Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Vol. 20 Núm. 2 (2019)

Investigación

Robótica industrial en los procesos de faenado de cerdos: parametrización de simulaciones y modelado técnico

  • Roberto García Sánchez
    • ,
  • Roberto Carlos García Vacacela
    • ,
  • Nicolás Villavicencio Bermudes
    • ,
  • Jesús Meléndez

Roberto García Sánchez
Universidad Católica de Santiago de Guayaquil

Roberto Carlos García Vacacela
Universidad Católica de Santiago de Guayaquil

Nicolás Villavicencio Bermudes
Universidad Católica de Santiago de Guayaquil

Jesús Meléndez
Universidad Católica de Santiago de Guayaquil

DOI: https://doi.org/10.23878/alternativas.v20i2.275

PDF

Resumen

Esta investigación cuantitativa, de tipo cuasi experimental, planteó generar una línea base de conocimiento relacionado con el uso de robótica industrial en los procesos de faenado de cerdos en torno a la parametrización de simulaciones de procesos. El universo de faenamiento de cerdos fue aportado por el Camal Municipal de Guayaquil, como zona de influencia de la Católica Santiago de Guayaquil (UCSG), identificado a través de las estadísticas y mantenidos por ese ente gubernamental en el Sistema de Información Nacional de Agricultura, Ganadería, Acuacultura y Pesca (SINAGAP). La población compuesta por la cantidad diaria de cerdos faenados que se registraron en un periodo de 26 semanas de trabajo. La muestra no probabilística quedó definida por el número de cerdos seleccionados en los 130 días de trabajo regulares. Las mediciones y análisis se obtienen al comparar los datos del grupo de estado inicial G2 contra el grupo de estado final G1, con el uso del software ABB Robot Studio 6.0.2. Se concluye acerca de la posibilidad de mejora promedio en un 4.63% en los valores del tiempo diario y en promedio 2090 minutos de trabajo por semana para el proceso de faenado de ganado porcino. 

Palabras clave

Modelado técnico, robótica, faenado de cerdos

Biografía del autor/a

Roberto García Sánchez

 

Roberto Carlos García Vacacela

 

Nicolás Villavicencio Bermudes

 

Jesús Meléndez

 

Citas

  1. ABB. (2015). RobotStudio. It's just like having the real robot on your PC. [Documento en línea]. Disponible: https://new.abb.com/products/robotics/robotstudio [Consulta: 2018, Julio 22].
  2. Alvseike, O., Prieto, M., Torkveen, K., Ruud, C., & Nesbakken, T. (2018). Meat inspection and hygiene in a Meat Factory Cell-An alternative concept. Food Control. 90 (2018). 32-39, https://doi.org/10.1016/j.foodcont.2018.02.014
  3. Azaiez, S., Boc, M., Cudennec, L., Da Silva, M., Haupert, J., Kchir, S., Klinge, X., Labidi, W., Nahhal, K., Pfrommer, J Schleipen, M., Schulz, C., & Tortech, T. (2016). Towards flexibility in future industrial manufacturing: a global framework for self-organization of production cells. Procedia Computer Science. 83 (2016). 1268-1273, doi: 10.1016/j.procs.2016.04.264.
  4. Cai, Y., Chen, D., & Yuan, P. (2018). A flexible calibration method connecting the joint space and the working space of industrial robots. Industrial Robot. 45 (3). June 2018, doi: 10.1108/IR-02-2018-0036.
  5. Christiansen, M., Larsen, P., & Jørgensen, R. (2015). Robotic design choice overview using co-simulation and design space exploration. Robotics. 4. 398-420, ISSN 2218-6581, doi:10.3390/robotics4040398.
  6. Da Silva, C., Da Silva, P., Pazinato, C., Callegari, M., Silva dos Santos, R., Novais, A., Pierozan, C., & Gasa, J. (2017). Characterization and influence of production factors on growing and finishing pig farms in Brazilian cooperatives. Brazilian Journal of Animal Science. 46 (3). 264-272. 2017, ISSN 1806-9290, http://dx.doi.org/10.1590/S1806-92902017000300012.
  7. Dong, Y., Ren, T., Chen, K.,& Wu, D. (2018). An efficient robot payload identification method for industrial application. Industrial Robot. July 2018, doi: 10.1108/IR-03-2018-0037
  8. Gaggiano, A. (2010). Digital factory concept implementation for flexible and reconfigurable manufacturing systems modelling and analysis. Tesis doctoral no publicada. Universitá Degli Studi Di Napoli Federico II, Italia.
  9. Hellström, T., & Ringdahl, O. (2013). A software framework for agricultural and forestry robots. Industrial Robot: An International Journal. 40 (1). 20-26, http://dx.doi.org/10.1108/01439911311294228.
  10. Hernández, R., Fernández, C., & Baptista, P. (2010). Metodología de la Investigación. (5ª ed.). México: McGraw Hill.
  11. Hinrichsen, L. (2010). Manufacturing technology in the Danish pig slaughter industry. PubMed. Meat Sci. 84 (2). 271-5. Feb 2010. doi: 10.1016/j.meatsci.2009.03.012.
  12. Instituto Noruego de Investigación de Alimentos, Pesca y Acuicultura de Noruega. (2012). D5.2 Final Report. BoarCheck. A study on rapid methods for boar taint used or being developed at slaughter plants in the European Union. Noruega: Autor.
  13. Iqbal, J., Khan, Z., & Khalid, A. (2017). Prospects of robotics in food industry. Food Science and Technology. Campinas. 37 (2). 159-165. April-June 2017, doi: http://dx.doi.org/10.1590/1678-457X.14616.
  14. Judal, A & Bhadania, A.G. (2015). Automation in dairy and food processing industry. International Conference of Advance Research and Innovation (ICARI-2015). 490-495. January 22, ISBN 978-93-5156-328-0.
  15. Kruse, T., Pandey, A., Alami, R.,& Kirsch, A. (2013). Human-aware robot navigation: A survey. Robotics and Autonomous Systems. 61 (12). 1726_1743, https://doi.org/10.1016/j.robot.2013.05.007.
  16. Lambrecht, J., Kleinsorge, M., Rosenstrauch, M., & Krüger, J. (2013). Spatial programming for industrial robots through task demonstration. International Journal of Advanced Robotic Systems. 10 (5). January 1, 2013, https://doi.org/10.5772/55640.
  17. Liu, H., Zeng,L., Zhou, W., & Zhu, S. (2017). A real-time data-driven control system for multi-motor-driven mechanisms. International Journal of Robotics and Automation. 32 (6). 606-615· December 2017, doi: 10.2316/Journal.206.2017.6.206-5011.
  18. Malhotra, N. (2004). Investigación de mercados. Un enfoque aplicado. México: Pearson Educación.
  19. Matthews, S., Miller, A., Clapp, J., Plötz, T., & Kyriazakisb, I. (2016). Early detection of health and welfare compromises through automated detection of behavioural changes in pigs. Veterinary Journal. 217, Nov 2016. 43-51,PMID: 27810210, doi: 10.1016/j.tvjl.2016.09.005.
  20. Matthews, S., Miller, A., PlÖtz, T., & Kyriazakis, I. (2017). Automated tracking to measure behavioural changes in pigs for health and welfare monitoring. Scientific Reports. 7, Nº 17582 (2017), doi:10.1038/s41598-017-17451-6.
  21. Mazzette, R., Piras, F., Agus,V., Porcheddu,G., Fois, G., & Gianna, S. (2015). Hygiene and welfare evaluation of pigs slaughtered in agritourisms. Italian Journal of Food Safety. 4 (2). 4580. May 28, 2015, doi: 10.4081/ijfs.2015.4580.
  22. Mourtzis, D., Doukas, M., & Bernidaki, D. (2014). Simulation in manufacturing: review and challenges. Procedia CIRP. 25. 213-229, https://doi.org/10.1016/j.procir.2014.10.032.
  23. Neto, J, Pires, N., & Moreira, P. (2012). High-level programming and control for industrial robotics: using a hand-held accelerometer-based input device for gesture and posture recognition. Industrial Robot: An International Journal. 37 (2). 137-147, http://dx.doi.org/10.1108/01439911011018911
  24. Pires, J., & Azar, A. (2018). Advances in robotics for additive/hybrid manufacturing: robot control, speech interface and path planning", Industrial Robot: An International Journal, Vol. 45 Issue: 3, pp.311-327, https://doi.org/10.1108/IR-01-2018-0017
  25. Pomar, C., Hauschild, L., Zhang, G., Pomar, J., & Lovatto, P. (2009). Applying precision feeding techniques in growing-finishing pig operations. Revista Brasileira de Zootecnia. 38. Viçosa July 2009. http://dx.doi.org/10.1590/S1516-35982009001300023
  26. Prasad, S. (2017). Application of robotics in dairy and food industries: a review. International Journal of Science, Environment and Technology. 6 (3). 1856-1864, ISSN 2278-3687.
  27. Secretaría Nacional de Planificación y Desarrollo. (2012). Transformación de la matriz productiva. Revolución productiva a través del conocimiento y el talento humano. Quito: Autor.
  28. Stenmark, M & Malec, J. (2015). Knowledge-based instruction of manipulation tasks for industrial robotics. Robotics and Computer-Integrated Manufacturing. 33. June 2015. 56-67, https://doi.org/10.1016/j.rcim.2014.07.004.
  29. Stocchi, R., Aconiti, N., Marinsalti, M., Cammertoni, N., Loschi, A., & Rea, S. (2014). Animal welfare evaluation at a slaughterhouse for heavy pigs intended for processing. Italian Journal of Food Safety. 31 (1). Mar 4, 2014. 1712, doi: 10.4081/ijfs.2014.1712.
  30. Young, K., & Pickin, C. (2001). Speed accuracy of the modern industrial robot. Industrial Robot: An International Journal. 28 (3). 203-212, https://doi.org/10.1108/01439910110389362.

Cómo citar

García Sánchez, R., García Vacacela, R. C., Villavicencio Bermudes, N., & Meléndez, J. (2019). Robótica industrial en los procesos de faenado de cerdos: parametrización de simulaciones y modelado técnico. Alternativas, 20(2), 40–48. https://doi.org/10.23878/alternativas.v20i2.275

Descargar cita

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Artículos similares

1 2 > >> 

También puede {advancedSearchLink} para este artículo.