Análisis de la percepción del talento humano ante la automatización inteligente en líneas de ensamblaje industrial Analysis of human talent's perception of intelligent automation in industrial assembly lines
Barra lateral del artículo
Contenido principal del artículo
Resumen
La automatización inteligente en líneas de ensamblaje industrial ha transformado los procesos productivos mediante el uso de inteligencia artificial, sensores, sistemas de control, robótica colaborativa y plataformas digitales. Sin embargo, su implementación no depende únicamente de la disponibilidad tecnológica, sino también de la percepción del talento humano que interactúa con estos sistemas. El presente estudio tuvo como objetivo analizar la percepción del talento humano ante la automatización inteligente en líneas de ensamblaje industrial. La investigación se desarrolló bajo un enfoque cuantitativo, con diseño no experimental, transversal y alcance descriptivo-correlacional. Se aplicó una encuesta estructurada con escala Likert de cinco puntos a 214 trabajadores vinculados con procesos de ensamblaje industrial. Los resultados evidenciaron una percepción mayoritariamente favorable hacia la automatización inteligente, con medias superiores a 3.99 en todas las dimensiones evaluadas. El instrumento presentó una confiabilidad excelente, con un Alfa de Cronbach global de .962. Asimismo, se identificaron correlaciones fuertes y significativas entre capacitación digital, confianza tecnológica, apoyo organizacional y percepción favorable. La regresión lineal múltiple mostró que el apoyo organizacional y la capacitación digital fueron los predictores más relevantes. Se concluye que la automatización inteligente requiere no solo infraestructura tecnológica, sino también formación, confianza y acompañamiento organizacional
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Aparicio Pico, L. E., Devia Lozano, P., & Amaya Marroquín, O. J. (2023). Aplicación de Deep Learning para la identificación de defectos superficiales utilizados en control de calidad de manufactura y producción industrial: Una revisión de la literatura. Ingeniería, 28(1). https://doi.org/10.14483/23448393.18934
Bucci, I., Fani, V., & Bandinelli, R. (2025). Towards human-centric manufacturing: Exploring the role of human digital twins in Industry 5.0. Sustainability, 17(1), 129. https://doi.org/10.3390/su17010129
Chirumalla, K. (2025). Critical factors affecting digital transformation in manufacturing companies. International Entrepreneurship and Management Journal. https://doi.org/10.1007/s11365-024-01056-3
Eger, L., & Žižka, M. (2024). Industry 4.0, digital transformation and human resource management: Emerging themes and research trends in the context of the Visegrad countries. Oeconomia Copernicana, 15(3), 1021–1065. https://doi.org/10.24136/oc.3034
Ghobakhloo, M., Amoozad Mahdiraji, H., Iranmanesh, M., & Jafari-Sadeghi, V. (2024). From Industry 4.0 digital manufacturing to Industry 5.0 digital society: A roadmap toward human-centric, sustainable, and resilient production. Information Systems Frontiers. https://doi.org/10.1007/s10796-024-10476-z
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014). Metodología de la investigación (6.ª ed.). McGraw Hill.
Hernández-Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.
Hernández-Sampieri, R., & Mendoza Torres, C. P. (2023). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta (2.ª ed.). McGraw-Hill Interamericana Editores.
Hijry, H. (2026). Advancing sustainable smart manufacturing: A comprehensive review of machine learning techniques in assembly lines. Sustainability, 18(1), 348. https://doi.org/10.3390/su18010348
Huacasi Añamuro, L. D., Berrios Fernández, E. P., Bellido Medina, R. S., & Cueva Allison, C. H. (2025). Automatización y robótica en la gestión de operaciones: Retos administrativos, sociales y de innovación emprendedora. Athenea, 6(22), 69–79. https://doi.org/10.47460/athenea.v6i22.117
Islam, M. T., Sepanloo, K., Woo, S., Woo, S. H., & Son, Y.-J. (2025). A review of the Industry 4.0 to 5.0 transition: Exploring the intersection, challenges, and opportunities of technology and human–machine collaboration. Machines, 13(4), 267. https://doi.org/10.3390/machines13040267
Keshvarparast, A., Battini, D., Battaia, O., & Pirayesh, A. (2024). Collaborative robots in manufacturing and assembly systems: Literature review and future research agenda. Journal of Intelligent Manufacturing, 35, 2065–2118. https://doi.org/10.1007/s10845-023-02137-w
Martini, B. (2024). Human-centered and sustainable artificial intelligence in Industry 5.0: Challenges and perspectives. Sustainability, 16(13), 5448. https://doi.org/10.3390/su16135448
Miah, M. T., Farkas Fekete, M., & Németh, K. (2024). A systematic review of Industry 4.0 technology on workforce employability and skills: Driving success factors and challenges in South Asia. Economies, 12(2), 35. https://doi.org/10.3390/economies12020035
Neves, M., Duarte, L., & Neto, P. (2024). A collaborative robot-assisted manufacturing assembly process. arXiv. https://arxiv.org/abs/2403.05306
Rožanec, J. M., Novalija, I., Zajec, P., Kenda, K., Tavakoli, H., Suh, S., Veliou, E., Papamartzivanos, D., Giannetsos, T., Menesidou, S. A., Alonso, R., Cauli, N., Meloni, A., Reforgiato Recupero, D., Kyriazis, D., Sofianidis, G., Spyropoulos, S., Fortuna, B., Mladenić, D., & Soldatos, J. (2023). Human-centric artificial intelligence architecture for Industry 5.0 applications. International Journal of Production Research, 61(20), 6847–6872. https://doi.org/10.1080/00207543.2022.2138611
Soldatos, J. (Ed.). (2024). Artificial intelligence in manufacturing: Enabling intelligent, flexible and cost-effective production through AI. Springer Nature. https://doi.org/10.1007/978-3-031-46452-2
Tamani Maricahua, J. (2026). Transformación digital y gestión del talento humano: Revisión sistemática de evidencia científica 2020–2024. Revista InveCom, 6(2), e602005. https://doi.org/10.5281/zenodo.15748029
Tran, K. P. (Ed.). (2023). Artificial intelligence for smart manufacturing: Methods, applications, and challenges. Springer. https://doi.org/10.1007/978-3-031-30510-8
Wang, B., Zheng, P., Wang, L., & Mourtzis, D. (2025). Human-centric smart manufacturing towards Industry 5.0. Springer Nature. https://doi.org/10.1007/978-3-031-82170-7
Wang, J., Xu, C., Zhang, J., & Zhong, R. Y. (2022). Big data analytics for intelligent manufacturing systems: A review. Journal of Manufacturing Systems, 62, 738–752. https://doi.org/10.1016/j.jmsy.2021.03.005
Yaqub, M. Z., & Alsabban, A. (2023). Industry-4.0-enabled digital transformation: Prospects, instruments, challenges, and implications for business strategies. Sustainability, 15(11), 8553. https://doi.org/10.3390/su15118553