Una red neuronal es un algoritmo que imita el funcionamiento de las neuronas y de las conexiones que hay entre ellas y son entrenadas para que tengan la capacidad de desempeñar una tarea. Se dice que una red neuronal aprende mediante el entrenamiento porque no hay una programación explícita para realizar una tarea, sino que la red se programa sola a partir de ejemplos. Las redes neuronales son el mayor exponente del llamado machine learning o aprendizaje automático.
Las redes neuronales pueden aprender a clasificar y a imitar el comportamiento de sistemas complejos. Si queremos que aprenda a diferenciar entre manzanas y naranjas sólo tenemos que mostrarle unos cuantos ejemplares de ambas frutas y decirle, a la vez, si se trata de una manzana o de una naranja. Una vez entrenada la red neuronal sabrá si está ante una manzana o una naranja. Lo interesante es que lo sabrá aunque las manzanas y naranjas no sean las que se le enseñaron durante el entrenamiento ya que las redes neuronales no memorizan, sino que generalizan. Esa es la clave del aprendizaje de las máquinas.
El interés en las redes neuronales decayó en el cambio de siglo. Por un lado, el mundo empresarial no había visto satisfechas todas sus expectativas y, por otro lado, el mundo académico se centró en algoritmos más prometedores. Sin embargo, algunos investigadores, sobre todo en torno a la Universidad de Montreal, perseveraron en el estudio de las redes neuronales y las hicieron evolucionar hasta lo que llamaron Deep Learning.
El Deep Learning es una serie de algoritmos emparentados con las redes neuronales que tienen la misma finalidad y un rendimiento mayor que otras formas de Machine Learning. La mayor diferencia es la capacidad de abstracción. Volviendo al ejemplo anterior, para clasificar naranjas y manzanas con una red neuronal es necesario extraer características que definan las frutas. Estas características pueden ser el color, la forma, el tamaño, etc. Representar las frutas mediante estas características es una forma de abstracción que debe ser diseñada por la persona que entrene la red neuronal. Pues bien, los algoritmos Deep learning son capaces de realizar una abstracción semejante por sí mismos, sin necesidad de que alguien la diseñe previamente. Por esta razón se dice que el Deep Learningno sólo es capaz de aprender, sino que, además, puede encontrar significado.
El Deep Learning ha aparecido en los medios de comunicación por el interés que han puesto en él grandes empresas y también por la espectacularidad de sus logros tecnológicos. A principios de 2016, los medios dieron noticia de cómo el programa AlphaGo de la empresa Google DeepMind ganó al campeón de goLee Sedol. Esto ha sido un logro técnico sin precedentes, puesto que la estrategia seguida con el ajedrez no puede usarse con el go. Cuando Garry Kasparov perdió al ajedrez en 1996 lo hizo frente a una máquina, la Deep Blue de IBM, programada para calcular todos los posibles movimientos futuros del contrincante. Por el contrario, la máquina de Google DeepMind no está programada para jugar al go, sino que fue enseñada a jugar al go antes de enfrentarse a Lee Sedol. Primero aprendió jugando con el campeón europeo de go y después contra otra versión de sí misma. Partida a partida, la máquina fue mejorando su juego hasta hacerse imbatible.
Grandes empresas como Google o Facebookusan Deep Learning de manera rutinaria en sus productos para reconocer caras y para interpretar el lenguaje natural. También hay empresas pequeñas que ofrecen productos basados en esta tecnología, como Artelnics o Numenta, que pueden aplicarse en muchos procesos industriales. Es de esperar un gran desarrollo de aplicaciones basadas en Deep Learning debido a la necesidad de automatizar el tratamiento inteligente de las enormes cantidades de datos que se generan a diario y, además, porque hay una serie de herramientas open source que ponen estos algoritmos al alcance de todos, como Theano, TensorFlow, H2O u OpenAI Gym .
El éxito de las aplicaciones industriales del Deep Learningdependerá de la disponibilidad de grandes cantidades de datos de calidad, de los recursos de computación disponibles y de su aplicación a problemas apropiados. La detección y clasificación de defectos o averías, el modelado de sistemas para su control y la detección de anomalías podrían ser las primeras aplicaciones prácticas exitosas.
En julio de 2015 nos sorprendimos con la noticia de que un trabajador de la planta de Volkswagen en Baunatal (Alemania) había muerto después de que un robot lo agarrara por el pecho y lo aplastara contra una placa metálica. Se atribuyó el suceso a un “error humano”. El portavoz de Volkswagen apuntó que “el robot no era de los de última generación de máquinas que trabajan codo con codo con los trabajadores en la línea de producción”.
La aplicación de los robots en procesos industriales está muy extendida en el sector industrial (principalmente en automoción) donde realizan multitud de tareas, principalmente secuenciales, repetitivas y a gran velocidad. No son frecuentes los accidentes vinculados con robots. Los pocos que se producen ocurren durante las operaciones de mantenimiento, ajuste, programación… Durante su funcionamiento cotidiano los robots industriales están en jaulas de seguridad, precisamente para prevenir incidentes en el contacto con los humanos.
Sin las medidas de seguridad adecuadas, los robots industriales tradicionales pueden producir gravísimos accidentes por aplastamiento, por atrapamiento (ocurre cuando el brazo, pierna u otra parte del cuerpo de un trabajador queda atrapada entre el robot y otra parte del equipo), por colisión o impacto (cuando el movimiento de un robot se vuelve impredecible y golpea al trabajador) o por proyección de materiales (cuando una parte del robot, de la herramienta o del producto manipulado, se rompe y sale disparada y golpea a un trabajador).
Ha sido obligatorio, por normativa de aplicación en toda la UE, dotar a toda el área de alcance del robot industrial de un perímetro de seguridad suficientemente dimensionado que evite el acceso al robot cuando esté en operación. En caso de ser necesaria la entrada a esta zona, el trabajador debe realizar algún tipo de acción que detenga al robot, facilitando el acceso. Las normas armonizadas ISO 10218-1 e ISO 10218-2: “Requisitos de seguridad para robots industriales” contienen los requisitos mínimos para el funcionamiento seguro de estos robots industriales.
Esta “separación” entre trabajadores y robots en un entorno industrial se va debilitando gracias a los robots colaborativos ya disponibles en el mercado (familia de robots UR de Universal Robots, YuMi de ABB, robot LBR iiwa de KUKA…) y a la nueva norma ISO/TS 15066:2016 “Robots colaborativos” que especifica los requisitos de seguridad para los sistemas de robot industrial colaborativos. La norma describe diferentes conceptos de colaboración y los requisitos necesarios para lograrlos. La ISO señala que la operación de colaboración es un campo en desarrollo y que la nueva especificación técnica probablemente evolucionará en ediciones futuras.
Los robots colaborativos se diseñan para funcionar en un espacio de trabajo compartido con los trabajadores y sin la necesidad de las protecciones convencionales, jaulas de seguridad o barreras de seguridad. La principal premisa en el diseño de estos robots es la seguridad de los trabajadores (primera ley de la robótica de Asimov: “Un robot no hará daño a un ser humano”). Estos robots están diseñados para trabajar codo con codo con los trabajadores.
La cercanía de trabajadores y robots requiere un gran diseño en materia de seguridad, basado en una combinación de diseño mecánico para el manipulador y de medidas de control para supervisar que el robot funciona con seguridad en todo momento en el entorno en el que se coloca. Así, más que hablar de robots colaborativos, en CARTIF hablamos de espacios de colaboración seguros entre trabajadores y robots (espacios colaborativos). No sólo es seguro el robot; también lo son la aplicación y el entorno de trabajo.
Para garantizar la seguridad se pueden utilizar distintas tecnologías y medidas de seguridad. Se pueden diseñar los robots ligeros, sin puntos de cizallamiento o corte, con geometrías redondeadas, superficies lisas y componentes deformables o elásticos. Se puede limitar la velocidad, aceleración y potencia del robot. Para detectar colisiones se pueden integrar sensores de corriente, fuerza, torsión. Se puede ajustar el movimiento en tiempo real del robot con sensores táctiles y de proximidad. Para ser “conscientes del entorno colaborativo” se pueden añadir sistemas visuales basados en tecnologías de visión artificial 2D/3D.
En general, los robots colaborativos son similares a los robots industriales tradicional pero más pequeños y ligeros, menos rápidos y potentes, más económicos y fáciles de instalar y configurar. Estos robots no necesitan ser rápidos ni potentes ya que se diseñan especialmente para interactuar con los trabajadores. Como indican los expertos, en un entorno colaborativo, el trabajador puede aportar habilidad, flexibilidad y, sobre todo capacidad de identificar, entender y resolver problemas, y el robot ofrecer repetibilidad, precisión y aguante. No obstante, la norma ISO/TS 15066:2016 no limita las capacidades del robot en aplicaciones colaborativas.
La realidad aumentada (RA) es una tecnología que poco a poco se está abriendo paso en nuestra vida diaria. A grandes rasgos, consiste en incorporar información digital a la realidad que tenemos ante nuestros ojos por medio de la superposición en tiempo real de esta información sobre la imagen que proporciona nuestro dispositivo, ya sea un smartphone, una tablet o unas smart glasses.
Por tanto, para acceder a esta tecnología no es necesario disponer de dispositivos especiales. Gracias al desarrollo de la tecnología, equipos de los que todo el mundo dispone, como los citados antes, pueden ser el instrumento que permita acceder al mundo de la realidad aumentada. Sí que es cierto que en los últimos años están surgiendo dispositivos como las smart glasses que están adaptados de forma específica a este tipo de aplicaciones y permiten proporcionar una mejor experiencia al usuario al dejarle libertad de movimientos de sus manos.
Es de esperar que, con el desarrollo de nuevas aplicaciones, este tipo de dispositivos vaya entrando en el sector del consumo de forma generalizada, comoya ha ocurrido con otros wearables como los relojes inteligentes o las pulseras de actividad.
Existen muchas aplicaciones de realidad aumentada y son muy variadas. La mayor parte de ellas están orientadas al ocio y al turismo. Hay aplicaciones que, con solo hacer una foto a un monumento o una obra de arte, te pueden proporcionar información acerca del mismo, su historia, o curiosidades como imágenes de su aspecto en el pasado.
Continuamente están surgiendo aplicaciones relacionadas con el ocio, la movilidad, el marketing y la publicidad, que incluyen contenidos adicionales que permiten mejorar e incrementar la experiencia del usuario. Estos contenidos pueden ser de lo más variado, incluyendo textos explicativos, enlaces a documentación auxiliar, vídeos, imágenes, indicaciones para la localización de lugares o eventos, etc.
Igualmente están surgiendo aplicaciones para su utilización en campos profesionales, como la arquitectura, para mostrar diseños y maquetas a escala; marketing y ventas, con catálogos que incluyen códigos QR para visualizar contenidos adicionales; medicina o educación, en las que se presenta innumerables oportunidades para la ampliación de contenidos mediante vídeos, tutoriales o ejemplos, que permitan aprender de forma más amena y didáctica.
Los entornos industriales también están empezando a ser un importante campo de aplicación de la realidad aumentada. La mayoría de los expertos prevé que la implantación a gran escala en el ámbito industrial tendrá lugar en los próximos tres a cinco años como una tecnología cada vez más sólida.
CARTIFparticipa en algunos proyectos que aplican la RA a los trabajos de mantenimiento en la industria. Mediante la utilización de unas smart glasses, los técnicos tienen la posibilidad de desempeñar su trabajo como han hecho siempre, ya que disponen de total libertad para emplear sus manos, y al mismo tiempo pueden acceder, por ejemplo, a las hojas de especificaciones técnicas de un determinado equipo, a los planos de una instalación, o al historial de averías de una máquina. También sería posible guiar al operario de mantenimiento en la realización de una determinada tarea, indicándole los pasos a realizar y chequeando cuándo y cómo los ha realizado. De la misma manera, podrían ser muy útiles en la formación de los operarios noveles para la realización de dichas tareas, o incluso para el seguimiento y evaluación del desempeño de los operarios por parte de sus responsables.
Existen ya ejemplos que muestran cómo estos dispositivos inteligentes están causando un gran impacto en el mundo empresarial.
• El operador logístico DHL aumentó un 25% la eficiencia de recogida en sus almacenes desde que proporcionó gafas de RA a sus trabajadores. La herramienta les señalaba la ruta más rápida hacia los paquetes y también servía como escáner de códigos de barras.
• Airbus, el fabricante de aviones, descubrió que el tiempo que los empleados necesitaban para señalizar y realizar perforaciones concretas en determinadas piezas era seis veces menor y su tasa de error se redujo a cerogracias a las instrucciones precisas que proporcionaban las gafas inteligentes. En este caso, la RA consigue mejorar la calidad del trabajo, y reduce tanto el número de fallos como el entrenamiento necesario para realizar una labor.
El futuro de la RA es ahora y se va a incorporar a nuestra vida diaria a medida que las personas la acepten como un elemento cotidiano. Cuando se popularice, se multiplicarán las aplicaciones que la utilizan, y lo que ahora es algo novedoso al alcance de unos pocos será algo común al alcance de la mayoría.
“Por Todos los Santos, a más tardar, el trigo has de sembrar”. “Por Santa Lucía, si sembraras, no cogerías”. Estos refranes recogen el saber popular sobre el mejor momento para realizar la siembra, aunque los agricultores nunca se hayan fiado ciegamente de ellos sino que han hecho uso de su conocimiento para saber cuándo la tierra tiene el tempero necesario para la sementera.
En los tiempos que corren, sin olvidar la perenne exposición a las heladas y sequías intempestivas, la sabiduría popular aplicada a la agricultura se ha visto comprometida por los nuevos cultivos, las nuevas políticas, la mayor competencia por los recursos hídricos, la creciente sensibilización frente al uso de fitosanitarios, por la despoblación del medio rural, la competencia con otros países y las políticas de los que intermedian entre el agricultor y el consumidor. Por todas estas razones, la agricultura se ve sometida a las mismas exigencias de optimización de procesos y mejora del rendimiento que cualquier otra actividad económica.
La optimización y mejora del rendimiento agrícola puede beneficiarse de los avances tecnológicos en los campos de las TIC (tecnologías de la información y comunicaciones) y de IoT (internet de las cosas en sus siglas en inglés). Todas estas tecnologías hacen referencia a la posibilidad de generar, procesar y aprovechar los datos procedentes de un proceso agrícola, generados tanto por sensores como por registros de la actividad.
Cuando se accede a los datos a través de Internet, se procesan en la nube y se consigue algún tipo de autonomía en el proceso hablamos de Internet de las cosas porque, en este caso, tenemos que una parcela, un sistema de riego o una cosechadora están ellas mismas conectadas a Internet, no su operador. Veamos algunos ejemplos.
Un sistema de riego se puede automatizar mediante sensores de humedad enterrados en el suelo. Cuando la medida de la humedad presente en el suelo alcanza un umbral crítico fijado por el agricultor, el sistema de riego se activa automáticamente y está en funcionamiento hasta que se restituye el nivel de humedad óptimo. Si se trata de una parcela grande se puede usar una red de sensores y el sistema de riego puede aplicar diferentes caudales en función de la necesidad de cada parte de la parcela. El sistema se puede perfeccionar si recibe predicciones meteorológicas, ya que si se prevén precipitaciones se puede valorar si merece la pena aplazar el riego. En este caso, el agricultor recibiría la información en su teléfono y tomaría la decisión de activar el sistema de riego o de esperar a la lluvia. Además, la actividad de riego quedaría registrada automáticamente en el sistema de gestión de la finca. En este caso se tiene un sistema de riego que de manera parcialmente autónoma mantiene la humedad necesaria en la tierra consumiendo las cantidades de agua y energía mínimas.
Otro ejemplo podría ser una cosechadora equipada con un sensor capaz de registrar los kilogramos de grano recogidos en cada metro cuadrado. Al finalizar la cosecha se dispondría de un mapa de producción de la parcela que podría ser utilizado en la temporada siguiente por el tractor que se encargue de distribuir abono. Al llegar a los lugares marcados en el mapa como de menor producción, la abonadora aumentaría automáticamente la dosis en una cantidad decidida por el agricultor después de haber estudiado la situación. Además, el momento del abono habría sido decidido de manera automática teniendo en cuenta variables ambientales y su evolución prevista. Esta manera de trabajar permitiría optimizar el uso de abono y registrar automáticamente toda la información en el sistema de gestión de la finca y en el cuaderno de campo, aumentando así el rendimiento agrícola. En el caso de una cooperativa, la información podría ser procesada en la nube, de manera que se pudiera tener un conocimiento exacto de la evolución de la campaña y se pudiera usar esa información para anticiparse a diferentes necesidades y prever el resultado de la cosecha.
Mediante estas técnicas basadas en sensores, en el procesamiento de los datos generados por ellos y en el acceso a las parcelas, máquinas y datos través de internet es posible mejorar el rendimiento de la actividad agrícola y cubrir las lagunas que pudieran haber aparecido en la sabiduría popular.
Si no tienes claro cuál de las dos tecnologías se ajusta mejor a tus necesidades y preferencias, entonces deberías analizar ventajas e inconvenientes. Un buen punto de partida puede ser plantearte el uso que piensas darle al coche. Si la idea es circular en un entorno con arranques y paradas continuos, entonces puede que te interese el vehículo eléctrico.
El precio de un vehículo eléctrico suele ser una barrera insalvable a menos que se vayan a recorrer suficientes kilómetros a lo largo de su vida útil. Esta primera inversión se podría compensar con el ahorro en combustible, debido al menor precio de la electricidad en comparación con el diesel o la gasolina.
Otra barrera es la autonomía, de 150 a 200 km en condiciones reales. Aunque debería cubrir las necesidades diarias de la mayoría de conductores, lo cierto es que para muchos este es un inconveniente importante. Actualmente existe menos de un 0,1% de vehículos eléctricos enchufables en el mercado, y es raro verlos en las ciudades de la mayoría de países (con la excepción de casos como Suecia o Países Bajos). La Organización de Países Exportadores de Petróleo (OPEP) predice sólo un 1% de vehículos eléctricos en 2040, mientras que otros expertos no prevén un impacto real en los próximos 50 años.
Sin embargo, algunos indicios sugieren previsiones diferentes a corto plazo. Según Bloomberg New Energy Finance (BNEF), varios fabricantes (incluyendo a Tesla, Chevrolet y Nissan) lanzarán al mercado modelos de gran autonomía a unos 25.000 €, mientras invierten billones en nuevos modelos. Además, los precios de las baterías cayeron un 35% el año pasado, mientras que su capacidad es cada vez mayor. Según BNEF los precios de estos vehículos caerán por debajo de 20.000€ en 2040 y un 35% de los coches nuevos vendidos en todo el mundo serán enchufables.
La realidad es que el modelo que alcanzó el mayor número de ventas en 2015 fue el Volkswagen Golf (275.848 ventas), seguido por el Ford Fiesta (173.999 ventas). Pues bien, estos números han sido superados por los 276.000 pedidos recibidos por Tesla para su nuevo Tesla 3, aunque no todos necesariamente se materializarán en ventas en 2017. El modelo básico tendrá un precio de salida de 31.000 €, y una autonomía de al menos 346 km por recarga. Esto supone un cambio radical respecto a lo que habíamos visto hasta ahora. Tesla es conocida en todo el mundo por sus lujosos modelos, sólo al alcance de unos pocos, mientras que ahora su tecnología está al servicio de todos.
Así que tal vez ni el precio ni la autonomía sean ya un problema.
Otro argumento a favor de la tecnología eléctrica es la experiencia de la conducción, extremadamente silenciosa y suave, sin necesidad de caja de cambios, y por tanto más sencilla que con un vehículo convencional.
Los costes de mantenimiento deberían ser menores para un vehículo eléctrico debido a la ausencia de caja de cambios, aceite o fluidos refrigerantes. Además, los motores eléctricos tienen menos partes móviles.
Un argumento importante en contra puede ser la vida útil de la batería, que no es 100% fiable y podría fallar antes de lo previsto. Muchos fabricantes ofrecen garantías mayores para tranquilizar a sus compradores. Algunos de ellos plantean modelos de alquiler de baterías como alternativa a comprarla junto con el coche.
Finalmente, otro inconveniente del vehículo eléctrico es la problemática y costes añadidos asociados a la instalación de un punto de carga en casa, donde uno siente que podrá cargar su vehículo con seguridad y en el momento más conveniente (normalmente de noche).
Puedes obtener una buena estimación de los costes totales asignados a tu nuevo vehículo, tanto si es convencional como si es eléctrico, con CEVNE, una herramienta desarrollada por CARTIF que te ayuda a decidir desde un punto de vista puramente económico.
Y si todos los argumentos anteriores no fueran suficientes para ayudarte a tomar una decisión, entonces deberías considerar los beneficios para el medio ambiente. Las emisiones de tu vehículo eléctrico son cero, lo cual redunda en un aire más limpio para la ciudad en la que vives, aunque sabemos que la electricidad con la que cargas debe de venir de algún sitio… tal vez una central térmica de carbón. Si así fuera no estaríamos contribuyendo tanto a un medio ambiente más limpio, aunque sabemos que las energías renovables tienen una presencia cada vez mayor en todo el mundo.
Las microempresas y pymes españolas se han enfrentado durante los últimos años a un entorno macroeconómico muy complejo. En realidad, es más apropiado decir, que se están enfrentando en estos momentos a un entorno de ese tipo. La caída del consumo interno, junto con las restricciones a la financiación, ha provocado una contracción de los principales indicadores económicos en la mayoría de sectores productivos de nuestra economía.
A pesar de este escenario desfavorable, es una gran alegría destacar que aún sigue presente en la filosofía de muchas de nuestras empresas la certeza de que, la adopción en sus procedimientos de trabajo diario de herramientas de gestión y control amparadas por las tecnologías de la información y la comunicación (TIC) es absolutamente necesaria para su supervivencia en el mercado. Las TIC siguen siendo las mejores aliadas de los empresarios en su intento de mejorar la competitividad de sus negocios, permitiendo la apertura a nuevos mercados y optimizando los procesos de gestión interna.
Uno de los mayores retos que se pueden plantear en una de estas empresas, en lo que a sus sistemas de información se refiere, es la adopción de un sistema de gestión avanzada con el que sean capaces de identificar exactamente la situación actual y futura de sus negocios. Es decir, un sistema en el que centralizar todos sus datos y números como empresa.
Sin embargo, y por desgracia, es mucho más común de lo que podemos esperar el hecho de encontrarnos con pymes que han sufrido serios problemas en los procesos de implantación de sistemas de este tipo. Si quisiéramos elaborar una lista para enumerar las distintas causas posibles para la aparición de estos problemas, cada empresario, trabajador o técnico de implantación que se hayan encontrado en una situación de este tipo, podrían añadir seguramente un par o más de motivos, sufridos en su caso particular. Lo que si podemos decir es que, en demasiadas ocasiones, los proyectos fracasan porque se prolongan demasiado en el tiempo y la empresa requiere adaptaciones a nuevas tendencias del mercado mientras está implantando herramientas asociadas a los procesos ya obsoletos.
Pero no debemos entender estos problemas como un freno a la adopción de un sistema de gestión avanzada dentro de nuestras empresas. Simplemente, debemos considerarlo como un aviso sobre la importancia de los procesos de implantación de los mismos dentro de la empresa. Es necesario entender y aceptar que todo el personal debe ser parte activa del proceso de implantación y que la misión de cada uno es igual de relevante que la del resto, independientemente del puesto desempeñado por cada uno en la empresa. Para el correcto fin del proyecto, es igual de importante el hecho de acertar en la elección del sistema de gestión escogido por el empresario, debiendo este ser adecuado tanto al perfil de la empresa como a los objetivos que se desean conseguir; como que el personal encargado de los registros de información sea minucioso en los datos registrados tanto en valor como en forma y lugar.
Pero también es fundamental destacar la importancia de la experiencia del personal técnico encargado de la implantación. Evidentemente, no toda la responsabilidad del éxito o fracaso recae sobre el personal de la empresa, sino que es muy destacable el papel desempeñado por el personal técnico de la empresa implantadora. Los procesos de implantación podrán afrontar los problemas detectados de diversas formas, y es labor del técnico escoger la solución más apropiada en cada momento.
En este sentido, en CARTIF llevamos muchos años desarrollando nuestro propio sistema de gestión avanzada para la pequeña y mediana empresa: SAGIT. Pensado inicialmente para la industria agroalimentaria y orientado a dar soluciones a los requerimientos de trazabilidad exigidos a estas empresas, los primeros desarrollos se centraron en los sectores hortofrutícola y vitivinícola, para rápidamente ampliar sus capacidades con implantaciones en empresas de diversos sectores como cárnico, lácteo, bollería industrial, aperitivos, etc. Con el tiempo ha evolucionado hacia una solución multisectorial capaz de gestionar cualquier tipo de empresa de cualquier sector. Además, hemos conseguido crear, formar y mantener un equipo de trabajo con amplia experiencia en la adopción de soluciones de implantación del mismo en multitud de diferentes procesos y situaciones.
