Vol. 11/ Núm. 2 2024 pág. 2178
https://doi.org/10.69639/arandu.v11i2.403
Sistema de entrenamiento para la aplicación de sensores de
nivel basado en realidad virtual
Training System for the Application of Level Sensors Based on Virtual Reality
José Ezequiel Naranjo Robalino
jose.naranjo0463@utc.edu.ec
https://orcid.org/0000-0002-2884-1667
Universidad Técnica de Cotopaxi (UTC)
Ecuador – Latacunga
Erika Cristina Lozada Martínez
erikacristina.lozada@alumni.urv.cat
https://orcid.org/0000-0001-8819-2366
Universitat Rovira i Virgili
Tarragona – España
Marcelo Vladimir García Sánchez
mv.garcia@uta.edu.ec
https://orcid.org/0000-0002-7138-3913
Universidad Técnica de Ambato
Ambato – Ecuador
Artículo recibido: 20 octubre 2024 - Aceptado para publicación: 25 noviembre 2024
Conflictos de intereses: Ninguno que declarar
RESUMEN
La realidad virtual (VR) se ha establecido como una herramienta fundamental para optimizar las
interacciones entre los recursos humanos y los equipos en entornos industriales, especialmente en
procesos complejos que requieren la comunicación entre múltiples dispositivos. Su capacidad
para crear entornos simulados permite a los operarios familiarizarse de manera tangible con los
espacios de trabajo y los procesos, preparándolos para manejar contingencias y comprender el
contexto operativo antes de su inmersión en situaciones reales. En este estudio, se presenta un
módulo de entrenamiento no inmersivo diseñado específicamente para enseñar el conocimiento y
el ensamblaje de sensores de nivel, destacándose como una alternativa eficiente a los métodos de
enseñanza tradicionales. Los resultados obtenidos en las pruebas demostraron que el uso de la
tecnología VR optimizó el tiempo del proceso de enseñanza-aprendizaje en un 50%, lo que
representa una ventaja significativa en términos de eficiencia. Este hallazgo fue respaldado por
análisis estadísticos, donde un valor de p inferior al nivel alfa seleccionado confirmó que la
metodología basada en VR supera en efectividad a los enfoques de capacitación convencionales.
Además, se evaluó la usabilidad del sistema utilizando métricas estándar, concluyendo que,
aunque existen áreas susceptibles de mejora, la propuesta es altamente beneficiosa para su
aplicación en procesos educativos e industriales. Este estudio subraya el potencial de la realidad
virtual como una solución innovadora para abordar las necesidades de capacitación técnica en la
Vol. 11/ Núm. 2 2024 pág. 2179
Industria 4.0, permitiendo un aprendizaje más rápido, dinámico y alineado con los requerimientos
del entorno laboral moderno.
Palabras clave: realidad virtual, interfaz de entrenamiento, sensor de nivel, sus,
optimización industrial
ABSTRACT
Virtual reality (VR) has established itself as a fundamental tool for optimizing interactions
between human resources and equipment in industrial environments, particularly in complex
processes requiring communication between multiple devices. Its ability to create simulated
environments allows operators to tangibly familiarize themselves with workspaces and processes,
preparing them to handle contingencies and understand the operational context before engaging
in real-world situations. This study presents a non-immersive training module specifically
designed to teach knowledge and assembly of level sensors, highlighting it as an efficient
alternative to traditional teaching methods. The results obtained from the tests demonstrated that
the use of VR technology optimized the teaching-learning process time by 50%, representing a
significant advantage in terms of efficiency. This finding was supported by statistical analyses,
where a p-value lower than the selected alpha level confirmed that the VR-based methodology
outperforms conventional training approaches. Additionally, the system's usability was evaluated
using standard metrics, concluding that, although there are areas for improvement, the proposal
is highly beneficial for application in educational and industrial processes. This study emphasizes
the potential of virtual reality as an innovative solution to address technical training needs in
Industry 4.0, enabling faster, more dynamic learning aligned with the demands of the modern
workplace.
Keywords: virtual reality, training interface, level sensor, sus, industrial optimization
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons
Vol. 11/ Núm. 2 2024 pág. 2180
INTRODUCCIÓN
En un mundo en constante cambio, el avance de la tecnología, tanto en hardware como en
software, se ha convertido en un elemento indispensable para el monitoreo, control y optimización
de procesos industriales (Hajipour et al., 2025). La eficiencia y la continuidad operativa son
pilares fundamentales en cualquier industria, no solo para garantizar una producción óptima, sino
también para salvaguardar la maquinaria y proteger la integridad de los operadores. Estos avances
requieren una formación técnica en recursos humanos que esté alineada con las necesidades
tecnológicas actuales y futuras (Fabio et al., 2025).
La formación en el ámbito industrial enfrenta el desafío de mantenerse al ritmo del progreso
tecnológico. Esta capacitación, esencial para optimizar la cadena productiva, debe ser efectiva,
escalable y accesible (Di Pasquale et al., 2024). En este contexto, la inclusión de mecanismos
virtuales en la formación profesional representa una innovación clave, ofreciendo la posibilidad
de reducir costos, minimizar riesgos y garantizar un aprendizaje efectivo. Las plataformas de
formación virtual tienen como objetivo principal proporcionar soluciones accesibles y altamente
funcionales para el desarrollo de competencias en los recursos humanos (Chu et al., 2025).
Con la llegada de la Revolución Industrial 4.0, se ha acelerado la integración de tecnologías
avanzadas en la formación y los procesos productivos. Herramientas como la realidad virtual
(RV) y la realidad aumentada (RA) han demostrado ser esenciales para la capacitación en
entornos industriales (Zhang et al., 2025). Estas tecnologías permiten un aprendizaje inmersivo,
reduciendo significativamente los errores en la operación y mejorando la comprensión de los
procesos complejos. Las aplicaciones de estas tecnologías van más allá del ámbito industrial,
extendiéndose a sectores como la educación, la medicina y el ámbito militar, lo que evidencia su
versatilidad y alcance (Istiono & Wira Pratama, 2025).
La emergencia sanitaria global y las crisis económicas recientes han subrayado la
importancia de implementar soluciones tecnológicas que permitan superar limitaciones logísticas
y garantizar la continuidad operativa. En el sector industrial, estas soluciones no solo han ayudado
a reducir el contacto físico, salvaguardando la salud de los trabajadores, sino que también han
impulsado la automatización y la digitalización de procesos. Las plataformas virtuales han
surgido como una herramienta esencial para la capacitación y el mantenimiento, proporcionando
alternativas efectivas frente a los métodos tradicionales (Ali & Darwish, 2025; Ohueri et al., 2025).
La integración de la realidad virtual en entornos industriales ha transformado
significativamente las dinámicas laborales y las relaciones interpersonales, ofreciendo una
alternativa tecnológica que protege la integridad de los trabajadores y evita riesgos asociados al
entorno industrial (Bennett et al., 2025). Esta herramienta no solo mejora la seguridad, sino que
también contribuye a la reducción de tiempos de capacitación y a la estandarización de los
procedimientos. Además, la formación virtual basada en RV permite a las empresas mantener una
Vol. 11/ Núm. 2 2024 pág. 2181
ventaja competitiva al implementar modelos de mejora continua en sus procesos (Divya et al.,
2025).
El desarrollo continuo de la tecnología ha ampliado el alcance de los campos virtuales,
permitiendo su aplicación en todos los ámbitos de la vida cotidiana, incluidos los sectores más
complejos de la industria (Yasin Yiğit & Uysal, 2025). Una de las principales ventajas de estas
herramientas es la capacidad de simular escenarios críticos, reduciendo la probabilidad de
accidentes y optimizando el rendimiento operativo. Este enfoque no solo es un beneficio
económico, sino también un avance estratégico para las organizaciones que buscan destacar en
un mercado cada vez más competitivo (Kim et al., 2025).
Este artículo presenta el desarrollo de un sistema de realidad virtual diseñado
específicamente para el entrenamiento en la detección de fallos en sensores de nivel, destacando
su comparación con un sistema de entrenamiento convencional. El sistema se ha desarrollado
utilizando el motor gráfico Unity 3D, una herramienta robusta y ampliamente utilizada para la
creación de entornos virtuales interactivos. A través de esta investigación, se busca demostrar la
eficacia de la realidad virtual como una metodología de formación innovadora que contribuye a
la mejora continua y a la sostenibilidad de los procesos productivos en el contexto de la Industria
4.0.
Caso De Estudio
En un entorno empresarial caracterizado por su constante transformación, las empresas,
tanto locales como internacionales, deben adaptarse a un panorama competitivo mediante el
desarrollo de estrategias tecnológicas que ofrezcan ventajas significativas. La velocidad con la
que avanza la tecnología ha cambiado de manera radical la dinámica de las organizaciones,
obligándolas a renovarse continuamente para impulsar su crecimiento, mejorar su desempeño y
alcanzar mejores resultados. En este contexto, la Industria 4.0 se posiciona como un motor de
innovación, combinando métodos avanzados de producción y operaciones con tecnologías
inteligentes que redefinen la manera en que se desarrollan los procesos industriales.
La Industria 4.0 no solo impulsa la eficiencia operativa, sino que también introduce
metodologías de aprendizaje y capacitación más avanzadas y dinámicas. Estas metodologías son
fundamentales para la implementación de nuevos sistemas y para la adaptación a un mercado
globalizado y tecnológicamente exigente. Entre las tecnologías emergentes, la realidad virtual
(RV) se destaca por su capacidad de transformar procesos de enseñanza al proporcionar entornos
inmersivos que facilitan la comprensión y aplicación de conceptos complejos.
El presente estudio se centra en comparar dos enfoques tecnológicos utilizados en la
capacitación para la aplicación de sensores de nivel: los métodos convencionales y la tecnología
basada en realidad virtual. En los métodos convencionales, la capacitación se lleva a cabo
mediante recursos tradicionales como videos educativos, documentos en línea y prácticas físicas
en entornos controlados. Por otro lado, la tecnología de realidad virtual, desarrollada en este caso
Vol. 11/ Núm. 2 2024 pág. 2182
con el motor gráfico Unity 3D, utiliza aplicaciones inmersivas que incluyen comandos intuitivos,
contenido interactivo y una experiencia de aprendizaje más dinámica para el usuario. Este enfoque
no solo moderniza la capacitación, sino que también optimiza los recursos y mejora la retención
de conocimientos.
El objetivo principal de este estudio es desarrollar un sistema de capacitación basado en
RV para informar y entrenar sobre la aplicación de sensores de nivel, y analizar su impacto en la
optimización de recursos, la reducción del tiempo de entrenamiento y la mejora en la calidad del
aprendizaje en comparación con los métodos tradicionales. La RV ofrece la ventaja de recrear
entornos virtuales donde los usuarios pueden interactuar directamente con los componentes del
sensor y simular escenarios reales sin los riesgos asociados a un entorno físico.
Existen múltiples tipos de sensores de nivel con aplicaciones diversas. Para este estudio, se
seleccionaron sensores básicos que incluyen transistores, resistencias y diodos LED. Estos
sensores son capaces de emitir notificaciones visuales a través de LEDs al alcanzar niveles
predeterminados, como bajo, medio o máximo. Este sistema permite optimizar procesos al
proporcionar alertas precisas para el control y monitoreo de líquidos en recipientes como tolvas,
silos, tanques y pozos. Estas capacidades son esenciales en aplicaciones industriales donde la
eficiencia y el control son primordiales.
La simulación desarrollada en este estudio busca enseñar la funcionalidad, el ensamblaje y
la aplicación de los sensores de nivel. A través de la experiencia inmersiva, se espera optimizar
los recursos, particularmente el tiempo necesario para adquirir conocimientos técnicos sobre el
funcionamiento y ensamblaje del sensor, en comparación con los métodos tradicionales. Además,
se propone que la tecnología de realidad virtual no solo mejore el proceso de aprendizaje, sino
que también facilite una transición hacia metodologías de capacitación más efectivas y sostenibles
en el sector industrial.
Este enfoque innovador no solo representa un avance en la capacitación técnica, sino que
también contribuye a la transformación digital de las industrias, alineándose con las demandas de
la Industria 4.0 y fortaleciendo la competitividad en un entorno global.
Descripción del Sistema
La simulación desarrollada para el entrenamiento en sensores de nivel se implementó
utilizando el motor gráfico Unity 3D, conocido por su capacidad para generar entornos virtuales
inmersivos e interactivos que facilitan el aprendizaje práctico. Esta simulación se compone de
tres módulos fundamentales, diseñados para proporcionar una experiencia educativa progresiva y
completa. La interfaz está diseñada para ser intuitiva, con botones claramente identificados que
facilitan la navegación.
Vol. 11/ Núm. 2 2024 pág. 2183
Figura 1
Compontentes del sistema
Introducción general
Al iniciar el entrenamiento se despliega una pantalla introductoria que proporciona una
breve explicación del funcionamiento y propósito del sensor y un ejemplo práctico de su uso en
la detección de niveles de líquido en recipientes. En la figura 2 se visualiza un ejemplo de pantalla
introductoria.
Figura 2
Introducción general
Circuito sensor de nivel
La figura 3, muestra una interfaz con los materiales que se utilizará para el montaje del
circuito de sensor de nivel. En esta pantalla, además, están presente botones en cada material para
que el usuario pueda entrar e informarse con algunas características de los materiales del circuito
que se quiere ensamblar.
Vol. 11/ Núm. 2 2024 pág. 2184
Figura 3
Escena con los materiales
Posteriormente se presentan las escenas de ensamble del circuito, en donde se irá poniendo
todos los componentes para el montaje del circuito con ayuda de botones e interacciones en las
interfaces. Ver figuras 4 y 5.
Figura 4
Colocación de transistores y resistencias
Figura 5
Colocación de leds y resistencias
En las últimas escenas se puede evidenciar, la aplicación del sensor de nivel, en el que se
detalla escenas con cada nivel de líquido en un recipiente, haciendo que el led correspondiente
que está en el circuito se prenda. Esto es manejado mediante un botón que aumenta y disminuye
el nivel del líquido. La figura 6 presenta la escena de la aplicación del sensor de nivel.
Vol. 11/ Núm. 2 2024 pág. 2185
Figura 6
Aplicación del sensor de nivel
Evaluación Final
Para medir el aprendizaje del usuario, se implementó un cuestionario interactivo que evalúa
los conocimientos adquiridos durante la simulación. Este módulo garantiza que los usuarios
puedan demostrar su comprensión de los conceptos y habilidades adquiridos, cerrando el ciclo de
aprendizaje de manera efectiva. El cuestionario consistió en ocho preguntas relacionadas con el
sistema de entrenamiento, incluyendo materiales, ensamblaje del circuito y funcionamiento del
sensor. Cada pregunta tiene tres opciones de respuesta, de las cuales solo una es correcta. Al
seleccionar la respuesta correcta, se activa un botón que permite continuar a la siguiente pregunta.
El sistema proporciona retroalimentación sobre las respuestas para reforzar el aprendizaje. La
figura 7 presenta la pregunta 1 de la evaluación final.
Figura 7
Evaluación final
Sistema de Escala de Usabilidad (SUS)
El System Usability Scale (SUS) es un procedimiento ampliamente reconocido y utilizado
para medir la usabilidad de sistemas técnicos y plataformas interactivas. Fue desarrollado por
John Brooke en 1986 con el objetivo de proporcionar una herramienta estandarizada y efectiva
para evaluar la experiencia del usuario en sistemas de diversa índole (Li et al., 2024). La
metodología se basa en un cuestionario compuesto por diez afirmaciones que exploran diferentes
aspectos del sistema, desde su funcionalidad hasta la satisfacción general del usuario. Los
participantes responden utilizando una escala de Likert, que varía de 1 (completamente en
Vol. 11/ Núm. 2 2024 pág. 2186
desacuerdo) a 5 (completamente de acuerdo), permitiendo capturar la percepción subjetiva del
usuario respecto al sistema evaluado (Daoudi et al., 2024).
El SUS se emplea para identificar fortalezas y debilidades en el diseño y la funcionalidad
de un sistema, determinando su eficacia en función de las necesidades del usuario. Una de sus
principales características es la generación de una puntuación global en una escala de 0 a 100, lo
que permite clasificar los sistemas evaluados en diferentes niveles de calidad. Las puntuaciones
más altas reflejan una usabilidad sobresaliente, mientras que las puntuaciones bajas indican áreas
significativas de mejora (Casal-Moldes et al., 2024).
La simplicidad y versatilidad del SUS lo convierten en una herramienta esencial para
evaluar la usabilidad de sistemas en una amplia variedad de contextos. Puede ser aplicado a
interfaces gráficas, aplicaciones móviles, sistemas industriales y plataformas de realidad virtual,
entre otros. Además, su diseño intuitivo facilita la implementación y permite obtener resultados
rápidamente, lo que lo hace ideal para estudios que requieren evaluar múltiples sistemas o
iteraciones (Zhao et al., 2024).
En el caso de sistemas de realidad virtual, el SUS resulta particularmente útil para medir
aspectos como la navegación, la interacción y la claridad de las instrucciones. Estas métricas son
fundamentales para garantizar que la plataforma proporcione una experiencia satisfactoria,
eficiente y alineada con las expectativas de los usuarios. La implementación del SUS en este
contexto permite identificar no solo las fortalezas del sistema, sino también las áreas que requieren
ajustes para mejorar su aceptación y funcionalidad
Los sistemas que alcanzan puntuaciones superiores a 90 son considerados productos
excepcionales, con características sobresalientes y pocas necesidades de ajuste. Un sistema que
se sitúa entre 80 y 90 se clasifica como excelente, destacándose por sus funcionalidades
representativas y su diseño intuitivo. Los sistemas que logran puntuaciones entre 70 y 80 son
catalogados como muy buenos, aunque con potencial de mejora en ciertos aspectos. En el rango
de 50 a 70, los sistemas son considerados buenos, cumpliendo con los estándares básicos de
usabilidad, pero con oportunidades claras de optimización. Aquellos con puntuaciones entre 25 y
50 son considerados pobres, con limitaciones evidentes que afectan la experiencia del usuario.
Finalmente, los sistemas con puntuaciones por debajo de 25 son clasificados como inaceptables,
indicando fallas graves que requieren una reestructuración significativa. Ver tabla 1.
Tabla 1
Puntuación SUS
SUS Puntuación
Adjetivo
>90
Inigualable
80-90
Excelente
70-80
Muy buena
50-70
Buena
25-50
Pobre
0-25
Muy pobre
Vol. 11/ Núm. 2 2024 pág. 2187
El cálculo de la puntuación SUS se realiza siguiendo un procedimiento bien definido que
garantiza la objetividad y precisión de los resultados. Para cada afirmación del cuestionario, se
ajusta la puntuación asignada por el encuestado dependiendo de si la afirmación es impar o par.
En el caso de las preguntas impares (1, 3, 5, 7 y 9), se toma el valor asignado y se le resta 1. Por
otro lado, para las preguntas pares (2, 4, 6, 8 y 10), se calcula como 5 menos el valor asignado.
Una vez realizados estos ajustes, se suman las puntuaciones ajustadas y el resultado final se
multiplica por un factor de 2.5 para obtener un puntaje en la escala de 0 a 100. La fórmula para
realizar este cálculo se presenta en la fórmula 1.
Fórmula 1
Cálculo de Puntuación SUS
Montaje del Experimento
Se diseñó un experimento estructurado que evaluó la usabilidad y aceptabilidad del sistema
de entrenamiento basado en realidad virtual (VR) para la aplicación de sensores de nivel. El
estudio se llevó a cabo en la Universidad Técnica de Ambato con la aprobación del ingeniero
encargado del módulo académico en la ciudad de Ambato, Ecuador. A continuación, se describen
los aspectos clave del diseño y ejecución del experimento.
Se eligió un grupo de 10 estudiantes como participantes del experimento. Este tamaño de
muestra fue considerado adecuado para evaluar de manera preliminar la funcionalidad del
sistema. Los participantes fueron seleccionados en función de su disposición para colaborar en el
estudio y su familiaridad básica con sistemas tecnológicos, sin requerir experiencia previa en
realidad virtual.
Se utilizó el System Usability Scale (SUS), un estándar ampliamente reconocido para
evaluar la usabilidad de sistemas técnicos. Este instrumento fue seleccionado debido a su
simplicidad, efectividad y capacidad para proporcionar resultados cuantitativos y cualitativos. El
cuestionario para la evaluación SUS constó de 10 preguntas diseñadas para evaluar aspectos clave
de la experiencia del usuario, como facilidad de uso, consistencia, funcionalidad e integración del
sistema. Los participantes calificaron cada afirmación utilizando una escala de 5 puntos, donde 1
corresponde a totalmente en desacuerdo, 2 en desacuerdo, 3 imparcial, 4, de acuerdo y 5
totalmente de acuerdo.
Las 10 preguntas del cuestionario abordaron temas específicos relacionados con la
percepción del usuario sobre el sistema, incluyendo: Frecuencia potencial de uso de la aplicación,
Complejidad percibida del sistema, Facilidad de uso, Necesidad de asistencia técnica para operar
el sistema, Integración de funciones del sistema, Consistencia en el diseño del sistema, Velocidad
Vol. 11/ Núm. 2 2024 pág. 2188
de aprendizaje, Dificultad percibida al utilizar el sistema, Nivel de confianza al interactuar con el
sistema y Carga de aprendizaje necesaria para usar el sistema.
El procedimiento del experimento consistió en proporcionar a los participantes una breve
introducción al sistema y sus funcionalidades, asegurando que comprendieran el propósito del
experimento. Posteriormente los participantes utilizaron la herramienta de VR en un entorno
controlado, completando actividades relacionadas con el ensamblaje y aplicación de sensores de
nivel. Tras la interacción práctica, cada participante completó el cuestionario SUS, evaluando su
experiencia personal con el sistema. Las respuestas fueron registradas y procesadas siguiendo el
método estándar del SUS.
RESULTADOS Y DISCUSIÓN
La evaluación de conocimientos prácticos adquiridos mediante el sistema de realidad
virtual (VR) se realizó a través de un cuestionario diseñado para medir el entendimiento de
conceptos relacionados con los sensores de nivel. Diez participantes completaron esta prueba, y
los resultados reflejan una mejora significativa en el aprendizaje práctico gracias a la interacción
inmersiva del sistema.
En la pregunta inicial, todos los participantes respondieron correctamente, alcanzando un
100% de aciertos, lo que demuestra una comprensión completa de los fundamentos básicos del
sensor. La segunda pregunta tuvo un 89% de respuestas correctas, con solo un 11% de errores, lo
que evidencia una adecuada retención de conceptos iniciales. Sin embargo, en la tercera pregunta,
el porcentaje de aciertos bajó al 56%, destacando posibles áreas de mejora en la presentación de
este contenido específico. La cuarta pregunta registró un 78% de aciertos, mientras que el 22%
restante falló, reflejando una comprensión mayoritaria.
Para las preguntas cinco y siete, los participantes lograron nuevamente un 89% de aciertos,
con solo un 11% de respuestas incorrectas, confirmando la efectividad del método para estos
temas. En contraste, las preguntas tres y seis obtuvieron un 56% de respuestas correctas, lo que
sugiere la necesidad de un enfoque más claro o detallado en esos aspectos específicos. Finalmente,
en la octava pregunta, el 78% de los participantes respondió correctamente, mostrando un
entendimiento adecuado al concluir la prueba.
En promedio, el 79% de las respuestas fueron correctas, lo que indica un nivel aceptable
de aprendizaje práctico sobre sensores de nivel. Este resultado es especialmente significativo dado
que el sistema incluye únicamente una breve introducción teórica antes de comenzar la
simulación. Los datos sugieren que la metodología VR fomenta un aprendizaje eficiente,
permitiendo que los participantes comprendan y apliquen los conceptos en un entorno práctico.
En el tiempo de capacitación se realizó un análisis comparativo para determinar la
eficiencia temporal entre dos enfoques de capacitación: el método tradicional basado en el
ensamblaje físico del circuito y el entrenamiento con simulación en VR desarrollado con Unity
Vol. 11/ Núm. 2 2024 pág. 2189
3D. Los tiempos de ejecución de ambas metodologías fueron registrados cuidadosamente
utilizando un cronómetro.
En el método tradicional, el proceso completo, que incluyó la preparación de materiales, el
ensamblaje físico del circuito y su verificación, tomó un promedio de 10 minutos por participante.
En contraste, el sistema de realidad virtual logró reducir este tiempo a 5 minutos, integrando en
ese período una descripción interactiva del sensor, el ensamblaje virtual del circuito, su aplicación
práctica y una evaluación final. Esto representa una reducción del 50% en el tiempo requerido
para completar el entrenamiento.
El análisis mostró que la simulación no solo optimiza el tiempo, sino que también
proporciona un entorno más accesible y eficiente. Mientras que el método físico requiere la
disponibilidad de materiales y espacio adecuado, el enfoque basado en VR elimina estas barreras,
permitiendo la capacitación en cualquier momento y lugar. La reducción del tiempo no
compromete la calidad del aprendizaje; al contrario, la metodología VR facilita la integración de
teoría y práctica en un único entorno inmersivo, lo que resulta en una mayor retención de
conocimientos en menos tiempo.
Esta eficiencia en el tiempo de capacitación es especialmente relevante en el contexto
industrial, donde las demandas de productividad y formación continua requieren soluciones
rápidas y efectivas. Los resultados sugieren que la realidad virtual es una herramienta poderosa
para abordar estas necesidades, ofreciendo un entrenamiento técnico completo en un marco
temporal significativamente reducido.
La usabilidad del sistema de entrenamiento basado en realidad virtual se evaluó utilizando
el System Usability Scale (SUS), una metodología estándar propuesta por John Brooke para medir
la aceptación y facilidad de uso de los sistemas tecnológicos. Diez participantes calificaron la
experiencia utilizando una escala de Likert basada en diez afirmaciones relacionadas con la
funcionalidad, accesibilidad y percepción general del sistema.
El puntaje promedio obtenido fue de 58.5 sobre 100, lo que sitúa al sistema dentro del rango
de 50 a 70, considerado "bueno" según la metodología SUS. Nueve de los diez participantes
calificaron la experiencia como satisfactoria, destacando aspectos positivos como la claridad de
las instrucciones, la interacción fluida y la facilidad para completar las tareas. Sin embargo, un
participante calificó el sistema como "pobre", señalando que ciertas características, como la
personalización de la interfaz o la variedad en las interacciones, podrían mejorarse.
Los resultados indican que el sistema cumple con los requisitos básicos de usabilidad,
proporcionando una experiencia aceptable para la mayoría de los usuarios. Sin embargo, también
identifica áreas de mejora potencial que podrían aumentar la satisfacción del usuario y maximizar
la efectividad del sistema. Estas mejoras podrían incluir la incorporación de elementos más
interactivos, como retroalimentación en tiempo real o desafíos progresivos que adapten el nivel
de dificultad según el desempeño del usuario.
Vol. 11/ Núm. 2 2024 pág. 2190
El puntaje SUS obtenido respalda la viabilidad del sistema como una herramienta de
capacitación técnica. La metodología utilizada permitió a los participantes interactuar con el
sistema de manera eficiente, adquiriendo conocimientos prácticos en un entorno seguro y
controlado. Sin embargo, futuras iteraciones del sistema podrían centrarse en perfeccionar su
diseño y funcionalidades para elevar aún más la percepción de usabilidad y aceptación entre los
usuarios.
CONCLUSIONES
En este estudio se ha desarrollado y evaluado una propuesta innovadora para la
capacitación en la aplicación de sensores de nivel mediante el uso de realidad virtual (VR). Este
sistema ha permitido la creación de una herramienta didáctica interactiva que simplifica la
comprensión y el aprendizaje técnico, proporcionando a los usuarios un entorno controlado y
seguro para adquirir conocimientos prácticos.
El sistema se implementó utilizando el motor gráfico Unity 3D, reconocido por su
capacidad para crear simulaciones inmersivas y altamente personalizables. Gracias a esta
tecnología, se logró replicar escenarios industriales de manera precisa, permitiendo a los usuarios
interactuar directamente con componentes virtuales del sensor de nivel, como transistores,
resistencias y LEDs. Una de las principales ventajas del sistema es su capacidad para eliminar la
dependencia de equipos físicos, lo que reduce significativamente los costos asociados a la
capacitación técnica. Además, los usuarios pueden practicar el ensamblaje y la aplicación del
sensor cuantas veces lo consideren necesario, incrementando su confianza y nivel de
conocimiento sin riesgos ni gastos adicionales.
Otro aspecto destacado del sistema es la optimización de recursos y tiempo en el proceso
de enseñanza. En comparación con la metodología convencional, que incluye manuales, videos y
prácticas físicas, el entrenamiento basado en VR demostró ser más eficiente, logrando reducir el
tiempo requerido para la capacitación en un 50%. Este enfoque combina teoría y práctica en un
único entorno virtual interactivo, permitiendo a los usuarios adquirir habilidades técnicas de
forma estructurada y en menos tiempo, sin comprometer la calidad del aprendizaje.
La herramienta propuesta no solo beneficia a los operadores individuales, sino que también
representa una solución escalable para las organizaciones que buscan modernizar sus procesos de
formación técnica. Este sistema está alineado con los principios de la Industria 4.0, integrando
tecnologías inteligentes que contribuyen a la transformación digital en la educación técnica y
profesional.
Finalmente, este estudio resalta la efectividad de la realidad virtual como una metodología
innovadora en la capacitación técnica. La simulación en VR no solo facilita la comprensión de
cómo funcionan y se ensamblan los sensores de nivel, sino que también proporciona un entorno
flexible que puede adaptarse a las necesidades específicas de los usuarios y organizaciones. A
Vol. 11/ Núm. 2 2024 pág. 2191
medida que se implementen y desarrollen más sistemas de este tipo, se espera que la realidad
virtual se consolide como una herramienta esencial en la educación técnica, reduciendo costos,
maximizando la eficiencia y preparando a los operadores para los desafíos de un entorno industrial
cada vez más digitalizado y competitivo.
Agradecimientos
Los autores desean expresar su más profundo agradecimiento a la red de investigación
INTELIA, respaldada por REDU, por su invaluable apoyo y colaboración a lo largo del desarrollo
de este trabajo.
Vol. 11/ Núm. 2 2024 pág. 2192
REFERENCIAS
Ali, A. N., & Darwish, Y. N. (2025). The Role of Metaverse in Interior Design-Built Environment
(pp. 491–501). https://doi.org/10.1007/978-3-031-71318-7_46
Bennett, J. M., McGuckian, T. B., Healy, N., Lam, N., Lucas, R., Palmer, K., Crowther, R. G.,
Greene, D. A., Wilson, P., & Duckworth, J. (2025). Development of a virtual reality
pedestrian street-crossing task: The examination of hazard perception and gap acceptance.
Safety Science, 181, 106706. https://doi.org/10.1016/j.ssci.2024.106706
Casal-Moldes, Á., Campo-Prieto, P., Rodríguez-Fuentes, G., & Cancela-Carral, J. M. (2024).
Multisensory Stimulation in Amyotrophic Lateral Sclerosis Disease: Case Report of an
Innovative Proposal through Immersive Virtual Reality. Applied Sciences, 14(20), 9238.
https://doi.org/10.3390/app14209238
Chu, C.-H., Pan, J.-K., & Chen, Y.-W. (2025). Ergonomic workplace design based on real-time
integration between virtual and augmented realities. Robotics and Computer-Integrated
Manufacturing, 92, 102859. https://doi.org/10.1016/j.rcim.2024.102859
Daoudi, A., Amrani, M. Z., & Achour, N. (2024). A Novel Stepper Motor Haptic Interface for
Efficient Robotic Task Programming. Journal Européen Des Systèmes Automatisés, 57(5),
1369–1376. https://doi.org/10.18280/jesa.570512
Di Pasquale, V., Digiesi, S., Ferretti, I., Padovano, A., Sammarco, C., & Suárez Savigne, J. E.
(2024). Enhancing Industrial Operator Training through BIM-Enriched Virtual Reality
Scenes. IFAC-PapersOnLine, 58(19), 253–258.
https://doi.org/10.1016/j.ifacol.2024.09.183
Divya, U. J., Hrishikesh, P., Sylesh, N., Menath, M. M., & Yadukrishnan. (2025). Ground Plane
Synchronization in VR Applications Using Indoor Robots for Enhancing Immersion (pp.
759–768). https://doi.org/10.1007/978-981-97-8031-0_80
Fabio, G., Giuditta, C., Margherita, P., & Raffaeli, R. (2025). A human-centric methodology for
the co-evolution of operators’ skills, digital tools and user interfaces to support the Operator
4.0. Robotics and Computer-Integrated Manufacturing, 91, 102854.
https://doi.org/10.1016/j.rcim.2024.102854
Hajipour, V., Di Caprio, D., Santos-Arteaga, F. J., Amirsahami, A., & Vazifeh Noshafagh, S.
(2025). A two-stage stochastic programming model for comprehensive risk response action
selection: A case study in Industry 4.0. Expert Systems with Applications, 261, 125565.
https://doi.org/10.1016/j.eswa.2024.125565
Istiono, W., & Wira Pratama, A. N. (2025). Innovative virtual reality solutions for technical
training in heavy construction equipment repair and maintenance. Indonesian Journal of
Electrical Engineering and Computer Science, 37(1), 627.
https://doi.org/10.11591/ijeecs.v37.i1.pp627-635
Vol. 11/ Núm. 2 2024 pág. 2193
Kim, M. J., Son, Y. G., Kim, Y. M., & Park, D. (2025). Comparing typing methods for uppercase
input in virtual reality: Modifier Key vs. alternative approaches. International Journal of
Human-Computer Studies, 193, 103385. https://doi.org/10.1016/j.ijhcs.2024.103385
Li, S., Yuan, Z., Peng, R., Leybourne, D., Xue, Q., Li, Y., & Yang, P. (2024). An effective farmer-
centred mobile intelligence solution using lightweight deep learning for integrated wheat
pest management. Journal of Industrial Information Integration, 42, 100705.
https://doi.org/10.1016/j.jii.2024.100705
Ohueri, C. C., Masrom, Md. A. N., & Lohana, S. (2025). Advances in Immersive Virtual Reality–
Based Construction Management Student Learning. Journal of Construction Engineering
and Management, 151(1). https://doi.org/10.1061/JCEMD4.COENG-15345
Yasin Yiğit, A., & Uysal, M. (2025). Virtual reality visualisation of automatic crack detection for
bridge inspection from 3D digital twin generated by UAV photogrammetry. Measurement,
242, 115931. https://doi.org/10.1016/j.measurement.2024.115931
Zhang, Y., Kinateder, M., Huang, X., & Warren, W. H. (2025). Modeling competing guidance on
evacuation choices under time pressure using virtual reality and machine learning. Expert
Systems with Applications, 262, 125582. https://doi.org/10.1016/j.eswa.2024.125582
Zhao, X., Lu, Y., Huang, W., & Lin, G. (2024). Assessing and interpreting perceived park
accessibility, usability and attractiveness through texts and images from social media.
Sustainable Cities and Society, 112, 105619. https://doi.org/10.1016/j.scs.2024.105619
