José Manuel Bernal de Lázaro
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Previous Organizations / Institutes
The organizations / institutes from the scholar's other articles in the past ten years
José Manuel Bernal de Lázaro has a total of 26 co-authors. Here are the top co-authors by number of shared publications:
- Orestes Llanes-Santiago
Programa de Pós‐Graduação em Modelagem Computacional Instituto Politécnico‐Universidade do Estado do Rio de Janeiro Nova Friburgo Rio de Janeiro Brasil
14 shared publications - Antônio José da Silva Neto
Instituto Politécnico do Rio de Janeiro, Universidade do Estado do Rio de Janeiro, Nova Friburgo, Brazil
11 shared publications Adrián Rodríguez Ramos
3 shared publicationsAlberto Prieto-Moreno
3 shared publications- Ivon Oristela Benítez-González
Universidad Internacional de La Rioja (UNIR), Escuela Superior de Ingeniería y Tecnología, Logroño, España
3 shared publications A. Prieto-Moreno
2 shared publications
Latest Publications
- Open Access
- 31 August 2026
- Published by Escuela Politecnica Nacional in Revista Politécnica
- Vol. 58 (1) , 77-88
Celda Robótica Colaborativa con Visión Artificial Integrada para Inspección de Calidad en Líneas de Envasado
La inspección de calidad en líneas de envasado de productos cárnicos continúa realizándose en muchos casos de forma manual. Por ello, la subjetividad, la fatiga de los operarios, y las dificultades de integración en entornos colaborativos seguros siguen siendo desafíos importantes en este sector. La automatización de estos procesos suele involucrar sistemas propietarios de alto coste y flexibilidad limitada. En este contexto, el presente trabajo aborda la automatización del control de calidad mediante el diseño y validación de una celda robotizada colaborativa para la inspección automática y el rechazo selectivo de barquetas cárnicas. La metodología propuesta se basa en un sistema de visión artificial de bajo requerimiento computacional desarrollado en OpenCV, que implementa una estrategia de percepción dual para la verificación de contenido mediante análisis de histogramas de color en el espacio HSV y la autenticidad del envase mediante detección de características ORB y validación por homografía. La arquitectura integra lógica de alto nivel en Python y simulación en CoppeliaSim, y garantiza los modos de seguridad colaborativa de monitorización de velocidad y separación (SSM) y limitación de potencia-fuerza (PFL) conforme a la norma ISO/TS 15066. Los resultados experimentales, obtenidos evidencian un desempeño consistente en la clasificación y manipulación de las barquetas evaluadas, con un error medio de posicionamiento de 0.12 mm y un tiempo de ciclo de visión de 118.8 ms. Estos resultados respaldan la viabilidad del sistema propuesto como una solución eficaz y segura para la automatización del control de calidad en procesos de envasado de la industria alimentaria.
- 31 August 2026
- Published by Escuela Politecnica Nacional in Revista Politécnica
- Vol. 58 (1) , 77-88
Open AccessCelda Robótica Colaborativa con Visión Artificial Integrada para Inspección de Calidad en Líneas de Envasado
La inspección de calidad en líneas de envasado de productos cárnicos continúa realizándose en muchos casos de forma manual. Por ello, la subjetividad, la fatiga de los operarios, y las dificultades de integración en entornos colaborativos seguros siguen siendo desafíos importantes en este sector. La automatización de estos procesos suele involucrar sistemas propietarios de alto coste y flexibilidad limitada. En este contexto, el presente trabajo aborda la automatización del control de calidad mediante el diseño y validación de una celda robotizada colaborativa para la inspección automática y el rechazo selectivo de barquetas cárnicas. La metodología propuesta se basa en un sistema de visión artificial de bajo requerimiento computacional desarrollado en OpenCV, que implementa una estrategia de percepción dual para la verificación de contenido mediante análisis de histogramas de color en el espacio HSV y la autenticidad del envase mediante detección de características ORB y validación por homografía. La arquitectura integra lógica de alto nivel en Python y simulación en CoppeliaSim, y garantiza los modos de seguridad colaborativa de monitorización de velocidad y separación (SSM) y limitación de potencia-fuerza (PFL) conforme a la norma ISO/TS 15066. Los resultados experimentales, obtenidos evidencian un desempeño consistente en la clasificación y manipulación de las barquetas evaluadas, con un error medio de posicionamiento de 0.12 mm y un tiempo de ciclo de visión de 118.8 ms. Estos resultados respaldan la viabilidad del sistema propuesto como una solución eficaz y segura para la automatización del control de calidad en procesos de envasado de la industria alimentaria.
- Open Access
- 1 July 2026
- Published by Salesian Polytechnic University of Ecuador in INGENIUS
- No. 36,p. 9-18
Ensamblaje de cinturones de seguridad vehiculares asistido por cobot y RoboDK
In the modern automotive sector, Industry 4.0 principles have been widely adopted to enhance flexibility, efficiency, and quality in production processes. Nonetheless, several automotive subprocesses still rely on operators for manual or repetitive tasks, which are highly susceptible to human error and may compromise product quality while increasing operating costs. This study addresses this challenge by implementing a collaborative robotic solution for manufacturing environments. Specifically, it proposes the integration of a cobot for the assembly of automotive seatbelts at the ZF plant in Tamaulipas, Mexico. RoboDK is used to simulate and evaluate a Universal Robots cobot intended to increase operational efficiency and reduce defect rates at the press station. The results demonstrate the feasibility of the proposed simulation approach, enabling the functional analysis and validation of multiple configurations within the manufacturing cell while ensuring the safe integration of the collaborative robot (cobot). Furthermore, the proposed solution supports safe human-robot collaboration in compliance with the ISO/TS 15066 technical specification. Overall , the implemented system shows significant potential to improve efficiency and operational flexibility while reducing costs in the production process.
- 1 July 2026
- Published by Salesian Polytechnic University of Ecuador in INGENIUS
- No. 36,p. 9-18
Open AccessEnsamblaje de cinturones de seguridad vehiculares asistido por cobot y RoboDK
In the modern automotive sector, Industry 4.0 principles have been widely adopted to enhance flexibility, efficiency, and quality in production processes. Nonetheless, several automotive subprocesses still rely on operators for manual or repetitive tasks, which are highly susceptible to human error and may compromise product quality while increasing operating costs. This study addresses this challenge by implementing a collaborative robotic solution for manufacturing environments. Specifically, it proposes the integration of a cobot for the assembly of automotive seatbelts at the ZF plant in Tamaulipas, Mexico. RoboDK is used to simulate and evaluate a Universal Robots cobot intended to increase operational efficiency and reduce defect rates at the press station. The results demonstrate the feasibility of the proposed simulation approach, enabling the functional analysis and validation of multiple configurations within the manufacturing cell while ensuring the safe integration of the collaborative robot (cobot). Furthermore, the proposed solution supports safe human-robot collaboration in compliance with the ISO/TS 15066 technical specification. Overall , the implemented system shows significant potential to improve efficiency and operational flexibility while reducing costs in the production process.
- Open Access
- 5 May 2026
- Published by Instituto Tecnologico Metropolitano (ITM) in TecnoLógicas
- Vol. 29 (66) , e3665
Inspección visual de defectos en placas de circuito impreso utilizando arquitecturas YOLO: Una comparación sobre el conjunto de datos DeepPCB
La detección de defectos en placas de circuito impreso (PCB, por sus siglas en inglés) continúa siendo un desafío para los sistemas modernos de manufactura electrónica, donde la necesidad de reducir costos y mejorar la confiabilidad de los productos ha impulsado el desarrollo y aplicación de nuevos modelos de inteligencia computacional. En particular, la familia de arquitecturas YOLO ha evolucionado a lo largo de múltiples versiones, consolidándose como una de las principales soluciones para la detección automática de defectos en sistemas de inspección visual en la industria electrónica. A partir de esto, el presente trabajo comparó YOLOv5 y YOLOv8 para la detección automática de fallos en placas de circuito impreso. La metodología empleada consistió en evaluar ambos modelos de visión computacional mediante el conjunto de imágenes DeepPCB, bajo un entorno de ejecución con soporte GPU, comparando su precisión, sensibilidad, F1-score y mAP con distintos umbrales de solapamiento. Asimismo, se evaluó cualitativamente la capacidad de generalización e inferencia de ambas arquitecturas utilizando imágenes no disponibles durante la etapa de entrenamiento. Los resultados alcanzados mostraron un elevado contraste entre ambas arquitecturas. YOLOv5m destacó por lograr el mejor equilibrio global entre precisión, sensibilidad y estabilidad, mientras que YOLOv8s presentó una mejor capacidad de localización de defectos bajo distintos umbrales. Finalmente, se concluye que YOLOv5 continúa siendo una alternativa adecuada para los procesos tradicionales de inspección visual en la industria electrónica, al ofrecer mayor eficiencia y escalabilidad en tareas de control de calidad, mientras que YOLOv8 representa una opción competitiva cuando se prioriza una mayor precisión en la localización de defectos.
- 5 May 2026
- Published by Instituto Tecnologico Metropolitano (ITM) in TecnoLógicas
- Vol. 29 (66) , e3665
Open AccessInspección visual de defectos en placas de circuito impreso utilizando arquitecturas YOLO: Una comparación sobre el conjunto de datos DeepPCB
La detección de defectos en placas de circuito impreso (PCB, por sus siglas en inglés) continúa siendo un desafío para los sistemas modernos de manufactura electrónica, donde la necesidad de reducir costos y mejorar la confiabilidad de los productos ha impulsado el desarrollo y aplicación de nuevos modelos de inteligencia computacional. En particular, la familia de arquitecturas YOLO ha evolucionado a lo largo de múltiples versiones, consolidándose como una de las principales soluciones para la detección automática de defectos en sistemas de inspección visual en la industria electrónica. A partir de esto, el presente trabajo comparó YOLOv5 y YOLOv8 para la detección automática de fallos en placas de circuito impreso. La metodología empleada consistió en evaluar ambos modelos de visión computacional mediante el conjunto de imágenes DeepPCB, bajo un entorno de ejecución con soporte GPU, comparando su precisión, sensibilidad, F1-score y mAP con distintos umbrales de solapamiento. Asimismo, se evaluó cualitativamente la capacidad de generalización e inferencia de ambas arquitecturas utilizando imágenes no disponibles durante la etapa de entrenamiento. Los resultados alcanzados mostraron un elevado contraste entre ambas arquitecturas. YOLOv5m destacó por lograr el mejor equilibrio global entre precisión, sensibilidad y estabilidad, mientras que YOLOv8s presentó una mejor capacidad de localización de defectos bajo distintos umbrales. Finalmente, se concluye que YOLOv5 continúa siendo una alternativa adecuada para los procesos tradicionales de inspección visual en la industria electrónica, al ofrecer mayor eficiencia y escalabilidad en tareas de control de calidad, mientras que YOLOv8 representa una opción competitiva cuando se prioriza una mayor precisión en la localización de defectos.
- 1 August 2022
- Published by Elsevier in ISA Transactions
- Vol. 127, 259-272
Criteria for optimizing kernel methods in fault monitoring process: A survey
- 1 August 2022
- Published by Elsevier in ISA Transactions
- Vol. 127, 259-272
Criteria for optimizing kernel methods in fault monitoring process: A survey
- Open Access
- 1 January 2022
- Published by FapUNIFESP (SciELO) in Anais da Academia Brasileira de Ciências
- Vol. 94 (4) , e20200662
An approach to robust condition monitoring in industrial processes using pythagorean membership grades
In this paper, a robust approach to improve the performance of a condition monitoring process in industrial plants by using Pythagorean membership grades is presented. The FCM algorithm is modified by using Pythagorean fuzzy sets, to obtain a new variant of it called Pythagorean Fuzzy C-Means (PyFCM). In addition, a kernel version of PyFCM (KPyFCM) is obtained in order to achieve greater separability among classes, and reduce classification errors. The approach proposed is validated using experimental datasets and the Tennessee Eastman (TE) process benchmark. The results are compared with the results obtained with other algorithms that use standard and non-standard membership grades. The highest performance obtained by the approach proposed indicate its feasibility.
- 1 January 2022
- Published by FapUNIFESP (SciELO) in Anais da Academia Brasileira de Ciências
- Vol. 94 (4) , e20200662
Open AccessAn approach to robust condition monitoring in industrial processes using pythagorean membership grades
In this paper, a robust approach to improve the performance of a condition monitoring process in industrial plants by using Pythagorean membership grades is presented. The FCM algorithm is modified by using Pythagorean fuzzy sets, to obtain a new variant of it called Pythagorean Fuzzy C-Means (PyFCM). In addition, a kernel version of PyFCM (KPyFCM) is obtained in order to achieve greater separability among classes, and reduce classification errors. The approach proposed is validated using experimental datasets and the Tennessee Eastman (TE) process benchmark. The results are compared with the results obtained with other algorithms that use standard and non-standard membership grades. The highest performance obtained by the approach proposed indicate its feasibility.
- 4 November 2021
- Published by Springer Nature
- p. 167-176
A Proposal of Condition Monitoring with Missing Data and Small-Magnitude Faults in Industrial Plants
- 4 November 2021
- Published by Springer Nature
- p. 167-176
A Proposal of Condition Monitoring with Missing Data and Small-Magnitude Faults in Industrial Plants
- Open Access
- 31 March 2019
- Published by Revista Cereus in Revista Cereus
- Vol. 11 (1) , 195-209
Optimal Kernel Parameter Setting for Faults Detection with Stochastic Methods and Data Preprocessing
Optimal Kernel Parameter Setting for Faults Detection with Stochastic Methods and Data Preprocessing
- 31 March 2019
- Published by Revista Cereus in Revista Cereus
- Vol. 11 (1) , 195-209
Open AccessOptimal Kernel Parameter Setting for Faults Detection with Stochastic Methods and Data Preprocessing
Optimal Kernel Parameter Setting for Faults Detection with Stochastic Methods and Data Preprocessing
- 26 September 2018
- Published by Springer Nature
- p. 263-281
Fault Detection Using Kernel Computational Intelligence Algorithms
- 26 September 2018
- Published by Springer Nature
- p. 263-281
Fault Detection Using Kernel Computational Intelligence Algorithms
- 1 January 2018
- Published by Elsevier in Neurocomputing
- Vol. 275, 636-648
A novel index for the robustness comparison of classifiers in fault diagnosis
- 1 January 2018
- Published by Elsevier in Neurocomputing
- Vol. 275, 636-648
A novel index for the robustness comparison of classifiers in fault diagnosis