Revista ELECTRO
Vol. 47 – Año 2025
Artículo
TÍTULO
Sistema Inteligente Basado en Internet de las Cosas (IoT) y Aprendizaje Automático (ML) para el Mantenimiento Predictivo de un Horno Industrial
AUTORES
Reynoso-Guajardo, L.A.; Hernández-Vega, J.I.; Gallardo-Morales, M.C.; Soto-Soto, J.E.; Macías-Arias, M.E.
RESUMEN
Este artículo presenta una propuesta de un sistema inteligente para el mantenimiento predictivo de un horno industrial, el objetivo del siste ma es el monitoreo en tiempo real, el ajuste automático de perfiles térmicos y la predicción de fallas mediante modelos de aprendizaje automático. Se hace uso de datos simulados generados con base en condiciones reales de operación. La solución integra tecnologías del Internet de las Cosas (IoT) y algoritmos de aprendizaje automático, hace énfasis en la importancia de la Industria 4.0 e Industria 5.0. El sistema desarrollado es modular, escalable. Se reportan métricas destacadas en un entorno simulado, como una precisión del 99.5%, sensibilidad del 100% y un área bajo la curva ROC de 0.9995. Esta tecnología busca acelerar la transformación digital del sector industrial mexicano, facilitando su adopción tanto en grandes corporativos como en pequeñas y medianas empresas [5].
Palabras Clave: mantenimiento predictivo, mantenimiento inteligente, hornos industriales, IoT, inteligencia artificial, aprendizaje automático.
ABSTRACT
This article presents a proposed intelligent system for the predictive maintenance of an industrial furnace. The objective of the system is real-time monitoring, automatic adjustment of thermal profiles, and fault prediction using machine learning models. Simulated data generated based on real operating conditions is used. The solution integrates Internet of Things (IoT) technologies and machine learning algorithms, emphasizing the importance of Industry 4.0 and Industry 5.0. The developed system is modular and scalable. Outstanding metrics are reported in a simulated environment, including 99.5% precision, 100% sensitivity, and an area under the ROC curve of 0.9995. This technology aims to accelerate the digital transformation of the Mexican industrial sect or, facilitating its adoption by both large corporations and small and medium-sized enterprises [5].
Keywords: predictive maintenance, intelligent maintenance, industrial furnaces, IoT, artificial intelligence, machine learning
REFERENCIAS
[1] CANACINTRA, Panorama industrial de México 2021, Ciudad de México: CANACINTRA, 2021. [En línea]. Disponible: https://www.canacintra.org.mx
[2] GRUMA, Informe Anual 2022, Monterrey, México: GRUMA, 2022. Dispo nible: https://www.gruma.com
[3] NEMAK, Sustainability and Innovation Report, Monterrey, México: NEMAK, 2023. Disponible: https://www.nemak.com
[4] OECD, Digital Transformation of SMEs in Latin America, Paris: OECD Publishing, 2021. Disponible: https://www.oecd.org/publications/digital-transformation-smes-latin-america
[5] R. Martínez, Tecnologías Emergentes en la Manufactura Mexicana, Ciudad de México: Fundación para la Innovación Tecnológica,2020.
[6] Hernández-Vega, J. I., Reynoso-Guajardo, L. A., Gallardo-Morales, M. C., Macias-Arias, M. E., Hernández, A., de la Cruz, N., Soto-Soto, J. E., & Hernández-Santos, C. (2024). Plastic Injection Molding Process Analysis: Data Integration and Modeling for Improved Production Efficiency. Applied Sciences, 14(22), 10279. https://doi.org/10.3390/app142210279
[7] J. Lee, H. A. Ka o, and S. Yang, "Service innovation and smart analytics for Industry 4.0 and big data environment," Procedia CIRP, vol. 16, pp. 3 –8, 2014. doi: 10.1016/j.procir.2014.02.001.
[8] K. Wang, Y. Zhang, J. Wang, and D. Wu, "Industrial big data analytics for pred ictive manufacturing systems," Comput. Ind., vol. 89, pp. 23 –31, 2017. doi: 10.1016/j.compind.2017.04.002
[9] A. Raj, G. Dwivedi, A. Sharma, A. B. L. de Sousa Jabbour, and S. Rajak, "Barriers in adoption of Industry 4.0 technologies in the manufacturing se ctor: An inter-country comparative perspective," Technol. Forecast. Soc. Change, vol. 176, p. 121487, 2022. doi: 10.1016/j.techfore.2021.121487.
[10] Comisión Europea, Industry 5.0: Towards a sustainable, human-centric and resilient European industry, Brus sels: Directorate-General for Research and Innovation, 2021. Disponible: https://ec.europa.eu/info/files/industry-50_en
[11] J. I. Hernández-Vega, J. E. Soto Soto, J. L. Sanchez-Cuevas, M. A. Ochoa-Villegas, L. J. Mona Peña and R. Sanjuan-Galindo, "Analysi s with Machine Learning Algorithms to Estimate Power Factor in an Electrical Network," 2023 Mexican International Conference on Computer Science (ENC), Guanajuato, Guanajuato, Mexico, 2023, pp. 1-7, doi: 10.1109/ENC60556.2023.10508679.
[12] K. Basu, N. C. Debnath, and S. Sanyal, "Predictive maintenance using machine learning: A review," in Proc. IEEE 17th India Council Int. Conf. (INDICON), New Delhi, India, 2020, pp. 1 –6. doi: 10.1109/INDICON49873.2020.9342229.
[13] N. R. Vela, Transformación digital y efi ciencia energética en la industria, Monterrey, México: Editorial TecIndustria, 2023, pp. 112 –137.
CITAR COMO:
Reynoso-Guajardo, L.A.; Hernández-Vega, J.I.; Gallardo-Morales, M.C.; Soto-Soto, J.E.; Macías-Arias, M.E., "Sistema Inteligente Basado en Internet de las Cosas (IoT) y Aprendizaje Automático (ML) para el Mantenimiento Predictivo de un Horno Industrial", Revista ELECTRO, Vol. 47, 2025, pp. 254-259.
VERSIÓN PDF