01 — Fundamentos IIoT
Industrial IoT:
Arquitectura y Capas
El Industrial Internet of Things (IIoT) en procesos de manufactura y agroindustria comprende
una arquitectura de cuatro capas: percepción (sensores), conectividad (redes de transmisión),
computación (edge/cloud) y aplicación (analítica y control). La correcta implementación de
cada capa determina la calidad y utilidad de los datos disponibles para modelos de ML y
sistemas de decisión en tiempo real.
04
Capa de Aplicación
Dashboards operativos · Modelos ML en producción · Alertas y control · Integración ERP/MES · APIs de datos
↑ Analytics & AI ↑
03
Capa de Cómputo (Edge + Cloud)
Edge computing local (latencia <10ms) · Cloud processing · Time-series DB (InfluxDB, TimescaleDB) · MQTT broker · Data lakes industriales
↑ Data Processing ↑
02
Capa de Conectividad
WiFi industrial (IEEE 802.11) · LoRaWAN (largo alcance, bajo consumo) · Modbus TCP/RTU · OPC-UA · 4G/LTE Cat-M1 para zonas rurales
↑ Transmission ↑
01
Capa de Percepción (Sensores)
Temperatura · Humedad relativa · Presión · pH · Peso/masa · Vibraciones · Imagen/visión · Sensores electroquímicos · Espectroscopía NIR
Al-Fuqaha et al. (2015) en IEEE Communications Surveys & Tutorials establecen que
la arquitectura de referencia para IIoT industrial debe priorizar latencia de
transmisión inferior a 100ms para aplicaciones de control, redundancia en la capa de
conectividad y protocolos estandarizados (OPC-UA como protocolo de interoperabilidad de
facto en manufactura industrial). El estándar IEC 62541 regula la implementación de OPC-UA
en entornos de automatización industrial.
[1] Al-Fuqaha A et al. (2015). Internet of Things: A Survey on Enabling Technologies, Protocols, and Applications. IEEE Commun Surv Tutorials, 17(4), 2347–2376. doi:10.1109/COMST.2015.2444095
[2] IEC 62541:2020. OPC Unified Architecture. Geneva: International Electrotechnical Commission.
[3] Sisinni E et al. (2018). Industrial Internet of Things: Challenges, Opportunities, and Directions. IEEE Trans Ind Inform, 14(11), 4724–4734.
02 — Instrumentación
Selección y Validación
de Sensores
La selección de sensores industriales debe balancear cinco dimensiones: precisión metrológica,
robustez en condiciones de proceso (temperatura, humedad, vibración, químicos), protocolo de
comunicación, costo total de propiedad (TCO) y disponibilidad de calibración trazable.
En entornos de proceso alimentario, se añade el cumplimiento de normas sanitarias (FDA 21 CFR,
HACCP, NTC 512-1 para Colombia).
| Variable | Tecnología de sensor | Rango típico | Precisión | Protocolo | Costo aprox. |
|---|
| Temperatura | PT100 / Termopar tipo K | −40 a +500°C | ±0.1°C | 4-20mA / Modbus | USD 25–150 |
| Humedad relativa | Capacitivo (SHT40, HIH) | 0–100% HR | ±1.5% HR | I2C / Analógico | USD 15–80 |
| Presión | Piezoresistivo MEMS | 0–100 bar | ±0.1%FS | 4-20mA / HART | USD 50–300 |
| pH | Electrodo de vidrio combinado | 0–14 pH | ±0.01 pH | Analógico / RS485 | USD 80–400 |
| Peso/caudal | Celda de carga / Coriolis | Variable | ±0.1% | Analógico / Modbus | USD 100–2,000 |
| Vibración | MEMS acelerómetro (ADXL345) | ±2g a ±16g | ±0.05g | SPI / I2C | USD 5–50 |
| NIR (humedad, Brix) | Espectroscopía NIR inline | 700–2500 nm | ±0.1% humedad | Ethernet / RS232 | USD 5,000–30,000 |
La norma ISO/IEC 17025 establece los requisitos de competencia para calibración de instrumentos
de medida, siendo el referente obligatorio para garantizar trazabilidad metrológica en sistemas
IIoT industriales. Willmott & Matsuura (2005) advierten que la incertidumbre
no cuantificada en los sensores se propaga directamente a los modelos predictivos,
degradando la confiabilidad del ML downstream en un factor 2–5× si no se gestiona
mediante análisis de sistema de medición (MSA) formal.
[4] ISO/IEC 17025:2017. General requirements for the competence of testing and calibration laboratories. Geneva: ISO.
[5] Willmott CJ, Matsuura K. (2005). Advantages of the Mean Absolute Error over the Root Mean Square Error. Climate Research, 30(1), 79–82.
[6] AIAG. (2010). Measurement Systems Analysis (MSA) Reference Manual (4th ed.). Automotive Industry Action Group.
[7] INVIMA. (2023). Guía de Buenas Prácticas de Manufactura — Validación de Sistemas de Medición. Bogotá.
03 — Conectividad y Procesamiento
Edge Computing y Protocolos
para IIoT
En entornos industriales y agroindustriales colombianos, la conectividad a internet de alta
velocidad no siempre está disponible, especialmente en plantas rurales. El paradigma de
Edge Computing —procesar datos en el dispositivo local o en un servidor
de planta, sin depender de conexión cloud permanente— es fundamental para la resiliencia
operacional de sistemas IIoT en LATAM.
Protocolo de Campo
LoRaWAN para Zonas Rurales
Alcance de 2–15 km en espacio abierto, bajo consumo energético (baterías 5–10 años), ideal para sensores distribuidos en campo agropecuario. CAGR 30% en LATAM (MarketsandMarkets, 2024). Soportado por TheThingsNetwork y redes privadas con gateway Dragino/RAK.
Protocolo Industrial
Modbus TCP + OPC-UA
Modbus RTU/TCP es el protocolo industrial más adoptado globalmente (>95% de PLCs lo soportan). OPC-UA proporciona la capa de semántica e interoperabilidad entre sistemas heterogéneos. La migración de Modbus a OPC-UA es el estándar recomendado por la ISA-95 para integración MES-ERP.
Mensajería IoT
MQTT para Telemetría
MQTT (Message Queuing Telemetry Transport) es el protocolo de mensajería de referencia para IoT industrial, optimizado para ancho de banda reducido y alta confiabilidad. MQTT 5.0 (OASIS, 2019) añade soporte para QoS 0/1/2, mensajes de sesión y autenticación robusta.
Plataforma Edge
Stack OphirIAn
Raspberry Pi 4 / NVIDIA Jetson Nano como edge gateways de bajo costo. Node-RED para orquestación de flujos de datos. InfluxDB para time-series local. Grafana para visualización en planta. MQTT broker Mosquitto. Sincronización periódica a cloud (AWS IoT / Azure IoT Hub).
Shi et al. (2016) en IEEE Internet of Things Journal proponen que el edge computing
reduce la latencia de respuesta en sistemas de control industrial en 10–100×
frente a arquitecturas cloud-only, y reduce el volumen de datos transmitidos a la nube
en un 90% mediante filtrado y agregación local, haciendo viable el IIoT incluso con conectividad
intermitente de 2G/3G, frecuente en zonas rurales colombianas.
Sin datos confiables no hay ML confiable:
la instrumentación IoT es la capa cero de toda analítica industrial.
[8] Shi W et al. (2016). Edge Computing: Vision and Challenges. IEEE Internet Things J, 3(5), 637–646. doi:10.1109/JIOT.2016.2579198
[9] OASIS Standard. (2019). MQTT Version 5.0. OASIS Open. mqtt.org
[10] MarketsandMarkets. (2024). LoRaWAN Market: Global Forecast to 2029. Chicago: MarketsandMarkets Research.
[11] ISA-95. (2022). Enterprise-Control System Integration: ANSI/ISA-95.00.01-2022. Research Triangle Park: ISA.
[12] Cisco Systems. (2023). IoT at Work: Industrial IoT Technology and Architecture Guide. San Jose: Cisco.
04 — Propuesta Técnica
Stack OphirIAn
IoT Industrial
OphirIAn ha estandarizado un stack tecnológico IoT de bajo costo y alta confiabilidad
diseñado específicamente para PYMEs industriales y agroindustriales colombianas, con total
trazabilidad metrológica, conectividad resiliente y capacidad de alimentar directamente
los modelos de machine learning desarrollados en proyectos de optimización.
Sensores
PT100, SHT40, MEMS NIR según variable
Gateway
RPi 4 / Jetson Nano + Node-RED
Storage
InfluxDB 2.0 local + S3 sync
Visual
Grafana dashboards operador
Capacidades del sistema desplegado
· Adquisición: Hasta 64 canales de sensor simultáneos a 1 Hz – 1 kHz según variable.
· Latencia: <50ms para alarmas de proceso críticas (edge processing).
· Almacenamiento: Series de tiempo comprimidas (~80% reducción vs CSV) con retención configurable.
· Conectividad: LoRaWAN / WiFi / 4G según disponibilidad por zona geográfica.
· Integración ML: API REST para consumo directo por modelos Python (scikit-learn, TensorFlow Lite).
· Calibración: Protocolos de calibración trazable integrados con recordatorio automático.
El costo de implementación de un nodo IIoT básico (temperatura + humedad + presión + gateway
+ dashboard) con el stack OphirIAn se sitúa entre USD 800 y USD 2,500
por punto de monitoreo, representando una reducción del 60–75% frente a soluciones industriales
tradicionales (Siemens SIMATIC, Rockwell FactoryTalk), manteniendo la trazabilidad metrológica
requerida por ISO/IEC 17025.
[13] National Instruments. (2023). Industrial IoT Reference Architecture. Austin: NI Corp.
[14] Amazon Web Services. (2024). AWS IoT Core for Industrial IoT. aws.amazon.com/iot-core
[15] InfluxData. (2024). InfluxDB 3.0 Technical Documentation. influxdata.com
[16] Grafana Labs. (2024). Grafana for Industrial Monitoring. grafana.com/solutions/manufacturing
[17] Raspberry Pi Foundation. (2024). Compute Module 4 Industrial Applications Guide. raspberrypi.com
OphirIAn