Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/handle/29.500.19856/85057| Title: | Mantenimiento predictivo de maquinaria del sector florícola |
| Authors: | Hermosa Flores, Freddy Alejandro |
| Director: | Quiñones Cuenca, Manuel Fernando |
| Keywords: | Ecuador. Tesis digital. |
| Issue Date: | 2026 |
| Citation: | Hermosa Flores, F. A. Quiñones Cuenca, M. F. (2026) Mantenimiento predictivo de maquinaria del sector florícola [Tesis de Posgrado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/85057 |
| Abstract: | Abstract:This document presents the design and implementation of an Industrial Internet of Things (IIoT)-based predictive maintenance system for monitoring irrigation pumps. The architecture, variables, and communication protocols required for data acquisition, processing, and transmission were defined. The system consists of edge nodes running TinyML models to perform local inference on vibration, sound, and temperature signals. Wireless communication is based on LoRa modulation with a collision avoidance algorithm that simulates a LoRaWAN network and integrates MQTT connectivity for the structured transmission of telemetry data to a ThingsBoard platform hosted on a cloud-based virtual server. Within this platform, a Large Language Model (LLM) was incorporated to perform analytical evaluation and generate automated diagnostics. Finally, the solution integrates with Microsoft enterprise software to ensure persistent logging, traceability, and historical management of operational events through email notifications and SharePoint lists. |
| Description: | Resumen: En este documento se presenta el diseño e implementación de un sistema de mantenimiento predictivo basado en Internet Industrial de las Cosas (IIoT) para el monitoreo de bombas de riego. Se determinaron la arquitectura, variables y protocolos necesarios para la captura, procesamiento y transmisión de datos. El sistema consta de nodos de borde que ejecutan modelos TinyML para procesar señales de vibración, sonido y temperatura mediante inferencia local. La comunicación inalámbrica emplea modulación LoRa con un algoritmo de evasión de colisiones que simula una red LoRaWAN, integrando conectividad MQTT para el transporte estructurado de la telemetría hacia una plataforma ThingsBoard sobre un servidor virtual en la nube. En dicha plataforma se incorporó un modelo de lenguaje LLM, enfocado en la una evaluación analítica y la generación automatizada de diagnósticos. Finalmente, la solución se conecta con software empresarial de Microsoft para garantizar el registro persistente, trazabilidad y gestión histórica de los eventos operacionales, mediante notificaciones por correo y listas de SharePoint. |
| Identifier : | Cobarc: 1383981 |
| URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=155138.TITN. |
| Type: | masterThesis |
| Appears in Collections: | Magíster en Industria 4.0 con mención en Transformación Digital |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
