Ingeniería Estructural 5.0
Diseño sísmico, BIM, inteligencia artificial, gemelos digitales y monitoreo estructural
Resumen
La ingeniería estructural atraviesa una etapa de transformación que trasciende la incorporación aislada de nuevas herramientas computacionales. La creciente complejidad de las infraestructuras, la expansión de las ciudades, la necesidad de responder a amenazas naturales y antrópicas, así como la disponibilidad cada vez mayor de información digital, están modificando la manera en que las estructuras son concebidas, diseñadas, construidas, supervisadas y gestionadas. En este escenario, la disciplina se enfrenta al desafío de conservar el rigor de sus fundamentos científicos mientras incorpora tecnologías capaces de ampliar la comprensión del comportamiento estructural y mejorar la calidad de las decisiones profesionales.
Históricamente, el objetivo esencial de la ingeniería estructural ha sido garantizar que las edificaciones y demás obras de infraestructura puedan resistir las acciones previstas durante su vida útil con niveles aceptables de seguridad y desempeño. Para ello, la disciplina ha desarrollado principios teóricos, modelos matemáticos, métodos experimentales y procedimientos normativos que permiten representar, con diferentes niveles de aproximación, la respuesta de los sistemas estructurales frente a las cargas y acciones a las que se encuentran sometidos. La mecánica de materiales, la teoría de estructuras, la dinámica estructural y la ingeniería sísmica constituyen, en este sentido, pilares que continúan siendo irrenunciables.
Sin embargo, las estructuras reales no permanecen estáticas desde el punto de vista de la información. Una vez construidas, están sometidas a procesos de envejecimiento, deterioro, modificaciones en sus condiciones de uso y eventos extraordinarios que pueden alterar su comportamiento. A pesar de ello, durante mucho tiempo la mayor parte de la información generada en las etapas de diseño y construcción permaneció fragmentada o perdió utilidad durante la fase de operación. Los planos, memorias de cálculo, registros de obra y documentos técnicos solían almacenarse como archivos independientes, con una limitada capacidad de actualización e integración. Como consecuencia, la gestión de una estructura durante su vida útil se desarrollaba, con frecuencia, a partir de información incompleta o de inspecciones realizadas cuando ya existían señales visibles de deterioro.
La transformación digital ofrece la posibilidad de modificar esta lógica. Actualmente es posible generar modelos digitales capaces de concentrar información geométrica, física y funcional; incorporar datos obtenidos mediante sensores; procesar grandes volúmenes de información mediante algoritmos inteligentes; y desarrollar representaciones virtuales que se actualicen de acuerdo con el comportamiento observado en el activo físico. Estas capacidades permiten avanzar desde una gestión predominantemente documental y reactiva hacia otra basada en la integración, el análisis y la anticipación.
No obstante, sería un error interpretar este proceso como una sustitución de la ingeniería por la tecnología. La disponibilidad de modelos tridimensionales, algoritmos de aprendizaje automático o sistemas automatizados de monitoreo no garantiza, por sí misma, mejores decisiones. Una representación digital puede contener información incorrecta; un algoritmo puede producir predicciones aparentemente precisas sin comprender los mecanismos físicos que gobiernan un fenómeno; y un sistema de sensores puede generar grandes cantidades de datos sin aportar conocimiento relevante para la gestión de una estructura. Por esta razón, el avance tecnológico debe ir acompañado de una mayor capacidad crítica y de una sólida formación en los fundamentos de la disciplina.
En este contexto, el concepto de Ingeniería Estructural 5.0 constituye una propuesta para comprender la evolución contemporánea de la especialidad desde una perspectiva integradora. El término no se limita a identificar una nueva generación de software o a describir la automatización de determinadas actividades. Su alcance es más amplio: plantea la articulación entre el conocimiento científico y técnico de la ingeniería estructural con tecnologías digitales inteligentes, manteniendo al profesional como responsable de la interpretación, validación y toma de decisiones.
La Ingeniería Estructural 5.0 parte, por tanto, de una premisa fundamental: la transformación digital debe estar orientada a mejorar la capacidad de la ingeniería para proteger a las personas, reducir la vulnerabilidad de las infraestructuras, incrementar su resiliencia y gestionar de manera más eficiente los recursos durante todo el ciclo de vida de las estructuras. Desde esta perspectiva, la tecnología adquiere valor cuando permite responder de manera más efectiva a problemas estructurales concretos y no únicamente cuando incrementa el grado de digitalización de un proceso.
Dentro de este paradigma, el diseño sísmico mantiene una posición central. En regiones expuestas a actividad sísmica, la seguridad estructural constituye una condición indispensable para la protección de la vida humana y la continuidad de los servicios esenciales. Sin embargo, la concepción contemporánea del desempeño sísmico ha ampliado la discusión más allá de la prevención del colapso. Una estructura puede permanecer en pie después de un evento severo y, aun así, experimentar daños que comprometan su funcionalidad, generen pérdidas económicas significativas o dificulten la recuperación de una comunidad. En consecuencia, la evaluación estructural requiere considerar no solo la resistencia, sino también la capacidad de desempeño, recuperación y adaptación frente a diferentes escenarios.
Esta evolución conceptual encuentra un importante complemento en el Building Information Modeling (BIM). Más que una herramienta de representación tridimensional, BIM puede entenderse como un enfoque para organizar, relacionar y gestionar la información generada durante las distintas etapas de un proyecto. Para la ingeniería estructural, esta capacidad resulta especialmente relevante porque permite establecer conexiones entre los modelos de diseño, los elementos constructivos, las especificaciones técnicas y otros datos asociados con la infraestructura. Cuando la información se estructura adecuadamente, el modelo deja de ser únicamente una representación geométrica y puede convertirse en un soporte para la coordinación interdisciplinaria y la gestión del conocimiento técnico.
A su vez, la inteligencia artificial abre nuevas posibilidades para analizar patrones complejos, identificar relaciones en grandes conjuntos de datos y desarrollar modelos predictivos. Sus aplicaciones potenciales en la ingeniería estructural incluyen la identificación de daños, la predicción de propiedades o comportamientos, la optimización de alternativas de diseño y el apoyo a procesos de inspección y mantenimiento. Sin embargo, estas aplicaciones plantean interrogantes fundamentales sobre la calidad de los datos, la capacidad de generalización de los modelos y la interpretación de los resultados. Por ello, la utilización responsable de sistemas inteligentes exige que la precisión estadística sea complementada con conocimiento físico y criterio profesional.
La integración entre el activo físico y su representación digital constituye otro de los componentes esenciales de esta transformación. Los gemelos digitales representan una evolución respecto de los modelos digitales convencionales al incorporar la posibilidad de establecer conexiones dinámicas entre una infraestructura y los datos asociados con su estado o comportamiento. Su potencial reside en la creación de entornos de análisis en los que la información procedente del activo pueda ser utilizada para actualizar modelos, simular escenarios y apoyar decisiones relacionadas con la operación y el mantenimiento. De esta manera, la estructura puede ser comprendida no solamente a partir de las hipótesis formuladas durante su diseño, sino también mediante evidencia generada a lo largo de su vida útil.
Esta posibilidad se encuentra estrechamente vinculada con el monitoreo de la salud estructural. La instrumentación y los sistemas de adquisición de datos permiten observar determinadas variables relacionadas con la respuesta de una estructura, tales como aceleraciones, deformaciones, desplazamientos o frecuencias de vibración. Sin embargo, el verdadero propósito del monitoreo no consiste en acumular mediciones, sino en transformar los datos en información que permita reducir la incertidumbre sobre la condición del sistema. La integración entre sensores, modelos estructurales, herramientas de procesamiento e inteligencia artificial puede contribuir, en consecuencia, al desarrollo de estrategias de mantenimiento más predictivas y fundamentadas en evidencia.
La convergencia de estas tecnologías plantea una nueva manera de comprender el ciclo de vida estructural. En lugar de considerar el diseño, la construcción, la operación y el mantenimiento como etapas independientes, la Ingeniería Estructural 5.0 propone fortalecer los mecanismos de continuidad entre ellas. Las decisiones adoptadas durante el diseño pueden generar información útil para la operación futura; los datos obtenidos durante la vida útil pueden contribuir a evaluar los supuestos iniciales; y la experiencia acumulada en estructuras existentes puede retroalimentar los criterios empleados en nuevos proyectos. De este modo, la infraestructura deja de ser entendida como un producto terminado al finalizar la construcción y pasa a ser considerada como un sistema cuya condición y desempeño evolucionan en el tiempo.
Este enfoque también modifica el papel del ingeniero estructural. El profesional del futuro deberá conservar una sólida capacidad para analizar fuerzas, deformaciones, mecanismos de falla y comportamiento dinámico, pero simultáneamente necesitará desarrollar competencias relacionadas con la gestión de información, la interpretación de datos y la interacción con tecnologías digitales. Esta ampliación del perfil profesional no implica que todos los ingenieros deban convertirse en especialistas informáticos. Significa, más bien, que la práctica estructural será progresivamente interdisciplinaria y que la capacidad para comunicarse con especialistas de otras áreas se convertirá en un componente esencial de la formación profesional.
La adopción de estas tecnologías tampoco ocurre en condiciones homogéneas. Las posibilidades de implementar BIM avanzado, sistemas de monitoreo permanente o gemelos digitales dependen de factores económicos, institucionales y tecnológicos. Por esta razón, la Ingeniería Estructural 5.0 no puede plantearse como un modelo único que deba ser aplicado de manera idéntica en todos los contextos. Su implementación debe considerar el tipo y la criticidad de la infraestructura, los recursos disponibles, la disponibilidad de datos, las competencias profesionales y los riesgos que se pretende gestionar. Una transformación digital efectiva no consiste necesariamente en utilizar la tecnología más sofisticada, sino en seleccionar las herramientas adecuadas para resolver un problema relevante.
Desde esta perspectiva, el presente libro propone un recorrido que parte de los fundamentos de la ingeniería estructural y avanza progresivamente hacia la integración de tecnologías emergentes. El diseño sísmico proporciona la base para comprender los mecanismos que determinan el desempeño de las estructuras frente a acciones extremas. BIM introduce una nueva lógica para la organización y continuidad de la información. La inteligencia artificial incorpora capacidades de análisis y predicción basadas en datos. Los gemelos digitales permiten explorar formas de conexión entre el activo físico y sus representaciones virtuales. Finalmente, el monitoreo estructural proporciona evidencia sobre el comportamiento real de la infraestructura durante su operación.
El propósito de la obra no es presentar estas áreas como disciplinas independientes. Por el contrario, se busca demostrar que su mayor potencial surge cuando son articuladas dentro de un sistema coherente. Un modelo BIM puede proporcionar la estructura de información necesaria para un gemelo digital; los sensores pueden suministrar datos para actualizar modelos analíticos; la inteligencia artificial puede identificar patrones que resulten difíciles de detectar mediante procedimientos convencionales; y el conocimiento derivado de estos procesos puede apoyar decisiones relacionadas con la seguridad, el mantenimiento y la resiliencia.
La organización del libro responde a esta lógica de integración. La primera parte establece las bases conceptuales de la transformación de la ingeniería estructural y analiza la relación entre seguridad, desempeño y ciclo de vida. Posteriormente, se profundiza en los fundamentos del diseño sísmico y en el papel del modelamiento computacional. Las secciones siguientes abordan BIM, inteligencia artificial, gemelos digitales y monitoreo estructural, antes de desarrollar una propuesta integradora de Ingeniería Estructural 5.0 y examinar sus aplicaciones, limitaciones y perspectivas futuras.
En consecuencia, esta obra está dirigida a estudiantes avanzados de ingeniería, profesionales, investigadores y docentes interesados en comprender los cambios que están redefiniendo la disciplina. Su propósito no consiste únicamente en presentar herramientas tecnológicas, sino en promover una reflexión crítica sobre la manera en que dichas herramientas deben incorporarse al conocimiento y a la práctica profesional. La tecnología, por sí sola, no garantiza estructuras más seguras. Su contribución depende de la calidad de los modelos, de la confiabilidad de los datos y, sobre todo, de la capacidad humana para formular preguntas pertinentes e interpretar responsablemente las respuestas.
La Ingeniería Estructural 5.0 debe entenderse, finalmente, como una oportunidad para fortalecer el sentido fundamental de la disciplina. En un mundo caracterizado por una creciente exposición al riesgo, la innovación tecnológica adquiere su mayor relevancia cuando contribuye a proteger la vida, preservar la infraestructura y mejorar la capacidad de las sociedades para responder ante situaciones adversas. El desafío no consiste simplemente en construir estructuras digitales, inteligentes o conectadas. El desafío consiste en utilizar el conocimiento y la tecnología para construir un entorno más seguro, resiliente y sostenible.
Con esta perspectiva, el libro invita a comprender la transformación digital no como el destino final de la ingeniería estructural, sino como un nuevo conjunto de capacidades que debe ponerse al servicio de sus principios esenciales. El futuro de la disciplina dependerá, en gran medida, de su capacidad para integrar innovación y fundamento científico, automatización y criterio profesional, información digital y comportamiento físico. En esa convergencia se encuentra el sentido y la proyección de la Ingeniería Estructural 5.0.
Citas
AlBalkhy, W., Karmaoui, D., Ducoulombier, L., Lafhaj, Z., & Linner, T. (2024). Digital twins in the built environment: Definition, applications, and challenges. Automation in Construction, 162, 105368.
Ao, Y., Li, S., & Duan, H. (2025). Artificial intelligence-aided design (AIAD) for structures and engineering: A state-of-the-art review and future perspectives. Archives of Computational Methods in Engineering, 32, 4197–4224. https://doi.org/10.1007/s11831-025-10264-1
Azhar, S. (2011). Building information modeling (BIM): Trends, benefits, risks, and challenges for the AEC industry. Leadership and Management in Engineering, 11(3), 241–252. https://doi.org/10.1061/(ASCE)LM.1943-5630.0000127
Bae, J., et al. (2025). State-of-the-art artificial intelligence techniques in structural engineering: A review of applications and prospects. Results in Engineering, 28, 107882. https://doi.org/10.1016/j.rineng.2025.107882
Bao, Y., Sun, H., Xu, Y., Guan, X., Pan, Q., et al. (2025). Recent advances in structural health diagnosis: A machine learning perspective. Advances in Bridge Engineering, 6, Article 7. https://doi.org/10.1186/s43251-024-00155-z
Bhatta, S., & Dang, J. (2024). Use of IoT for structural health monitoring of civil engineering structures: A state-of-the-art review. Urban Lifeline. https://doi.org/10.1007/s44285-024-00031-2
Boje, C., Guerriero, A., Kubicki, S., & Rezgui, Y. (2020). Towards a semantic Construction Digital Twin: Directions for future research. Automation in Construction, 114, 103179. https://doi.org/10.1016/j.autcon.2020.103179
Breque, M., De Nul, L., & Petridis, A. (2021). Industry 5.0: Towards a sustainable, human-centric and resilient European industry. Publications Office of the European Union. https://doi.org/10.2777/308407
Bryde, D., Broquetas, M., & Volm, J. M. (2013). The project benefits of building information modelling (BIM). International Journal of Project Management, 31(7), 971–980. https://doi.org/10.1016/j.ijproman.2012.12.001
Cha, Y.-J., Ali, R., Lewis, J., & Büyüköztürk, O. (2024). Deep learning-based structural health monitoring. Automation in Construction, 161, 105328. https://doi.org/10.1016/j.autcon.2024.105328
Chiachío, M., Megía, M., Chiachío, J., Fernandez, J., & Jalón, M. L. (2022). Structural digital twin framework: Formulation and technology integration. Automation in Construction, 140, 104333. https://doi.org/10.1016/j.autcon.2022.104333
Cunha, B. Z., Droz, C., Zine, A.-M., Foulard, S., & Ichchou, M. (2023). A review of machine learning methods applied to structural dynamics and vibroacoustic. Mechanical Systems and Signal Processing, 200, 110535. https://doi.org/10.1016/j.ymssp.2023.110535
Dong, B., Shahbaz, A., & Karavasilis, T. L. (2026). Integration of cyber-physical systems and digital twins in structural engineering: Applications, challenges and future advancements. Journal of Building Engineering.
Eastman, C., Teicholz, P., Sacks, R., & Liston, K. (2011). BIM handbook: A guide to building information modeling for owners, managers, designers, engineers and contractors (2nd ed.). Wiley.
Fernández-Mora, V., Navarro, I. J., & Yepes, V. (2022). Integration of the structural project into the BIM paradigm: A literature review. Journal of Building Engineering, 53, 104318. https://doi.org/10.1016/j.jobe.2022.104318
Gomez-Cabrera, A., & Escamilla-Ambrosio, P. J. (2022). Review of machine-learning techniques applied to structural health monitoring systems for building and bridge structures. Applied Sciences, 12(21), 10754. https://doi.org/10.3390/app122110754
Gürdür Broo, D., Kaynak, O., & Sait, S. M. (2022). Rethinking engineering education at the age of Industry 5.0. Journal of Industrial Information Integration, 25, 100311. https://doi.org/10.1016/j.jii.2021.100311
Huang, J., Wu, P., Li, W., Zhang, J., & Xu, Y. (2024). Exploring the applications of digital twin technology in enhancing sustainability in civil engineering: A review. Structural Durability & Health Monitoring, 18(5), 577–598. https://doi.org/10.32604/sdhm.2024.050338
Hjelmstad, K. D., et al. (2018). Computational structural engineering: Past achievements and future challenges. Frontiers in Built Environment, 4, Article 21. https://doi.org/10.3389/fbuil.2018.00021
Jiang, F., Ma, L., Broyd, T., & Chen, K. (2021). Digital twin and its implementations in the civil engineering sector. Automation in Construction, 130, Article 103838. https://doi.org/10.1016/j.autcon.2021.103838
Karakostas, C., Quaranta, G., Chatzi, E., et al. (2024). Seismic assessment of bridges through structural health monitoring: A state-of-the-art review. Bulletin of Earthquake Engineering, 22, 1309–1357.
Kaveh, H., & Alhajj, R. (2025). Advancing civil infrastructure with digital twins: A review of applications and challenges. Journal of Civil Engineering and Management. https://doi.org/10.3846/jcem.2025.24921
Leng, J., Sha, W., Wang, B., Zheng, P., Zhuang, C., Liu, Q., Wuest, T., Mourtzis, D., & Wang, L. (2022). Industry 5.0: Prospect and retrospect. Journal of Manufacturing Systems, 65, 279–295. https://doi.org/10.1016/j.jmsy.2022.09.017
Li, H., Deng, H., & Deng, Y. (2025). Towards worker-centric construction scene understanding: Status quo and future directions. Automation in Construction, 171, 106005. https://doi.org/10.1016/j.autcon.2025.106005
Liu, W. K., Li, S., & Park, H. S. (2022). Eighty years of the finite element method: Birth, evolution, and future. Archives of Computational Methods in Engineering, 29, 4431–4453. https://doi.org/10.1007/s11831-022-09740-9
Long, W., Bao, Z., Chen, K., Ng, S. T., & Wuni, I. Y. (2023). Developing an integrative framework for digital twin applications in the building construction industry: A systematic literature review. Advanced Engineering Informatics, 57, 102346. https://doi.org/10.1016/j.aei.2023.102346
Lu, W., Lou, J., Ababio, B. K., Zhong, R. Y., Bao, Z., Li, X., et al. (2024). Digital technologies for construction sustainability: Status quo, challenges, and future prospects. Materials Sustainability, 2, Article 10.
Lu, Q., Xie, X., Parlikad, A. K., & Schooling, J. M. (2020). Digital twin-enabled anomaly detection for built asset monitoring in operation and maintenance. Automation in Construction, 118, 103277. https://doi.org/10.1016/j.autcon.2020.103277
Málaga-Chuquitaype, C. (2022). Machine learning in structural design: An opinionated review. Frontiers in Built Environment, 8, 815717. https://doi.org/10.3389/fbuil.2022.815717
Murphy, J. D., Pak, H., Weng, Y., & German Paal, S. (2026). Physics-informed machine learning in structural engineering: A scoping review and categorization of physics injection methods. Journal of Structural Engineering, 152(6). https://doi.org/10.1061/JSENDH.STENG-15596
Müller, J. M. (2023). Is Industry 5.0 a human-centred approach? A systematic review. Processes, 11(1), 193. https://doi.org/10.3390/pr11010193
Nahavandi, S. (2019). Industry 5.0—A human-centric solution. Sustainability, 11(16), 4371. https://doi.org/10.3390/su11164371
Nhamage, I. A., Horas, C. S., Dang, N.-S., Campos e Matos, J. A., & Martins, J. P. (2025). Strategies for maximising the value of digital twins for bridge management and structural monitoring: A systematic review. Archives of Computational Methods in Engineering, 32, 4555–4586. https://doi.org/10.1007/s11831-025-10280-1
Opoku, D.-G. J., Perera, S., Osei-Kyei, R., & Rashidi, M. (2021). Digital twin application in the construction industry: A literature review. Journal of Building Engineering, 40, 102726.
Ohueri, C. C. (2026). Human digital twin for optimizing labor productivity in Construction 5.0. Automation in Construction, 183, 106800. https://doi.org/10.1016/j.autcon.2026.106800
Pregnolato, M., Gunner, S., Voyagaki, E., De Risi, N., Carhart, N., Gavriel, G., Tully, P., Tryfonas, T., Macdonald, J., & Taylor, C. (2022). Towards Civil Engineering 4.0: Concept, workflow and application of Digital Twins for existing infrastructure. Automation in Construction, 141, 104421. https://doi.org/10.1016/j.autcon.2022.104421
Sakaris, C. S., et al. (2023). Unsupervised learning methods for data-driven vibration-based structural health monitoring: A review. Sensors, 23(6), 3290.
Sacks, R., Eastman, C., Lee, G., & Teicholz, P. (2018). BIM handbook: A guide to building information modeling for owners, designers, engineers, contractors, and facility managers (3rd ed.). Wiley.
Soman, R. K., Farghaly, K., Mills, G., & Whyte, J. (2025). Digital twin construction with a focus on human twin interfaces. Automation in Construction, 170, 105924. https://doi.org/10.1016/j.autcon.2024.105924
Succar, B. (2009). Building information modelling framework: A research and delivery foundation for industry stakeholders. Automation in Construction, 18(3), 357–375. https://doi.org/10.1016/j.autcon.2008.10.003
Su, S., Zhong, R. Y., Jiang, Y., Song, J., Fu, Y., & Cao, H. (2023). Digital twin and its potential applications in construction industry: State-of-art review and a conceptual framework. Advanced Engineering Informatics, 57, 102030. https://doi.org/10.1016/j.aei.2023.102030
Sun, H., Burton, H. V., & Huang, H. (2021). Machine learning applications for building structural design and performance assessment: State-of-the-art review. Journal of Building Engineering, 33, 101816. https://doi.org/10.1016/j.jobe.2020.101816
Sun, Z., Jayasinghe, S., Sidiq, A., Shahrivar, F., Mahmoodian, M., & Setunge, S. (2025). Approach towards the development of digital twin for structural health monitoring of civil infrastructure: A comprehensive review. Sensors, 25(1), 59. https://doi.org/10.3390/s25010059
Sun, Z., et al. (2026). Digital twin technology for structural lifecycle management and health monitoring. Applied Sciences, 16(13), 6524. https://doi.org/10.3390/app16136524
Tanguay, X., & Amor, B. (2024). Assessing the sustainability of a resilient built environment: Research challenges and opportunities. Journal of Cleaner Production, 458, 142437. https://doi.org/10.1016/j.jclepro.2024.142437
Torzoni, M., Tezzele, M., Mariani, S., Manzoni, A., & Willcox, K. E. (2024). A digital twin framework for civil engineering structures. Computer Methods in Applied Mechanics and Engineering, 418, 116584. https://doi.org/10.1016/j.cma.2023.116584
Tuhaise, V. V., Tah, J. H. M., & Abanda, F. H. (2023). Technologies for digital twin applications in construction. Automation in Construction, 152, 104931.
Tzachor, A., Sabri, S., Richards, C. E., Rajabifard, A., & Acuto, M. (2022). Potential and limitations of digital twins to achieve the Sustainable Development Goals. Nature Sustainability, 5, 822–829
Volk, R., Stengel, J., & Schultmann, F. (2014). Building Information Modeling (BIM) for existing buildings—Literature review and future needs. Automation in Construction, 38, 109–127. https://doi.org/10.1016/j.autcon.2013.10.023
Wang, Z., Barak, R., Sacks, R., Yevu, S. K., Bentur, A., & Hadjidemetriou, G. M. (2026). Construction productivity and digital technologies. Automation in Construction, 183, 106768.
Xie, Y., Ebad Sichani, M., & Xiao, J. (2022). Machine learning for structural engineering: A state-of-the-art review. Structures, 38, 448–491. https://doi.org/10.1016/j.istruc.2022.02.003
Xu, X., Lu, Y., Vogel-Heuser, B., & Wang, L. (2021). Industry 4.0 and Industry 5.0—Inception, conception and perception. Journal of Manufacturing Systems, 61, 530–535. https://doi.org/10.1016/j.jmsy.2021.10.006
Zizic, M. C., Mladineo, M., Gjeldum, N., & Celar, S. (2023). From Industry 4.0 towards Industry 5.0: A review and analysis of paradigm shift for the people, organization and technology. Energies, 16(2), 522. https://doi.org/10.3390/en16020522
Descargas
Publicado
Cómo citar
Número
Sección
Licencia

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
El autor permite el uso y difusión de los artículos a los lectores y a la revista, por medio de la licencia Creative Commons CC-BY-4.0 (Reconocimiento 4.0). Esta licencia permite que cualquiera distribuya, remezcle, adapte y rediseñe a partir de un trabajo, incluso con fines lucrativos, siempre que se mencione la autoría de la creación original.
Ruta CC-BY-4.0: https://creativecommons.org/licenses/by/4.0/












