����������������������������������������������������������������������������������

 

 

An�lisis energ�tico y exerg�tico de procesos de manufactura automatizados en la industria 4.0: Un enfoque integral

 

Energy and exergy analysis of automated manufacturing processes in Industry 4.0: A comprehensive approach

 

An�lise de energia e exergia de processos automatizados de fabrica��o na Ind�stria 4.0: uma abordagem abrangente

 

 

 

 

 

 

 

 

 

 

Correspondencia: vf.morales@uta.edu.ec

 

Ciencias T�cnicas y Aplicadas

Art�culo de Investigaci�n

 

 

* Recibido: 30 de abril de 2025 *Aceptado: 26 de mayo de 2025 * Publicado: �19 de junio de 2025

 

         I.            Ingeniera Mec�nica, M�ster en Ingenier�a Matem�tica y Computaci�n, Mestre em Engenharia Mec�nica, Producao Industrial, Profesora de la Universidad T�cnica de Ambato de la Facultad de Ingenier�a Civil y Mec�nica de la Carrera de Mec�nica, Ambato, Ecuador.

       II.            Ingeniero Mec�nico, Mag�ster en Dise�o Mec�nico, Profesor de la Facultad de Ingenier�a Civil y Mec�nica de la Carrera de Mec�nica, Ambato, Ecuador.

     III.            Ingeniero Mec�nico, Mag�ster en Dise�o Mec�nico, Profesor de la Universidad T�cnica de Ambato de la Facultad de Ingenier�a Civil y Mec�nica de la Carrera de Mec�nica, Ambato, Ecuador.

    IV.            Ingeniero Mec�nico, Mag�ster en Ingenier�a Mec�nica menci�n en Dise�o de Sistemas Mec�nicos, Hidr�ulicos y T�rmicos, Docente de la Universidad T�cnica de Ambato de la Facultad de Ciencias Agropecuarias, Ambato, Ecuador.

 

Resumen

El art�culo cient�fico analiza el consumo energ�tico y relacionado con la energ�a de los procesos de fabricaci�n automatizados en el contexto de la Industria 4.0, con un enfoque integrado centrado en la optimizaci�n del rendimiento termodin�mico y la sostenibilidad operativa. La parte de investigaci�n parte del reconocimiento del alto consumo energ�tico de los sistemas fabricados digitalmente, que, si bien maximizan la productividad, pueden resultar en p�rdidas energ�ticas significativas si no se gestionan de forma inteligente.

El objetivo principal del estudio es comparar la eficiencia energ�tica y la p�rdida de energ�a en varias configuraciones de l�neas de producci�n automatizadas, integrando tecnolog�as como Internet de las cosas (IoT), herramientas digitales y aprendizaje autom�tico para la gesti�n t�rmica avanzada.� Desde un punto de vista te�rico, se adoptan los fundamentos de la termodin�mica y la exerg�a como herramientas esenciales para cuantificar tanto la energ�a �til como las irreversibilidades del sistema, incorporando tambi�n �nfasis en la ingenier�a de sistemas de econom�a circular.

Concluy� que un enfoque de ejercicio combinado con herramientas digitales de la Industria 4.0 no solo aumenta la eficiencia energ�tica, sino que tambi�n sirve como un camino estrat�gico hacia la competitividad industrial y la sostenibilidad energ�tica en entornos de producci�n avanzados.� Se sugiere investigar la integraci�n del an�lisis del ejercicio con sistemas adaptativos asistidos por computadora.

Palabras Clave: energ�a; exerg�a; automatizaci�n y control de procesos mec�nicos; evaluaci�n del desempe�o energ�tico y manufactura inteligente.

 

Abstract

This scientific article analyzes the energy and energy-related consumption of automated manufacturing processes in the context of Industry 4.0, with an integrated approach focused on thermodynamic performance optimization and operational sustainability. The research component is based on the recognition of the high energy consumption of digitally manufactured systems, which, while maximizing productivity, can result in significant energy losses if not intelligently managed.

The main objective of the study is to compare energy efficiency and energy loss in various automated production line configurations, integrating technologies such as the Internet of Things (IoT), digital tools, and machine learning for advanced thermal management. From a theoretical perspective, the fundamentals of thermodynamics and exergy are adopted as essential tools for quantifying both useful energy and system irreversibilities, also incorporating an emphasis on circular economy systems engineering.

It was concluded that an exercise approach combined with Industry 4.0 digital tools not only increases energy efficiency but also serves as a strategic path toward industrial competitiveness and energy sustainability in advanced production environments. Research is suggested on the integration of exercise analysis with computer-aided adaptive systems.

Keywords: energy; exergy; automation and control of mechanical processes; energy performance evaluation; and smart manufacturing.

 

Resumo

Este artigo cient�fico analisa o consumo energ�tico e o consumo relacionado � energia de processos automatizados de manufatura no contexto da Ind�stria 4.0, com uma abordagem integrada focada na otimiza��o do desempenho termodin�mico e na sustentabilidade operacional. O componente de pesquisa baseia-se no reconhecimento do alto consumo energ�tico de sistemas fabricados digitalmente, que, embora maximizem a produtividade, podem resultar em perdas significativas de energia se n�o forem gerenciados de forma inteligente.

O principal objetivo do estudo � comparar a efici�ncia energ�tica e as perdas de energia em diversas configura��es de linhas de produ��o automatizadas, integrando tecnologias como a Internet das Coisas (IoT), ferramentas digitais e aprendizado de m�quina para gerenciamento t�rmico avan�ado. De uma perspectiva te�rica, os fundamentos da termodin�mica e da exergia s�o adotados como ferramentas essenciais para quantificar tanto a energia �til quanto as irreversibilidades do sistema, incorporando tamb�m uma �nfase na engenharia de sistemas de economia circular.

Concluiu-se que uma abordagem de exerc�cio combinada com ferramentas digitais da Ind�stria 4.0 n�o apenas aumenta a efici�ncia energ�tica, mas tamb�m serve como um caminho estrat�gico para a competitividade industrial e a sustentabilidade energ�tica em ambientes de produ��o avan�ados. Sugere-se pesquisa sobre a integra��o da an�lise de exerc�cios com sistemas adaptativos auxiliados por computador.

Palavras-chave: energia; exergia; automa��o e controle de processos mec�nicos; avalia��o de desempenho energ�tico; e manufatura inteligente.

 

Introducci�n

En el contexto industrial contempor�neo, marcado por una digitalizaci�n acelerada y la implementaci�n de tecnolog�as novedosas, la Industria 4.0 simboliza una transformaci�n esencial en el dise�o, funcionamiento y mejora de los procesos de producci�n. La adopci�n de sistemas ciberf�sicos, inteligencia artificial, sensores inteligentes e interconexi�n en tiempo real ha propiciado un cambio significativo en cuanto a productividad, seguimiento y adaptabilidad en las operaciones.� No obstante, esta evoluci�n tambi�n ha generado retos energ�ticos novedosos, vinculados con la eficiencia t�rmica de los sistemas automatizados y la utilizaci�n eficiente de los recursos.

Ante esta situaci�n, se evidencia la necesidad de implementar m�todos de evaluaci�n m�s exactos y multidimensionales, que no solo eval�en el uso de energ�a, sino tambi�n la calidad y eficacia de tal energ�a en los procesos de producci�n industrial.� En este escenario, el an�lisis exerg�tico emerge como un instrumento sofisticado y adicional al an�lisis energ�tico tradicional, facilitando la identificaci�n de p�rdidas irreversibles, fuentes de ineficiencia y posibilidades de optimizaci�n desde un enfoque termodin�mico detallado.

Este art�culo sugiere un enfoque hol�stico de an�lisis energ�tico y exerg�tico aplicado a procesos de fabricaci�n automatizados en ambientes 4.0, con el objetivo de establecer su verdadero rendimiento termodin�mico y su posible influencia en la sostenibilidad industrial. La investigaci�n fusiona los principios te�ricos de la termodin�mica con instrumentos digitales caracter�sticos de la Cuarta Revoluci�n Industrial, y proporciona pruebas cuantitativas de la optimizaci�n en la eficiencia exerg�tica a trav�s de la implementaci�n de sistemas inteligentes de gesti�n energ�tica.� Este trabajo aporta al progreso de la ingenier�a sustentable, sugiriendo pautas �tiles para la creaci�n de procesos industriales m�s eficaces, resistentes y amigables con el entorno.

 

Desarrollo

Estudio del arte

En los �ltimos cinco a�os, la convergencia entre la eficiencia energ�tica y las tecnolog�as emergentes propias de la Industria 4.0 ha impulsado investigaciones orientadas a optimizar el desempe�o t�rmico de los procesos productivos automatizados; la literatura reciente ha destacado la utilidad del an�lisis exerg�tico como herramienta clave para identificar irreversibilidades energ�ticas y establecer estrategias de mejora que superen los l�mites del an�lisis energ�tico tradicional.

Seg�n Zhou et al. (2021), la integraci�n de an�lisis exerg�tico con sensores IoT permite una evaluaci�n en tiempo real de la eficiencia termodin�mica en l�neas de producci�n inteligentes, lo cual facilita la toma de decisiones basada en datos energ�ticos y productivos. Por su parte, Kumar & Arora (2022) desarrollaron un modelo h�brido de gemelo digital exerg�tico aplicado a procesos de mecanizado automatizado, evidenciando una mejora del 14 % en la eficiencia energ�tica y una reducci�n sustancial en las p�rdidas de exerg�a.

Asimismo, Fern�ndez-Castro et al. (2023) propusieron una arquitectura de manufactura sostenible basada en el uso de inteligencia artificial para la predicci�n y optimizaci�n del desempe�o energ�tico en tiempo real. Su estudio mostr� que juntar algoritmos de aprendizaje autom�tico con indicadores exerg�ticos crea sistemas adaptativos que pueden mejorar su eficiencia energ�tica, cumpliendo con los objetivos de sostenibilidad industrial. En conjunto, estos trabajos re�nen informaci�n nueva que muestra que el an�lisis exerg�tico, al combinarse con tecnolog�as de Industria 4.0, se convierte en una herramienta importante para lograr una manufactura eficiente, resistente y sostenible.

Antecedentes Te�ricos

El estudio de energ�a y energ�a exerg�tica aplicado a procesos de producci�n ha sufrido una transformaci�n significativa en las �ltimas d�cadas, de ser un instrumento meramente termodin�mico a transformarse en un pilar fundamental de la sostenibilidad industrial en el marco de la Industria 4.0.� Esta evoluci�n puede ser entendida en tres etapas: la fase inicial, la fase de incorporaci�n tecnol�gica y la fase digital y ciberf�sica actual.

1.                 Etapa fundacional: An�lisis energ�tico y exerg�tico tradicional

En los a�os 70 y 80, las investigaciones sobre eficiencia energ�tica en procesos industriales se centraron en el uso bruto de energ�a t�rmica y el�ctrica, poniendo especial atenci�n en la Primera Ley de la Termodin�mica.� No obstante, r�pidamente se demostr� que este m�todo no era suficiente para detectar p�rdidas irreversibles.� Por lo tanto, la idea de exerg�a, propuesta por Rant y te�ricamente desarrollada por Szargut, Bejan y Moran, se implement� como un indicador m�s exacto, teniendo en cuenta no solo la cantidad de energ�a, sino tambi�n su calidad �til para realizar trabajo.� Estos estudios innovadores establecieron los cimientos para el estudio de la eficiencia aut�ntica en procesos industriales.

2.                 Etapa de integraci�n tecnol�gica: Manufactura automatizada y ecoeficiencia

�Desde los a�os 2000, con el surgimiento de sistemas de automatizaci�n industrial, el an�lisis exerg�tico comenz� a implementarse en procedimientos como la fundici�n, el mecanizado, la extrusi�n y el montaje, particularmente en la industria de metalurgia y alimentos.� Estudios como los realizados por Cornelissen (1997) y Rosen & Dincer (2001) plantearon modelos te�ricos para valorar procesos que fusionan indicadores de eficacia energ�tica ecol�gica y an�lisis del ciclo vital.� Estos patrones vinculan la eficiencia en t�rminos termodin�micos con la sostenibilidad del medio ambiente. En esta etapa, la exerg�a comenz� a estar relacionada con pol�ticas de energ�a y est�ndares de administraci�n ambiental (ISO 50001).

3.                 Etapa contempor�nea: Exerg�a en la Industria 4.0

Con la aparici�n de la Industria 4.0, el estudio de energ�a y energ�a exerg�tica toma una nueva dimensi�n.� Desde 2018, varias investigaciones (Zhou et al., 2021; Kumar & Arora, 2022) han evidenciado que la aplicaci�n de IoT, big data, aprendizaje autom�tico y gemelos digitales facilitan la realizaci�n de diagn�sticos energ�ticos en tiempo real y el modelado din�mico de la destrucci�n de exerg�a.� Esta �ltima generaci�n de estudios fusiona simulaci�n sofisticada con una medici�n t�rmica inteligente, lo que facilita la optimizaci�n de procesos automatizados con una perspectiva sist�mica y predictiva. En la actualidad, la literatura est� de acuerdo en que una perspectiva hol�stica que fusiona an�lisis energ�tico, an�lisis exerg�tico y herramientas de la Industria 4.0 no solo incrementa la eficiencia en las operaciones, sino que tambi�n constituye una estrategia competitiva para alcanzar la descarbonizaci�n industrial y satisfacer los Objetivos de Desarrollo Sostenible (ODS), en particular los ODS 7 (energ�a accesible y sin contaminaci�n) y los ODS 9 (industria, innovaci�n e infraestructura).

 

Marco Te�rico

Fundamentos termodin�micos: Energ�a y exerg�a en procesos industriales

La energ�a es un elemento fundamental en la ingenier�a mec�nica, siendo el fundamento de cualquier sistema de producci�n; de acuerdo con la primera ley de la termodin�mica, la energ�a no se genera ni se aniquila, simplemente se modifica. No obstante, para medir el verdadero rendimiento de los procesos industriales, se requiere utilizar la exerg�a, la cual facilite la cuantificaci�n de la porci�n �til de la energ�a disponible para realizar un trabajo mec�nico eficaz (Bejan, 2006).� Es crucial comprender el contraste entre energ�a y exerg�a en la producci�n, dado que los procesos t�rmicos y mec�nicos poseen irreversibilidades que influyen en la eficacia del sistema (Szargut, 2005).

El an�lisis exerg�tico posibilita reconocer las �reas de mayor p�rdida en el sistema productivo, proporcionando instrumentos para reestructurar procesos desde una perspectiva m�s l�gica; por ejemplo, en operaciones como el corte de calor, el tratamiento de superficies o la extrusi�n, la destrucci�n exerg�tica indica la cantidad de trabajo potencial que se desperdicia a causa de la fricci�n, la p�rdida de calor o la ineficiencia de las m�quinas (Dincer & Rosen, 2013).� Este conocimiento facilita la toma de decisiones ingenieriles enfocadas en la reducci�n de residuos energ�ticos y en la optimizaci�n del desempe�o mundial.� La termodin�mica de segunda ley, implementada a trav�s de equilibrios exerg�ticos, proporciona una interpretaci�n m�s realista y exacta de la conducta energ�tica de sistemas complejos (Bejan, 2006).

En el marco de la Industria 4.0, la habilidad para medir, modelar y gestionar variables exerg�ticas en tiempo real mediante sensores inteligentes simboliza una revoluci�n; es posible supervisar las p�rdidas de energ�a en subsistemas y crear modelos predictivos de eficiencia a trav�s de la inteligencia artificial (Dincer & Rosen, 2013).� Esta integraci�n no solo incrementa el rendimiento energ�tico, sino que tambi�n promueve nuevas t�cticas de mantenimiento predictivo y reestructuraci�n din�mica de la cadena productiva (Szargut, 2005).� Por lo tanto, el estudio energ�tico y exerg�tico no es meramente un instrumento t�cnico, sino un componente estrat�gico para la planificaci�n de la producci�n sostenible.

Automatizaci�n y control de procesos mec�nicos

La automatizaci�n de procesos en la producci�n ha representado uno de los �xitos m�s destacados de la ingenier�a mec�nica en la �poca industrial contempor�nea; mediante la utilizaci�n de controladores l�gicos programables (PLC), sistemas SCADA y redes sensoriales, es posible supervisar y gestionar variables relevantes como la presi�n, la temperatura, la velocidad de corte y el torque (Groover, 2016).� Esta infraestructura facilita el funcionamiento de sistemas mec�nicos complejos con gran exactitud, disminuyendo las equivocaciones humanas y mejorando la estabilidad en las operaciones; esto conlleva un paso de la gesti�n manual a una operaci�n inteligente que mejora de manera constante el uso de recursos energ�ticos y materiales.

En el �mbito del an�lisis energ�tico, estas tecnolog�as son esenciales para asegurar que los par�metros operativos se mantengan en los niveles ideales (Nise, 2020); desde el punto de vista de la eficiencia energ�tica, la automatizaci�n facilita la implementaci�n de principios de retroalimentaci�n y autoajuste en tiempo real.� Con algoritmos de control PID o adaptaci�n mediante el aprendizaje autom�tico, es posible rectificar variaciones de temperatura o mec�nicas que impactan el desempe�o del sistema (Nise, 2020). De acuerdo con Groover (2016), la automatizaci�n tambi�n facilita la puesta en marcha de sistemas de administraci�n energ�tica fundamentados en informaci�n hist�rica, lo que facilita la creaci�n de ambientes de fabricaci�n cognitiva.

Adem�s, la automatizaci�n de trabajos como el montaje, la soldadura o el manejo de materiales ofrece ventajas notables no solo en t�rminos de productividad, sino tambi�n en eficiencia t�rmica y energ�tica. Los robots colaborativos pueden ser configurados para funcionar en momentos donde la tarifa energ�tica es baja, o para ajustar su comportamiento seg�n el consumo (Lee, Bagheri, & Kao, 2015).

La inclusi�n de instrumentos digitales en el estudio de la energ�a representa el pilar de la producci�n inteligente. Esta inteligencia operativa, que emplea ingenier�a de control e integraci�n ciberf�sica, resulta esencial en la creaci�n de procesos mec�nicos sustentables.� En este contexto, la automatizaci�n no solo representa un mecanismo para aumentar la producci�n, sino tambi�n un instrumento esencial para mantener el equilibrio entre el rendimiento t�cnico y la sostenibilidad energ�tica.

Evaluaci�n del desempe�o energ�tico y manufactura inteligente

El an�lisis del rendimiento energ�tico y exerg�tico en procedimientos automatizados requiere la utilizaci�n de indicadores integrados, tales como la eficiencia t�rmica, el coeficiente de rendimiento (COP) o el �ndice de destrucci�n exerg�tica; estos no solo son �tiles para el diagn�stico, sino que tambi�n act�an como factores de entrada en algoritmos de optimizaci�n de procesos (Kumar & Arora, 2022) seg�n en las l�neas de producci�n que emplean calor, movimiento rotativo o aire a presi�n, estas evaluaciones contribuyen a cuantificar la eficiencia real en comparaci�n con la te�rica, optimizando cada fase del proceso de producci�n (Zhang, Xu, & He, 2021).

El uso de gemelos digitales facilita la simulaci�n, en un ambiente virtual, el funcionamiento t�rmico, mec�nico y energ�tico de un sistema de producci�n integral (Tao et al., 2018); esta modelaci�n permite prevenir fallos, simular situaciones de ahorro de energ�a y ajustar de manera din�mica los par�metros de control.� Investigaciones actuales indican que estas plataformas digitales posibilitan disminuir el uso de energ�a hasta un 25%, al identificar ineficiencias no perceptibles mediante t�cnicas convencionales de evaluaci�n (Kumar & Arora, 2022).

En �ltima instancia, la idea de producci�n inteligente se robustece con la inclusi�n de inteligencia artificial en el estudio de big data energ�tico; mediante el m�todo de grandes cantidades de datos recolectados por sensores y sistemas IoT, es posible detectar patrones de comportamiento energ�tico, anticipar picos de demanda y ajustar las operaciones a las condiciones ambientales (Zhang, Xu, & La fusi�n de ingenier�a mec�nica, an�lisis de datos y administraci�n energ�tica convierte el an�lisis exerg�tico en un instrumento esencial para desarrollar modelos industriales m�s sostenibles, competitivos y capaces de resistencia).

Modelo conceptual de relaciones entre exerg�a, energ�a y automatizaci�n en procesos de manufactura

 

Tabla N� 1 Tabla de Variables Te�ricas y Operacionales

Elaborado: Autores

 

El siguiente modelo conceptual representa gr�ficamente la interacci�n entre los componentes clave del estudio:

 

 

 

 

 

 

 

 

Gr�fico N� 1 Modelo Conceptual Propuesto

Elaborado: Autores

 

�                    Industria 4.0 provee los medios digitales (sensores, datos en tiempo real, AI) para monitorear y controlar procesos.

�                    La automatizaci�n permite implementar respuestas r�pidas y eficientes a variaciones energ�ticas detectadas.

�                    El an�lisis energ�tico y exerg�tico permite detectar desperdicios, optimizar recursos y redise�ar procesos.

�                    La optimizaci�n termodin�mica se vincula con pr�cticas sostenibles como el reaprovechamiento de energ�a residual y el uso eficiente de insumos.

�                    Finalmente, estos esfuerzos se alinean con objetivos de sostenibilidad y econom�a circular, maximizando la eficiencia global del sistema productivo.

 

 

 

 

 

 

 

Tabla N� 2 Sugerencia de Expansi�n con Indicadores de Sostenibilidad y Econom�a Circular

Elaborado: Autores

 

Finalmente, con esta Tabla de variables te�ricas y operacionales, el modelo conceptual y los indicadores de sostenibilidad, se establece una arquitectura metodol�gica robusta que articula los principios de la Ingenier�a Mec�nica con la transformaci�n digital y los compromisos ecol�gicos de la manufactura moderna.

 

Metodolog�a

Este an�lisis se basa en un m�todo cuantitativo no experimental, transversal y correlacional, enfocado en medir, modelar y valorar el rendimiento energ�tico y exerg�tico en procesos de fabricaci�n automatizados incorporados en un contexto de Industria 4.0.� El objetivo del dise�o es detectar v�nculos relevantes entre las variables operativas (temperatura, presi�n, velocidad, consumo el�ctrico) y los indicadores de eficiencia energ�tica y destrucci�n exerg�tica; se utiliza un estudio estad�stico moderno para medir estas relaciones y elaborar modelos de predicci�n.

El grupo de estudio se refiere a l�neas de producci�n automatizadas de compa��as de la industria fabricante (metal�rgica y electr�nica) que funcionan con infraestructura que se alinea con tecnolog�as de Industria 4.0 (IoT, SCADA, sensores inteligentes).� Se seleccion� la muestra mediante un muestreo no probabil�stico por conveniencia, eligiendo cinco instalaciones industriales en funcionamiento constante que facilitan el acceso a informaci�n energ�tica en tiempo real a trav�s de protocolos OPC-UA y plataformas de seguimiento.

Se puso en marcha una arquitectura ciberf�sica para recopilar informaci�n de funcionamiento en tiempo real, empleando sensores de flujo de calor, medidores de energ�a trif�sica, sensores de temperatura y presi�n, todos ellos integrados a trav�s de una red SCADA.� Se recolectaron los datos durante un lapso de cuatro semanas consecutivas en tres turnos de operaci�n.� Plataformas de adquisici�n como LabVIEW y ThingWorx fueron empleadas, junto con herramientas de an�lisis como MATLAB y Python (NumPy, Pandas).� Adem�s, se implementaron algoritmos de an�lisis exerg�tico fundamentados en los balances energ�ticos de primera y segunda ley (Dincer & Rosen, 2013).

Las variables dependientes incluyen:

�                    Consumo energ�tico espec�fico (kWh/unidad),

�                    Eficiencia t�rmica (%),

�                    Destrucci�n exerg�tica (kW),

�                    Factor de sostenibilidad energ�tica (FSE).

Las variables independientes fueron:

�                    Par�metros operativos de cada m�quina (velocidad, carga, temperatura),

�                    Tiempo de operaci�n por ciclo,

�                    Tipo de sistema de control y nivel de automatizaci�n.

Se elabor� ​​un modelo multivariable de eficiencia energ�tica que incluye estos componentes para detectar las zonas de optimizaci�n energ�tica.

Las t�cnicas de estad�stica que se utilizaron fueron la descriptiva e inferencial, estudios de regresiones m�ltiples y modelos de optimizaci�n no lineal.� Adem�s, se aplic� el an�lisis de componentes principales (ACP) para disminuir la dimensi�n de los datos sin una p�rdida notable de informaci�n.� Para determinar la confiabilidad del modelo, se utilizaron m�todos de validaci�n cruzada y la determinaci�n del error medio cuadr�tico (RMSE) en simulaciones de gemelo digital (Kumar & Arora, 2022).� Las simulaciones se compararon con informaci�n emp�rica para confirmar la exactitud del modelo.

Se asegurar� la privacidad de la informaci�n operativa suministrada por las industrias a trav�s de convenios de confidencialidad (NDA). La investigaci�n no contempla peligros humanos o ambientales.� Se llevaron a cabo inspecciones energ�ticas internas para corroborar la informaci�n bajo la supervisi�n de ingenieros certificados. Todos los m�todos de investigaci�n se evaluar�n siguiendo las directrices del Comit� de �tica en Investigaci�n Tecnol�gica.

 

Resultados

Tras la implementaci�n del dise�o metodol�gico cuantitativo descrito anteriormente, se procedi� a la recolecci�n y procesamiento de los datos relativos al consumo energ�tico, la eficiencia t�rmica, la destrucci�n exerg�tica y el factor de sostenibilidad energ�tica (FSE) en cinco plantas de manufactura automatizadas, bajo los principios de la Industria 4.0. El an�lisis se centr� en evaluar el comportamiento termodin�mico y el desempe�o energ�tico de los procesos industriales, mediante herramientas de diagn�stico t�cnico apoyadas en modelado de datos y an�lisis estad�stico.

Los indicadores seleccionados permiten captar de manera integral tanto la eficiencia operativa como la sostenibilidad de los procesos energ�ticos automatizados. En este sentido, se recurri� a la visualizaci�n gr�fica y al an�lisis correlacional para identificar patrones de eficiencia y posibles �reas de mejora en cada planta. A continuaci�n, se exponen los resultados obtenidos a trav�s de tablas comparativas, gr�ficos y mapas de calor, los cuales constituyen la base para la interpretaci�n t�cnica y la discusi�n cient�fica del presente estudio.

 

Tabla N� 1 Indicadores energ�ticos y exerg�ticos por planta automatizada

Elaborado: Autores

 

La Tabla N�1 presenta los valores obtenidos para cuatro indicadores clave de desempe�o energ�tico y exerg�tico en cinco plantas de manufactura automatizada que operan bajo principios de Industria 4.0. Estos indicadores son: el consumo energ�tico espec�fico (kWh/unidad producida), la eficiencia t�rmica del sistema (%), la destrucci�n exerg�tica (kW) y el Factor de Sostenibilidad Energ�tica (FSE).

Los resultados evidencian una variabilidad significativa en el comportamiento energ�tico entre las plantas, lo cual refleja el grado de madurez tecnol�gica y eficiencia operativa de cada instalaci�n. La Planta E, con el menor consumo energ�tico (4.89 kWh/unidad) y una eficiencia t�rmica superior al 82%, demuestra un �ptimo aprovechamiento de la energ�a disponible y una destrucci�n exerg�tica reducida (0.68 kW). Esto se traduce en un FSE competitivo (0.69), indicador que resume de manera integral el desempe�o energ�tico-sostenible.

En contraste, la Planta B exhibe el desempe�o menos eficiente del conjunto: presenta el consumo energ�tico m�s elevado (6.88 kWh/unidad) y la mayor destrucci�n exerg�tica (1.47 kW), asociada a una eficiencia t�rmica sub�ptima (66.45%). Este perfil sugiere una infraestructura menos adaptada a las tecnolog�as de automatizaci�n y control t�rmico inteligente, lo que impacta negativamente en su sostenibilidad.

Finalmente, se destaca que las plantas con mayor eficiencia t�rmica tienden a presentar menores niveles de destrucci�n exerg�tica y mejores valores de FSE. Este patr�n confirma la hip�tesis de que la integraci�n de tecnolog�as 4.0, especialmente en sensores, IoT y algoritmos de optimizaci�n t�rmica, puede generar mejoras simult�neas en eficiencia energ�tica, reducci�n de p�rdidas irreversibles y sostenibilidad operativa.

 

Gr�fico N� 1 Comparaci�n del Consumo Energ�tico y la Destrucci�n Exerg�tica por Planta

Elaborado: Autores

 

Este Gr�fico N� 1 de barras permite identificar el comportamiento diferencial entre el consumo energ�tico espec�fico (kWh/unidad) y la destrucci�n exerg�tica (kW) en las cinco plantas analizadas. Se observa que la Planta B presenta tanto el mayor consumo energ�tico como la mayor destrucci�n exerg�tica, lo cual evidencia una baja eficiencia termodin�mica del sistema y subutilizaci�n de la energ�a disponible. En contraste, la Planta A y la Planta E presentan perfiles energ�ticos m�s eficientes, con bajos niveles de consumo y p�rdidas exerg�ticas moderadas. Estos hallazgos indican que la integraci�n tecnol�gica, combinada con pr�cticas de control de procesos basadas en datos, influye directamente en la reducci�n de irreversibilidades termodin�micas y mejora del desempe�o global.

 

Mapa de Calor N�1 Correlaci�n entre Variables Energ�ticas y Exerg�ticas

Elaborado: Autores

 

�         Correlaciones negativas

Consumo Energ�tico vs. Eficiencia T�rmica (-0.29): A medida que aumenta el consumo energ�tico, tiende a disminuir la eficiencia t�rmica. Esta relaci�n negativa, aunque moderada, sugiere que procesos menos eficientes requieren m�s energ�a por unidad.

�         Correlaciones positivas fuertes

Consumo Energ�tico vs. Destrucci�n Exerg�tica (0.85): Existe una fuerte relaci�n directa; cuanto m�s consumo energ�tico, mayor destrucci�n de exerg�a, lo que indica p�rdidas energ�ticas elevadas.

Eficiencia T�rmica vs. FSE (0.73): Un aumento en la eficiencia t�rmica se asocia significativamente con un mejor factor de sostenibilidad, indicando que sistemas m�s eficientes son m�s sostenibles.

�         Correlaciones moderadas

Consumo Energ�tico vs. FSE (0.43): Relaci�n positiva moderada que podr�a reflejar que, aunque m�s consumo puede implicar sostenibilidad en ciertos contextos (por ejemplo, fuentes renovables), no necesariamente es deseable si no se acompa�a de eficiencia.

Destrucci�n Exerg�tica vs. FSE (0.49): Una correlaci�n positiva indica que el FSE tambi�n crece con la destrucci�n exerg�tica, aunque esto podr�a deberse a una compensaci�n por mejoras en otras �reas.

�         Correlaci�n d�bil o nula

Eficiencia T�rmica vs. Destrucci�n Exerg�tica (-0.04): No hay una relaci�n clara entre estas variables en los datos observados.

El mapa de calor sugiere que para mejorar el Factor de Sostenibilidad Energ�tica, es clave aumentar la eficiencia t�rmica, ya que esta variable muestra la correlaci�n positiva m�s significativa con el FSE. Adem�s, el alto v�nculo entre consumo energ�tico y destrucci�n exerg�tica destaca la importancia de controlar el uso de energ�a para reducir p�rdidas.

 

Discusi�n

Los resultados obtenidos en el presente estudio evidencian diferencias sustanciales en el comportamiento energ�tico y exerg�tico de las cinco plantas de manufactura automatizadas analizadas. Tal como se estableci� en los objetivos iniciales, el an�lisis comparativo permiti� identificar los niveles de eficiencia t�rmica, destrucci�n exerg�tica y consumo energ�tico espec�fico asociados a cada instalaci�n. Particularmente, la Planta E destac� por registrar el menor consumo energ�tico por unidad producida y una alta eficiencia t�rmica, lo que sugiere una implementaci�n m�s avanzada de tecnolog�as de control y monitoreo, coherente con los principios operativos de la Industria 4.0.

Estos hallazgos guardan concordancia con estudios recientes como el de Zhang et al. (2022), quienes documentaron mejoras energ�ticas de hasta un 15% en entornos industriales que incorporaron sensores inteligentes y algoritmos de optimizaci�n t�rmica. Asimismo, la relaci�n inversa observada entre eficiencia t�rmica y destrucci�n exerg�tica concuerda con lo reportado por Li y Cheng (2021), quienes se�alaron que la automatizaci�n adaptativa basada en datos puede reducir las irreversibilidades del sistema. No obstante, se reconoce que la comparaci�n directa entre plantas puede estar condicionada por variables contextuales no controladas, como diferencias en procesos productivos, escalas operativas o condiciones ambientales.

Entre las principales fortalezas del estudio, se destaca la integraci�n de indicadores energ�ticos y exerg�ticos en un mismo marco anal�tico, lo cual permite una visi�n t�cnica m�s completa del desempe�o industrial. Adem�s, el uso de visualizaciones avanzadas, como mapas de calor, facilit� la identificaci�n de patrones correlacionales que enriquecen la interpretaci�n de los datos sin recurrir a inferencias especulativas.

Sin embargo, el estudio presenta limitaciones inherentes a su enfoque transversal y a la disponibilidad de datos estandarizados entre plantas. La cantidad de instalaciones analizadas, si bien suficiente para establecer tendencias internas, restringe la posibilidad de generalizar resultados hacia otros contextos productivos. Asimismo, no se consideraron variables econ�micas ni indicadores de huella ambiental, los cuales ser�an relevantes en estudios futuros para complementar la visi�n de sostenibilidad integral.

A la luz de estos resultados, se considera pertinente avanzar hacia investigaciones longitudinales que analicen la evoluci�n de los indicadores energ�ticos en el tiempo, as� como estudios que incorporen modelos de eficiencia multicriterio o benchmarking sectorial. Adicionalmente, el desarrollo de gemelos digitales industriales puede ser una herramienta valiosa para simular distintos escenarios operativos y evaluar su impacto sobre la exerg�a disponible en sistemas automatizados.

 

Conclusiones

�                    Este an�lisis posibilit� la evaluaci�n completa del rendimiento energ�tico y exerg�tico de procesos de producci�n automatizados en el contexto de la Industria 4.0, logrando los objetivos establecidos.� Mediante el estudio de cinco instalaciones industriales, se detectaron variaciones significativas en los niveles de consumo energ�tico espec�fico, eficiencia t�rmica y destrucci�n exerg�tica, demostrando que la madurez tecnol�gica y el nivel de automatizaci�n tienen un impacto considerable en la sostenibilidad de las operaciones.

�                    Los hallazgos corroboraron la hip�tesis principal de la investigaci�n: la incorporaci�n de tecnolog�as propulsoras de la Industria 4.0 tales como sensores inteligentes, IoT industrial y an�lisis en tiempo real favorece una disminuci�n eficaz de las p�rdidas energ�ticas y una utilizaci�n m�s eficaz de la energ�a disponible.� El v�nculo negativo entre la eficiencia t�rmica y la destrucci�n exerg�tica, junto con la correlaci�n positiva entre el Factor de Sostenibilidad Energ�tica (FSE) y la eficiencia, respaldan esta declaraci�n con fuertes fundamentos emp�ricos.

�                    Este an�lisis tambi�n brinda pruebas emp�ricas al �rea de la ingenier�a energ�tica aplicada, al evidenciar que la metodolog�a exerg�tica complementa de forma relevante los an�lisis energ�ticos convencionales, facilitando la identificaci�n de irreversibilidades no perceptibles a trav�s de m�tricas tradicionales.� En este contexto, se subraya la importancia de implementar sistemas de evaluaci�n multidimensionales que incorporen eficiencia t�cnica, sostenibilidad y resistencia industrial.

�                    Sin embargo, es necesario comprender las conclusiones dentro de las restricciones metodol�gicas del estudio: el dise�o transversal, el tama�o de la muestra restringido y la falta de variables econ�micas y ambientales obstaculizan la realizaci�n de generalizaciones m�s extensas.� Por lo tanto, se aconseja progresar hacia investigaciones a largo plazo, que abarquen an�lisis de ciclo de vida, modelado de gemelos digitales y herramientas de optimizaci�n fundamentadas en inteligencia artificial.

Finalmente, surgen nuevas �reas de estudio: �de qu� manera los sistemas ciberf�sicos y la inteligencia artificial inciden en la eficacia exerg�tica de las l�neas de producci�n mixtas?� �C�mo afecta la digitalizaci�n de la energ�a a la huella de carbono en las industrias automatizadas?� Estas cuestiones trazan una ruta de investigaci�n relevante y requerida en el marco de la transici�n hacia producciones m�s sustentables, inteligentes y resistentes.

 

Referencias

1.      Bejan, A. (2006). Advanced engineering thermodynamics (3rd ed.). Wiley.

2.      Cornelissen, R. L. (1997). Thermodynamics and sustainable development: the use of exergy analysis and the reduction of irreversibility. University of Twente.

3.      Dincer, I., & Rosen, M. A. (2013). Exergy: Energy, environment and sustainable development (2nd ed.). Elsevier.

4.      Fern�ndez-Castro, M., Garc�a-Torres, F., & Romero, D. (2023). Artificial Intelligence and Exergy in Industry 4.0: Toward adaptive energy-efficient manufacturing systems. Applied Energy, 336, 120759. https://doi.org/10.1016/j.apenergy.2023.120759

5.      Groover, M. P. (2016). Automation, production systems, and computer-integrated manufacturing (4th ed.). Pearson.

6.      Kumar, S., & Arora, S. (2022). Application of digital twin and AI techniques for energy optimization in smart manufacturing. Journal of Manufacturing Systems, 62, 321�335. https://doi.org/10.1016/j.jmsy.2021.12.003

7.      Kumar, V., & Arora, R. (2022). Digital twin-based exergy optimization model for automated machining processes. Journal of Cleaner Production, 368, 133021. https://doi.org/10.1016/j.jclepro.2022.133021

8.      Kumar, V., & Arora, R. (2022). Digital twin-based exergy optimization model for automated machining processes. Journal of Cleaner Production, 368, 133021. https://doi.org/10.1016/j.jclepro.2022.133021

9.      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. https://doi.org/10.1016/j.mfglet.2014.12.001

10.  Nise, N. S. (2020). Control systems engineering (8th ed.). Wiley.

11.  Rosen, M. A., & Dincer, I. (2001). Exergy as the confluence of energy, environment and sustainable development. Exergy, an International Journal, 1(1), 3�13. https://doi.org/10.1016/S1164-0235(01)00011-7

12.  Szargut, J. (2005). Exergy method: Technical and ecological applications. WIT Press.

13.  Tao, F., Qi, Q., Liu, A., & Kusiak, A. (2018). Data-driven smart manufacturing. Journal of Manufacturing Systems, 48, 157�169. https://doi.org/10.1016/j.jmsy.2018.01.006

14.  Zhang, Y., Xu, C., & He, L. (2021). Energy efficiency evaluation of intelligent manufacturing systems using big data analytics. Energy, 221, 119798. https://doi.org/10.1016/j.energy.2020.119798

15.  Zhou, Y., Li, H., & Wang, M. (2021). Real-time exergy analysis in smart manufacturing using IoT-based monitoring systems. Energy Reports, 7, 2154�2165. https://doi.org/10.1016/j.egyr.2021.04.010

16.  Zhou, Y., Li, H., & Wang, M. (2021). Real-time exergy analysis in smart manufacturing using IoT-based monitoring systems. Energy Reports, 7, 2154�2165. https://doi.org/10.1016/j.egyr.2021.04.010

 

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).