Industria 4.0 – Gestión de datos
con MQTT, UNS e ISA 95

  7 y 9 de mayo de 2025
17:00 a 20:00 hs

Día 1: MQTT y Fundamentos de Comunicación Industrial
Introducción a MQTT

• Definición y caracteríscas clave de MQTT.
• Versiones de MQTT.
• Arquitectura publish/subscribe.
• Ventajas de MQTT en entornos IoT e industriales.
• Casos de uso comunes en la industria y otros verticales.

Implementación Práctica de MQTT

• Configuración de un broker MQTT.
• Demostración de publicación y suscripción de mensajes.
• Niveles de calidad de servicio (QoS) en MQTT.
• Seguridad y autenticación en MQTT.
• Características avanzadas de MQTT.

MQTT en Aplicaciones Industriales

• Integración de MQTT con sistemas SCADA y MES.
• Uso de MQTT para monitoreo en tiempo real y mantenimiento predictivo.
• Escalabilidad y rendimiento de MQTT en entornos de producción.
• Despliegue on-premise y en la nube.
• Ejercicio práctico: Desplegar un sistema simple de monitoreo usando MQTT.

Día 2: UNS e ISA 95
Unified Namespace (UNS)

• Concepto y beneficios de UNS.
• Comparación entre UNS y modelos jerárquicos tradicionales.
• Arquitectura y componentes clave de UNS.
• ¿Qué es Sparkplug? Características y aplicación en MQTT.
• Implementación de UNS y Sparkplug utilizando MQTT como broker central.

ISA 95 y su Rol en la Integración de Sistemas

• Introducción al estándar ISA 95.
• Los cinco niveles del modelo ISA 95.
• Beneficios de ISA 95 en la integración de sistemas empresariales y de control.
• Integración de ISA 95 y Sparkplug.
• Cómo UNS complementa el modelo ISA 95.

Gestión de datos y estados

• Compatibilidad y escalabilidad de datos.
• Diseño de payloads. Uso de Sparkplug.
• Definición de estados en MQTT. Aplicación de Sparkplug.

Caso de estudio

• Implementación de un sistema de producción utilizando MQTT, UNS e ISA 95.
• Discusión sobre desafios y mejores prácticas en la integración de estas tecnologías.

Aplicaciones de ML e IA
en la Industria

8, 11, 15 y 18 de julio de 2025
17:00 a 20:00 hs
 

Día 1: Fundamentos y Aplicaciones Industriales
Introducción a ML e IA en la Industria

• Conceptos básicos de Machine Learning e Inteligencia Artificial.
• Panorama actual de la Industria 4.0.
• Casos de éxito y áreas de oportunidad en la industria.

Aplicaciones Prácticas

• Mantenimiento predictivo.
• Optimización de procesos de producción.
• Gestión de la cadena de suministro.

Actividad Práctica

• Identificación de problemas industriales susceptibles de soluciones ML/IA.
• Discusión grupal sobre posibles aplicaciones en diferentes sectores.
   

Día 2: Arquitectura y Herramientas
Arquitectura de Soluciones ML/IA

• Componentes clave de una solución ML/IA industrial
• Integración con sistemas existentes (IT/OT)
• Consideraciones de seguridad y escalabilidad

Herramientas y Plataformas

• Introducción a TensorFlow y scikit-learn.
• Grandes plataformas cloud para ML/IA (AWS, Azure, Google Cloud).
• Plataformas especializadas en tiny-ML (Edge Impulse, Always AI, Edge-ML).
• Herramientas de visualización de datos.

Taller Práctico

• Configuración de un entorno de desarrollo para ML/IA
• Exploración de datasets industriales usando Jupyter Notebook
   

Día 3: Diseño de Modelos y Algoritmos
Selección de Algoritmos

• Algoritmos supervisados vs. no supervisados.
• Redes neuronales y deep learning para aplicaciones industriales.
• Técnicas de procesamiento de señales y series temporales.

Preparación y Procesamiento de Datos

• Técnicas de limpieza y preprocesamiento de datos industriales.
• Feature engineering para problemas específicos de la industria.
• Manejo de datos desbalanceados.
• Generación de datos sintéticos.

Taller Práctico

• Diseño de un modelo de mantenimiento predictivo
• Evaluación y ajuste de hiperparámetros
   

Día 4: Implementación y Despliegue
Estrategias de Implementación

• Integración con sistemas de control industrial.
• Consideraciones para implementación en tiempo real.
• Monitoreo y actualización de modelos.

Evaluación y Mejora Continua

• Métricas de rendimiento para modelos industriales.
• Técnicas de validación cruzada y pruebas A/B.
• Estrategias para el aprendizaje continuo y la adaptación de modelos.

Taller Final y Cierre

• Presentación de proyectos conceptuales.
• Discusión sobre desafíos y oportunidades futuras.
• Recursos para aprendizaje continuo y certificaciones.