Implementación de Sistemas de Analítica en Entornos de Automatización en la Industria de Procesos

Luan Oswaldo Gobo; Lucas Cesar Gomes Alvarinho Squillante

DOI: 10.22167/2675-6528-202603174

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

La digitalización de plantas de proceso depende de la recolección y el almacenamiento estructurado de datos, sin los cuales no hay visibilidad de la operación. Se llama analítica industrial a la cadena que recorre estos datos desde la adquisición de la señal en el instrumento de campo, pasando por el almacenamiento ordenado en el tiempo, hasta la disponibilización para análisis y para otros sistemas. Los softwares industriales propietarios cubren hoy esta cadena, y los costos de licenciamiento y mantenimiento restringen su adopción. El estudio tuvo por objetivo arquitectar, implementar y validar un sistema de esta naturaleza, empleando técnicas corrientes de desarrollo de software y componentes sin costo de licenciamiento. El sistema, denominado Sistema de Adquisición y Tratamiento de Información de Proceso (SATIP), se estructuró en tres capas independientes, teniendo como fuente de datos un simulador de reactor farmacéutico que ejecutó una receta de ocho etapas y generó series temporales con variación estocástica. El simulador se escribió en Go, lenguaje adoptado por generar binarios autocontenidos, adecuados a la ejecución en equipos de borde. El almacenamiento utilizó TimescaleDB y la disponibilización se realizó por medio de una interfaz REST con un panel web. El sistema procesó cerca de 414 mil registros por ejecución, con tendencia multivariante, registro de alarmas y correlación temporal entre instrumentos. La arquitectura se mostró reproducible y sin costo de licenciamiento, y la identificación de la degradación exigió solo las lecturas ya almacenadas por el sistema.

Palabras clave: Arquitectura de software; Digitalización; Integración IT/OT; Mantenimiento predictivo; Series temporales.

1. Introducción

La Industria 4.0, concepto presentado públicamente en 2011 en la feria de Hannover, representa la estrategia alemana de modernización de la manufactura (Hermann et al., 2016). Este paradigma productivo se organiza en torno a sistemas ciberfísicos, que son máquinas e instalaciones capaces de intercambiar información y autogestionarse de forma autónoma. Los principios de diseño incluyen la interoperabilidad, la transparencia de la información, la asistencia al operador y la descentralización de la decisión (Hermann et al., 2016). Una arquitectura de referencia en cinco niveles destaca la conexión del equipo y la conversión de la señal en información como precursores de cualquier capa de cognición o decisión autónoma (Lee et al., 2015).

El dato de proceso es un elemento común y central en estos ejemplos, y su aprovechamiento integral depende de un ciclo completo. Este ciclo abarca la adquisición de la señal en el instrumento de campo, la transmisión por red industrial, el almacenamiento en un repositorio que preserve la ordenación temporal y el análisis que transforma la serie bruta en un indicador interpretable. Ninguna categoría aislada de software cubre todo este recorrido, con sistemas supervisores para operación en tiempo real, historiadores para almacenamiento a largo plazo y plataformas de analytics para lectura agregada. Los bancos de datos de propósito general presentan limitaciones para sustentar la etapa de almacenamiento de series temporales, lo que impulsó el desarrollo de sistemas especializados (Jensen et al., 2017). La interrupción de cualquier etapa compromete las demás, pues una señal sin almacenamiento ordenado no sustenta el análisis histórico, y un historial sin herramienta de consulta no sustenta la decisión operativa.

El mantenimiento de la integridad de este ciclo se justifica por ganancias que preceden a aplicaciones analíticas sofisticadas. La adquisición automática de datos permite registrar el comportamiento de la planta continuamente, incluso en períodos sin supervisión directa. Las lecturas grabadas reflejan la medición real del instrumento, sin redondeos ni estimaciones manuales, lo que cumple con requisitos explícitos de las buenas prácticas de fabricación. De estas condiciones, se deriva la identificación de desviaciones en el instante en que ocurren, permitiendo la corrección dentro del lote y reduciendo las pérdidas operativas.

La anticipación de fallas es una de las ganancias más claras. En plantas de proceso, la parada no programada de un equipo crítico puede interrumpir el lote en curso y, en entornos farmacéuticos, frecuentemente lleva al descarte del material procesado. El monitoreo continuo de variables como temperatura, presión y vibración puede identificar desviaciones graduales que preceden fallas y que pasarían desapercibidas en inspecciones puntuales, como el aumento progresivo del tiempo para alcanzar un setpoint térmico (Kahveci et al., 2022). El mantenimiento, así, pasa a ser orientado por la condición efectiva del activo, y no por un calendario. En entornos regulados, como la producción farmacéutica, el dato de proceso no solo describe el lote, sino que lo comprueba, siendo esencial para evidenciar que el producto fue fabricado bajo condiciones validadas. El Anexo 1 de las buenas prácticas de fabricación europeas, por ejemplo, exige monitoreo continuo de partículas en áreas de grado A (European Commission, 2022). En este contexto, la falla en la adquisición o la pérdida del registro no es un inconveniente operacional, sino la ausencia de evidencia, lo que impide la liberación del lote.

Sin embargo, la digitalización no enfrenta obstáculos por retraso tecnológico. Las plantas farmacéuticas ya utilizan instrumentación de alta precisión y sistemas de control modernos, impulsados por la regulación. La dificultad reside en la confidencialidad de los parámetros de proceso, que restringe el uso de plataformas en la nube pública, y en el costo de la infraestructura necesaria para consolidar instrumentos distribuidos en una unidad fabril, lo que a menudo hace inviables los proyectos incluso antes de la instalación inicial.

Aunque existen alternativas técnicamente maduras, estas permanecen subutilizadas en la práctica industrial (Pietrasik et al., 2024). La razón es menos técnica y más institucional, con la oferta comercial concentrada en pocos proveedores e integración vertical entre las capas, lo que lleva a la percepción de que estas plataformas propietarias son el único camino. Sin embargo, el ciclo de analytics industrial, desde la adquisición y almacenamiento ordenado hasta la disponibilización, puede resolverse con técnicas corrientes de ingeniería de software y componentes sin costo de licenciamiento. El objetivo de este trabajo fue arquitectar, implementar y validar un sistema completo de analytics industrial, desde la adquisición de datos hasta la disponibilización para análisis, y así, verificar si esta necesidad puede ser atendida con técnicas corrientes de desarrollo de software, en lugar de herramientas propietarias.

2. Material y Métodos

La investigación se caracterizó como aplicada y de naturaleza exploratoria, llevada a cabo mediante la implementación y validación de un sistema de software. El objetivo fue verificar la viabilidad de construir una solución de análisis industrial con técnicas actuales de desarrollo de software, sin recurrir a plataformas propietarias. Para ello, cada capa del sistema se implementó con componentes sin costo de licenciamiento y técnicas de programación ampliamente disponibles.

Debido a la restricción de acceso a datos reales de procesos industriales regulados, la investigación utilizó datos simulados como fuente primaria. La planta de proceso estudiada fue una representación ficticia de un reactor farmacéutico de uso general. El sistema desarrollado, denominado Sistema de Adquisición y Tratamiento de Información de Proceso (SATIP), se estructuró en tres capas independientes. La adquisición de datos se centró en la lectura del controlador simulado, actuando como sustituto funcional del conjunto instrumento-PLC, generando series temporales y eventos coherentes.

La planta simulada fue detallada por un diagrama de proceso e instrumentación (P&ID), según la norma ANSI/ISA-5.1, especificando un reactor de 1.000 litros, siete válvulas, dos motores y cuatro transmisores analógicos. El proceso modelado fue una operación de mezcla y calentamiento en lote, con una receta de ocho etapas secuenciales. El comportamiento físico del tanque fue descrito por volumen, temperatura del producto y presión del espacio gaseoso, actualizadas cada segundo, basándose en el balance de energía (Seborg et al., 2016). Se añadió una variación estocástica a las magnitudes para simular condiciones realistas. Los transmisores implementaron lógica de banda muerta y límites de alarma en hasta cuatro niveles (LL, L, H y HH).

La elección del repositorio de datos fue central, optándose por TimescaleDB, una extensión de PostgreSQL 16 especializada en series temporales (Jensen et al., 2017; Pietrasik et al., 2024). Esta solución ofrece particionamiento automático por tiempo, funciones de agregación temporal y compresión columnar, manteniendo compatibilidad SQL y operando en contenedor en la red local. El esquema de la base de datos incluyó tablas para tipos de equipo, metadatos de instrumentos, usuarios y una hypertabla principal para historial. Se implementaron tres patrones de ingesta: LogOnChange para señales de estado, LogAlways para transmisores con banda muerta y escritura en lote a través del protocolo binario nativo de PostgreSQL.

El simulador y la interfaz de programación de aplicaciones (API) se desarrollaron en Go, elegida por su modelo de concurrencia nativo, compilación en binario único, tipado estático y uso del driver pgx para escritura por lotes. El panel de visualización (dashboard) se implementó como una aplicación web con Next.js 14 y React 18. La comunicación entre la interfaz y la base de datos se realizó a través de una API REST en Go con el enrutador Chi. La orquestación de la infraestructura se llevó a cabo con Docker Compose. La interfaz de análisis mostró un gráfico de líneas multiserie para la visualización simultánea de equipos y métricas, y una página de procesos mostró el diagrama P&ID interactivo. Las lecturas se almacenaron en una hypertable y se pivotaron en la capa de visualización para su exhibición.

Para demostrar la detección de anomalías, la simulación se ejecutó en ocho lotes sucesivos, con una reducción progresiva del coeficiente global de transferencia de calor, simulando incrustaciones. Como indicador de degradación, se adoptó la tasa media de calentamiento del producto, calculada en el rango de 25 a 50 °C. Esta tasa, expresada en grados por minuto, se utilizó por ser proporcional al coeficiente de intercambio térmico e independiente de la duración absoluta del ciclo.

3. Resultados y Discusión

La ejecución de la simulación del Sistema de Adquisición y Tratamiento de Información de Procesos (SATIP) generó series temporales que demostraron coherencia con el comportamiento esperado de un proceso farmacéutico por lotes. Durante la validación, se procesaron 413.938 registros en la hypertabla de historial, abarcando lecturas de transmisores, estados de equipos y eventos de alarma. Estos datos fueron cruciales para verificar la capacidad del sistema de registrar fielmente las operaciones de la planta y de permitir la reconstrucción inequívoca del ciclo de producción, confirmando la viabilidad de la arquitectura propuesta para la digitalización industrial.

El análisis del comportamiento del proceso, según lo registrado por el SATIP, tuvo como propósito primordial validar la integridad de la cadena de adquisición, almacenamiento y puesta a disposición de datos. El enfoque no recayó sobre el proceso industrial en sí, sino en la funcionalidad del sistema para capturar y organizar la información. Las duraciones de las etapas de la receta simulada se definieron por parámetros del modelo, no representando un proceso industrial específico, pero garantizando que cada fase fuera claramente distinguible en el historial de datos, esencial para la evaluación de la solución de software.

Comportamiento de las variables de proceso

El comportamiento de las variables del tanque TK-01 a lo largo del ciclo de producción por lotes resultó consistente con las expectativas del modelo físico y de la receta. El análisis de las series temporales de nivel, temperatura del producto y presión del espacio de gas permitió identificar las fases de la receta a través de las inflexiones en las curvas. El llenado en las etapas uno y dos, por ejemplo, se manifestó como una rampa continua en el nivel del tanque, mientras que la caída de temperatura en la etapa dos, la elevación en la etapa tres, la presurización en la etapa cuatro, el vaciado en la etapa seis y el ciclo de limpieza en la etapa siete fueron claramente observables, confirmando la operación consistente del controlador y del modelo físico.

El perfil de volumen del tanque TK-01 demostró un comportamiento no monotónico, lo que exigió una cuidadosa interpretación de los datos. Inicialmente, el volumen partió de 200 litros y alcanzó los 750 litros al final de la etapa dos, reflejando el llenado. En la etapa seis, la bomba de transferencia redujo el volumen a 362,8 litros, y la transición ocurrió por temporización, no por nivel mínimo. Posteriormente, en la etapa siete, la admisión de la solución de limpieza elevó el volumen a 486,9 litros. Esta distinción es fundamental, ya que una elevación de volumen al final del ciclo podría interpretarse erróneamente como una reanudación de la producción, cuando, en realidad, corresponde al ciclo de higienización.

La temperatura del producto, medida por el transmisor TIT-01, presentó un comportamiento instructivo al inicio del ciclo. Partiendo de 25 °C, la temperatura descendió a 21,6 °C en la etapa dos, antes de iniciar la elevación en la etapa de calentamiento. Esta caída inicial se atribuyó a la admisión del Producto B a 15 °C, que, al mezclarse con el Producto A, desplazó la temperatura resultante hacia abajo, según el balance de entalpía de las corrientes admitidas. Es relevante notar que el mínimo de 21,6 °C se mantuvo por encima del límite de alarma L (20 °C), indicando que el evento, aunque esperado, no generó un registro de alarma, validando la lógica de control y el modelado del proceso.

Respuesta térmica y distinción entre los transmisores de temperatura

El análisis de las series temporales de los transmisores de temperatura TIT-02 (camisa de vapor) y TIT-01 (producto) reveló firmas distintas, a pesar de medir la misma magnitud en puntos diferentes del reactor. La válvula de vapor XV-06 permaneció abierta entre 18 y 75 minutos, período durante el cual se calentó la camisa de vapor. Esta distinción es crucial para comprender la dinámica térmica del sistema y la capacidad del SATIP de registrar y diferenciar estas respuestas, proporcionando datos detallados para el análisis del proceso.

El transmisor TIT-02, que mide la temperatura de la camisa de vapor, mostró una elevación abrupta a 140 °C cuando se abrió la válvula XV-06, con una constante de tiempo de aproximadamente 50 segundos. Tras el cierre de la válvula, la camisa se enfrió lentamente hasta la temperatura ambiente (25 °C), con una constante de tiempo de unos 200 segundos. Esta asimetría en la respuesta térmica, con calentamiento rápido y enfriamiento lento, es un comportamiento característico de sistemas de primer orden y refleja la diferencia en los mecanismos de intercambio de calor: la condensación del vapor es más eficiente en la transferencia de calor que la pérdida pasiva al ambiente. La fluctuación observada durante la meseta de calentamiento, compatible con la banda muerta de 1,0 °C del instrumento, se deriva de la variación estocástica incorporada al modelo, simulando el ruido de medición real.

Por otro lado, el transmisor TIT-01, que mide la temperatura del producto, presentó un comportamiento distinto, con una tasa de variación inversamente proporcional a la masa contenida en el tanque, según la ecuación (1) del TCC original. Con aproximadamente 750 kg de producto, la inercia térmica del sistema impidió una respuesta tan rápida como la de la camisa. El producto se calentó gradualmente y mantuvo la temperatura elevada durante un período prolongado incluso después de cesar el suministro de vapor. Esta diferencia es visible en la fase de transferencia, donde la camisa ya ha regresado a temperatura ambiente mientras que el producto aún se encontraba cerca de los 60 °C. Esta distinción tiene una implicación práctica directa: en una planta real, la desviación entre las dos lecturas puede indicar la eficiencia del intercambio térmico, sugiriendo, por ejemplo, un aumento de la resistencia en la pared debido a incrustaciones, un fenómeno que se explorará en el análisis de anomalías.

Historial de alarmas

El sistema SATIP demostró la capacidad de registrar el historial de alarmas de manera efectiva, como lo ilustra el comportamiento del transmisor de presión PIT-01. El estado de alarma se almacena como una serie temporal independiente de la serie de valores del instrumento, con un registro guardado en cada ciclo de simulación mientras la condición de alarma permanece activa. Los límites configurados para los niveles de alarma H (1,5 bar) y HH (1,8 bar) se almacenan en los metadatos del equipo, en la columna JSONB de la tabla de equipos, evitando la replicación innecesaria en cada ciclo. Estos límites se definieron intencionalmente por debajo de la presión objetivo de la etapa cuatro (2,0 bar) para garantizar que todos los lotes normales activaran el registro de alarmas, permitiendo la validación de la funcionalidad del sistema.

La consecuencia de esta organización es la capacidad de reconstruir retrospectivamente cualquier condición de alarma ocurrida durante el lote. En el caso de PIT-01, la alarma H se registró a partir de los 83 minutos, al cruzar 1,5 bar, y la alarma HH a partir de los 88 minutos, al cruzar 1,8 bar, ambas persistiendo hasta el final del lote. Esta funcionalidad es un requisito directo de las normativas de buenas prácticas de fabricación, ya que permite determinar la duración exacta en que cada nivel de alarma permaneció activo, esencial para fines de trazabilidad y auditoría en entornos regulados. El sistema, por lo tanto, ofrece una herramienta robusta para el monitoreo y la documentación de eventos críticos en el proceso.

Correlación temporal entre instrumentos distintos

La capacidad del SATIP de correlacionar variables de diferentes instrumentos a lo largo del mismo eje temporal se demostró mediante la visualización simultánea de las series TIT-01, TIT-02, LIT-01 y PIT-01 en un único gráfico. Aunque las magnitudes expresaban naturalezas distintas, la elección de un eje vertical compartido fue deliberada para permitir la comparación del comportamiento a lo largo del tiempo. La lectura contextual, que muestra los valores de todos los instrumentos en un instante dado, complementa la visualización, centrándose en la evolución temporal en lugar de la comparación de escalas absolutas. Esta funcionalidad es un diferencial que eleva el sistema de un simple repositorio de series aisladas a una plataforma de análisis.

El mecanismo que posibilita esta superposición de series temporales reside en la arquitectura de datos. Todas las lecturas se almacenan en una única hypertable, en formato largo, donde cada fila asocia un sello de tiempo, un identificador de equipo, el nombre de la métrica y el valor correspondiente. La interfaz de programación devuelve, para cada instrumento seleccionado, la respectiva serie ordenada por tiempo. La capa de visualización, entonces, ejecuta una operación de pivote, recorriendo las series recibidas y construyendo una estructura indexada por el sello de tiempo, en la cual cada instrumento contribuye con una columna. El resultado es una tabla en formato ancho, con una fila por instante y una columna para cada par equipo-métrica.

La unión exacta de los datos está garantizada porque el generador de datos registra todos los equipos con el mismo sello de tiempo en cada ciclo de simulación, eliminando la necesidad de interpolación o remuestreo. Por cada segundo del proceso, hay un valor correspondiente para cada instrumento. La biblioteca de gráficos renderiza una línea por columna a lo largo del eje temporal compartido, y la lectura contextual recorre toda la línea de la tabla, permitiendo la visualización simultánea de los valores de todos los instrumentos en un instante dado. Esta funcionalidad es análoga a la consulta de tendencia multivariable ofrecida por historiadores industriales propietarios, pero se obtiene en el SATIP sin costos de licencia.

Corrección identificada en la capa de visualización

Durante el desarrollo, la construcción de la clave de unión en la interfaz reveló un defecto en la versión inicial. La clave se derivaba de la marca de tiempo mediante una función de formato que solo conservaba la hora del día, descartando la fecha, y la ordenación final se realizaba por comparación lexicográfica de esta representación textual. Aunque el comportamiento era correcto para series contenidas en el mismo día, en simulaciones que cruzaban la medianoche, el tramo posterior al cambio de día se ordenaba antes que el tramo inicial. Esto resultaba en una discontinuidad artificial en el gráfico y una secuencia invertida en el eje temporal, comprometiendo la claridad de la visualización de los datos.

La corrección implementada consistió en adoptar la marca de tiempo completa como clave de unión y ordenación, aplicando el formato para mostrar solo la hora del día en las etiquetas del eje. Este episodio ilustra una clase común de defectos en sistemas de series temporales, donde la representación visual puede contaminar inadvertidamente la lógica de ordenación de los datos. La experiencia refuerza la recomendación de mantener estrictamente separadas la representación interna de los datos y su presentación en la interfaz, un principio fundamental de la ingeniería de software que garantiza la integridad y la correcta interpretación de la información.

Detección de degradación a partir del historial

La utilidad práctica de un sistema de análisis industrial trasciende la simple visualización del lote actual, encontrando su mayor valor en la comparación de lotes a lo largo del tiempo para identificar tendencias y anomalías. Para demostrar esta capacidad, la simulación se ejecutó en ocho lotes sucesivos, con una reducción progresiva del coeficiente global de transferencia de calor. Este escenario mimetiza la incrustación gradual de la pared de la camisa del reactor debido a la deposición de residuos, un fenómeno común en procesos industriales que operan en ciclos repetidos, y que puede llevar a la degradación del rendimiento del equipo.

La elección de un indicador adecuado para la detección de la degradación se justificó por la naturaleza del proceso. El setpoint de la receta para la temperatura del producto permaneció fijo en 60 °C en todos los lotes, y el controlador avanzaba a la siguiente etapa solo después de alcanzar esta temperatura. Por lo tanto, la degradación no alteraba la temperatura final alcanzada, sino la *velocidad* con la que el producto alcanzaba este setpoint. Se adoptó como indicador la tasa media de calentamiento del producto, calculada en el rango de 25 a 50 °C, un intervalo recorrido por todos los lotes antes de alcanzar el setpoint. Expresada en grados por minuto, esta magnitud es directamente proporcional al coeficiente de intercambio térmico e independiente de la duración absoluta del ciclo, lo que la convierte en un estimador robusto de la eficiencia del calentamiento.

Los resultados demostraron que la tasa media de calentamiento decreció monótonamente a lo largo de las ocho tandas. Partiendo de 0,812 °C min⁻¹ en la condición limpia (primera tanda), la tasa se redujo a 0,526 °C min⁻¹ en la condición más degradada (octava tanda), lo que representa una reducción total del 35,2%. Aunque la caída entre tandas consecutivas varió entre el 4,7% y el 7,5%, magnitudes compatibles con la variabilidad operacional y que, aisladamente, no permitirían una conclusión definitiva, la tendencia de degradación quedó claramente establecida a lo largo de la serie de tandas, evidenciando la capacidad del sistema para identificar patrones sutiles de rendimiento.

La correspondencia entre el indicador y la magnitud física subyacente fue notable. La reducción impuesta al coeficiente de intercambio térmico entre el primer y el octavo lote fue del 35,0%, mientras que la reducción observada en la tasa de calentamiento fue del 35,2%. La razón media entre la tasa relativa y el factor de incrustación, calculada lote a lote, fue de 0,999, con una desviación estándar de 0,003. Esto confirma que la tasa de calentamiento se comporta como un estimador directo del coeficiente global de transferencia de calor, permitiendo cuantificar el grado de incrustación de la camisa sin necesidad de mediciones directas o interrupciones en la producción para inspección, un avance significativo para la gestión de activos.

La detección de esta degradación no requirió instrumentación adicional, utilizando solo las lecturas de TIT-01 ya almacenadas por el sistema, sin sensores de vibración, medidores de flujo de vapor ni ninguna alteración física en la planta. Es importante destacar que ninguna alarma convencional se habría activado, ya que la temperatura final del producto se mantuvo igual en todos los lotes, y ninguna lectura de temperatura superó los límites configurados para TIT-01. La degradación se manifestó en la derivada de la variable, y su identificación dependió de la comparación entre lotes, ilustrando la distinción fundamental entre la supervisión, que observa el instante, y el analytics, que observa la tendencia a lo largo del tiempo.

Este tipo de indicador es esencial para sustentar el mantenimiento basado en la condición. La caída progresiva de la tasa de calentamiento sirve como una advertencia temprana de la incapacidad inminente de alcanzar el punto de ajuste, una condición que interrumpiría la producción. Al identificar esta tendencia, la limpieza química de la camisa puede programarse de forma proactiva para una ventana de parada previamente definida, optimizando la operación y minimizando las pérdidas. Esto permite una transición de un mantenimiento reactivo o basado en calendario a un enfoque predictivo y más eficiente, alineado con los principios de la Industria 4.0.

Comparación con soluciones disponibles en el mercado

El mercado actual ofrece dos rutas principales para el registro y análisis de datos de proceso. La primera es el historiador industrial propietario, acoplado a sistemas supervisores y complementado por una capa de visualización. Esta es una solución tradicional, técnicamente robusta y bien integrada al ecosistema de automatización, pero su costo de licenciamiento y mantenimiento está dimensionado para grandes instalaciones, haciéndola inviable para plantas de menor tamaño, que no logran justificar la inversión y subutilizan gran parte de los recursos. La segunda ruta, más reciente, involucra sensores de instalación simplificada que miden variables como vibración, temperatura y consumo eléctrico directamente en el activo, transmitiendo los datos vía red inalámbrica a plataformas en la nube, donde algoritmos generan alertas y recomendaciones.

El SATIP se posiciona como una tercera vía, atendiendo a necesidades distintas. Mientras que la solución basada en sensores acoplados es ideal para monitorear activos rotativos, cuyas condiciones se manifiestan en vibración y temperatura de la carcasa, y cuya variable de interés es independiente del producto procesado, el historiador propietario es adecuado para plantas de gran escala que demandan soporte comercial formal. El SATIP, por su parte, ocupa una franja intermedia, ofreciendo, sin costo de licenciamiento, las funciones esenciales de un historiador: histórico ordenado en el tiempo, consulta de tendencias multivariadas, registro de alarmas y correlación entre instrumentos. Opera sobre las variables de proceso ya medidas por la instrumentación existente y permanece íntegramente en la red local, lo que lo hace aplicable a plantas para las cuales las otras dos vías son desproporcionadas: la primera por el costo y la segunda por la exigencia de tránsito de parámetros de ingresos por servidores externos, lo que es incompatible con requisitos de confidencialidad en entornos regulados.

Es fundamental delimitar el alcance de esta comparación. El presente trabajo tuvo como objetivo establecer la viabilidad técnica de construir la cadena completa de análisis industrial utilizando técnicas corrientes de desarrollo de software, y no demostrar la superioridad del SATIP en relación a productos comerciales existentes. Las soluciones comerciales ofrecen atributos adicionales como soporte contractual, validación documentada, redundancia y una vasta gama de conectores listos para equipos de diversos fabricantes. Estos son factores que un sistema desarrollado internamente necesitaría conquistar a lo largo del tiempo y que, en entornos regulados, poseen un peso significativo en la decisión de compra, no siendo el foco de esta investigación.

Adecuación de la arquitectura

Desde el punto de vista de la ingeniería de software, la arquitectura de tres capas desacopladas del SATIP demostró ser adecuada y robusta. La clara separación entre el generador de datos, la base de datos y la interfaz de visualización permite que cada componente sea reemplazado o modificado de forma independiente, sin impactar las demás capas. Por ejemplo, el generador de datos puede ser reemplazado por un servicio de recopilación de datos reales, la base de datos puede ser migrada a una instancia gestionada, y la interfaz puede ser cambiada por otra herramienta de visualización, siempre que consuma los mismos puntos de acceso. Esta modularidad es una consecuencia directa de la opción por formatos y protocolos abiertos en cada frontera, respondiendo a la cuestión central del trabajo sobre la viabilidad de reemplazar plataformas propietarias por componentes de propósito general, lo que exigió disciplina de proyecto en la definición de las fronteras entre las capas.

Con el historial estructurado y accesible, la infraestructura del SATIP permite extensiones naturales y valiosas. Es posible calcular indicadores de eficiencia global del equipo (OEE), que combinan disponibilidad, rendimiento y calidad de la producción en un único porcentaje, utilizando los sellos de inicio y fin de cada fase de la receta. Además, la integración con sistemas de gestión empresarial (ERP) para el intercambio de datos sobre órdenes de producción y consumo de materias primas, y con sistemas de ejecución de manufactura (MES) para la trazabilidad de lotes, constituye una extensión lógica y de alto valor agregado. Estas integraciones se facilitan por la arquitectura abierta y la organización de los datos, ampliando el potencial del sistema para la gestión industrial.

Limitaciones

Las limitaciones del presente estudio merecen registro explícito para contextualizar los hallazgos. En primer lugar, los datos utilizados son simulados. El comportamiento físico del reactor fue modelado mediante ecuaciones simplificadas y parámetros elegidos para producir series temporales plausibles, pero no para representar con fidelidad un proceso farmacéutico específico. La validación con datos reales exigiría acceso a un entorno productivo y la adecuación a las rigurosas normas de validación de sistemas computarizados aplicables, lo que no fue el foco de este trabajo.

En segundo lugar, el esquema de la base de datos implementado es una versión simplificada. Funcionalidades esenciales para un entorno de producción a escala, como la compresión automática de datos históricos, la creación de agregados continuos para precalcular promedios horarios y diarios, y las políticas de retención diferenciada por categoría de dato, se mantuvieron deliberadamente fuera del alcance del proyecto. Estas optimizaciones serían indispensables para la operación a gran escala y para la gestión eficiente del volumen de datos generados continuamente.

Finalmente, el escenario de anomalía reproducido en el estudio utilizó un único modo de degradación, con una evolución determinista. En contraste, series temporales reales en entornos industriales presentan ruido de medición, variabilidad significativa entre lotes y la ocurrencia simultánea de múltiples modos de falla. Estas condiciones complejas exigirían el empleo de métodos estadísticos de detección de anomalías más robustos y sofisticados que la simple comparación entre lotes, que fue suficiente para los propósitos de este trabajo, pero no para la generalización en un contexto real de producción.

En resumen, el Sistema de Adquisición y Tratamiento de Información de Procesos (SATIP) demostró la viabilidad de arquitectar, implementar y validar una cadena completa de análisis industrial utilizando técnicas corrientes de desarrollo de software y componentes sin costo de licenciamiento. Los resultados evidenciaron la capacidad del sistema para registrar y disponibilizar series temporales coherentes, soportar tendencias multivariadas, registrar alarmas con precisión y, crucialmente, detectar la degradación progresiva de equipos a partir del historial de datos, sin necesidad de instrumentación adicional. Esto confirma que el objetivo de atender la necesidad de digitalización con soluciones abiertas, en lugar de propietarias, fue plenamente alcanzado, ofreciendo una alternativa robusta y accesible para la industria de procesos.

4. Conclusión

El estudio tuvo como objetivo arquitectar, implementar y validar un sistema completo de análisis industrial, desde la adquisición de datos hasta la disponibilización para análisis, y, así, verificar si esta necesidad puede ser atendida con técnicas corrientes de desarrollo de software, en lugar de herramientas propietarias. El Sistema de Adquisición y Tratamiento de Información de Proceso (SATIP) demostró la capacidad de procesar aproximadamente 414 mil registros de un simulador de reactor farmacéutico, evidenciando su aptitud para registrar fielmente las operaciones y permitir la reconstrucción inequívoca de los ciclos de producción. Se verificó que el sistema soportó la visualización de tendencias multivariadas, el registro preciso de alarmas con límites configurables y la correlación temporal entre instrumentos distintos, funcionalidades esenciales para la visibilidad operacional. La principal contribución práctica de este trabajo reside en la demostración de la viabilidad técnica de construir una cadena completa de análisis industrial, empleando exclusivamente componentes de código abierto y técnicas de ingeniería de software. Esto ofrece una alternativa robusta y accesible para plantas de tamaño mediano, superando las barreras de costo de licenciamiento y confidencialidad frecuentemente asociadas a soluciones propietarias.

Se identificó, además, la capacidad del SATIP para detectar la degradación progresiva de equipos a partir del historial de datos, como la incrustación de la camisa del reactor, mediante el análisis de la tasa media de calentamiento del producto. Este hallazgo es crucial para el mantenimiento predictivo, ya que permitió identificar tendencias de rendimiento sin instrumentación adicional y sin la activación de alarmas convencionales, distinguiendo el análisis de tendencias de la mera supervisión puntual. Sin embargo, el estudio presentó limitaciones, como el uso de datos simulados con un único modo de degradación determinista, lo que no refleja la complejidad de series temporales reales con ruido y múltiples modos de fallo. El esquema de la base de datos también se implementó en una versión simplificada, sin optimizaciones para compresión automática de datos históricos, creación de agregados continuos o políticas de retención a gran escala. Para estudios futuros, se sugiere la validación del sistema con datos de proceso reales en un entorno productivo, la integración con sistemas de gestión empresarial y de ejecución de manufactura, la incorporación de métodos estadísticos robustos para la detección de anomalías en escenarios complejos y la evolución del esquema para uso productivo a escala.

Referencias Bibliográficas

European Commission [EC]. 2022. EudraLex – The Rules Governing Medicinal Products in the European Union – Volume 4 – Good Manufacturing Practice – Annex 1: Manufacture of Sterile Medicinal Products. European Commission, Bruxelas, Bélgica.

Hermann, M.; Pentek, T.; Otto, B. 2016. Design principles for Industrie 4.0 scenarios. In: Hawaii International Conference on System Sciences, 2016, Koloa, HI, EUA. Anais… p. 3928-3937.

Jensen, S.K.; Pedersen, T.B.; Thomsen, C. 2017. Time series management systems: A survey. IEEE Transactions on Knowledge and Data Engineering 29(11): 2581-2600.

Kahveci, S.; Alkan, B.; Ahmad, M.H.; Ahmad, B.; Harrison, R. 2022. An end-to-end big data analytics platform for IoT-enabled smart factories: A case study of battery module assembly system for electric vehicles. Journal of Manufacturing Systems 63: 214-223.

Lee, J.; Bagheri, B.; Kao, H.A. 2015. A cyber-physical systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters 3: 18-23.

Pietrasik, M.; Wilbik, A.M.; Grefen, P.W.P.J. 2024. The enabling technologies for digitalization in the chemical process industry. Digital Chemical Engineering 12: 100161.

Seborg, D.E.; Edgar, T.F.; Mellichamp, D.A.; Doyle III, F.J. 2016. Process Dynamics and Control. 4ed. John Wiley & Sons, Hoboken, NJ, EUA.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Ingeniería de Software del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy