Contenido de la comunicación
Perspectivas de apropiación de gemelos digitales en fábricas de aprendizaje para la toma de decisiones
Promover un cambio dinámico en los procesos de aprendizaje en estudiantes universitarios es el propósito que se quiere alcanzar. Para tal efecto, la estrategia propuesta en esta investigación es la implementación de espacios no convencionales mediante la articulación de fábrica de aprendizaje y gemelo digital.
Las fábricas de aprendizaje son réplicas de una empresa a escala que permiten llevar a cabo procesos conectados y controlados en una línea de ensamble para facilitar la enseñanza, capacitación e investigación de procesos de manufactura y control de producción en ciencias de la ingeniería de forma presencial. (Chryssolouris, Mavrikios & Mourtzis, 2013).
El gemelo digital es un concepto que entiende las organizaciones como un conjunto de elementos interrelacionados entre sí de forma dinámica y permite conocer el funcionamiento presente y futuro de productos o procesos a través de sus equivalentes digitales por simulación y modelización con la integración de tecnologías como CAD-CAM-CAE, big data e IoT, lo que se traduce en beneficios a nivel de costes, productivos y operativos (Uhlemann et al., 2017).
Existen diversos estudios que evalúan modelos de gemelos digitales en plantas industriales (Zhuang, 2017), prototipaje (Tao, Zhang & Cheng, 2017), arquitecturas, educación (Polini, & Corrado, 2020) entre otros; sin embargo hasta el momento no existen estudios que evalúen el concepto dentro de las fábricas de aprendizaje para la toma de decisiones.
La presente investigación, mediante un estudio exploratorio pretende evaluar cualitativa y cuantitativamente los posibles resultados de aprendizaje en la implementación de un gemelo digital para la fábrica de aprendizaje bajo la hipótesis que los resultados de aprendizaje en el modelo presencial y el gemelo digital son iguales, usando la teoría de restricciones TOC. El estudio se llevó a cabo en dos grupos de docentes que pertenecen al programa ingeniería de producción en la universidad EAFIT.
La metodología pretende contrastar los resultados de aprendizaje en un grupo que recibió prácticas presenciales en la fábrica de aprendizaje desarrollando un módulo temático específico de la asignatura orientado a la toma de decisiones contra otro grupo que recibió el mismo módulo de manera virtual a través de gemelo digital de la fábrica con un problema previamente tipificado. Paralelamente, se aplicó un instrumento que permitía valorar factores críticos de la información, con el objetivo de evaluar los elementos del sistema de producción cuando la toma de decisiones es necesaria ( Hermann, Pentek, & Otto, 2016) (Ruiz, Sánchez, & Pina, 2015) que proporcionen una guía para el desarrollo y despliegue de sistemas ciber físicos siguiendo el modelo conceptual propuesto por Lee (Lee et al., 2015).
Luego de recolectar los datos que validan los resultados cuantitativos de aprendizaje se procedió a tabularlos con el uso de herramientas básicas de estadística descriptiva. De igual forma, se tabularon los factores y se obtuvo una matriz de correlación entre las variables, se seleccionaron los factores significativos usando el método del componente principal respaldado con el software minitab (Brace, Kemp, Snelgar, 2005).
Los resultados cualitativos permiten observar la incidencia de la modalidad de práctica en el proceso de toma de decisiones por parte de los participantes en las etapas denominadas “identificación del problema”, “identificación de los criterios”, “asignación de ponderaciones a los criterios”, “desarrollo de alternativas”, “análisis de las alternativas”, “selección de alternativa”, “implantación de la alternativa” y “evaluación de la efectividad de la decisión”; además se determinaron los factores significativos para el experimento que explican el 55% de la varianza total como se observa en la tabla 1, lo que permite entender la importancia de ciertos factores dentro del contenido del gemelo digital y la información que se debe tener disponible para los aprendices.
Tabla 1. Consolidado de varianza total del modelo
Factores |
Total |
%Varianza |
Varianza acumulada |
F1 Proceso de aprendizaje dinámico y ajustable |
0.761 |
15.365 |
15.365 |
F2 Desarrollo de habilidades cognitivas, pensamiento crítico y constructivo |
0.612 |
12.574 |
27.939 |
F3 Flexibilidad horaria |
0.518 |
10.367 |
38.306 |
F4 Accesibilidad a la información |
0.433 |
9.332 |
47.638 |
F5 Rapidez en la comunicación |
0.396 |
7.235 |
54.963 |
Adicional a esto, los resultados cuantitativos indican que el aprendizaje en el proceso de toma de decisiones es similar en ambas modalidades confirmando la hipótesis planteada, sin embargo ambas modalidades poseen amplias diferencias en fases específicas.
El estudio representa el primero en indagar el concepto de gemelo digital para fábricas de aprendizaje en la temática de toma de decisiones y aporta a los resultados previamente obtenidos en el estudio de realidad mixta en las fábricas de aprendizaje (Juraschek, , Büth, 2015; Posselt, Herrmann & Quint, 2017). Dado que se obtuvo una reducción importante del modelo inicial, en los posteriores trabajos se recomienda usar el modelo reducido e indagar acerca de cada una de las fases del proceso de toma de decisiones, además realizar una experimentación con estudiantes.
Garrido, J. M., Gros, B., Rodríguez, J., Silva, J., & Nervi, H. (2018). Más allá de laptops y pizarras digitales: la experiencia chilena de incorporación de TIC en la formación inicial de docentes. Calidad en la Educación, (29).
Hamari, J., Shernoff, D. J., Rowe, E., Coller, B., Asbell-Clarke, J., & Edwards, T. (2016). Challenging games help students learn: An empirical study on engagement, flow and immersion in game-based learning. Computers in Human Behavior, 54, 170-179.
Lee, J., Bagheri, B., & Kao, H. A. (2015). A cyber-physical systems architecture for industry 4.0-based manufacturing systems. Manufacturing Letters, 3, 18-23.
Montgomery, D. C. (2017). Design and analysis of experiments. John wiley & sons.
Polini, W., & Corrado, A. (2020). Digital twin of composite assembly manufacturing process. International Journal of Production Research, 1-15.
Tello, J. H., & Aymerich, J. T. (2018). Carencias formativas de los grados de ingeniería para la industria 4.0 en españa. una propuesta de actuaciones. DYNA, 93(4), 365-369.
Uhlemann, T. H. J., Schock, C., Lehmann, C., Freiberger, S., & Steinhilper, R. (2017). The digital twin: Demonstrating the potential of real time data acquisition in production systems. Procedia Manufacturing, 9, 113-120.
Zhuang, C. B., Liu, J. H., Xiong, H., Ding, X., Liu, S., & Weng, G. (2017). Connotation, architecture and trends of product digital twin. Comput. Integr. Manuf. Syst, 23(4), 753-768.
Camila Ramírez Zapata,Guarín Grisales AlvaroAndres Felipe Montoya (2020) Perspectivas de apropiación de gemelos digitales en fábricas de aprendizaje para la toma de decisiones . En: Segundo Encuentro En Línea CHAT: Ciudadanía y mediación digital. Resumen de congreso. Recuperado de: https://elchat2.edusol.info/elchat/envio-de-comunicacion/perspectivas-de