Acceso Abierto
Diseño de un sistema predictivo con arquitectura embebida distribuida para el monitoreo del estado operativo y análisis de degradación en motores eléctricos mediante sincronización de datos vía MQTT.
Cargando...
Fecha
2026-06-19
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Católica de Santa María
Nivel de acceso
Acceso Abierto
Resumen
La investigación desarrolla un sistema predictivo con arquitectura embebida distribuida, orientado al monitoreo del estado operativo y análisis de degradación en motores eléctricos, empleando sincronización de datos mediante el protocolo MQTT. El objetivo principal fue diseñar una solución capaz de anticipar fallas incipientes y optimizar la gestión del mantenimiento industrial. El sistema se estructuró en tres nodos edge que permiten la adquisición y procesamiento local de datos de vibración, temperatura y corriente, garantizando una comunicación eficiente con latencias inferiores a 50 ms, throughput promedio de 1 msg/s y disponibilidad del 100 % en los nodos principales. El uso del protocolo MQTT con niveles de servicio QoS 0-2 aseguró la sincronización y transmisión confiable de datos, con pérdida nula de mensajes y una deriva temporal menor a 2.2 ms entrenodos, validando su estabilidad en entornos de conectividad variable. Para el análisis predictivo se integraron los modelos XGBoost y Weibull-AFT. El primero permitió clasificar la tendencia de falla bajo tres escenarios (base, conservador y estresado), alcanzando una AUC-ROC de 0.988 y alta precisión en las curvas de calibración y precisión-recuperación. El segundo modelo estimó una vida útil remanente (RUL) de 10,932 horas, equivalente a 455 días de operación continua, con un Brier Score de 0.1922 y C-index de 0.1343, demostrando una calibración adecuada y coherencia entre las predicciones y los eventos reales de falla. Las curvas de supervivencia mostraron una disminución progresiva del RUL en un 22.7 % a lo largo de 24 meses. Los resultados confirman que la integración de procesamiento distribuido, comunicación IoT y modelos de predicción híbridos mejora la capacidad de diagnóstico en tiempo real, reduce el riesgo de fallas y permite planificar intervenciones preventivas con mayor exactitud. El sistema propuesto demostró su viabilidad técnica, precisión superior al 98 % y reducción de más del 20 % en las paradas no planificadas, consolidándose como una herramienta eficaz para el mantenimiento predictivo en entornos industriales eléctricos.
Descripción
Palabras clave
Arquitectura embebida, Mantenimiento predictivo, Motores eléctricos.