Arquitectura de fábrica inteligente: sensores de IoT, computación perimetral e integración de ERP

Una fábrica con 200 máquinas funcionando 16 horas al día genera aproximadamente 400 GB de datos de sensores sin procesar diariamente. Enviar todos esos datos a un servidor en la nube, procesarlos y devolver instrucciones a las máquinas introduce una latencia medida en segundos. Para un dispositivo de seguridad que necesita responder en milisegundos, los segundos también podrían ser horas.

La arquitectura de fábrica inteligente resuelve este problema distribuyendo inteligencia en tres niveles: dispositivos de borde que procesan datos en la máquina, servidores locales que agregan y analizan datos dentro de las instalaciones y plataformas en la nube que manejan análisis entre sitios y almacenamiento a largo plazo. Lograr que esta arquitectura sea correcta determina si las inversiones en IoT generan valor de fabricación real o simplemente generan datos que nadie usa.

Este artículo es parte de nuestra serie Fabricación en la era de la IA.

Conclusiones clave

• Edge Computing procesa entre el 80% y el 90% de los datos de IoT de fabricación localmente, lo que reduce los costos de la nube y permite tiempos de respuesta inferiores a milisegundos.
• La selección de sensores depende del modo de falla que esté monitoreando, no del tipo de máquina, y los sensores que no coinciden son la causa principal de fallas en los proyectos de IoT.
• MQTT es el protocolo estándar para la fabricación de IoT debido a su tamaño liviano y su modelo de publicación-suscripción.
• La integración de Odoo ERP transforma los datos sin procesar de los sensores en acciones comerciales a través de órdenes de trabajo, alertas de calidad y ajustes de inventario.

---

Tipos de sensores para entornos de fabricación

Elegir los sensores adecuados es la decisión más importante en un proyecto de fábrica inteligente. Seleccionar el tipo de sensor incorrecto para una aplicación determinada produce datos poco confiables que socavan la credibilidad de todo el sistema.

Comparación completa de sensores

Emparejar sensores con modos de falla

El error común es preguntar qué sensores deberían ir en una máquina específica. La pregunta correcta es qué modos de falla deben detectarse y qué parámetros físicos cambian antes de que ocurra esa falla.

Por ejemplo, una falla en un rodamiento en el motor de un transportador avanza a través de etapas predecibles:

1. Degradación temprana: Aumento de las emisiones acústicas ultrasónicas (detectables entre 3 y 6 meses antes de la falla)
2. Error en desarrollo: La firma de vibración cambia en las frecuencias de falla del rodamiento (1 a 3 meses antes de la falla)
3. Daño avanzado: la temperatura aumenta por encima del valor inicial (semanas antes de la falla)
4. Falla inminente: el consumo de corriente aumenta a medida que aumenta la fricción (días antes de la falla)

Una estrategia de monitoreo integral implementa sensores que detectan la etapa más temprana posible para los equipos más críticos y las etapas posteriores para los activos menos críticos, en función del costo del tiempo de inactividad no planificado.

---

Arquitectura de computación de borde

Modelo de procesamiento de tres niveles

Nivel 1: Borde de la máquina (tiempo de respuesta: <10 ms)

Los dispositivos de borde a nivel de máquina se ubican directamente sobre máquinas individuales o junto a ellas. Ellos manejan:

• Interbloqueos de seguridad (paradas de emergencia, protección contra sobrecarga)
• Lazos de control de procesos en tiempo real (regulación de temperatura, control de velocidad)
• Filtrado y compresión de datos (reducción de muestreo de 10 kHz a eventos significativos)
• Detección de anomalías locales (violaciones de umbrales, cambios repentinos)

El hardware de este nivel suele utilizar ordenadores de placa única de nivel industrial o PLC con Linux integrado. El consumo de energía es de 5 a 15 W y los dispositivos deben soportar vibraciones, temperaturas extremas e interferencias electromagnéticas comunes en entornos de fabricación.

Nivel 2: Factory Edge (tiempo de respuesta: <1 segundo)

Los servidores perimetrales de nivel de fábrica agregan datos de varias máquinas y realizan análisis más complejos:

• Correlación entre máquinas (detectar cuándo la calidad de salida de una máquina afecta las operaciones posteriores)
• Inferencia del modelo de mantenimiento predictivo (ejecución de modelos ML entrenados contra datos de sensores entrantes)
• Análisis de tendencias de calidad (cálculos estadísticos de control de procesos)
• Seguimiento de producción y cálculo de OEE

Este nivel normalmente se ejecuta en servidores industriales montados en bastidor con aceleración de GPU para inferencia de aprendizaje automático. La capacidad de almacenamiento varía de 1 a 10 TB para retener entre 30 y 90 días de datos detallados.

Nivel 3: Nube/Centro de datos (Tiempo de respuesta: minutos a horas)

Las plataformas en la nube manejan cargas de trabajo que se benefician de la computación y el almacenamiento masivos:

• Entrenamiento y reentrenamiento de modelos (actualización de modelos ML con nuevos datos)
• Análisis histórico y análisis de tendencias (retención de datos de varios años)
• Evaluación comparativa entre instalaciones e identificación de mejores prácticas
• Integración ERP e inteligencia de negocios.

Arquitectura de flujo de datos

Sensors (10kHz) → Machine Edge (filter to events) → Factory Edge (analyze/store) → Cloud (train/archive)
                                                   ↕                              ↕
                                              Local Dashboard                  Odoo ERP

El principio de diseño crítico es que cada nivel reduce el volumen de datos y al mismo tiempo aumenta el valor de los datos. Los datos de vibración sin procesar muestreados a 10 000 veces por segundo se comprimen en características de dominio de frecuencia en el borde de la máquina, lo que reduce el volumen en un 95 %. El borde de la fábrica resume esto en indicadores de salud y alertas, reduciendo el volumen en otro 80%. La nube solo recibe información relevante para el negocio y conjuntos de datos de entrenamiento de modelos.

---

Protocolos de comunicación

MQTT: el estándar de IoT de fabricación

MQTT (Message Queuing Telemetry Transport) se ha convertido en el protocolo dominante para la fabricación de IoT debido a varias características que se alinean con los requisitos de fábrica:

• Ligero: la sobrecarga mínima lo hace adecuado para dispositivos restringidos
• Publicar-Suscribir: desacopla a los productores de datos de los consumidores, lo que permite arquitecturas flexibles
• Calidad de los niveles de servicio: QoS 0 (activar y olvidar) para monitoreo de alta frecuencia, QoS 1 (al menos una vez) para alertas, QoS 2 (exactamente una vez) para comandos críticos
• Mensajes retenidos: los nuevos suscriptores reciben inmediatamente el estado más reciente sin esperar al siguiente ciclo de publicación.
• Última Voluntad y Testamento: Notificación automática cuando un dispositivo se desconecta inesperadamente

Jerarquía de temas para fabricación

Una jerarquía de temas MQTT bien diseñada hace que los datos sean detectables y manejables:

factory/{site}/line/{line}/machine/{machine}/sensor/{type}
factory/plant-a/line/assembly-1/machine/cnc-001/sensor/vibration
factory/plant-a/line/assembly-1/machine/cnc-001/sensor/temperature
factory/plant-a/line/assembly-1/machine/cnc-001/status/oee
factory/plant-a/line/assembly-1/machine/cnc-001/alert/maintenance

Comparación de protocolos

---

Integración de ERP con Odoo

Arquitectura de integración

El puente entre los datos de IoT y los procesos comerciales pasa por el sistema ERP. Odoo proporciona varios mecanismos de integración para la fabricación de IoT:

Odoo IoT Box: La puerta de enlace de hardware de Odoo se conecta directamente a dispositivos USB y Bluetooth. Maneja lectores de códigos de barras, básculas, impresoras y sensores simples listos para usar. Para redes de sensores más complejas, la integración personalizada a través de la API REST de Odoo es más apropiada.

Integración de API REST: los servidores perimetrales de fábrica envían datos resumidos a Odoo a través de su JSON-RPC o API REST:

• Los cambios de estado de la máquina crean o actualizan registros de órdenes de trabajo
• Las mediciones de calidad activan registros de inspección con determinación de pasa/falla
• Las alertas de mantenimiento generan órdenes de trabajo con componentes de falla previstos
• Las actualizaciones del consumo de energía rastrean los costos por orden de producción.
• Los recuentos de producción actualizan las cantidades de las órdenes de trabajo en tiempo real.

Eventos basados en webhook: Para eventos urgentes, Odoo se puede configurar para recibir notificaciones de webhook:

• La alarma del equipo activa el envío inmediato de mantenimiento
• La violación del umbral de calidad detiene el procesamiento posterior
• El sensor de inventario detecta poco material y activa un nuevo pedido

Mapeo de datos: sensor a objeto comercial

---

Diseño y seguridad de red

Las redes de fabricación requieren una segmentación que equilibre el acceso operativo con la ciberseguridad. El modelo Purdue proporciona una arquitectura estándar:

Nivel 0-1 (Red de procesos): Sensores, actuadores, PLC, dispositivos de borde de máquina. Aislado de las redes empresariales. Sólo se comunica hacia arriba al Nivel 2.

Nivel 2 (Red de control): Servidores de borde de fábrica, paneles HMI, sistemas SCADA. Se comunica con el Nivel 0-1 inferior y el Nivel 3 superior a través de una DMZ.

Nivel 3 (Red del sitio): Sistemas de ejecución de fabricación, bases de datos locales, estaciones de trabajo de ingeniería. Se comunica con el Nivel 4 a través de otra DMZ.

Nivel 4 (Red Empresarial): ERP (Odoo), correo electrónico, aplicaciones empresariales. Se aplica la seguridad de TI estándar.

Medidas de seguridad clave para la fabricación de IoT:

• Todo el tráfico MQTT cifrado con TLS 1.3
• Certificados de dispositivo para autenticación mutua.
• Segmentación de red con firewalls industriales entre niveles
• Actualizaciones periódicas de firmware mediante implementación gestionada
• Monitoreo de detección de intrusiones para patrones de tráfico anómalos

---

Implementación: un plan práctico de 90 días

Días 1-30: Evaluación y Diseño

• Identificar de 3 a 5 máquinas críticas para la implementación inicial
• Documentar los modos de falla y seleccionar los sensores apropiados.
• Diseñar arquitectura de red y seleccionar hardware informático de vanguardia.
• Planificar puntos de integración de Odoo y mapeo de datos.

Días 31-60: Implementación e Integración

• Instalar sensores y dispositivos de borde en máquinas seleccionadas.
• Configurar el broker MQTT y la jerarquía de temas.
• Desarrollar conectores de integración Odoo (REST API o webhook)
• Construir paneles de control iniciales.

Días 61-90: Validación y Optimización

• Validar la precisión de los datos del sensor frente a mediciones manuales
• Ajuste los umbrales de alerta para minimizar los falsos positivos.
• Capacitar a los equipos de mantenimiento y operaciones en nuevas herramientas.
• Documentar procedimientos operativos estándar para flujos de trabajo impulsados por IoT.

---

Preguntas frecuentes

¿Cuántos sensores necesita una máquina típica?

Depende de la criticidad y los modos de falla de la máquina. Una máquina CNC crítica puede tener entre 6 y 10 sensores (vibración en el husillo y los ejes, temperatura en el cojinete del husillo y el refrigerante, corriente en el motor principal, acústica en el husillo). Un transportador simple puede necesitar solo 2 o 3 (vibración en el motor de accionamiento, temperatura en el cojinete del motor, consumo de corriente). Comience con los equipos más críticos y los modos de falla que causan la mayor cantidad de tiempo de inactividad.

¿Cuál es el costo total de una red de sensores de IoT para una fábrica de 50 máquinas?

Una implementación típica cuesta entre 50 000 y 200 000 dólares, incluidos los sensores (entre 15 000 y 50 000 dólares), el hardware informático de borde (entre 10 000 y 40 000 dólares), la infraestructura de red (entre 10 000 y 30 000 dólares), el agente y el software MQTT (entre 5 000 y 20 000 dólares) y el desarrollo de la integración (entre 10 000 y 60 000 dólares). Los costos continuos incluyen servicios en la nube ($500-2000/mes) y reemplazo de sensores (5-10% anual). La inversión normalmente se amortiza en un plazo de 8 a 14 meses gracias únicamente a la reducción del tiempo de inactividad.

¿Pueden los sensores de IoT funcionar con máquinas más antiguas que no tienen interfaces digitales?

Sí. La mayoría de los sensores industriales de IoT son dispositivos externos que no requieren ninguna interfaz digital con la propia máquina. Los sensores de vibración se adhieren magnéticamente o con adhesivo. Los sensores de temperatura se sujetan a superficies o tuberías. Los sensores de corriente se enganchan alrededor de los cables de alimentación. La máquina no necesita saber que existen los sensores. Esto hace que la modernización de equipos antiguos sea práctica y rentable.

---

¿Qué sigue?

La construcción de una arquitectura de fábrica inteligente es la base de toda capacidad de fabricación avanzada, desde el mantenimiento predictivo hasta la inspección de calidad de la IA y los gemelos digitales. Las decisiones arquitectónicas que tome ahora determinan lo que es posible en el futuro.

ECOSIRE ayuda a los fabricantes a diseñar e implementar arquitecturas de fábrica conectadas a IoT con Odoo ERP en el centro. Nuestro equipo aporta experiencia en selección de sensores, diseño de computación de vanguardia e integración de ERP que convierte los datos sin procesar de la fábrica en valor comercial.

Explore nuestras guías relacionadas sobre mantenimiento predictivo y gemelos digitales para la fabricación, o contáctenos para analizar su hoja de ruta de fábrica inteligente.

---

Publicado por ECOSIRE: ayuda a las empresas a escalar con soluciones impulsadas por IA en Odoo ERP, Shopify eCommerce y OpenClaw AI.