REVISTA DE INGENIERIA DYNA

Palabras clave:

Edge AI, machine learning, deep neural networks, cyber-physical systems, industrial valves, PLC, embedded inference, anomaly detection, real-time monitoring, regression models, classification accuracy.

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

RESUMEN En las instalaciones de procesos industriales, la operación incorrecta o la configuración inapropiada de componentes críticos, como las válvulas de bola operadas manualmente, puede comprometer gravemente tanto el rendimiento del proceso o la seguridad de la planta. Este trabajo propone un método de estimación sin sensores basados en IA en el borde (Edge AI) para determinar los estados de válvulas de bola manuales sin recurrir a sensores físicos de posición. Utilizando datos multivariantes en series temporales recopilados de una planta piloto controlada por PLC, se realiza una evaluación comparativa entre cuatro modelos de Deep Learning (DL) y cuatro modelos clásicos de Machine Learning (ML) aplicados a tareas de clasificación y regresión. Los modelos se despliegan en una plataforma embebida, permitiendo inferencia en tiempo real en el borde con una latencia mínima de 500ms. Los resultados muestran que los modelos Decision Tree (DT) y Random Forest (RF) alcanzan una alta precisión en regresión (R 2 >0.98, MAE < 0.5), mientras que los ocho modelos logran una elevada exactitud en clasificación. Además, se introduce una métrica de eficiencia computacional que combina precisión, latencia y tamaño del modelo, confirmando que DT es el modelo más eficiente (1.83/(ms·KB)) para implementar en el borde. Este trabajo aporta una estrategia de monitorización rentable y escalable, especialmente adecuada para entornos industriales complejos donde la detención fisica y la inspección visual son limitados, ofreciendo un camino viable hacia la detección temprana de anomalías y la supervisión inteligente en sistemas ciberfísicos industriales. Palabras Clave: IA en el borde, aprendizaje automático, redes neuronales profundas, sistemas ciberfísicos, válvulas industriales, PLC, inferencia embebida.