Sistema de control por lenguaje natural para planta de manufactura
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13862Palabras clave:
Grandes modelos de lenguaje, Control de plantas de manufactura, Sistemas de manufactura inteligentes, Interfaces inteligentes, Automatización y dise˜no centrada en humanos, Controlador lógico programable, Protocolos de comunicación industrialResumen
Gracias a la aparición y el auge de los Grandes Modelos de Lenguaje (LLMs), se han generado nuevos sistemas capaces de interactuar con procesos industriales a través de lenguaje natural, complementando las interfaces tradicionales y aumentando la versatilidad de los sistemas de control. Este artículo desarrolla un sistema que utiliza LLMs por medio de un agente autónomo, el cual puede controlar las diversas partes de una planta de manufactura automatizada por voz. El agente elaborado permite la interacción con una base de datos SQL, y tiene acceso a las entradas y salidas de los Controladores Lógicos Programables (PLCs) por medio del protocolo industrial OPC-UA. El sistema fue implementado y validado en una planta de manufactura en el Instituto de Automática e Informática Industrial de la Universitat Politécnica de València, en donde alcanzó una tasa de éxito del 98.5 % para instrucciones sencillas y 81 % para las complejas, con un tiempo medio de respuesta inferior a 12.5 segundos.
Referencias
Ball, T., Chen, S., Herley, C., 2024. Can we count on llms? the fixed-effect fallacy and claims of gpt-4 capabilities. Microsoft Research. DOI: 10.48550/arXiv.2409.07638
Fu, T., Ferrando, R., Conde, J., Arriaga, C., Reviriego, P., 2023. Why do large language models (llms) struggle to count letters? Association for Computing Machinery. DOI: 10.48550/arXiv.2412.18626
Hernández, J., Barrios, E. J., Diaz-Aleman, S. A. T., 2025. Aplicación de grandes modelos de lenguaje en diagnóstico de glaucoma. Jornadas de Automática, 46. DOI: 10.17979/ja-cea.2025.46.12085
Hofmanna, B., Piechuleka, N., Kreitleina, S., Frankea, J., Br¨undl, P., 2025. Beyond touch-based human-machine interface: Control your machines in natural language by utilizing large language models and opc ua. Manufacturing Review. DOI: 10.48550/arXiv.2510.11300
Menéndez, E., Garcia-Haro, J. M., Martínez, S., Balaguer, C., 2025. Integración modular de herramientas gestionadas por llms en el robot tiago++. Jornadas de Automática, 46. DOI: 10.17979/ja-cea.2025.46.12229
Merino-Fidalgo, S., Zalama, E., Gómez-García-Bermejo, J., Duque-Domingo, J., 2025. Generación y ajuste dinámico de behavior trees mediante llms para el control de un robot social. Jornadas de Automática, 46. DOI: 10.17979/ja-cea.2025.46.12071
Mohammadjafari, A., Maida, A. S., Gottumukkala, R., 2025. From natural language to sql: Review of llm-based text-to-sql systems. Cornell University. DOI: 10.48550/arXiv.2410.01066
San Emeterio de la Parte, M., Wang, Y., Martínez-Ortega, J. F., Martínez, N. L., 2026. A secure and efficient llm-based system for natural language query-to-sql translation in iot data management. IEEE Access. DOI: 10.1109/ACCESS.2026.3665980
Sarkar, S., Ghorbanpour, S., Guti´errez, R. L., Guill´en-P´erez, A., Gundecha, V., Babu, A. R., Naug, A., 2025. Review of llm based control. Hewlett Packard Labs at Hewlett Packard Enterprise. DOI: 10.13140/RG.2.2.28595.54567
Velesaca, H. O., Holgado-Terriza, J. A., 2025. Opc-ua in artificial intelligence: a systematic review of the integration of data mining and nlp in industrial processes. Manufacturing Review. DOI: 10.1051/mfreview/2025003
Xia, Y., Jazdi, N., Weyrich, M., 2024. Applying large language models for intelligent industrial automation. Universidad de Stuttgart. DOI: 10.17560/atp.v66i6-7.2739
Xia, Y., Jazdi, N., Weyrich, M., 2025. Control industrial automation system with large language model agents. IEEE International Conference on Emerging Technologies and Factory Automation. DOI: 10.48550/arXiv.2409.18009
Zhao, L., Liu, S., Xin, T., Tan, J., Wang, X., Li, Y., Bian, Z., Chen, Y., Kong, F., Bian, J., Qian, C., Zhang, Z., 2026. Ai agent in healthcare: applications, evaluations, and future directions. npj Artificial Intelligence. DOI: 10.1038/s44387-026-00076-4
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Daniel Quesada-Lobo, Francisco Blanes-Noguera, Juan Carlos Brenes-Torres
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
