Por favor, use este identificador para citar o enlazar este ítem: 
                
    
    http://hdl.handle.net/11531/106744| Título : | Agentic AI in Smart Manufacturing: Enabling Human-Centric Predictive Maintenance Ecosystems | 
| Autor : | Fernández Miguel, Andrés Ortiz Marcos, Susana Jiménez Calzado, Mariano Fernández del Hoyo, Alfonso Pedro García Muiña, Fernando E. Settembre Blundo, Davide  | 
| Fecha de publicación : | 24-oct-2025 | 
| Resumen : | El artículo propone el concepto de Agentic AI para mantenimiento predictivo en manufactura inteligente, destacando agentes capaces de actuar de forma autónoma, coordinarse proactivamente y permanecer bajo supervisión humana. Mediante aprendizaje federado, edge computing e inteligencia distribuida, se implementa un ecosistema de agentes (sensado, razonamiento, acción y coordinación) guiado por un Modelo de Madurez de Inteligencia Autónoma (AIMM) de cinco niveles. Validado en una planta cerámica, el sistema alcanzó 94% de sensibilidad global, redujo los falsos positivos en 67% y disminuyó el tiempo de inactividad no planificado en 43%. Asimismo, mejoró el OEE y mostró viabilidad económica con retorno en 1,6 años y un VAN de €447.300 a cinco años. Se incorporan mecanismos de explicabilidad y calibración de confianza para garantizar transparencia y seguridad en la colaboración humano-máquina. Smart manufacturing demands adaptive, scalable, and human-centric solutions for predictive maintenance. This paper introduces the concept of Agentic AI, a paradigm that extends beyond traditional multi-agent systems and collaborative AI by emphasizing agency: the ability of AI entities to act autonomously, coordinate proactively, and remain accountable under human oversight. Through federated learning, edge computing, and distributed intelligence, the proposed framework enables intentional, goal-oriented monitoring agents to form self-organizing predictive maintenance ecosystems. Validated in a ceramic manufacturing facility, the system achieved 94% predictive accuracy, a 67% reduction in false positives, and a 43% decrease in unplanned downtime. Economic analysis confirmed financial viability with a 1.6-year payback period and a €447,300 NPV over five years. The framework also embeds explainable AI and trust calibration mechanisms, ensuring transparency and safe human–machine collaboration. These results demonstrate that Agentic AI provides both conceptual and practical pathways for transitioning from reactive monitoring to resilient, autonomous, and human-centered industrial intelligence.  | 
| Descripción : | Artículos en revistas | 
| URI : | https://doi.org/10.3390/ app152111414 http://hdl.handle.net/11531/106744  | 
| ISSN : | 2076-3417 | 
| Aparece en las colecciones: | Artículos | 
Ficheros en este ítem: 
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| 20251026192652829_Agentic AI in Smart Manufacturin.pdf | 1,56 MB | Adobe PDF | Visualizar/Abrir | 
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.