Rhombus

La IA y el Machine Learning aplicada a la ingeniería industrial a favor de la mejora en la gestión de operaciones

2025-08-22T23:57:04+00:00

La gestión de operaciones en entornos empresariales enfrenta un proceso de transformación impulsado por tecnologías emergentes como la inteligencia artificial (IA) y el aprendizaje automático (Machine Learning, ML). Estos avances permiten optimizar recursos, automatizar procesos y apoyar la toma de decisiones en tiempo real, aspectos esenciales para incrementar la competitividad en la ingeniería industrial. La evolución de los sistemas de planificación, desde los MRP hasta los actuales ERP y CRM inteligentes, evidencia la transición hacia entornos ciberfísicos más adaptativos y predictivos, donde la integración de big data, IoT y computación en la nube redefinen la trazabilidad y la eficiencia operativa. Esta transición de la Industria 4.0 a la 5.0 refleja un cambio hacia un modelo más humano y sostenible, que combina la colaboración entre máquinas inteligentes y trabajadores con un enfoque en la personalización y la responsabilidad social. A nivel mundial, estudios de firmas como McKinsey, Deloitte y Gartner proyectan un impacto económico de billones de dólares para 2025, destacando aplicaciones en manufactura, farmacéutica, energía y servicios. Sin embargo, persisten retos significativos en la adopción del ML, como la escalabilidad, el versionado de modelos y la alineación con objetivos estratégicos. En consecuencia, la integración estratégica de IA y ML constituye un pilar clave para la innovación, productividad y sostenibilidad de las operaciones industriales.

Aplicación de modelos de colas y simulación para evaluar la eficiencia del servicio de helados en McDonald’s Chapinero

2025-07-28T22:55:48+00:00

McDonald’s es una cadena de comida rápida reconocida mundialmente por la eficiencia operativa y estandarización en sus procesos. En Chapinero, Bogotá, se estableció un punto de venta especializado en helados, aprovechando su ubicación estratégica en una zona comercial y estudiantil con alto tránsito peatonal. Este punto, enfocado en productos como McFlurrys, conos y sundaes, generó inicialmente largas filas y tiempos de espera elevados, lo cual motivó la presente investigación.

El estudio tuvo como propósito analizar y optimizar el desempeño operativo del punto de venta mediante modelos de investigación de operaciones e inteligencia artificial. Se recopiló información real sobre tiempos de llegada y atención al cliente, analizando estadísticamente estos datos para identificar la distribución que mejor los representaba, encontrándose la distribución Gamma como la más apropiada. A partir de estos resultados, se realizaron simulaciones computacionales en Python y FlexSim para evaluar diferentes indicadores críticos como tiempo promedio de espera, tasa de servicio y nivel de saturación del sistema. Estas simulaciones permitieron visualizar claramente los procesos internos, identificar cuellos de botella y generar alternativas operativas viables.

Finalmente, el análisis permitió proponer mejoras concretas relacionadas con la capacidad instalada, la asignación efectiva de personal y la distribución óptima de tareas en función de la demanda real, logrando así una significativa reducción en los tiempos de espera y una mejora sustancial en la eficiencia del servicio ofrecido a los clientes.

Análisis del comportamiento de compra en tiendas D1 mediante inteligencia artificial: una mirada a la atención, tiempos y patrones del consumidor

2025-07-29T03:17:21+00:00

Este estudio aplica la teoría de colas y simulación computacional con apoyo de inteligencia artificial para analizar el sistema de atención al cliente en una sucursal del supermercado D1. A partir de datos empíricos recolectados en sitio, se identificaron las distribuciones estadísticas de llegada y servicio, permitiendo construir modelos simulados en Google Colab. Se evaluaron tres escenarios con diferente número de servidores (1, 2 y 3), observando que un solo servidor resulta insuficiente, mientras que tres generan baja utilización de recursos. El modelo con dos servidores alcanzó el mejor equilibrio entre eficiencia y tiempos de espera. El estudio evidencia el valor de la IA en la generación de código, análisis estadístico y simulación, destacando su utilidad en la toma de decisiones operativas informadas.

Cacao For Peace And Region Programme - Procapaz

2025-08-27T18:45:56+00:00

El proyecto Cacao for Peace and Region Programme - PROCAPAZ propone una estrategia participativa para fortalecer la cadena cacaotera de Rovira (Tolima) integrando innovación social y herramientas de la Ingeniería Industrial. Se empleó una metodología mixta de investigación-acción que inició con un diagnóstico participativo (FODA, encuestas a familias y estudiantes, entrevistas a productores y talleres comunitarios), continuó con el co-diseño e implementación de estrategias (línea estandarizada de producción desde el pre-cultivo hasta la transformación, manual de Buenas Prácticas Agrícolas y plan de empalme generacional soportado en mentorías y bitácoras) y culminó con acciones de transferencia, validación y sistematización (Feria y Jornada cacaotera, uso de la bitácora como repositorio de evidencias y diseño/aprobación de un curso electivo de bioeconomía para su oferta en 2026). Entre los principales resultados se destacan la línea estandarizada con puntos críticos de proceso, BPA contextualizadas y una arquitectura de actores para la gobernanza colaborativa; además, se consolidó una línea base, productividad cercana a 600 kg/ha y rendimiento de fermentación alrededor del 70%, que orienta la ruta hacia trazabilidad, certificación y acceso a mercados diferenciados. Asimismo, se fortaleció la identidad cacaotera, aumentó la participación juvenil y se robustecieron capacidades técnicas y organizativas. En conjunto, la articulación universidad-comunidad-sector productivo, acompañada de dispositivos sociopedagógicos y estandarización técnica, habilitas mejoras verificables en desempeño y cohesión social y sienta bases para el escalamiento regional.

Integración de Redes y Protocolos de Comunicación para una Celda de Manufactura avanzada

2025-08-01T01:14:43+00:00

La Manufactura Avanzada ha transformado los métodos de producción a través de la digitalización, la automatización y la interconexión de sistemas productivos. Este trabajo describe la integración del desarrollo de una celda de manufactura educativa basada en tecnologías como controladores lógicos programables PLC, sensores de visión, interfaces hombre-máquina HMI y para esta implementación el protocolo de comunicación PROFINET, destacándose que el sensor de visión artificial y PLC no son del mismo fabricante por lo que se usó una librería específica y un sistema de relevadores físicos para adaptar las señales digitales de cierre entre los equipos. El desarrollo e integración de la celda logró fortalecer las competencias tecnológicas de docentes y estudiantes participantes en la implementación del sistema automatizado y conectado en tiempo real.

Análisis y Predicción de la Siniestralidad Vial en Ibagué Mediante Inteligencia Artificial: Un Enfoque Desde la Ingeniería Industrial

2025-07-01T19:27:10+00:00

Este estudio aborda la siniestralidad vial en Ibagué, Colombia, mediante el uso de inteligencia artificial para identificar patrones y predecir accidentes. Analizar datos históricos (2020–2023) y desarrollar un modelo predictivo basado en el algoritmo Random Forest, complementado con un dashboard interactivo para visualizar dimensiones temporal, espacial y demográfica. Se procesaron bases de datos de siniestros viales mediante técnicas de análisis exploratorio (EDA) y balanceo de clases Synthetic Minority Over-Sampling Technique (SMOTE) para mitigar sesgos. El modelo alcanzó un F1-score de 0.71, demostrando capacidad moderada para clasificar causas de accidentes. Se identificó que los jóvenes hombres de 18 a 24 años son el grupo más vulnerable, con alta incidencia en motocicletas durante noches de fin de semana, especialmente en la comuna 1. La integración de IA y análisis multidimensional permite priorizar intervenciones en zonas críticas y horarios de riesgo. Estos hallazgos refuerzan la necesidad de políticas de seguridad vial focalizadas, como campañas educativas y optimización de recursos en áreas de alta accidentalidad.