El Análisis de documentos científicos relacionados con montacargas inteligentes

Autores/as

DOI:

https://doi.org/10.53591/easi.v4i2/2602

Palabras clave:

Inteligencia artificial, Análisis documental, Documentos, Montacargas Inteligentes, Inventarios

Resumen

Este documento presenta un análisis de documentos relacionados con montacargas inteligentes, cuyo objetivo es identificar los avances en este campo y reconocer las lagunas de conocimiento existentes en la materia para apoyar el diseño futuro de un montacargas que, basado en algoritmos de inteligencia artificial, pueda funcionar con cierta autonomía y ser considerado un montacargas inteligente. Para la búsqueda, selección, evaluación y resumen de los resultados de los artículos se utiliza la guía PRISMA 2020. Se inicia con la búsqueda en la base de datos Scopus, definiendo criterios de inclusión para delimitar el estudio. Se caracterizan los documentos, luego se realiza un análisis de sus redes bibliográficas utilizando Wosviewer, tras lo cual se estudian sus resúmenes con Voyant, para presentar de forma sucinta los principales hallazgos. Se concluye que es importante promover el trabajo colaborativo entre autores, organizaciones y países, para complementar los avances en montacargas, su enrutamiento y planificación de movimientos utilizando herramientas de inteligencia artificial, como redes convolucionales o de tipo transformer.

Biografía del autor/a

  • Anny Espitia-Cubillos, Universidad Militar Nueva Granada

    Realizó sus estudios de Licenciatura en Ingeniería Industrial en la Universidad Militar Nueva Granada en 2002 y M.Sc. en Ingeniería Industrial de la Universidad de Los Andes en 2006. Es Profesora Asociada del Programa de Ingeniería Industrial de la Universidad Militar Nueva Granada, Bogotá, Colombia.

  • Robinson Jiménez-Moreno, Universidad Militar Nueva Granada

    Es Ingeniero Electrónico egresado de la Universidad Distrital Francisco José de Caldas en 2002. Obtuvo su M.Sc. en Ingeniería de la Universidad Nacional de Colombia en 2012 y su Doctorado en Ingeniería de la Universidad Distrital Francisco José de Caldas en 2018. Su labor actual es profesor asociado de la Universidad Militar Nueva Granada y su investigación se centra en el uso de redes neuronales convolucionales para el reconocimiento de objetos y procesamiento de imágenes para aplicaciones robóticas como la interacción hombre-máquina.

  • Esperanza Rodríguez-Carmona, Universidad Militar Nueva Granada

    Realizó sus estudios de Licenciatura en Ingeniería Mecánica (1997) de la Universidad Tecnológica de Pereira (UTP) y Maestría en Docencia Universitaria de la Universidad de La Salle, Bogotá, Colombia. Es Profesora Asociada del programa de Ingeniería Industrial de la Universidad Militar Nueva Granada, Bogotá, Colombia.

Referencias

Aksjonov, A., Gordienko, Y., Paramonov, S., Kotenko, I., & Drobintsev, P. (2019). Speed control of electric vehicle propulsion with autotuning at changeable driving modes and road conditions. 2019 IEEE International Conference on Mechatronics (ICM) (pp. 584–589). Ilmenau, Germany. https://doi.org/10.1109/ICMECH.2019.8722909

Arfianto, A., Wahyudi, S., Hidayat, T., & Ismail, M. (2019). Unmanned vehicles use received signal strength indicator (RSSI) in instant beverage industry. 2019 International Conference on Advanced Mechatronics, Intelligent Manufacture and Industrial Automation (ICAMIMIA) (pp. 340–343). Batu, Indonesia. https://doi.org/10.1109/ICAMIMIA47173.2019.9223401

Ballamajalu, R., Kumar, P., & Ramesh, C. (2020). Turn and orientation sensitive A* for autonomous vehicles in intelligent material handling systems. 2020 IEEE 16th International Conference on Automation Science and Engineering (CASE) (pp. 606–611). Kong, China. https://doi.org/10.1109/CASE48305.2020.9216869

Cai, W., Li, J., Liu, Y., Zhang, H., & Zhao, Y. (2022). Multi-feature fusion-guided multiscale bidirectional attention networks for logistics pallet segmentation. CMES – Computer Modeling in Engineering and Sciences, 131(3), 1539–1555. https://doi.org/10.32604/cmes.2022.019785

Carmosino, G., Rossi, F., Bianchi, L., & Marino, S. (2021). Digital technologies in expanding the boundaries through immersive spaces: Case studies in vessel and yacht design. In T. Ahram, R. Taiar, K. Langlois, & A. Choplin (Eds.), Human interaction, emerging technologies and future applications III. IHIET 2020. Advances in intelligent systems and computing (Vol. 1253, pp. 290–296). Springer. https://doi.org/10.1007/978-3-030-55307-4_32

Chew, J., Lee, K., Wong, S., & Tan, H. (2019). Development of a virtual environment to realize human-machine interaction of forklift operation. 2019 7th International Conference on Robot Intelligence Technology and Applications (RiTA) (pp. 112–118). Daejeon, South Korea. https://doi.org/10.1109/RITAPP.2019.8932837

Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An image is worth 16x16 words: Transformers for image recognition at scale. International Conference on Learning Representations (ICLR 2021). Vienna, Austria. https://doi.org/10.48550/arXiv.2010.11929

Espitia-Cubillos, A. A., Vargas Duanca, L. M., & Jiménez-Moreno, R. (2025). Industry 5.0 oriented rotating forklift prototype for inventory handling. 2025 23rd LACCEI International Multi-Conference for Engineering, Education and Technology (LACCEI): Engineering, Artificial Intelligence, and Sustainable Technologies in Service of Society (p. 520). Mexico City, Mexico. https://doi.org/10.18687/LACCEI2025.1.1.520

Fernandez-Albujar, C., La Rosa-Arízaga, L., & Flores-Perez, A. (2022). Production management model based on lean manufacturing and BPM tools to increase profitability in SMEs in the plastic sector. 2022 8th International Engineering, Sciences and Technology Conference (IESTEC) (pp. 61–67). Panama: IEEE. https://doi.org/10.1109/IESTEC54539.2022.00018

García Amen, F. (2022). Cuando los robots hereden la Tierra. Una hipótesis hipersticional en torno a la cuarta revolución industrial fundada sobre el pasado y el presente de la convergencia físico–digital. Arquisur Revista, 12(21), 34–47. https://doi.org/10.14409/ar.v12i22.11186

Gopireddy, S. R. (2024). Cyber-physical cloud security: Protecting cloud-connected smart infrastructure. European Journal of Advances in Engineering and Technology, 11(2), 64–68.

Ho, C., & Ulfitria, R. (2022). Automatic anti-lock brake system for anti-rollover control of autonomous heavy-duty truck. 27th International Conference on Artificial Life and Robotics (ICAROB 2022) (pp. 635–640). Kunming, China. https://doi.org/10.1117/12.2653700

Li, X., Xu, Z., Peng, H., Wang, H., & Huang, Q. (2022). Box straight line detection method based on two PCA and DBSCAN. 2022 4th International Conference on Intelligent Information Processing (IIP) (pp. 147–154). Guangzhou, China. https://doi.org/10.1109/IIP57348.2022.00037

Limeira, M., Silva, T., Costa, R., & Pereira, J. (2019). WsBot: A tiny, low-cost swarm robot for experimentation on industry 4.0. 2019 Latin American Robotics Symposium, 2019 Brazilian Symposium on Robotics and 2019 Workshop on Robotics in Education (LARS/SBR/WRE) (pp. 293–298). Rio Grande, Brazil. https://doi.org/10.1109/LARS-SBR-WRE48964.2019.00058

Liu, Y., Liang, G., & Pan, Y. (2022). The internet of things new intelligent automatic parking system. 2022 2nd International Conference on Information Technology and Intelligent Control (CITIC) (p. 12346). Kunming, China. https://doi.org/10.1117/12.2653700

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). Declaración PRISMA 2020: Una guía actualizada para la publicación de revisiones sistemáticas. Revista Española de Cardiología, 74(9), 790–799. https://doi.org/10.1016/j.recesp.2021.06.016

Qureshi, A., Khan, M., Ali, Z., & Raza, S. (2024). Semantic segmentation and YOLO detector over aerial vehicle images. Computers, Materials & Continua, 80(2), 3315–3332. https://doi.org/10.32604/cmc.2024.052582

Ren, J., Zhang, Y., Li, H., & Wu, Q. (2022). Deep learning-based intelligent forklift cargo accurate transfer system. Sensors, 22(21), 8437. https://doi.org/10.3390/s22218437

Ruesgas, M. (2019). Tendencias e innovación en la supply chain: Convergencia del mundo físico y digital. Manutención y Almacenaje: Logística, Distribución, Transporte, 539, 18–19.

Schreck, S., Müller, P., Hoffmann, T., & Klein, R. (2023). In the context of autonomous forklifts, ensuring non-collision during travel, pick, and place operations is crucial. To accomplish this, the forklift must be able to detect and locate areas of free space and potential obstacles in its environment. 2023 11th International Conference on Control, Mechatronics and Automation (ICCMA) (pp. 171–176). Kristiansand, Norway. https://doi.org/10.1109/ICCMA59762.2023.10374705

Touvron, H., Cord, M., Douze, M., Massa, F., Sablayrolles, A., & Jegou, H. (2022). Three things everyone should know about vision transformers. European Conference on Computer Vision (ECCV 2022) (Vol. 13684, pp. 497–515). Milan, Italy. https://doi.org/10.1007/978-3-031-20053-3_29

Wu, B., Chen, Y., Li, X., & Zhou, H. (2022). Dynamic path planning for forklift AGV based on smoothing A* and improved DWA hybrid algorithm. Sensors, 22(18), 7079. https://doi.org/10.3390/s22187079

Zhao, K., Liu, H., Wang, J., & Sun, Y. (2020). Joint RFID and UWB technologies in intelligent warehousing management system. IEEE Internet of Things Journal, 7(2), 11640–11655. https://doi.org/10.1109/JIOT.2020.2998484

Descargas

Publicado

04-11-2025

Número

Vol. 4 Núm. 2 (2025): [Edición especial] CIIA 2025 - Conferencia Internacional de Ingeniería Industrial Aplicada: Modelos Inteligentes e Ingeniería de Datos

Sección

Numero especial

Licencia

Derechos de autor 2025 Anny Espitia-Cubillos, Robinson Jiménez-Moreno, Esperanza Rodríguez-Carmona

Creative Commons License

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

Las contribuciones publicadas en la revista EASI se rigen por la licencia de acceso abierto CC BY-NC-ND 4.0 (Creative Commons Reconocimiento-NoComercial-SinDerivadas 4.0). Esta licencia te empodera como autor, y garantiza la amplia difusión de tu investigación mientras protege tus derechos.

Para autores:

  • Los autores pueden reproducir y distribuir la obra en cualquier formato no comercial, siempre que la obra indique los autores y datos de la revista EASI, y no contravenga los puntos mencionados en el apartado de los permisos y prácticas editoriales.
  • La revista obtiene una licencia para publicar y distribuir el manuscrito original.

Para lectores/usuarios:

Acceso y distribución gratuita: cualquier lector o usuario puede acceder, descargar, copiar, imprimir y compartir el artículo publicado libremente según los términos de la licencia CC BY-NC-ND 4.0.

Reconocimiento obligatorio: si un tercero utiliza el material publicado, debe dar crédito al creador proporcionando el nombre, el título del artículo y el nombre de la revista, lo que garantiza la propiedad intelectual del autor(es) y ayuda a construir su reputación académica.

Uso no comercial: solo se permite el uso no comercial del trabajo publicado. No comercial significa que no está destinado principalmente ni dirigido al aprovechamiento comercial o la compensación monetaria por parte de ningún tercero.

No se permiten modificaciones: el contenido del artículo publicado no se puede cambiar, mezclar o reconstruir a partir del trabajo del autor. Esto asegura la integridad y precisión de los resultados de la investigación.

Cómo citar

El Análisis de documentos científicos relacionados con montacargas inteligentes. (2025). EASI: Ingeniería Y Ciencias Aplicadas En La Industria, 4(2), 9-17. https://doi.org/10.53591/easi.v4i2/2602