IoT y Conectividad Industrial · IOT-125

Gemelos digitales con ThingsBoard y Grafana

Modelar activos, simular su comportamiento esperado y contrastarlo con la telemetría real.

Próximamente Especialización 7 módulos · 35 clases

Formato asíncrono Ingeniería / Industria ThingsBoard, Grafana

INDUSTRIA40 IOT DATOS

Lo que aprenderás

Construir un modelo de activos con perfiles, atributos y relaciones que represente la instalación física.
Definir el comportamiento esperado de un equipo con un modelo alimentado por sus consignas y condiciones.
Calcular la desviación entre valor simulado y valor medido dentro de la cadena de reglas.
Conectar Grafana a los datos de ThingsBoard para el análisis histórico y las comparativas.
Identificar degradación de un equipo siguiendo la deriva de la desviación a lo largo del tiempo.
Documentar los supuestos del modelo y sus límites de validez antes de decidir con él.

Contenido del curso

7 módulos · 35 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Qué es y qué no es un gemelo digital 5 clases

Del panel de supervisión al modelo de comportamiento
Niveles de fidelidad y coste de cada uno
Qué preguntas debe responder el modelo
Datos necesarios y datos que no vamos a tener
Entorno de trabajo del curso

Módulo 2 · Modelo de activos en ThingsBoard 5 clases

Perfiles de activo y de dispositivo
Atributos de diseño frente a variables de operación
Relaciones y jerarquía de la instalación
Reflejar cambios físicos en el modelo
Ejercicio: modelar una sala técnica completa

Módulo 3 · Modelo de comportamiento 5 clases

Curvas de fabricante y ensayos de referencia
Modelo por ecuaciones frente a modelo ajustado con datos
Variables de entrada y condiciones de contorno
Implementación en la cadena de reglas
Validación del modelo con un periodo de datos conocido

Módulo 4 · Contraste entre esperado y real 5 clases

Cálculo de la desviación como telemetría propia
Normalización por condiciones de operación
Umbrales de desviación y alarmas asociadas
Falsos positivos y cómo reducirlos
Registro del episodio para revisión posterior

Módulo 5 · Análisis histórico con Grafana 5 clases

Conexión de Grafana a los datos de la plataforma
Paneles de comparación entre esperado y medido
Agregación por turno, día y condición de carga
Detección de tendencia frente a ruido
Informes para mantenimiento

Módulo 6 · Simulación y escenarios 5 clases

Simular la instalación sin equipo físico conectado
Escenarios de operación y sensibilidad del modelo
Uso del modelo para dimensionar una modificación
Límites de validez y cuándo deja de servir
Documentación del modelo y sus supuestos

Módulo 7 · Proyecto de cierre 5 clases

Selección del equipo y definición del alcance
Construcción del modelo de activos y de comportamiento
Puesta en marcha del contraste continuo
Análisis de un periodo real y conclusiones
Presentación de resultados a mantenimiento

Requisitos

Experiencia con ThingsBoard: modelo de entidades, telemetría y cadenas de reglas.
Grafana a nivel de fuentes de datos, consultas y paneles.
Estadística descriptiva y nociones de análisis de series temporales.
Conocimiento del proceso o del equipo que se va a modelar.

Descripción

Una instalación monitorizada dice qué está pasando, pero no si eso es lo que debería estar pasando. La bomba consume lo que consume y nadie sabe si ese valor es normal para el caudal y la temperatura de hoy. Sin una referencia del comportamiento esperado, la monitorización detecta averías consumadas pero no degradaciones lentas.

El curso construye esa referencia. Primero, un modelo de activos en ThingsBoard que reproduce la instalación con sus jerarquías y sus parámetros. Después, un modelo de comportamiento del equipo, deliberadamente sencillo y con sus supuestos escritos, que calcula el valor esperado a partir de las condiciones de operación. Por último, el contraste continuo entre esperado y medido, con la desviación tratada como una señal más.

Con Grafana sobre el histórico se analiza cómo evoluciona esa desviación y se distingue el ruido de una tendencia real. El planteamiento es aplicable a bombas, climatización, compresores o líneas de producción, y sirve para pasar del mantenimiento correctivo a intervenciones justificadas con datos propios de la instalación.

¿Para quién es este curso?

Ingeniería de mantenimiento predictivo que quiere anticipar degradaciones y no solo registrar averías.
Ingeniería de proceso que necesita comparar el rendimiento real de un equipo con su referencia.
Responsables de fiabilidad que justifican intervenciones con datos de la propia instalación.