Indicadores de rendimiento en robótica móvil aplicados a Supply Chain

Ane Irazustabarrena Murgiondo, Maria Pilar Lambán Castillo, Paula Morella, Alejandro Raúl Razquin Ranz, Inés eugenia Lanz Andrés 17 de septiembre de 2026

9

9

0

0

14 min. de lectura

Ane Irazustabarrena Murgiondo
Directora de TECNOLOGÍA/ Unidad Industria y Movilidad
TECNALIA
Basque Research Technology Alliance (BRTA)

María Pilar Lambán Castillo
Profesora Titular de Universidad
Universidad de Zaragoza

Paula Morella
Investigadora
TECNALIA
Basque Research Technology Alliance (BRTA)

Alejandro Raúl Razquin Ranz
Investigador
Universidad de Zaragoza

Inés Eugenia Lanz Andrés
Investigadora
Universidad de Zaragoza

1. RESUMEN

La robótica móvil se ha consolidado como una tecnología clave en la automatización industrial, especialmente en la gestión de la intralogística mediante Vehículos de Guiado Automático (AGVs). Sin embargo, la decisión de automatizar plantea interrogantes sobre su rentabilidad, sostenibilidad e impacto operativo. Este trabajo aborda esta cuestión mediante una investigación exhaustiva que combina revisión del estado del arte, desarrollo teórico y validación práctica.

En una primera fase, se identificó la ausencia de indicadores validados que permitieran evaluar el rendimiento de los AGVs en entornos reales. Para cubrir esta carencia, se desarrolló un marco metodológico basado en tres dimensiones:

• Operativa, mediante la adaptación del indicador OEE, considerando disponibilidad, rendimiento y calidad.
• Ambiental, con un indicador que cuantifica consumo energético y emisiones asociadas al ciclo de vida operativo.
• Económica, a través de un modelo de costes que incorpora tanto gastos directos de mantenimiento como el impacto de averías en la capacidad productiva.

Posteriormente, se validaron estos indicadores en entornos simulados que reproducen escenarios industriales complejos, lo que permitió comprobar su aplicabilidad y escalabilidad. Los resultados se integraron en un panel visual que centraliza información operativa, económica y ambiental, facilitando la identificación de ineficiencias, la estimación de emisiones y la evaluación del coste real del mantenimiento.

Este enfoque dota a las organizaciones de herramientas prácticas para responder a la pregunta inicial sobre la conveniencia de automatizar, ofreciendo una evaluación personalizada que combina eficiencia, sostenibilidad y rentabilidad. Así, la investigación no solo aporta soluciones técnicas, sino también un marco conceptual sólido que contribuye a la toma de decisiones estratégicas en la implantación de robótica móvil.

2. CONTENIDO

2.1. Introducción

La robótica móvil se ha convertido en una de las tecnologías más transformadoras de la industria moderna. Su crecimiento ha sido sostenido y significativo: en 2022 se vendieron más de 553.000 robots industriales, lo que supuso un aumento del 5% respecto al año anterior, y el número total de unidades operativas alcanzó los 3,9 millones (1). Este auge responde a la necesidad de las empresas de ser más eficientes, flexibles y sostenibles en un entorno cada vez más competitivo y cambiante.

En este contexto, los Vehículos de Guiado Automático (AGVs), entre otras tecnologías similares, han adquirido un papel protagonista en la automatización de procesos logísticos y productivos. Su capacidad para transportar materiales de forma autónoma, segura y precisa ha hecho que sectores como la automoción, la alimentación, la logística o la electrónica los incorporen de forma creciente (1).

Figura 1. Vehículo autónomo, AGV.

Sin embargo, esta evolución tecnológica plantea una pregunta clave:

¿Realmente merece la pena automatizar? Y más aún: ¿hasta qué punto es rentable, sostenible y justificable hacerlo?

La automatización mediante AGVs ofrece numerosos beneficios: mejora de la seguridad laboral, reducción de errores humanos, trazabilidad de procesos, optimización del espacio y disminución de tiempos improductivos (2). Pero también conlleva desafíos importantes, como los altos costes de instalación, la limitada flexibilidad en entornos cambiantes, y la complejidad de integración con sistemas existentes (2,3).

Además, la evaluación económica de estas inversiones no siempre es sencilla. Factores como el coste por hora, la frecuencia de operación, el mantenimiento, la escalabilidad y la reutilización de los equipos deben ser considerados para calcular el retorno de la inversión (ROI) de forma realista (4).

Ante esta situación, se hace evidente la necesidad de desarrollar indicadores que permitan evaluar el rendimiento de los AGVs desde una perspectiva operativa, económica —especialmente en lo relativo al mantenimiento— y ambiental. Estos indicadores no solo ayudan a justificar las inversiones, sino que también permiten identificar oportunidades de mejora, optimizar recursos y garantizar la sostenibilidad de las soluciones implementadas.

En este sentido, si bien la Industria 4.0 ha impulsado la digitalización y automatización de los procesos productivos, la transición hacia la Industria 5.0 introduce una visión más amplia, donde la sostenibilidad, la resiliencia y el factor humano adquieren un papel central (5,6). En este nuevo paradigma, el valor de los vehículos autónomos no reside únicamente en su capacidad tecnológica, sino en su contribución a objetivos más ambiciosos: liberar a los trabajadores de tareas repetitivas para que puedan centrarse en actividades de mayor valor añadido, favorecer entornos de trabajo más seguros y ergonómicos, reducir consumos energéticos y emisiones mediante algoritmos de optimización, y aportar flexibilidad y resiliencia a la cadena de suministro gracias a su capacidad de adaptación y conectividad con sistemas ciberfísicos. Así, la robótica móvil, integrada con tecnologías como la inteligencia artificial, los gemelos digitales o el IoT, se consolidan como piezas clave en el ecosistema de la Industria 5.0, contribuyendo a una industria más sostenible, humana y preparada para los retos futuros.

2.2. Desarrollo/Metodología

Dada la creciente necesidad de contar con herramientas que permitan evaluar el rendimiento de los sistemas de robótica móvil en entornos industriales, la Cátedra Tecnalia en la Universidad de Zaragoza inició una línea de investigación centrada en el desarrollo de KPIs (Key Performance Indicators) específicos para este tipo de tecnologías. El objetivo era claro: disponer de indicadores que ayudaran a comprender, justificar y optimizar el comportamiento de los AGVs desde una perspectiva integral.

Durante la fase inicial del proyecto se constató una falta significativa de bibliografía especializada, especialmente en lo relativo a indicadores validados en entornos reales. El desarrollo y validación de indicadores para la evaluación del rendimiento de la robótica móvil en entornos industriales es un campo que ha despertado un creciente interés en la literatura científica, aunque sigue presentando importantes retos. Diversos autores han señalado la escasez de estudios experimentales validados en entornos reales, así como la falta de consenso sobre los indicadores más adecuados para medir el comportamiento global de los AGVs y robots móviles. Algunos estudios realizaron una revisión exhaustiva sobre la medición del rendimiento en manipuladores móviles, destacando la limitada validación experimental en entornos industriales y la necesidad de enfoques más aplicables (7). De forma similar, se analizó la integración de KPIs en fábricas inteligentes, subrayando los desafíos que supone monitorizar robots móviles y la importancia de desarrollar indicadores adaptados a la flexibilidad de la industria 4.0 (8). También se llevó a cabo una revisión crítica sobre el uso de AGVs en almacenes, remarcando la necesidad de marcos metodológicos robustos y flexibles para su evaluación (9). Algunos trabajos, proponen métodos estandarizados para la evaluación del rendimiento de robots móviles autónomos(10), mientras que otros abordan la fiabilidad y el mantenimiento como dimensiones clave en la valoración de AGVs(11). Además, varios estudios han propuesto criterios e índices de rendimiento específicos para plataformas robóticas móviles, insistiendo en la importancia de la validación experimental y la estandarización de los procesos de evaluación(12,13). En conjunto, la literatura coincide en la necesidad de avanzar hacia indicadores validados y aplicables en entornos industriales reales, lo que justifica el desarrollo de nuevas propuestas adaptadas a las necesidades de la industria.

Estas condiciones llevaron al equipo investigador a desarrollar sus propios indicadores, adaptados a las necesidades específicas de la industria y con vocación de aplicabilidad directa.

Uno de los principales resultados de este trabajo ha sido la creación de un indicador derivado del OEE (Overall Equipment Effectiveness), ampliamente utilizado en entornos de producción para evaluar la eficiencia de los equipos. En el caso de los vehículos autónomos, este indicador ha sido adaptado para reflejar su comportamiento operativo, considerando tres tipos de pérdidas:

• Disponibilidad: tiempo en que el vehículo no está operativo debido a averías, mantenimientos o paradas no planificadas.
• Rendimiento: diferencia entre la capacidad teórica y la capacidad real de ejecución de las tareas logísticas.
• Calidad: proporción de tareas logísticas que se completan correctamente sin errores, desvíos o intervenciones manuales.

Este enfoque permite obtener una visión sintética del rendimiento de los AGVs, facilitando la comparación entre vehículos, turnos, instalaciones o periodos de tiempo, y sirviendo como base para la toma de decisiones operativas y de mantenimiento.

Sin embargo, para lograr una evaluación verdaderamente completa, era necesario ir más allá del aspecto operativo. Por ello, el equipo de investigación desarrolló también un indicador ambiental, orientado a medir el impacto ecológico de los vehículos autónomos. Este indicador permite analizar tanto el consumo energético como las emisiones asociadas al funcionamiento de los AGVs, ofreciendo una estimación del impacto ambiental que generan en su ciclo de vida operativo. Gracias a esta herramienta, es posible comparar distintas soluciones de transporte interno desde una perspectiva de sostenibilidad, y tomar decisiones más alineadas con los objetivos medioambientales de cada organización.

En paralelo, se planteó un modelo de costes que permite evaluar el impacto económico que representa tanto el uso operativo del vehículo como los costes asociados a su mantenimiento. Este modelo facilita una justificación más razonada de la inversión requerida para implementar robótica móvil, adaptándose a las características específicas de cada empresa. De este modo, se da respuesta a la reflexión inicial sobre si merece la pena automatizar, ofreciendo indicadores que permiten personalizar esa decisión en función del contexto, los objetivos y las capacidades de cada organización.

2.3. Validación

Una vez desarrollados los indicadores, era imprescindible validarlos en un entorno que permitiera comprobar si realmente reflejaban el comportamiento operativo de un vehículo autónomo, o si por el contrario se trataba de un desarrollo difícilmente aplicable en escenarios complejos, donde intervienen múltiples factores externos al propio AGV.

Para abordar esta validación, se optó por trabajar con simulaciones de entornos productivos, una herramienta que ofrece múltiples ventajas en el estudio de tecnologías emergentes como la robótica móvil. Las simulaciones permiten reproducir escenarios operativos complejos sin los condicionantes físicos, económicos o logísticos que implicaría hacerlo en una planta real. Además, posibilitan el control de variables externas, la repetición de situaciones específicas y la observación detallada del comportamiento de los AGVs en condiciones diversas. Esta flexibilidad convierte a las simulaciones en un entorno ideal para comprobar si los indicadores desarrollados son capaces de capturar fielmente la realidad operativa de los vehículos autónomos y si pueden adaptarse a la variabilidad que caracteriza los sistemas industriales actuales.

Con esta validación, se buscaba confirmar que los indicadores propuestos eran capaces de representar de forma coherente el comportamiento de los AGVs en entornos productivos, y que podían ser utilizados como herramientas de apoyo en la toma de decisiones. El objetivo era garantizar que estos indicadores no solo respondieran a criterios teóricos, sino que fueran aplicables en la práctica, adaptables a distintos contextos industriales y útiles para evaluar el impacto operativo, económico y ambiental de la robótica móvil.

El escenario utilizado para llevar a cabo esta validación final fue una fábrica simulada con distintas líneas de producción, en la que la intralogística estaba completamente gestionada por AGVs, tal y como se representa en la siguiente imagen.

Figura 2. Escenario de validación. En el círculo rojo, representado el AGV

Este entorno permitía representar con suficiente realismo las dinámicas operativas de una planta industrial dividida en varias secciones como mecanizado, inyección de plásticos, o ensamblaje, incluyendo la interacción entre vehículos, estaciones de trabajo, tiempos de espera, averías, mantenimientos preventivos, rutas logísticas, diferentes recursos logísticos y eventos no planificados. Gracias a esta configuración, fue posible realizar la validación de los indicadores en un contexto relativamente complejo y ajustado a la realidad industrial, lo que reforzó la utilidad del enfoque desarrollado y su potencial aplicación en entornos productivos reales.

Finalmente, para visualizar los resultados de una manera integrada, fue necesario desarrollar un algoritmo de cálculo que permitiera tratar todos los datos generados en la fase de simulación y, posteriormente, poder estructurar la información para representarla de una manera accesible y legible para las personas que la requieran.

2.4. Resultados

Como resultado de todo el proceso descrito, se puso a prueba el sistema de indicadores desarrollado en el entorno simulado previamente definido. Esta aplicación permitió comprobar que, de manera sencilla, era posible visualizar toda la información relevante asociada a los vehículos autónomos de la planta, centralizando datos operativos, económicos y ambientales en un único panel.

Gracias a esta visualización, se podían identificar con claridad las áreas donde se producían las mayores pérdidas operativas, analizar el rendimiento de cada vehículo, y detectar patrones de ineficiencia. Además, el sistema permitía realizar estimaciones de las emisiones generadas por los AGVs, comparándolas con otros elementos logísticos, lo que facilitaba la toma de decisiones desde una perspectiva ambiental. Por otro lado, se podía observar el tiempo y el coste destinado al mantenimiento de cada vehículo, incluyendo aspectos como averías, paradas de emergencia o intervenciones correctivas, lo que aportaba una visión más precisa del impacto económico de la robótica móvil en la planta.

La siguiente imagen muestra un ejemplo de dashboard, o panel de indicadores, utilizado para representar esta información, integrando los distintos indicadores en una interfaz clara y funcional que facilita el análisis y la toma de decisiones.

Figura 3. Panel de indicadores.

En la parte superior se concentra la información operativa, organizada en forma de OEE. En la parte central se recoge la información ambiental, midiendo las emisiones totales de carbono equivalente del vehículo en un tiempo determinado. La parte inferior, por otro lado, representa los costes de mantenimiento y operación, con un desglose de las partidas más relevantes para cada caso.

Es importante destacar que la información mostrada en el panel se ajusta a un modelo previamente descrito y al escenario definido para esta publicación, sin embargo, es personalizable y escalable para cualquier entorno en función de las necesidades de cada situación.

Así mismo, cabe destacar que la metodología desarrollada y los indicadores propuestos están siendo actualmente utilizados en nuevas líneas de investigación, con el objetivo de seguir perfeccionando el enfoque y adaptarlo a las necesidades cambiantes de la industria. Además, se está trabajando en la extrapolación de estos indicadores y este modelo de análisis a otras tecnologías emergentes, lo que demuestra el potencial y la versatilidad del trabajo realizado, así como el interés creciente en disponer de herramientas robustas para la evaluación integral de la automatización industrial.

3. CONCLUSIONES

El trabajo desarrollado no se limita a la creación de un entorno simulado, sino que constituye una investigación exhaustiva que abarca desde el análisis del estado del arte hasta el diseño y validación de herramientas innovadoras para la evaluación integral de AGVs.

En primer lugar, se realizó una revisión profunda de la literatura y de las prácticas industriales, identificando una carencia significativa de indicadores validados que permitieran evaluar el rendimiento de los vehículos autónomos en condiciones reales. Esta brecha justificó la necesidad de un desarrollo teórico sólido, que sirviera como base para la creación de un marco metodológico robusto.

Gracias al trabajo realizado, se han diseñado y validado indicadores que permiten:

• Evaluar la capacidad operativa de los AGVs mediante un indicador adaptado del OEE, que considera disponibilidad, rendimiento y calidad.
• Analizar el impacto ambiental a través de un indicador específico que mide consumo energético y emisiones, posibilitando comparaciones entre distintas soluciones logísticas.
• Estimar los costes asociados al uso y mantenimiento, incorporando no solo el coste directo de recambios y mano de obra, sino también el impacto real de una avería en la capacidad productiva, gracias a la simulación de escenarios que reflejan tiempos improductivos y pérdidas de eficiencia.

Posteriormente, se desarrolló un proceso de validación basado en simulaciones avanzadas, que permitió comprobar la aplicabilidad y fiabilidad de los indicadores en escenarios complejos y representativos de la realidad industrial. Esta fase confirmó que las herramientas propuestas son escalables, adaptables y útiles para la toma de decisiones estratégicas.

Gracias a esta investigación, hoy disponemos de un conjunto de herramientas que permiten responder con rigor a la reflexión inicial sobre la conveniencia de automatizar mediante AGVs. Estas herramientas facilitan la evaluación personalizada de cada caso, considerando no solo la capacidad operativa, sino también el impacto ambiental y los costes asociados al uso y mantenimiento, aportando una visión integral que combina sostenibilidad, eficiencia y rentabilidad.

4. BIBLIOGRAFÍA

1. Ventajas y desventajas de los vehículos de guiado automático [Internet]. [cited 2025 Sep 19]. Available from: https://es.mfgrobots.com/mfg/acs/1003027376.html
2. Robot AGV: qué es, para qué sirve, partes y ventajas | Elecproy [Internet]. [cited 2025 Sep19]. Available from: https://elecproy.com/es/blog/robot-agv-automatizacion-inteligente-para-la-logistica-moderna/
3. La Guía Total: Los Vehículos de Guiado Automático (AGV) [Internet]. [cited 2025 Sep 19]. Available from: https://www.agvnetwork.com/es-tecnologia/la-guia-total-los-vehiculos-de-guiado-automatico-agv
4. ¿Qué es un AGV? Guía de robots de guiado automático [Internet]. [cited 2025 Sep19]. Available from: https://aprendeindustrial.com/que-es-un-agv/
5. Xu X, Lu Y, Vogel-Heuser B, Wang L. Industry 4.0 and Industry 5.0—Inception, conception and perception. J Manuf Syst [Internet]. 2021 Oct 1 [cited                2025 Sep 23];61:530–5. Available from: https://www.sciencedirect.com/science/article/pii/S0278612521002119
6. Union PO of the E. Industry 5.0 : towards a sustainable, human-centric and resilient European industry. 2021 Jan 4 [cited 2025 Sep 23]; Available from: https://op.europa.eu/en/publication-detail/-/publication/468a892a-5097-11eb-b59f-01aa75ed71a1/
7. Bostelman R, Hong T, Marvel J. Survey of research for performance measurement of mobile manipulators. J Res Natl Inst Stand Technol. 2016;121:342–66.
8. Aliev K, Antonelli D, Awouda A, Chiabert P, Key PC. Key Performance Indicators Integrating Collaborative and Mobile Robots in the Factory Networks. 2019 [cited 2025 Sep 22];635–42. Available from: https://inria.hal.science/hal-02478760v1
9. Ellithy K, Salah M, Fahim IS, Shalaby R. AGV and Industry 4.0 in warehouses: a comprehensive analysis of existing literature and an innovative framework for flexible automation. International Journal of Advanced Manufacturing Technology [Internet]. 2024 Sep 1 [cited 2025 Sep 22];134(1–2):15–38. Available from: https://link.springer.com/article/10.1007/s00170-024-14127-0
10. Trejo D, Biedma N, López D, Luise D, Rancez L, Barrera G, et al. Performance Evaluation for Autonomous Mobile Robots.
11. Yan R. Enhancing the Performance of Automated Guided Vehicles Through Reliability, Operation and Maintenance Assessment. 2019;
12. Ryu S, Won J, Chae H, Kim HS, Seo TW. Evaluation Criterion of Wheeled Mobile Robotic Platforms on Grounds: A Survey. International Journal of Precision Engineering and Manufacturing [Internet]. 2024 Mar 1 [cited 2025 Sep 22];25(3):675–86. Available from: https://link.springer.com/article/10.1007/s12541-023-00912-6
13. Bostelman R, Hong T, Cheok G. Navigation Performance Evaluation for AutomaticGuided Vehicles.