LA CAPTURA DE CONOCIMIENTO COMO PROBLEMA DE CONTROL EN OPERACIONES INDUSTRIALES: UN ENFOQUE DE INGENIERÍA PARA LA CAPTURA DE CONOCIMIENTO OPERACIONAL EN SISTEMAS DINÁMICOS
DOI:
https://doi.org/10.56238/levv14n32-048Palabras clave:
Conocimiento Operacional, Captura de Conocimiento, Sistemas Dinámicos, Ingeniería de Control, Human-In-The-LoopResumen
La captura de conocimiento operativo en entornos industriales conectados se aborda con frecuencia en la literatura reciente desde perspectivas centradas en la digitalización y la gestión del conocimiento, pero sin un marco técnico que represente su dinámica a lo largo del tiempo en condiciones operativas reales. Este artículo pretende proponer un enfoque de ingeniería que considera la captura de conocimiento operativo como un problema dinámico de sistemas y control, permitiendo su descripción mediante estados, perturbaciones y actuadores técnicos. La metodología adoptada es teórico-conceptual, basada en una revisión analítica de estudios publicados en los últimos cinco años y en la construcción de un modelo conceptual que integra fundamentos de sistemas ciberfísicos, arquitecturas con interacción humana (human-in-the-loop), automatización adaptativa y estructuras de soporte cognitivo. Los resultados organizan la literatura en torno a una formalización del «sistema de conocimiento», definiendo estados asociados con la externalización, la accesibilidad y la reutilización del conocimiento, perturbaciones operativas vinculadas a la variabilidad y eventos inesperados, y actuadores técnicos como sensores, registros multimodales, plataformas digitales y mecanismos de asistencia de IA. El análisis destaca que los procesos puramente manuales tienden a generar inestabilidad informativa, baja trazabilidad y pérdida recurrente de aprendizaje operativo, mientras que las arquitecturas integradas favorecen la consolidación y reutilización del conocimiento como parte del comportamiento del sistema productivo. Se concluye que formalizar la captura de conocimiento como un problema técnico amplía la capacidad de análisis y diseño de soluciones industriales de autoaprendizaje, fortaleciendo la integración entre la cognición humana, la automatización y el rendimiento operativo.
Descargas
Referencias
ANGULO, Cecilio; CHACÓN, Alejandro; PONSA, Pere. Towards a cognitive assistant supporting human operators in the Artificial Intelligence of Things. Internet of Things, v. 21, art. 100673, 2023. DOI: https://doi.org/10.1016/j.iot.2022.100673
ANSHARI, Muhammad; SYAFRUDIN, Muh. Azhar; FITRIYANI, N.; SHARMA, P. Fourth Industrial Revolution between Knowledge Management and Digital Humanities. Information, v. 13, n. 6, art. 292, 2022. DOI: https://doi.org/10.3390/info13060292
CHACÓN, E. et al. A control architecture for continuous production processes based on Industry 4.0: water supply systems application. Journal of Intelligent Manufacturing, 2021. DOI: https://doi.org/10.1007/s10845-021-01790-3
CICCARELLI, Marianna; PAPETTI, Alessandra; GERMANI, Michele. Exploring how new industrial paradigms affect the workforce: A literature review of Operator 4.0. Journal of Manufacturing Systems, v. 70, p. 464–483, 2023. DOI: https://doi.org/10.1016/j.jmsy.2023.08.016
CIMINI, Chiara; PIROLA, Fabiana; PINTO, Roberto; CAVALIERI, Sergio. A human-in- the-loop manufacturing control architecture for the next generation of production systems. Journal of Manufacturing Systems, v. 54, p. 258–271, 2020. DOI: https://doi.org/10.1016/j.jmsy.2020.01.002
GIL, Antonio Carlos. Métodos e técnicas de pesquisa social. 7. ed. São Paulo: Atlas, 2019.
HARRISON, R. et al. Towards the realization of dynamically adaptable automation systems. Philosophical Transactions of the Royal Society A, v. 379, n. 2207, 2021. DOI: https://doi.org/10.1098/rsta.2020.0365
HOREJŠI, Petr; NOVIKOV, Konstantin; ŠIMON, Michal; KŮRKA, Petr; STOLÍN, Radoslav. A Smart Factory in a Smart City: Virtual and Augmented Reality in a Smart Assembly Line. IEEE Access, v. 8, p. 94330–94340, 2020. DOI: https://doi.org/10.1109/ACCESS.2020.2994650
IHEUKWUMERE-ESOTU, Louis O.; OSSAI, C. I.; HOWARD, I. Development of an Interactive Web-Based Knowledge Management Platform for Major Maintenance Activities: Case Study of Cement Manufacturing System. Sustainability, v. 14, n. 17, art. 11041, 2022. DOI: https://doi.org/10.3390/su141711041
KALABOUKAS, Konstantinos; ROOS, David; DOULGERIS, Marinos; VERRIET, Julien; KIRITSIS, Dimitris. Implementation of Cognitive Digital Twins in Connected and Agile Supply NetworksAn Operational Model. Applied Sciences, v. 11, n. 9, art. 4103, 2021. DOI: https://doi.org/10.3390/app11094103
LAKATOS, Eva Maria; MARCONI, Marina de Andrade. Fundamentos de metodologia científica. 9. ed. São Paulo: Atlas, 2021.
LU, Jinzhi; YANG, Zhaorui; ZHENG, Xiaochen; WANG, Jian et al. Exploring the concept of Cognitive Digital Twin from model-based systems engineering perspective. The International Journal of Advanced Manufacturing Technology, v. 121, p. 5835–5854, 2022. DOI: https://doi.org/10.1007/s00170-022-09610-5
RIBEIRO, Vagner B.; NAKANO, Davi; MUNIZ JUNIOR, Jorge; OLIVEIRA, Rafaela B. Knowledge management and Industry 4.0: a critical analysis and future agenda. Gestão & Produção, v. 29, e5222, 2022. DOI: https://doi.org/10.1590/1806-9649-2022v29e5222
TURNER, Christopher J.; MA, Ruidong; CHEN, Jingyu; OYEKAN, John. Human in the loop: Industry 4.0 technologies and scenarios for worker mediation of automated manufacturing. IEEE Access, v. 9, p. 103950–103970, 2021. DOI: https://doi.org/10.1109/ACCESS.2021.3099311
