Search

Las investigaciones orientadas a la determinación de las bases científicas del diseño, ha llevado a distintas propuestas desde la psicología cognitiva, determinando un enfoque de diseño cognitivos de productos, que junto a la base teórica de la neurociencia, ha alumbrado el ámbito de investigación del neurodiseño cognitivo. Además, se han planteado alternativas desde la cognición encarnada o perspectiva enactiva. Esta propone un enfoque para estudiar la experiencia objetual desde una doble perspectiva. Por una parte, el diseño enactivo es considerado para abordar la profunda conexión del organismo y el mundo objetual de la cultura material en una relación activa y dinámica. Lo cual enfatiza en los problemas de encarnación de la cognición y en los factores de motivación como componentes subyacentes de las interacciones Cuerpo-Objeto. Este enfoque del diseño permite la comprensión activa del acoplamiento relacional entre el esquema corporal y las posibilidades de la usabilidad de productos. Un segundo aspecto del enactivismo tiene un fuerte punto de apoyo en el pensamiento fenomenológico correspondiente con la teoría objetual y los enfoques de diseño cualitativo. De esta manera, el enfoque enactivo reconoce el terreno común disponible entre la neurociencia y el diseño del entorno-producto y, por lo tanto, permite una definición más precisa de los objetivos de investigación en diseño seudocientífico. Con estas bases científicas y fenomenológicas se formula una propuesta del diseño industrial de vehículos en conjunción con Ingeniería Kansei-Chisei.

Las investigaciones orientadas a la determinación de las bases científicas del diseño, ha llevado a distintas propuestas desde la psicología cognitiva, determinando un enfoque de diseño cognitivos de productos, que junto a la base teórica de la neurociencia, ha alumbrado el ámbito de investigación del neurodiseño cognitivo. Además, se han planteado alternativas desde la cognición encarnada o perspectiva enactiva. Esta propone un enfoque para estudiar la experiencia objetual desde una doble perspectiva. Por una parte, el diseño enactivo es considerado para abordar la profunda conexión del organismo y el mundo objetual de la cultura material en una relación activa y dinámica. Lo cual enfatiza en los problemas de encarnación de la cognición y en los factores de motivación como componentes subyacentes de las interacciones Cuerpo-Objeto. Este enfoque del diseño permite la comprensión activa del acoplamiento relacional entre el esquema corporal y las posibilidades de la usabilidad de productos. Un segundo aspecto del enactivismo tiene un fuerte punto de apoyo en el pensamiento fenomenológico correspondiente con la teoría objetual y los enfoques de diseño cualitativo. De esta manera, el enfoque enactivo reconoce el terreno común disponible entre la neurociencia y el diseño del entorno-producto y, por lo tanto, permite una definición más precisa de los objetivos de investigación en diseño seudocientífico. Con estas bases científicas y fenomenológicas se formula una propuesta del diseño industrial de vehículos en conjunción con Ingeniería Kansei-Chisei.

Cuando lo digital se fusiona con el mundo físico, e incorpora inteligencia y conectividad, dando lugar a los productos inteligentes conectados como sistemas ciberfísicos; las percepciones del espacio, el tiempo y lo físico se convierten en un juego con la hibridación de producto en lo real y lo virtual o gemelo digital. Esta situación ofrece grandes posibilidades al diseño para crear acciones, formas y estados significativos, donde se necesite una armonía entre la fisicalidad humana, la interfaz y la representación física. El objetivo último es la creación de un producto intuitivo desde la experiencia de uso. El abordaje de este objetivo se puede llevar a cabo desde la neurociencia de usos a través del diseño de la neuroaffordances. En el presente trabajo, se lleva a cabo una aproximación al concepto de fisicalidad, cómo afecta a si un diseño es intuitivo de usar, la forma diseñar teniendo en cuenta la fisicalidad, bajo lo que se considera “físico” en tiempo y espacio y sus correlatos neurofisiológicos. Ello permite modelar dispositivos para interacciones naturales a través de fisigramas, usando bucles de neuro retroalimentación para examinar y mejorar sus diseños, bajo criterios de neurodadaptabilidad a través de neuroaffordances.

La Industria 4.0 implica la promesa de una nueva revolución que combina técnicas avanzadas de producción y operaciones, con tecnologías inteligentes que se integrarán en las organizaciones, las personas y los activos. Esta revolución está marcada por la aparición de nuevas herramientas, como es la fabricación cognitiva, la cual trata de implementar el proceso cognitivo a los sistemas de fabricación. El término “cognición” hace referencia a los procesos mentales, como son: la percepción, la memoria, el pensamiento, el aprendizaje y el lenguaje. De manera que las ciencias cognitivas requieren un enfoque interdisciplinario, que incluye la psicología, las neurociencias y la lingüística [1]. La fabricación cognitiva trata de integrar la cognición en los procesos de fabricación para dotarlos de inteligencia, además de permitirnos interaccionar con los mismos de forma natural., Industry 4.0 implies the promise of a new revolution that combines advanced production techniques and operations, with intelligent technologies that will be integrated into organizations, people and assets. This revolution is marked by the emergence of new tools, such as cognitive manufacturing, which tries to implement the cognitive process to manufacturing systems. The term “cognition” refers to mental processes, such as: perception, memory, thinking, learning and language. Thus, cognitive sciences require an interdisciplinary approach, which includes psychology, neuroscience and linguistics [1]. Cognitive manufacturing tries to integrate cognition in manufacturing processes to equip them with intelligence, in addition to allowing us to interact with them in a natural way.

La Industria 4.0 implica la promesa de una nueva revolución que combina técnicas avanzadas de producción y operaciones, con tecnologías inteligentes que se integrarán en las organizaciones, las personas y los activos. Esta revolución está marcada por la aparición de nuevas herramientas, como es la fabricación cognitiva, la cual trata de implementar el proceso cognitivo a los sistemas de fabricación. El término “cognición” hace referencia a los procesos mentales, como son: la percepción, la memoria, el pensamiento, el aprendizaje y el lenguaje. De manera que las ciencias cognitivas requieren un enfoque interdisciplinario, que incluye la psicología, las neurociencias y la lingüística [1]. La fabricación cognitiva trata de integrar la cognición en los procesos de fabricación para dotarlos de inteligencia, además de permitirnos interaccionar con los mismos de forma natural., Industry 4.0 implies the promise of a new revolution that combines advanced production techniques and operations, with intelligent technologies that will be integrated into organizations, people and assets. This revolution is marked by the emergence of new tools, such as cognitive manufacturing, which tries to implement the cognitive process to manufacturing systems. The term “cognition” refers to mental processes, such as: perception, memory, thinking, learning and language. Thus, cognitive sciences require an interdisciplinary approach, which includes psychology, neuroscience and linguistics [1]. Cognitive manufacturing tries to integrate cognition in manufacturing processes to equip them with intelligence, in addition to allowing us to interact with them in a natural way.

El combustible de la cuarta revolución industrial, apodada como "Industria 4.0" por el Gobierno Alemán, será Big Data la cual estará disponible a través de Cyber-Physical Systems (CPS). El objetivo es crear fábricas inteligentes, en las que las máquinas y los recursos se comuniquen como en una red social. Tal fábrica inteligente, estará diseñada para producir Smart Product (productos inteligentes) que sabrán cómo se han producido a la vez que recopilarán y transmitirán datos a medida que son utilizados; estas enormes cantidades de datos (Big Data) se recopilarán y analizarán en tiempo real. Para ello, desarrollaremos una visión holística para la aplicación de big data tanto del ciclo de vida del producto, el negocio que conlleva dicho producto, la infraestructura necesaria para su fabricación y el proceso productivo que lo materializa., The fuel of the four industrial revolution , called “Industry 4.0” by the German govern, will be Big Data which will be available through Cyber-Physical Systems (CPS). The goal is create smart factories. In this factories the machines and the resources will be communicate like a social network. The smart factory will be design to produced smart product. This products will know how they have produced while they will collect and transmit data as they are used. This Big Data will be collected and will be analyzed in streaming. To do this, we will develop a holistic vision for the application of big data both in the life cycle of the product, the business that this product entails, the necessary infrastructure for its manufacture and the productive process that materializes it.

Existe una nueva categoría de herramientas emergentes conocidas como CAI (innovación asistida por ordenador). CAI ha ido creciendo como respuesta a las mayores demandas de fiabilidad de la industria en productos innovadores, bajo el paradigma de Industria 4.0. Algunas ideas y conceptos iniciales de CAI se basan en la asistencia al diseñador de productos en las etapas tempranas del proceso de diseño y desarrollo de productos. El objetivo de estas herramientas es ayudar a los innovadores, inventores, diseñadores, desarrolladores de procesos y gerentes en su desempeño creativo, con la expectativa de cambios en los paradigmas a través del uso de esta nueva categoría de herramientas de software. Por ello, se ha elaborado un entorno colaborativo para la innovación soportado por agentes inteligentes distribuidos con enfoque sostenible, dando soporte en las etapas tempranas del diseño y desarrollo del producto a través de una nueva herramienta CAI. Al mismo tiempo se ha desarrollado una estructura de conocimiento basado en commonKADS implementándola en cinco agentes inteligentes distribuidos para dar soporte al entorno colaborativo., Currently there is a new category of emerging tools known as CAI (Computer Assisted Innovation). CAI has been growing as a response to greater demands of reliability on the industry in innovative products, under the paradigm of Industry 4.0. Some ideas and initial concepts of CAI are based on the assistance to the product designer in the early stages of the product design and development process. The aim of these tools is to help innovators, inventors, designers, process developers and managers in their creative performance, expecting changes in the paradigm through the use of this new category of software tools. Therefore, a collaborative environment for innovation supported by intelligent agents distributed with a sustainable approach has been developed, providing support in the early stages of product design and development through a new CAI tool. At the same time, a knowledge structure based on commonKADS has been developed, implementing it in five distributed intelligent agents to support the collaborative environment.

This paper introduces a methodological development based on neuro design techniques for design and development products focused on special population, specifically autistic children with pervasive developmental disorders (PDD). PDD in autistic children have a not unequivocally determined etiology at the present time, that involvement of certain areas of neural brain that matches mirror neurons. The proposed methodology has been developed considering this etiological origin. The methodological development begins analyzing the state of the art of neuroscientific knowledge of mirror neurons, identifying parameters of use and interaction parameters in products that stimulate the empathic activity supported by mirror neurons, with the aim of projecting them in the proposed methodology. A case study is introduced to illustrate the application of the proposed methodology for design products., Se presenta la propuesta de desarrollo metodológico basado en técnicas de neurodiseño para el diseño y desarrollo de productos enfocados a población especial, en concreto niño autistas con trastornos generales del desarrollo (TGD). Los TGD en niños autistas tienen una etiología no determinada unívocamente en los momentos actuales, entre las que se encuentra la afectación de ciertas zonas del tejido neural cerebral que coincide con las neuronas espejo. En consideración de este origen etiológico, se ha desarrollado la presente propuesta metodológica. Dicha propuesta parte del estado del arte del conocimiento neurocientífico de las neuronas espejo, identificando parámetros de uso e interacción en productos que estimulen la actividad empática soportada por las neuronas espejo, con el objetivo de proyectarlas en la propuesta metodológica. Se introducirá un caso de estudio donde se ilustra la aplicación de la metodología propuesta al diseño de productos.

El combustible de la cuarta revolución industrial, apodada como "Industria 4.0" por el Gobierno Alemán, será Big Data la cual estará disponible a través de Cyber-Physical Systems (CPS). El objetivo es crear fábricas inteligentes, en las que las máquinas y los recursos se comuniquen como en una red social. Tal fábrica inteligente, estará diseñada para producir Smart Product (productos inteligentes) que sabrán cómo se han producido a la vez que recopilarán y transmitirán datos a medida que son utilizados; estas enormes cantidades de datos (Big Data) se recopilarán y analizarán en tiempo real. Para ello, desarrollaremos una visión holística para la aplicación de big data tanto del ciclo de vida del producto, el negocio que conlleva dicho producto, la infraestructura necesaria para su fabricación y el proceso productivo que lo materializa., The fuel of the four industrial revolution , called “Industry 4.0” by the German govern, will be Big Data which will be available through Cyber-Physical Systems (CPS). The goal is create smart factories. In this factories the machines and the resources will be communicate like a social network. The smart factory will be design to produced smart product. This products will know how they have produced while they will collect and transmit data as they are used. This Big Data will be collected and will be analyzed in streaming. To do this, we will develop a holistic vision for the application of big data both in the life cycle of the product, the business that this product entails, the necessary infrastructure for its manufacture and the productive process that materializes it.

Introducción: El optimismo disposicional es un rasgo de personalidad que se relaciona significativamente con el empleo de estrategias positivas de afrontamiento y con el grado de bienestar psicológico y físico percibidos por el paciente, y que parece ser, también, un importante predictor de enfermedad. Objetivo: Analizar si el optimismo disposicional guarda relación con el número de ingresos hospitalarios que han presentado en el último año los enfermos renales crónicos estadio Vd en nuestros centros. Material y métodos: Se estudiaron 239 pacientes en hemodiálisis que fueron categorizados en dos grupos respecto a las variables ingresos /no ingresos hospitalarios en el último año y optimismo/pesimismo disposicional. Se utilizaron los siguientes cuestionarios y variables: 1) O/P disposicional mediante el LOT-R de Scheier (1994) en su versión española: a mayor puntuación, mayor grado de optimismo disposicional. 2) Calidad de vida relacionada con la salud (CVRS) mediante las láminas COOP/WONCA: a mayor puntuación peor calidad de vida referida. 3) Índice de comorbilidad de Charlson (ICM). 4) Edad, tiempo en HD y sexo. Resultados: La edad media fue de 64,8 ± 14,3 años; la mediana de tiempo en hemodiálisis de 2,9 años (rango: 0-32), y la mediana en el LOT-R 21 (rango: 6-30). Los pacientes optimistas (OD) presentaban un menor riesgo de ser ingresados que los pesimistas (PD) (OR: 0,55; IC 95%: 0,32-0,94; p <0,05) y los pacientes con ingresos hospitalarios mostraron una puntuación en el LOT-R significativamente menor que los que no ingresaron (19,4 ± 5,7 frente a 22,3 ± 4,6; p = 0,001). No se encontraron diferencias significativas en cuanto a edad, tiempo en hemodiálisis, e índice de comorbilidad de Charlson entre los pacientes que ingresaron y los que no ingresaron. Los pacientes que ingresaron mostraban peor calidad de vida relacionada con la salud que los pacientes que no ingresaron (CW total: 22,37 frente a 19,42; p <0,001). Los pacientes PD puntuaban significativamente m, Introduction: Dispositional optimism is a personality trait significantly associated with the use of positive adaptive coping strategies as well as with perceived psychological and physical well-being, and it appears to be an important predictor of illness. Objectives: To analyse if dispositional optimism is significantly associated with the number of hospital admissions of our chronic haemodialysis patients, as well as its relationship with perceived state of health. Methods: We studied 239 patients on chronic haemodialysis. Patients were categorised into two groups according to the variables: hospital admissions/no. of admissions in the last year and dispositional optimism (DO). We used the following variables and questionnaires: 1) Dispositional O/P using the Spanish-validated cross-cultural adaptation of the revised version of the Life Orientation Test (LOT-R) (Scheier, 1994): higher scores mean a higher degree of dispositional optimism. 2) Health-related quality of life (HRQoL) using the different aspects of the COOP/WONCA (CW) charts and its total score. In this case higher scores mean lower HRQoL. 3) Modified Charlson Comorbidity Index (mCCI). 4) Age, gender, and time on dialysis. Results: Mean age was 64.8±14.3 years; median time on dialysis 2.9 years (range: 0-32); and median LOT-R 21 (range 6-30). Patients considered DO had a lower risk of hospital admissions than pessimists (DP) (OR: 0.55; IC 95%: 0.32-0.94; P<.05). PD Patients that were admitted in the last year showed a significantly lower score on LOT-R (they were more pessimistic) than those that had no hospital admissions (19.4±5.7 vs 22.3±4.6; P=.001). We found no significant differences between admitted and not admitted patients in age, gender, time on haemodialysis and comorbidity. Admitted patients showed worse HRQoL (higher scores in total CW) than those that were not (Total CW: 22.37 vs 19.42; P<.001). PD patients had significantly higher scores than OD patients in all COOP-WONCA aspects except