Teaching Industry 4.0: An Open-Source Framework for Cooperative Robotics in the Learning Factory

Las fábricas modernas están cambiando. Se están convirtiendo en lugares donde las máquinas se comunican entre sí, toman sus propias decisiones y se desplazan sin conductores humanos. Este cambio, a menudo llamado la cuarta revolución industrial, se basa en tres ideas principales trabajando en conjunto. Primero, existen los "sistemas ciberfísicos", que simplemente significan máquinas físicas como robots que están conectados a cerebros digitales. Segundo, el "Internet de las Cosas" permite que estas máquinas envíen datos sobre su estado y entorno a través de internet. Tercero, la inteligencia artificial ayuda a las máquinas a ver y comprender lo que están mirando. Para los ingenieros del futuro, aprender cómo construir y gestionar estas máquinas que hablan y piensan ya no es opcional; es esencial. Sin embargo, enseñar estas habilidades complejas en un aula es difícil. Los robots de fábricas reales son costosos, y el software que los hace funcionar suele ser demasiado complicado para que los estudiantes experimenten con ellos. Las escuelas necesitan una forma de mostrar a los estudiantes cómo encajan estas diferentes partes sin que les cueste una fortuna.

Un equipo de investigadores del Instituto Tecnológico y de Estudios Superiores de Monterrey en México ha construido una solución a este problema. Crearon un modelo funcional de una celda de fábrica inteligente que los estudiantes pueden construir, romper y reparar. Este proyecto no es solo una simulación en una pantalla de computadora; es una configuración física donde robots reales mueven objetos reales. El objetivo era demostrar que un sistema de bajo costo y de código abierto podía manejar una tarea compleja: recoger artículos, identificar su color y clasificarlos en diferentes contenedores, todo esto manteniendo un registro digital de cada movimiento. Los investigadores querían ver si este tipo de proyecto práctico podía realmente enseñar a los estudiantes cómo integrar la robótica, la conectividad a internet y la inteligencia artificial.

El sistema que construyeron se basa en dos robots principales trabajando en equipo. Uno es un robot móvil, un Vehículo Inteligente Autónomo (AIV) Omron LD-60 que conduce por sí mismo alrededor del suelo. El otro es un robot colaborativo estacionario Omron TM5-900 que se encuentra en una mesa. Para hacer que trabajen juntos, los investigadores los conectaron a través de una red que actúa como un sistema nervioso, permitiendo que los robots se envíen mensajes entre sí de forma instantánea. Cuando el robot móvil llega a la mesa, se detiene y espera. El brazo robótico entonces se extiende para agarrar un bloque. Antes de que el brazo mueva el bloque, una cámara toma una foto. Aquí es donde entra la inteligencia artificial. En lugar de usar una regla simple y preprogramada para adivinar el color, el sistema envía la imagen a un potente servicio de IA basado en la nube. La IA observa la imagen y le dice al sistema exactamente qué color es el bloque.

Una vez que se conoce el color, el sistema toma una decisión. Si el bloque es verde, se le indica al robot móvil que conduzca hacia el punto de control verde. Si es azul, va hacia el punto de control azul. El brazo robótico entonces recoge el bloque y lo coloca sobre el robot móvil, el cual conduce hacia la ubicación correcta para dejarlo. Durante todo este proceso, cada acción se registra en una base de datos en la nube. Esto significa que cualquier persona con acceso a internet puede observar un tablero en vivo mostrando exactamente dónde están los robots, qué están haciendo y si ocurrió algún error. Los investigadores diseñaron las piezas del robot, como la pinza que sostiene los bloques, utilizando impresoras 3D, manteniendo el costo del hardware muy bajo. Hicieron todo el código de computadora y los planes de diseño disponibles de forma gratuita, para que otras escuelas puedan copiar la configuración exactamente.

El equipo probó este sistema rigurosamente. Ejecutaron el proceso de clasificación cien veces seguidas para ver con qué frecuencia funcionaba sin fallar. Los robots completaron la tarea con éxito el noventa y cuatro por ciento de las veces. Cuando analizaron específicamente qué tan bien la inteligencia artificial identificaba los colores, fue correcta el noventa y cuatro punto dos por ciento de las veces. El sistema también fue rápido; el tiempo que tardaron los robots en enviarse mensajes entre sí se midió en treinta y dos milisegundos, lo que es una fracción de segundo. Los investigadores también midieron cuánto aprendieron los estudiantes. Antes del proyecto, los estudiantes calificaron su comprensión de estas tecnologías en una escala. Después de construir y ejecutar el sistema, su confianza y conocimiento autoinformado aumentaron significativamente.

El proyecto reveló algunas limitaciones que son importantes para el aprendizaje futuro. Aunque el sistema funcionó bien, los investigadores señalaron que depender de internet para la visión de IA crea un riesgo. Si la conexión a internet falla, los robots no pueden "ver" los bloques. También descubrieron que el tiempo que tomó a la IA procesar una imagen fue de aproximadamente un punto ocho segundos, lo cual es rápido para un aula, pero podría ser demasiado lento para una fábrica de alta velocidad. Estos problemas no se vieron como fallos, sino como lecciones valiosas. Proporcionan un ejemplo concreto para que los estudiantes discutan cómo hacer los sistemas más confiables, quizás agregando sistemas de respaldo o procesando los datos localmente en el robot en lugar de en la nube.

Este trabajo demuestra que es posible construir un sistema robótico cooperativo y sofisticado que sea lo suficientemente asequible para un aula universitaria. Al combinar un vehículo autóno, un brazo robótico, inteligencia basada en la nube y un sistema de seguimiento digital, los investigadores crearon una herramienta de aprendizaje completa. El sistema logró una confiabilidad de clasificación del noventa y ocho por ciento y una precisión de visión del noventa y cuatro punto dos por ciento, demostando que los componentes de bajo costo pueden realizar tareas industriales complejas. Más importante aún, mostró que cuando los estudiantes construyen estos sistemas por sí mismos, adquieren una comprensión mucho más profunda de cómo funcionará realmente la fabricación en el futuro. El proyecto ofrece un plano para que las escuelas enseñen a la próxima generación de ingenieros cómo gestionar las fábricas inteligentes y conectadas del mañana.