luego, se completan los parámetros correspondientes según los requisitos de simulación y proceso de la tarea actual, como especificar el objeto a operar, la posición objetivo donde debe colocarse, seleccionar restricciones de postura corporal durante la ejecución de la acción y descripción del proceso de la tarea (nivel de alcance, precisión en la colocación, requisitos de fuerza en dedos y brazos, etc.).
  2. Haz clic en el icono de simular para ejecutar la simulación y el software genera automáticamente una animación de simulación y resultados de análisis. Si aparece un mensaje de error o los resultados de la simulación no cumplen los requisitos, ajusta el proyecto de simulación según el paso 3.1.
  3. Haz clic en el botón Resultados en la parte superior de la página para ver los resultados de las operaciones del modelo. Consulta resultados de evaluaciones como tiempo, ergonomía humana y camino de caminata desde cada pestaña izquierda, y haz clic en Ergonomía para obtener la puntuación EAWS del trabajador.
    NOTA: EAWS es un método biomecánico de evaluación del riesgo de carga desarrollado por un equipo internacional de expertos, utilizado para evaluar el riesgo de WMSDs al que los operadores pueden estar expuestos durante el trabajo.
  4. Confirme las estaciones de trabajo que requieren mejoras según la tabla de calificaciones de evaluación de EAWS (Figura 2). Mientras tanto, consulta datos detallados de evaluación en los resultados de ergonomía del software para identificar mejor las tareas operativas más críticas que requieren mejoras.

figure-protocol-1
Figura 2: Nivel de evaluación EAWS. El estándar para clasificar los niveles de riesgo ergonómicos basándose en las puntuaciones EAWS. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

4. Optimización de modelos

NOTA: El propósito de este paso es reducir el valor de riesgo EAWS de los trabajadores de producción a un nivel de bajo riesgo.

  1. Observa las puntuaciones de trabajadores de EAWS en los puestos de trabajo identificados para mejorar en la fase anterior. Alterna entre diferentes trabajadores y módulos de evaluación (postura corporal, fuerza manual, manejo de cargas, etc.) en la página de resultados de ergonomía para identificar los contribuyentes de mayor riesgo.
  2. Identificar acciones relacionadas de los contribuyentes de mayor riesgo para prepararse para mejoras posteriores.
  3. Desarrollar estrategias de mejora basadas en puntos de riesgo, ajustar el modelo en el software y volver a ejecutar la evaluación de simulación.
    1. Haz clic en Tareas, localiza el banco de trabajo del trabajador con la contribución de mayor riesgo en el diagrama del árbol. Haz clic en Añadir objeto(s) Desde Archivo en la esquina superior izquierda, importa el nuevo modelo de dispositivo de diseño y añade el dispositivo en el directorio del banco de trabajo para simplificar las acciones de los trabajadores.
    2. Haz clic en Tareas, haz clic en el eje de acción de worker2_human, localiza la tarea operativa modificada y cancela acciones redundantes en este esquema de mejora. Haz clic en los puntos huecos a la izquierda de las manos de movimiento para apuntar y actuar hasta que se conviertan en puntos de flecha derecha de fondo azul para cancelar la simulación de acción actual.
    3. Haz clic en Simular para ejecutar el modelo y comprueba anomalías tras completarlo para evitar errores lógicos causados por añadir nuevos dispositivos.
      1. Si existen anomalías, modifica el contenido de las acciones relacionadas según el equipo y los cambios añadidos.
    4. Ejecuta el modelo de nuevo, repitiendo los pasos anteriores hasta que no existan anomalías en el eje de acción.
    5. Haz clic en Resultados, selecciona Ergonomía y observa si el valor de riesgo EAWS del trabajador ha bajado a verde.
      1. Si no ha bajado a verde, considera aumentar la duración del descanso en la columna Común de la página de Ergonomía, o sigue ajustando las posiciones de suministro de materiales, secuencias operativas y diseño de herramientas.
    6. Repite los pasos anteriores hasta que el riesgo de EAWS baje a verde.
  4. Ejecuta el modelo y observa si el EAWS Whole Body y las extremidades superiores EAWS del trabajador en los resultados están dentro del umbral de seguridad. El umbral de seguridad requiere que la puntuación de EAWS sea inferior a 50 puntos, como se muestra en la Figura 2, y que el color sea verde o amarillo.
  5. Haz clic en Análisis MTM-UAS para comprobar si las horas de trabajo mejoradas se reducen en comparación con las horas de trabajo anteriores, logrando así el objetivo de reducir las horas de trabajo y mantener los riesgos ergonómicos dentro del umbral de seguridad durante la mejora de la línea de montaje.

5. Verificación de efectividad de la fábrica digital

NOTA: Los pasos anteriores han realizado el diseño y la optimización de la línea de montaje en la fábrica digital. El propósito de esta etapa de verificación es asegurar que los resultados de la simulación por software coincidan con la condición real medida de la línea de montaje tras la implementación de optimización. Si es consistente, este método experimental de operación puede adoptarse para futuras optimizaciones de diseño en línea de montaje.

  1. Verifica los resultados de las horas de trabajo.
    1. Mide horas-hombre en el sitio de producción mejorado como se describe en el paso 1.2.
    2. Compara los resultados de las horas de trabajo con la salida del software.
  2. Verifica los resultados de riesgo ergonómico.
    1. Mide los riesgos ergonómicos en el lugar mejorado tal como se describe en los pasos 2.2 y 2.3.
    2. Compara los resultados de los riesgos ergonómicos derivados de la salida del software.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Basándose en las operaciones experimentales anteriores, los resultados representativos de este artículo toman como ejemplo el ensamblaje de un producto mecánico típico —el componente del cuerpo de válvula— para demostrar los resultados típicos de la integración de factores humanos en la gestión de operaciones para mejorar el trabajo. Este experimento representa el componente práctico de enseñanza del ya establecido curso de Factores Humanos, y sus resultados docentes se han demostrado en...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Este estudio incorpora no solo la eficiencia temporal, sino también la medición de riesgos ergonómicos en el diseño de líneas de montaje. Al integrar la medición ergonómica del riesgo, se pueden identificar posibles riesgos ocultos de seguridad durante la fase de diseño, asegurando que los diseños de la línea de montaje tengan en cuenta los factores de riesgo ergonómicos. Este protocolo mejora la productividad de los empleados, reduce la probabilidad y el impacto de los accidentes, y con...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores no tienen nada que revelar.

Agradecimientos

Este estudio fue apoyado por la Fundación Nacional de Ciencias Naturales de China (72374088, 72471105, 72001096), 2024 Proyecto Clave de Planificación de la Investigación en Ciencias de la Educación Superior de la Asociación China de Educación Superior (24XX0205, Mecanismos de Estrategias de Colaboración Humano-IA para Mejorar los Resultados de Aprendizaje), 2024 Proyecto Clave de Planificación de Ciencias de la Educación en la Provincia de Jiangsu (B-b/2024/01/162, Construcción de Modelos e Investigación Empírica sobre el Aprendizaje Multimodal desde la Perspectiva de la Educación Neurociencia) y el Fondo de Humanidades y Ciencias Sociales del Ministerio de Educación de China (24YJCZH445).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Suite de software emaimk Industrial Intelligence GmbHV2.2.0.3Establecimiento de la fábrica digital
Observador XTNoldus Information TechnologyV12.0Análisis de problemas en el proceso de producción

Referencias

  1. Moeuf, A., Pellerin, R., Lamouri, S., Tamayo-Giraldo, S., Barbaray, R. The industrial management of SMES in the era of Industry 4.0. Int J Prod Res. 56 (3), 1118-1136 (2018).
  2. Trstenjak, M., Benesova, A., Opetuk, T., Cajner, H. Human factors and ergonomics in industry 5.0-a systematic literature review. Appl Sci. 15 (4), 2123(2025).
  3. Jackson, I., Ivanov, D., Dolgui, A., Namdar, J. Generative artificial intelligence in supply chain and operations management: A capability-based framework for analysis and implementation. Int J Prod Res. 62 (17), 6120-6145 (2024).
  4. Alves, J., Lima, T. M., Gaspar, P. D. Is Industry 5.0 a human-centred approach? A systematic review. Processes. 11 (1), 193(2023).
  5. Castagnoli, R., Cugno, M., Maroncelli, S., Cugno, A. A new research agenda for human-centric manufacturing: A systematic literature review. IEEE Trans Eng Manag. 71, 15236-15253 (2024).
  6. Ivanov, D. The industry 5.0 framework: Viability-based integration of the resilience, sustainability, and human-centricity perspectives. Int J Prod Res. 61 (5), 1683-1695 (2023).
  7. Bolis, I., Marques, J. N., Cagno, E., Morioka, S. N. Digital technologies, sustainability, and work: How can these themes be brought together to promote a human-centered future in industry 5.0 implementation. Appl Ergon. 125, 104475(2025).
  8. Horvat, D., Jäger, A., Lerch, C. M. Fostering innovation by complementing human competences and emerging technologies: An industry 5.0 perspective. Int J Prod Res. 63 (3), 1126-1149 (2025).
  9. Gladysz, B., et al. Current development on the operator 4.0 and transition towards the operator 5.0: A systematic literature review in light of industry 5.0. J Manuf Syst. 70, 160-185 (2023).
  10. Verdugo-Cedeño, M., Jaiswal, S., Ojanen, V., Hannola, L., Mikkola, A. Simulation-based digital twins enabling smart services for machine operations: An industry 5.0 approach. Int J Hum Comput Interact. 40 (20), 6327-6343 (2024).
  11. Mattsson, S., Kurdve, M. Skills and Information Needed for Operator 5.0 in Emergency Production. Advances in Production Management Systems. Production Management Systems for Volatile, Uncertain, Complex, and Ambiguous Environments. APMS 2024. , IFIP Advances in Information and Communication Technology. Springer. Cham. (2024).
  12. Peruzzini, M., Prati, E., Pelicciari, M. A framework to design smart manufacturing systems for industry 5.0 based on the human-automation symbiosis. Int J Comput Integr Manuf. 37 (10-11), 1426-1443 (2024).
  13. Yaqot, M., Menezes, B., Mohammed, A., Moloney, K. A State-of-the-Art Review and Framework for Human-Centric Automation in Industry 5.0. Advances in Production Management Systems. Production Management Systems for Volatile, Uncertain, Complex, and Ambiguous Environments. APMS 2024. , IFIP Advances in Information and Communication Technology. Springer. Cham. (2024).
  14. Enang, E., Bashiri, M., Jarvis, D. Exploring the transition from techno centric industry 4.0 towards value centric industry 5.0: A systematic literature review. Int J Prod Res. 61 (22), 7866-7902 (2023).
  15. Durugbo, C. M. Uncertainties of supply chain transition and integration for industry 5.0: A review of operations management literature. Int J Prod Res. 63 (18), 6915-6937 (2025).
  16. Kim, D. B., et al. Human-in-the-loop in smart manufacturing (h-sm): A review and perspective. J Manuf Syst. 82, 178-199 (2025).
  17. Otto, A., Battaïa, O. Reducing physical ergonomic risks at assembly lines by line balancing and job rotation: A survey. Comput Ind Eng. 111, 467-480 (2017).
  18. Boysen, N., Schulze, P., Scholl, A. Assembly line balancing: What happened in the last fifteen years. Eur J Oper Res. 301 (3), 797-814 (2022).
  19. Hasanain, B. The role of ergonomic and human factors in sustainable manufacturing: A review. Machines. 12 (3), 159(2024).
  20. Reiman, A., Takala, E. -P., Parviainen, E., Kaivo-Oja, J. Human work in strategic technology transitions in manufacturing. Int J Hum Factors Ergon. 11 (3), 266-288 (2024).
  21. Caputo, F., Greco, A., Fera, M., Macchiaroli, R. Digital twins to enhance the integration of ergonomics in the workplace design. Int J Ind Ergon. 71, 20-31 (2019).
  22. Brunner, S., Yuching, C. K., Bengler, K. Streamlining operations management by classifying methods and concepts of lean and ergonomics within a sociotechnical framework. Oper Manag Res. 17 (3), 1172-1196 (2024).
  23. Investment Report 2022/2023: Resilience and renewal in Europe. , European Investment Bank. Luxembourg. https://www.eib.org/en/publications/online/all/investment-report-2022-2023 (2023).
  24. Hansen, A. K., Christiansen, L., Lassen, A. H. Technology isn't enough for industry 4.0: On smes and hindrances to digital transformation. Int J Prod Res. 63 (18), 6585-6605 (2025).
  25. Xu, X., Lu, Y. Q., Vogel-Heuser, B., Wang, L. H. Industry 4.0 and industry 5.0-inception, conception and perception. J Manuf Syst. 61, 530-535 (2021).
  26. Hermawati, S., Correa, R., Mohan, M., Lawson, G., Houghton, R. Defining human-centricity in Industry 5.0 and assessing the readiness of ergonomics/human factors communities in UK. Ergonomics. 68 (6), 857-876 (2025).
  27. Caputo, F., Greco, A., Fera, M., Macchiaroli, R. Workplace design ergonomic validation based on multiple human factors assessment methods and simulation. Prod Manuf Res. 7 (1), 195-222 (2019).
  28. Breznik, M., Buchmeister, B., Herzog, N. V. Assembly line optimization using mtm time standard and simulation modeling-a case study. Appl Sci. 13 (10), 6265(2023).
  29. Stephens, M. P. Manufacturing Facilities Design & Material Handling. , 6th ed, Purdue University Press. West Lafayette. (2019).
  30. Sanders, M. S., Mccormick, E. J. Human Factors in Engineering and Design. , 7th ed, McGraw-Hill Education. New York. (1993).
  31. Gualtieri, L., et al. Updating design guidelines for cognitive ergonomics in human-centred collaborative robotics applications: An expert survey. Appl Ergon. 117, 104246(2024).
  32. Lucchese, A., Mummolo, G. Human-centric assistive technologies in manual picking and assembly tasks: A literature review. Manag Prod Eng Rev. , https://journals.pan.pl/dlibra/show-content?id=132156 (2024).
  33. Su, C., Tang, X., Han, Y., Wang, T., Jiang, D. S. Cognitive digital twin in manufacturing process: integrating the knowledge graph for enhanced human-centric Industry 5.0. Int J Prod Res. , (2024).
  34. Huang, K., et al. Spatial relationship-aware rapid entire body fuzzy assessment method for prevention of work-related musculoskeletal disorders. Appl Ergon. 115, 104176(2024).
  35. Breznik, M., Buchmeister, B., Herzog, N. V. Evaluation of the EAWS ergonomic analysis on the assembly line: Xsens vs. Manual expert method-a case study. Sensors. 25 (15), 4564(2025).
  36. Simeone, A., Grant, R., Ye, W., Caggiano, A. A human-cyber-physical system for operator 5.0 smart risk assessment. Int J Adv Manuf Technol. 129 (5), 2763-2782 (2023).
  37. Zheng, T., Grosse, E. H., Morana, S., Glock, C. H. A review of digital assistants in production and logistics: Applications, benefits, and challenges. Int J Prod Res. 62 (21), 8022-8048 (2024).
  38. Dolgui, A., Ivanov, D. Metaverse supply chain and operations management. Int J Prod Res. 61 (23), 8179-8191 (2023).
  39. Langendorf, L. N., Khalid, M. S. Systematic literature review on usability and training outcomes of using digital training technologies in industry. Comput Hum Behav Rep. 17, 100604(2025).
  40. Mourtzis, D., Angelopoulos, J. Development of an extended reality-based collaborative platform for engineering education: Operator 5.0. Electronics. 12 (17), 3663(2023).
  41. Guo, J., et al. Industrial metaverse towards industry 5.0: Connotation, architecture, enablers, and challenges. J Manuf Syst. 76, 25-42 (2024).
  42. Leng, J., et al. Digital twins-based remote semi-physical commissioning of flow-type smart manufacturing systems. J Clean Prod. 306, 127278(2021).
  43. Rožanec, J. M., et al. Human-centric artificial intelligence architecture for Industry 5.0 applications. Int J Prod Res. 61 (20), 6847-6872 (2023).
  44. Ni, M. Z., Wang, T., Leng, J. W., Chen, C., Cheng, L. L. A large language model-based manufacturing process planning approach under Industry 5.0. Int J Prod Res. , (2025).
  45. Ma, Y., Zheng, S., Yang, Z., Pan, H., Hong, J. A knowledge-graph enhanced large language model-based fault diagnostic reasoning and maintenance decision support pipeline towards Industry 5.0. Int J Prod Res. , (2025).
  46. Leng, J., et al. Resilient manufacturing: A review of disruptions, assessment, and pathways. J Manuf Syst. 79, 563-583 (2025).
  47. Leng, J., et al. Review of manufacturing system design in the interplay of industry 4.0 and industry 5.0 (part I): Design thinking and modeling methods. J Manuf Syst. 76, 158-187 (2024).
  48. Leng, J., et al. Review of manufacturing system design in the interplay of industry 4.0 and industry 5.0 (part ii): Design processes and enablers. J Manuf Syst. 79, 528-562 (2025).
  49. Yan, J., et al. Human-centric artificial intelligence towards industry 5.0: Retrospect and prospect. J Ind Inf Integr. 47, 100903(2025).
  50. Leng, J., et al. Aigc-empowered smart manufacturing: Prospects and challenges. Rob Comput Integr Manuf. 97, 103076(2026).
  51. Wang, B., et al. Human digital twin in the context of Industry 5.0. Rob Comput Integr Manuf. 85, 102626(2024).
  52. Bucci, I., Fani, V., Bandinelli, R. Towards human-centric manufacturing: Exploring the role of human digital twins in industry 5.0. Sustainability. 17 (1), 129(2025).
  53. Gaffinet, B., Ali, J. A., Naudet, Y., Panetto, H. Human digital twins: A systematic literature review and concept disambiguation for Industry 5.0. Comput Ind. 166, 104230(2025).
  54. Caterino, M., Rinaldi, M., Fera, M. Digital ergonomics: An evaluation framework for the ergonomic risk assessment of heterogeneous workers. Int J Comput Integr Manuf. 36 (2), 239-259 (2023).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Educaci n en Ingenier aColaboraci n Humano M quinaEmpoderamiento del EmpleadoEvaluaci n de Riesgos Ergon micosErgonom a DigitalGemelo Digital HumanoFabricaci n Inteligente

Artículos relacionados