01What it isQué es
Human-robot teaming is the deliberate split of one process between a cobot and an operator, so each side does the steps it does best and the handoffs between them are designed rather than improvised.
El trabajo en equipo humano-robot es la división deliberada de un proceso entre un cobot y un operador, para que cada uno haga los pasos que mejor sabe hacer y los traspasos entre ellos estén diseñados y no improvisados.
02Why it mattersPor qué importa
A cobot placed next to a person without redesigning the work usually just moves the bottleneck from the robot to the human. Research on human-robot collaborative assembly shows that gains come from allocating tasks by capability — robots for repetition and force, people for judgment and dexterity — and from designing the interaction itself (Wang, Gao, Váncza et al., 2019 — CIRP Annals).
Un cobot puesto junto a una persona sin rediseñar el trabajo casi siempre solo mueve el cuello de botella del robot a la persona. La investigación sobre ensamble colaborativo humano-robot muestra que las ganancias provienen de asignar tareas por capacidad —robots para repetición y fuerza, personas para juicio y destreza— y de diseñar la interacción misma (Wang, Gao, Váncza et al., 2019 — CIRP Annals).
03How it is doneCómo se hace
1
Split by capability. List every step and assign repetition, force and precision to the cobot and exceptions and judgment to the operator.
2
Design the handoff. Lay out the human station first and signal cobot state with lights and sounds the operator can read without looking up.
3
Re-time the cell. Measure handoff time and throughput every quarter, because operator habits drift and erode the gain.
1
Divide por capacidad. Enlista cada paso y asigna repetición, fuerza y precisión al cobot, y excepciones y juicio al operador.
2
Diseña el traspaso. Diseña primero la estación de la persona y señala el estado del cobot con luces y sonidos que el operador entienda sin levantar la vista.
3
Vuelve a medir la celda. Mide el tiempo de traspaso y el throughput cada trimestre, porque los hábitos del operador se desvían y erosionan la ganancia.
04The concept in depthEl concepto a fondo
Human-robot teaming: the optimal division of labor between cobots and operators›
The most productive human-robot teaming model is one where the cobot handles tasks it performs best (consistency, force, repeatability, endurance) and the human handles tasks humans perform best (contextual judgment, anomaly recognition, exception handling). Designing the correct task allocation is the critical success factor in cobot deployments.
The task allocation model for human-robot teaming›
Allocate to the cobot: (1) High repetition, consistent geometry tasks (placing identical cartons at a fixed speed). (2) High-force, ergonomically hazardous tasks (lifting 12 kg cartons 500 times/shift). (3) High-precision, consistent quality tasks (screwing to a specific torque, welding a seam to ±0.1mm). Allocate to the human: exception handling (irregular product, damaged packaging), setup and changeover judgment, quality confirmation for non-standard batches, and customer interaction.
LED traffic light communication: how the cobot communicates its state to the human›
In warehouse and production environments, operators cannot read a robot status screen while handling product at speed. LED traffic lights mounted on the cobot base or ceiling communicate cobot state: Green = running normally. Yellow = reduced speed or near workspace boundary. Red = stopped, operator intervention required. Peripheral signals like these let operators react to state changes without looking away from the task.
Intermediate vs. Advanced›
Intermediate: works in human-robot teaming cells; understands task allocation principles; responds correctly to cobot status signals.
Advanced: designs the human-robot task allocation model; configures the cobot workspace boundaries; manages teaming performance metrics.
Advanced: designs the human-robot task allocation model; configures the cobot workspace boundaries; manages teaming performance metrics.
Trabajo en equipo humano-robot: la división óptima del trabajo entre cobots y operadores›
El modelo de trabajo en equipo humano-robot más productivo es aquel en que el cobot hace lo que mejor hace (consistencia, fuerza, repetibilidad, resistencia) y la persona hace lo que mejor hacen las personas (juicio contextual, reconocimiento de anomalías, manejo de excepciones). Diseñar correctamente la asignación de tareas es el factor crítico de éxito en los despliegues de cobots.
El modelo de asignación de tareas para el trabajo en equipo humano-robot›
Asigna al cobot: (1) Tareas de alta repetición y geometría constante (colocar cajas idénticas a velocidad fija). (2) Tareas de mucha fuerza y riesgo ergonómico (levantar cajas de 12 kg 500 veces por turno). (3) Tareas de alta precisión y calidad constante (atornillar a un par específico, soldar un cordón a ±0.1 mm). Asigna a la persona: manejo de excepciones (producto irregular, empaque dañado), juicio en preparación y cambios, confirmación de calidad en lotes no estándar e interacción con el cliente.
Semáforos LED: cómo comunica el cobot su estado a la persona›
En almacenes y plantas, los operadores no pueden leer una pantalla de estado mientras manipulan producto a velocidad. Los semáforos LED montados en la base del cobot o en el techo comunican su estado: verde = operación normal; amarillo = velocidad reducida o cerca del límite del espacio de trabajo; rojo = detenido, se requiere intervención del operador. Señales periféricas como estas permiten reaccionar a los cambios de estado sin apartar la vista de la tarea.
Intermedio vs. Avanzado›
Intermedio: trabaja en celdas humano-robot; entiende los principios de asignación de tareas; responde correctamente a las señales de estado del cobot.
Avanzado: diseña el modelo de asignación de tareas humano-robot; configura los límites del espacio de trabajo del cobot; gestiona las métricas de desempeño del equipo.
Avanzado: diseña el modelo de asignación de tareas humano-robot; configura los límites del espacio de trabajo del cobot; gestiona las métricas de desempeño del equipo.
05In practiceEn la práctica
Design the human-robot workstation for human ergonomics first — then configure the cobot to fit›
The human in a teaming cell performs hundreds of repetitive motions per hour. Poor ergonomics generates MSK injuries faster than a manual workstation. Design the human station first.
Use LED traffic lights and audio signals to communicate cobot state — not screens or text›
In a production environment, operators cannot read text while handling product at speed. LED color codes and audio tones are the correct communication channels for real-time cobot status.
Measure handoff time as the primary teaming performance KPI and optimize it relentlessly›
Handoff time is the most directly controllable variable in human-robot teaming performance. When the cobot cycle is short, every second removed from the average handoff translates almost directly into cell throughput.
Run time-and-motion studies on the teaming cell every 3 months — operator habits change and handoff time drifts›
Human behavior adapts over time. Regular time-and-motion studies catch negative drift in handoff efficiency before it affects throughput.
Diseña la estación humano-robot primero para la ergonomía de la persona y luego ajusta el cobot›
La persona en una celda colaborativa hace cientos de movimientos repetitivos por hora. Una mala ergonomía genera lesiones musculoesqueléticas más rápido que una estación manual. Diseña primero la estación de la persona.
Usa semáforos LED y señales sonoras para comunicar el estado del cobot, no pantallas ni texto›
En producción, los operadores no pueden leer texto mientras manipulan producto a velocidad. Los códigos de color LED y los tonos sonoros son los canales correctos para el estado del cobot en tiempo real.
Mide el tiempo de traspaso como KPI principal del equipo humano-robot y optimízalo sin descanso›
El tiempo de traspaso es la variable más directamente controlable del desempeño humano-robot. Cuando el ciclo del cobot es corto, cada segundo que se le quita al traspaso promedio se traduce casi directamente en throughput de la celda.
Haz estudios de tiempos y movimientos en la celda cada 3 meses: los hábitos de los operadores cambian y el tiempo de traspaso se desvía›
El comportamiento humano se adapta con el tiempo. Los estudios periódicos de tiempos y movimientos detectan el deterioro de la eficiencia del traspaso antes de que afecte el throughput.
06Illustrative caseCaso ilustrativo
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Illustrative case: Human-robot teaming for quality inspection — electronics manufacturer, SMT board inspection
The company implements a cobot-human inspection team where the cobot performs automated optical inspection (AOI) and the human confirms and disposes of detected defects.
The company implements a cobot-human inspection team where the cobot performs automated optical inspection (AOI) and the human confirms and disposes of detected defects.
| Inspection KPI | Human-only inspection (before) | Human-robot teaming (after) |
|---|---|---|
| Inspection accuracy rate (% of defects correctly identified) | 97.2% · Fatigue-driven drop to 94.1% in the last 2 hours of the 8-hour shift | 99.8% · AOI cobot performs 100% of optical inspection without fatigue degradation |
| Inspection throughput (boards inspected per hour) | 142 boards/hour · Human inspection is the production bottleneck | 456 boards/hour (3.2×) · Cobot handles optical scan in 3.2 seconds per board |
| Human-cobot handoff time (seconds) | N/A (sequential, not parallel) | 3.8 seconds average handoff time · LED signal triggers the human at the moment the cobot completes the scan |
Result: Investment: $2.1M MXN (vision system + UR10e + custom fixture + safety audit). Annual value: $1.4M MXN. Payback: 1.5 years. The <5-second handoff time was the critical design constraint — exceeding it would have made the human the bottleneck.
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Caso ilustrativo: equipo humano-robot para inspección de calidad — fabricante de electrónica, inspección de tarjetas SMT
La empresa implementa un equipo de inspección cobot-persona donde el cobot realiza la inspección óptica automatizada (AOI) y la persona confirma y dispone los defectos detectados.
La empresa implementa un equipo de inspección cobot-persona donde el cobot realiza la inspección óptica automatizada (AOI) y la persona confirma y dispone los defectos detectados.
| KPI de inspección | Inspección solo humana (antes) | Equipo humano-robot (después) |
|---|---|---|
| Exactitud de inspección (% de defectos identificados correctamente) | 97.2% · Cae a 94.1% por fatiga en las últimas 2 horas del turno de 8 horas | 99.8% · El cobot con AOI realiza el 100% de la inspección óptica sin degradarse por fatiga |
| Throughput de inspección (tarjetas inspeccionadas por hora) | 142 tarjetas/hora · La inspección humana es el cuello de botella de producción | 456 tarjetas/hora (3.2×) · El cobot hace el escaneo óptico en 3.2 segundos por tarjeta |
| Tiempo de traspaso humano-cobot (segundos) | N/A (secuencial, no en paralelo) | 3.8 segundos de traspaso promedio · Una señal LED avisa a la persona en el momento en que el cobot termina el escaneo |
Resultado: Inversión: $2.1M MXN (sistema de visión + UR10e + fixture a la medida + auditoría de seguridad). Valor anual: $1.4M MXN. Recuperación: 1.5 años. El traspaso de menos de 5 segundos fue la restricción crítica de diseño: excederlo habría convertido a la persona en el cuello de botella.
07How it is measuredCómo se mide
Human-Cobot Handoff Time (seconds)›
Human-Cobot Handoff Time (seconds)
Average time from cobot task completion signal to human action initiation
Benchmark: <5 seconds handoff time in well-designed human-robot teaming cells · >10 seconds indicates the human is the bottleneck
⚠️ Handoff time >10 seconds means the cobot is waiting for the human, eliminating the throughput benefit of teaming. Redesign the workstation ergonomics and communication signals.
Human-Robot Teaming Throughput vs. Human-Only Benchmark›
Human-Robot Teaming Throughput vs. Human-Only Benchmark
Teaming cell throughput (units/hour) / Human-only throughput (units/hour)
Benchmark: Set the target from the cell's design case and track the gap: well-designed teaming cells deliver a clear multiple of the human-only baseline
🔑 A teaming cell that delivers well below its design multiple of the human-only throughput has a design problem in task allocation, handoff time, or cobot cycle time.
Tiempo de traspaso humano-cobot (segundos)›
Tiempo de traspaso humano-cobot (segundos)
Tiempo promedio desde la señal de tarea terminada del cobot hasta que la persona inicia su acción
Referencia: <5 segundos de traspaso en celdas humano-robot bien diseñadas · >10 segundos indica que la persona es el cuello de botella
⚠️ Un traspaso de más de 10 segundos significa que el cobot espera a la persona, lo que anula el beneficio de throughput del trabajo en equipo. Rediseña la ergonomía de la estación y las señales de comunicación.
Throughput del equipo humano-robot vs. referencia solo humana›
Throughput del equipo humano-robot vs. referencia solo humana
Throughput de la celda colaborativa (unidades/hora) / Throughput solo humano (unidades/hora)
Referencia: Define la meta con el caso de diseño de la celda y mide la brecha: las celdas bien diseñadas entregan un múltiplo claro de la referencia solo humana
🔑 Una celda colaborativa que entrega muy por debajo del múltiplo de diseño frente al throughput solo humano tiene un problema de diseño en la asignación de tareas, el tiempo de traspaso o el tiempo de ciclo del cobot.
08What you would useQué se usa
📌 Human-Robot Teaming Systems
Cognex Vision Systems / Keyence CV-X / Basler Cameras›
Module: Machine Vision for Human-Robot Inspection Teaming
Machine vision systems that integrate with cobot arms for automated optical inspection in human-robot teaming configurations.
Machine vision systems that integrate with cobot arms for automated optical inspection in human-robot teaming configurations.
Universal Robots e-Series (built-in F/T sensor) / OnRobot (collaborative end-effectors)›
Module: Force-Sensing Cobots for Contact-Safe Teaming
The UR e-Series cobots have built-in 6-axis force/torque sensing that enables safe physical collaboration. OnRobot provides force-sensing grippers and tools that extend contact-safe capability to the end-effector.
The UR e-Series cobots have built-in 6-axis force/torque sensing that enables safe physical collaboration. OnRobot provides force-sensing grippers and tools that extend contact-safe capability to the end-effector.
📌 Sistemas para el trabajo en equipo humano-robot
Cognex Vision Systems / Keyence CV-X / Basler Cameras›
Módulo: Visión artificial para inspección en equipo humano-robot
Sistemas de visión artificial que se integran con brazos colaborativos para inspección óptica automatizada en configuraciones humano-robot.
Sistemas de visión artificial que se integran con brazos colaborativos para inspección óptica automatizada en configuraciones humano-robot.
Universal Robots e-Series (sensor F/T integrado) / OnRobot (herramientas terminales colaborativas)›
Módulo: Cobots con sensado de fuerza para un trabajo en equipo seguro al contacto
Los cobots UR e-Series tienen sensor de fuerza/par de 6 ejes integrado que permite la colaboración física segura. OnRobot ofrece grippers y herramientas con sensado de fuerza que extienden esa capacidad a la herramienta terminal.
Los cobots UR e-Series tienen sensor de fuerza/par de 6 ejes integrado que permite la colaboración física segura. OnRobot ofrece grippers y herramientas con sensado de fuerza que extienden esa capacidad a la herramienta terminal.
The bottom lineEn corto
Design the handoff between person and cobot, or the cobot will spend its day waiting.
Diseña el traspaso entre persona y cobot, o el cobot pasará el día esperando.
← PreviousAnteriorCobot fundamentals: collaborative robot platforms & programmingFundamentos de cobots: plataformas de robots colaborativos y programaciónNextSiguiente →Cobot applications: packaging, palletizing & flexible assemblyAplicaciones de cobots: empaque, paletizado y ensamble flexible
All D14 componentsTodos los componentes de D14D14 artifactsArtifacts de D14SCRA