Análisis de modelos de mantenimiento predictivo de motores de inducción trifásicos mediante IoT y algoritmos de machine learning

Abstract

En los últimos años, el mantenimiento predictivo de los motores de inducción trifásicos se ha convertido en un tema clave dentro de la industria, esto debido a que los motores representan una parte importante del consumo energético y del funcionamiento de muchas plantas productivas. Este trabajo presenta una revisión de distintas investigaciones que estudian la aplicación de tecnologías como el Internet de las cosas y el machine learning para anticipar fallas y mejorar el rendimiento de las máquinas eléctricas. En particular, se enfatiza en la relevancia de los motores de inducción trifásicos por su amplio uso industrial, su operación continua y su susceptibilidad a fallas eléctricas, mecánicas y térmicas que pueden afectar la eficiencia y la continuidad de los procesos productivos. Durante el proceso se recopiló información reciente de estudios que abordan el diagnóstico predictivo desde diversos enfoques como modelos de redes neuronales y análisis de series temporales. Asimismo, se analizan arquitecturas de monitoreo basadas en IoT, considerando la adquisición de datos mediante sensores, protocolos de comunicación industrial y plataformas de procesamiento en la nube y en el borde (edge computing), lo que permite comprender el flujo de información desde el motor hasta sistemas de análisis. A partir de esta revisión se reconocen avances y desafíos que limitan la implementación de estos sistemas en entornos industriales, como la gestión de grandes volúmenes de datos, la interoperabilidad entre dispositivos, la ciberseguridad y restricciones presupuestales. El propósito general es ofrecer una visión clara cómo la integración del IoT con el machine learning puede fortalecer las estrategias de mantenimiento en motores eléctricos, en el contexto latinoamericano, donde la adopción de tecnologías digitales sigue en crecimiento. Adicionalmente, el trabajo plantea un enfoque orientado a soluciones viables y de bajo costo, destacando que la implementación del mantenimiento predictivo no depende exclusivamente de infraestructuras complejas, sino de un diseño de arquitecturas escalables y modelos analíticos eficientes. Este análisis busca servir como base teórica para futuras investigaciones sobre monitoreo predictivo de motores de inducción trifásicos, aportando un marco de referencia que facilite la transición hacia prácticas alineadas con los principios de la Industria 4.0.