Una solución IIoT basada en la nube para el diagnóstico de fallas en motores de inducción

Abstract

Guiadas por los principios de la Industria 4.0, las empresas están atravesando una transformación digital que enfatiza operaciones interconectadas, inteligentes y basadas en datos. En este contexto, los datos industriales se han convertido en un activo estratégico para optimizar el rendimiento y facilitar la toma de decisiones informadas. Las tecnologías del Internet Industrial de las Cosas (IIoT) permiten centralizar y aprovechar datos en tiempo real a lo largo de todos los niveles de la arquitectura de automatización industrial. Más allá de su aplicación en la gestión de la cadena de suministro y las ventas directas, existe una demanda creciente de estrategias basadas en datos para el mantenimiento predictivo (PdM por sus siglas en inglés) y el diagnóstico de fallos (FD por sus siglas en inglés), con el fin demitigar interrupciones en los procesos. Los motores de inducción, componentes fundamentales en la maquinaria industrial, son propensos a fallos que pueden provocar desaceleraciones en la producción, paradas no planificadas y un aumento en los costos operativos. Sin embargo, muchos enfoques existentes no consideran adecuadamente el flujo de datos en tiempo real ni las características propias del entorno industrial, lo que limita su efectividad en implementaciones prácticas. Este trabajo propone una solución en la nube para el diagnóstico de fallas en motores de inducción, integrando algoritmos de aprendizaje automático con técnicas avanzadas de preprocesamiento de datos. La solución emplea el paradigma del Unified Namespace (UNS), lo que permite un almacenamiento, análisis y visualización de datos sin interrupciones. Esta propuesta no solo aporta un marco práctico adaptable a entornos industriales reales, sino que también contribuye al avance académico en el diagnóstico inteligente de fallas, al integrar tecnologías emergentes como IIoT, aprendizaje automático y arquitecturas orientadas a datos.