Arquitectura agnóstica al sensor para la monitorización industrial: esquema canónico, descubrimiento automático y extensibilidad

Autores/as

DOI:

https://doi.org/10.29352/mill0224e.48333

Palabras clave:

IIoT; esquema canónico; biblioteca compartida; descubrimiento automático; MQTT

Resumen

Introducción: La integración de sensores heterogéneos en plataformas IIoT plantea un desafío de normalización semántica por la diversidad de nomenclaturas, unidades y protocolos de cada fabricante.

Objetivo: Presentar y validar cuantitativamente una arquitectura independiente del tipo de sensor para resolver la heterogeneidad semántica en plataformas IIoT industriales.

Métodos: La arquitectura comprende: (1) un esquema canónico InfluxDB con nomenclatura estricta en seis domínios industriales; (2) una biblioteca de parsers compartida con interfaz uniforme, común al pipeline de producción y al simulador de telemetría; y (3) un registro JSON de sensores para descubrimiento automático de dispositivos. La validación se realizó en una unidad industrial de manufactura con tres sensores heterogéneos (Modbus RTU e I2C), complementada con simulación de 16 tipos de sensores en tres instalaciones virtuales.

Resultados: La integración de nuevos tipos de sensores requiere 36–51 líneas de código sin modificaciones en los servicios existentes. Se procesaron 216 mensajes/minuto con latência media de 107 ms por activo y escalabilidad lineal hasta 300 activos simultáneos. El sistema superó 313 pruebas automatizadas con 93% de cobertura de instrucciones. La plataforma incluye detección de anomalías estadísticas (Z-Score y Media Móvil) y correlación vibración/energía por tipo de material en despliegue CNC industrial.

Conclusión: La convergencia entre el esquema canónico, la biblioteca compartida y el registro de sensores constituye una respuesta eficaz y verificable a la heterogeneidad semántica, garantizando extensibilidad con impacto nulo en los servicios existentes.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Apostolou, G., Ntemi, M., Paraschos, S., Gialampoukidis, I., Rizzi, A., Vrochidis, S., & Kompatsiaris, I. (2024). Novel Framework for Quality Control in Vibration Monitoring of CNC Machining. Sensors, 24(1), 307. https://doi.org/10.3390/s24010307

Blázquez-García, A., Conde, A., Mori, U., & Lozano, J. A. (2022). A Review on Outlier/Anomaly Detection in Time Series Data. In ACM Computing Surveys (Vol. 54). Association for Computing Machinery. https://doi.org/10.1145/3444690

Boareto, P. A., Assad, A., Loures, E. F. R., Deschamps, F., & Santos, E. A. P. (2026). Design and Implementation of Industrial Internet of Things for Legacy Field Devices: A Case Study. IEEE Access, 14, 45882–45895. https://doi.org/10.1109/ACCESS.2026.3674418

Boonmeeruk, P., Palrat, P., & Wongsopanakul, K. (2024). Cost-Effective IIoT Gateway Development Using ESP32 for Industrial Applications. Engineering Journal, 28, 93–108. https://doi.org/10.4186/ej.2024.28.10.93

Busboom, A. (2024). Automated generation of OPC UA information models — A review and outlook. Journal of Industrial Information Integration, 39, 100602. https://doi.org/10.1016/j.jii.2024.100602

CENELEC. (2010). EN 50160: Voltage characteristics of electricity supplied by public electricity networks.

Chen, S., & Zhou, M. (2021). Evolving Container to Unikernel for Edge Computing and Applications in Process Industry. Processes, 9(2), 351. https://doi.org/10.3390/pr9020351

DeMedeiros, K., Hendawi, A., & Alvarez, M. (2023). A Survey of AI-Based Anomaly Detection in IoT and Sensor Networks. Sensors, 23(3), 1352. https://doi.org/10.3390/s23031352

Eldho K J. (2025). Optimizing Data Transfer Speed and the Performance Evaluation of MQTT in IoT: A Study on MQTT for Atmospheric Condition Monitoring. Journal of Information Systems Engineering and Management, 10, 231–244. https://doi.org/10.52783/jisem.v10i39s.7144

Hassan, I. U., Panduru, K., & Walsh, J. (2024). An In-Depth Study of Vibration Sensors for Condition Monitoring. Sensors, 24(3), 740. https://doi.org/10.3390/s24030740

Hazra, A., Adhikari, M., Amgoth, T., & Srirama, S. N. (2023). A Comprehensive Survey on Interoperability for IIoT: Taxonomy, Standards, and Future Directions. ACM Computing Surveys, 55(1), 1–35. https://doi.org/10.1145/3485130

He, W., Baig, M. J. A., & Iqbal, M. T. (2024). An Open-Source Supervisory Control and Data Acquisition Architecture for Photovoltaic System Monitoring Using ESP32, Banana Pi M4, and Node-RED. Energies, 17. https://doi.org/10.3390/en17102295

Hercog, D., Lerher, T., Truntič, M., & Težak, O. (2023). Design and Implementation of ESP32-Based IoT Devices. Sensors, 23(15), 6739. https://doi.org/10.3390/s23156739

ISO. (1995). ISO-10816-1-1995. https://www.iso.org/standard/18866.html

Masood, T., & Sonntag, P. (2020). Industry 4.0: Adoption challenges and benefits for SMEs. Computers in Industry, 121. https://doi.org/10.1016/j.compind.2020.103261

Mirani, A. A., Awasthi, A., O’Mahony, N., & Walsh, J. (2024). Industrial IoT-Based Energy Monitoring System: Using Data Processing at Edge. Internet of Things, 5, 608–633. https://doi.org/10.3390/iot5040027

Monios, N., Peladarinos, N., Cheimaras, V., Papageorgas, P., & Piromalis, D. D. (2024). A Thorough Review and Comparison of Commercial and Open-Source IoT Platforms for Smart City Applications. In Electronics (Switzerland) (Vol. 13). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/electronics13081465

Müller, J. M., Islam, N., Kazantsev, N., Romanello, R., Olivera, G., Das, D., & Hamzeh, R. (2024). Barriers and Enablers for Industry 4.0 in SMEs: A Combined Integration Framework. IEEE Transactions on Engineering Management, 1–13. https://doi.org/10.1109/TEM.2024.3365771

Pawar, S., Jadhav, D. B., Lokhande, M., Raskar, P., & Patil, M. (2024). Evaluation of quality of service parameters for MQTT communication in IoT application by using deep neural network. International Journal of Information Technology, 16(2), 1123–1136. https://doi.org/10.1007/s41870-023-01664-2

Rahman, H., & Hussain, M. I. (2020). A comprehensive survey on semantic interoperability for Internet of Things: State-of-the-art and research challenges. Transactions on Emerging Telecommunications Technologies, 31. https://doi.org/10.1002/ett.3902

Schmidt, C., Volz, F., Stojanovic, L., & Sutschet, G. (2023). Increasing Interoperability between Digital Twin Standards and Specifications: Transformation of DTDL to AAS. Sensors, 23(18), 7742. https://doi.org/10.3390/s23187742

Tripathi, P., Miraz, M. H., & Joshi, S. (2023). Comparative Analysis of MongoDB and InfluxDB for Time Series Data Management in IoT Environments: A Study on Performance, Scalability, and Concurrency. 2023 International Conference on Computing, Networking, Telecommunications & Engineering Sciences Applications (CoNTESA), 39–42. https://shre.ink/GS40

Verde Romero, D. A., Villalvazo Laureano, E., Jiménez Betancourt, R. O., & Navarro Álvarez, E. (2024). An open source IoT edge-computing system for monitoring energy consumption in buildings. Results in Engineering, 21. https://doi.org/10.1016/j.rineng.2024.101875

Xu, B., Guertler, M. R., & Sick, N. (2023). Analyzing Industry 4.0 Adoption Barriers of Small and Medium-sized Enterprises and Existing Support. 2023 IEEE Engineering Informatics, EI 2023. https://shre.ink/GS4w

You, S., Li, X., Yu, H., & Chen, W. (2024). S-ID: Implementing Intelligent Interoperability for Heterogeneous IoT Identifiers Through a Semantic-Based Framework. IEEE Access, 12, 1341–1359. https://doi.org/10.1109/ACCESS.2023.3347586

Publicado

2026-11-17

Cómo citar

Santos, N., & Correia, R. (2026). Arquitectura agnóstica al sensor para la monitorización industrial: esquema canónico, descubrimiento automático y extensibilidad. Millenium - Journal of Education, Technologies, and Health, 2(24e), e48333. https://doi.org/10.29352/mill0224e.48333

Número

Sección

Ingenierías, Tecnología, Gestión y Turismo