Sistema de entrenamiento para la aplicación de sensores de nivel basado en realidad virtual

Autores/as

DOI:

https://doi.org/10.69639/arandu.v11i2.403

Palabras clave:

realidad virtual, interfaz de entrenamiento, sensor de nivel, sus, optimización industrial

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 Industria 4.0, permitiendo un aprendizaje más rápido, dinámico y alineado con los requerimientos del entorno laboral moderno.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

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

Descargas

Publicado

2024-11-25

Cómo citar

Naranjo Robalino, J. E., Lozada Martínez , E. C., & García Sánchez , M. V. (2024). Sistema de entrenamiento para la aplicación de sensores de nivel basado en realidad virtual. Arandu UTIC, 11(2), 2178–2193. https://doi.org/10.69639/arandu.v11i2.403

Número

Sección

Ciencias de la Educación

Artículos similares

También puede {advancedSearchLink} para este artículo.

Artículos más leídos del mismo autor/a