---

Abstract

Los recientes avances en la industria manufacturera han allanado el camino para un despliegue sistemático de los Sistemas Ciberfísicos (SCF), dentro de los cuales la información de todas las perspectivas relacionadas se monitorea estrechamente y se sincroniza entre el piso de fábrica físico y el espacio computacional cibernético. Además, mediante el uso de análisis de información avanzados, las máquinas en red podrán operar de manera más eficiente, colaborativa y resiliente. Esta tendencia está transformando la industria manufacturera hacia la próxima generación, denominada Industria 4.0. En esta fase temprana de desarrollo, existe una necesidad urgente de una definición clara de los SCF. En este artículo, se propone una arquitectura unificada de 5 niveles como guía para la implementación de SCF.

1. Introducción

Los Sistemas Ciberfísicos (SCF) se definen como tecnologías transformadoras para gestionar sistemas interconectados entre sus activos físicos y capacidades computacionales [1]. Con los recientes desarrollos que han resultado en una mayor disponibilidad y asequibilidad de sensores, sistemas de adquisición de datos y redes informáticas, la naturaleza competitiva de la industria actual obliga a más fábricas a avanzar hacia la implementación de metodologías de alta tecnología. En consecuencia, el uso cada vez mayor de sensores y máquinas en red ha resultado en la generación continua de grandes volúmenes de datos, conocidos como Macrodatos [2,3]. En tal entorno, los SCF pueden desarrollarse aún más para gestionar Macrodatos y aprovechar la interconectividad de las máquinas para alcanzar el objetivo de máquinas inteligentes, resilientes y autoadaptables [4,5]. Además, al integrar los SCF con la producción, logística y servicios en las prácticas industriales actuales,

transformaría las fábricas actuales en fábricas de Industria 4.0 con un potencial económico significativo [6,7]. Por ejemplo, un informe conjunto del Instituto Fraunhofer y la asociación industrial Bitkom indicó que el valor bruto alemán podría aumentar en 267 mil millones de euros acumulados para 2025 tras la introducción de la Industria 4.0 [8]. En la Tabla 1 se presenta una breve comparación entre las fábricas actuales y las de Industria 4.0 [9].

Dado que los Sistemas Ciberfísicos (SCF) se encuentran en la etapa inicial de desarrollo, es esencial definir claramente la estructura y la metodología de los SCF como directrices para su implementación en la industria. Para satisfacer esta demanda, se ha diseñado un marco de sistema unificado para aplicaciones generales. Además, también se proponen algoritmos y tecnologías correspondientes en cada capa del sistema para colaborar con la estructura unificada y lograr las funcionalidades deseadas del sistema general, mejorando la eficiencia del equipo, la confiabilidad y la calidad del producto.

2. Arquitectura 5C de los SCF

La estructura propuesta de SCF de 5 niveles, denominada Arquitectura 5C, proporciona una guía paso a paso para desarrollar e implementar un SCF para aplicaciones de fabricación. En general, un SCF consta de dos componentes funcionales principales: (1) la conectividad avanzada que garantiza la adquisición de datos en tiempo real desde el mundo físico y la retroalimentación de información desde el espacio cibernético; y (2) la gestión inteligente de datos, el análisis y la capacidad computacional que construye el espacio cibernético. Sin embargo, este requisito es muy abstracto y no lo suficientemente específico para fines de implementación en general. En contraste, la Arquitectura 5C presentada aquí define claramente, a través de un flujo de trabajo secuencial, cómo construir un SCF desde la adquisición inicial de datos, pasando por el análisis, hasta la creación final de valor. Como se ilustra en la Fig. 1, la Arquitectura 5C detallada se describe a continuación:

Resumen: Niveles, Sistemas y Capacidades

Nivel	Sistema	Capacidad
V — Configuración	Sistema de Control Resiliente (RCS)	Acciones a evitar
IV — Cognición	Sistema de Soporte de Decisiones (DSS)	Priorizar y optimizar decisiones
III — Cyber	Sistemas Ciberfísicos (CPS)	Auto-comparación
II — Conversión	Pronóstico y Gestión de Salud (PHM)	Auto-consciencia
I — Conexión	Monitoreo Basado en Condición (CBM)	Monitoreo de condición

Fig. 1. Arquitectura 5C para la implementación de Sistemas Ciberfísicos.

2.1. Conexión inteligente

La adquisición de datos precisos y confiables de las máquinas y sus componentes es el primer paso en el desarrollo de un SCF.

Los datos pueden ser medidos directamente por sensores u obtenidos de sistemas de control o de fabricación empresarial como ERP, MES, SCM y CMM. En este nivel, deben considerarse dos factores importantes. Primero, considerando diversos tipos de datos, se requiere un método sin interrupciones y sin cables para gestionar el procedimiento de adquisición de datos y transferirlos al servidor central, donde protocolos específicos como MTConnect [10] son particularmente útiles. Por otro lado, la selección de sensores adecuados (tipo y especificaciones) es la segunda consideración importante para el primer nivel.

2.2. Conversión de datos en información

Se debe inferir información significativa a partir de los datos. Actualmente, existen varias herramientas y metodologías disponibles para el nivel de conversión de datos en información. En los últimos años, se ha puesto un gran énfasis en desarrollar estos algoritmos específicamente para aplicaciones de prognósticos y gestión de salud. Al calcular el valor de salud, la vida útil restante estimada, etc., el segundo nivel de la arquitectura SCF proporciona conciencia propia a las máquinas (Fig. 2).

Tabla 1
Comparación entre la fábrica actual y una fábrica de Industria 4.0.

Fuente de datos	Fábrica actual	Industria 4.0
Atributos	Tecnologías	Atributos
Componente	Sensor	Precisión
Controlador	Productibilidad y rendimiento	Sensores inteligentes y detección de fallos
Sistema de producción	Sistema en red	Productividad y OEE
		Tiempo activo con monitoreo predictivo de salud

Pirámide de Niveles (Funciones y Atributos)

Nivel	Nombre	Atributos
V	Nivel de Configuración	Auto-configuración para resiliencia · Auto-ajuste para variación · Auto-optimización ante perturbaciones
IV	Nivel de Cognición	Simulación y síntesis integradas · Visualización remota para operadores humanos · Diagnóstico colaborativo y toma de decisiones
III	Nivel Cyber	Modelo gemelo para componentes y máquinas · Máquina del tiempo para identificación de variación y memoria · Clustering para similitud en minería de datos
II	Nivel de Conversión Datos→Información	Analítica inteligente para salud de componentes y máquinas · Correlación de datos multidimensional · Predicción de degradación y rendimiento
I	Nivel de Conexión Inteligente	Plug & Play · Comunicación sin cables · Red de sensores

---

Nivel	Proceso / Tecnología	Sistema	Capacidad
Configuración	Control supervisorio → Acciones requeridas	Sistema de Control Resiliente (RCS)	Acciones a evitar
Cognición	Análisis de radar · Visualización de tendencias	Sistema de Soporte de Decisiones (DSS)	Priorizar y optimizar decisiones
Cyber	Flota de máquinas · Análisis adaptativo · Monitoreo entre pares · Instantáneas de máquina del tiempo	Sistemas Ciberfísicos (CPS)	Auto-comparación
Conversión	Máquinas · Componentes	Pronóstico y Gestión de Salud (PHM)	Auto-consciencia
Conexión	Sensores · Selección efectiva de sensores	Monitoreo Basado en Condición (CBM)	Monitoreo de condición

Fig. 2. Aplicaciones y técnicas asociadas con cada nivel de la arquitectura 5C.

2.3. Cibernético

El nivel cibernético como centro de información en la arquitectura

El nivel cibernético actúa como centro de información central en esta arquitectura. La información es enviada desde cada máquina conectada para formar la red de máquinas. Al tener una gran cantidad de información recopilada, se deben utilizar análisis específicos para extraer datos adicionales que proporcionen una mejor comprensión del estado de las máquinas individuales dentro de la flota. Estos análisis brindan a las máquinas la capacidad de autocomparación, donde el rendimiento de una sola máquina puede compararse y evaluarse entre la flota. Por otro lado, se pueden medir las similitudes entre el rendimiento de las máquinas y activos anteriores (información histórica) para predecir el comportamiento futuro de la maquinaria. En este artículo, presentamos brevemente una metodología eficiente pero efectiva para gestionar y analizar información a nivel cibernético (Sección 3).

2.4. Cognición

La implementación de Sistemas Ciberfísicos en este nivel genera un conocimiento exhaustivo del sistema monitorizado. La presentación adecuada del conocimiento adquirido a los usuarios especializados respalda la toma de decisiones correctas. Dado que está disponible información comparativa así como el estado individual de las máquinas, se pueden tomar decisiones sobre la prioridad de las tareas para optimizar el proceso de mantenimiento. Para este nivel, son necesarias infografías adecuadas para transferir completamente el conocimiento adquirido a los usuarios.

2.5. Configuración

Nivel de configuración como control supervisorio

El nivel de configuración es la retroalimentación del espacio cibernético al espacio físico y actúa como control supervisorio para que las máquinas se autoconfiguren y sean autoadaptables. Esta etapa funciona como un sistema de control de resistencia (RCS) para aplicar las decisiones correctivas y preventivas, tomadas en el nivel de conocimiento, al sistema monitorizado.

3. Diseño de sistemas SCF basados en PHM

La ventaja extrema del PHM a nivel cibernético es la interconexión entre los análisis de salud de las máquinas a través de una interfaz máquina-cibernética (CPI) en el nivel cibernético, conceptualmente similar a las redes sociales. Una vez que la infraestructura del nivel cibernético está implementada, las máquinas pueden registrarse en la red e intercambiar información a través de interfaces cibernéticas. En este punto, se debe establecer un algoritmo para rastrear los cambios en el estado de una máquina, inferir conocimiento adicional de la información histórica, aplicar comparación entre iguales y pasar los resultados al siguiente nivel. Se deben desarrollar nuevos métodos para realizar estas acciones y generar resultados apropiados. En este artículo, presentamos la "máquina del tiempo" que realiza análisis a nivel cibernético y consta de tres secciones paralelas como se describe a continuación.

I. Recopilación de instantáneas

Como se ilustra en la Fig. 3, la información se envía continuamente al espacio cibernético desde las máquinas. El papel de la recopilación de instantáneas es...

Arquitectura del Gemelo Cyber (Cyber Twin)

El Gemelo Cyber es una representación digital en la nube de una máquina física. Recibe datos en tiempo real de múltiples equipos en planta, permitiendo análisis comparativo, optimización de regímenes de operación y seguimiento histórico del estado de salud de cada máquina.

---

Régimen de Trabajo Optimizado por Síntesis

La siguiente tabla compara el régimen actual contra alternativas optimizadas evaluadas por el sistema:

Parámetro	Régimen 1 (Actual)	Régimen 2	Régimen 3 (Optimizado)	Régimen 4
Velocidad del husillo	1200 rpm	1000 rpm	1100 rpm	1050 rpm
N.º de programa	7	4	3	1
Producción	200 pza/h	150 pza/h	180 pza/h	170 pza/h
Vida útil restante	1200 h	2100 h	2000 h	1700 h
Tiempo adicional de operación	0 h	900 h	800 h	500 h

El Régimen 3 es seleccionado como óptimo: mantiene alta producción (180 pza/h) y extiende significativamente la vida útil de la máquina (+800 h).

---

Identificación de Similitud y Comparación entre Pares

El sistema analiza el comportamiento de múltiples máquinas en la flota para detectar patrones similares y agruparlas.

• Comparación Peer-to-Peer: las máquinas M#1, M#2 y M#3 se comparan entre sí en función de sus firmas de degradación.
• Análisis de similitud: se generan matrices de correlación para identificar qué máquinas comparten patrones de desgaste o falla.
• Este análisis permite transferir conocimiento de una máquina con más historial a otras más nuevas o con menos datos disponibles.

---

Colección de Snapshots (Máquina del Tiempo)

El módulo de Máquina del Tiempo registra el estado del Gemelo Cyber en distintos momentos de la operación:

• Registro activo: captura snapshots a medida que la máquina transita entre regímenes (Régimen 1 → 2 → 3 → 4).
• Registros históricos: almacena el historial de múltiples máquinas (M#1, M#2, M#3) para consulta y comparación futura.
• Cada snapshot incluye el valor de salud de la máquina y el estado de mantenimiento en ese instante.

---

Arquitectura General

Máquinas físicas en planta
        │
        ▼
  [ Gemelo Cyber ]  ←──  Máquina del Tiempo (nube)
        │
        ├──► Régimen de trabajo optimizado
        ├──► Identificación de similitud entre pares
        └──► Colección de snapshots históricos

Cada máquina física se conecta al Gemelo Cyber centralizado, que actúa como espejo digital y motor de análisis para toda la flota.

Fig. 3. Enfoque de máquina del tiempo para PHM Ciberfísico.

Gestionar los datos entrantes y almacenar la información de manera eficiente. Básicamente, para reducir el espacio en disco requerido y la potencia de procesamiento, se deben registrar instantáneas del rendimiento de la máquina, el historial de utilización y el mantenimiento en lugar de toda la serie temporal. Estas instantáneas solo se toman cuando se produce un cambio significativo en el estado de la máquina monitoreada. El cambio puede definirse como una variación dramática en el valor de salud de la máquina, una acción de mantenimiento o un cambio en el régimen de trabajo. Durante el ciclo de vida de una máquina, estas instantáneas se acumularán y se utilizarán para construir el historial de la máquina en el tiempo del activo particular. Este registro activo de la máquina en el tiempo se utilizará para la comparación entre iguales de los activos. Una vez que el activo falla o se reemplaza, su registro relativo de la máquina en el tiempo cambiará de estado de activo a histórico y se utilizará como referencia para la identificación de similitud y síntesis.

II. Identificación de similitud

En el nivel cibernético, debido a la disponibilidad de información de varias máquinas, la probabilidad de capturar ciertos modos de falla en un período de tiempo más corto es mayor. Por lo tanto, la sección de identificación de similitud debe revisar los registros históricos de la máquina en el tiempo para calcular la similitud del comportamiento actual de la máquina con la utilización y salud de activos anteriores. En esta etapa, se pueden utilizar diferentes algoritmos para realizar coincidencias de patrones, como la matriz de coincidencia, el método de similitud de trayectoria [11] o varios métodos estocásticos. Una vez que los patrones coinciden, el comportamiento futuro del sistema monitoreado puede predecirse con mayor precisión.

III. Síntesis de pasos futuros optimizados

Predecir la vida útil restante de los activos ayuda a mantener una estrategia de mantenimiento justo a tiempo en la planta de fabricación. Además, la predicción de vida junto con los registros históricos de la máquina en el tiempo puede utilizarse para mejorar la eficiencia de utilización del activo según su estado de salud actual. Los patrones históricos de utilización de activos similares en varias etapas de salud proporcionan la información necesaria para simular posibles escenarios futuros de utilización y su resultado para el activo objetivo. Entre esos escenarios, el patrón de utilización más eficiente y productivo puede implementarse para el activo objetivo.

---

Figura 4. El flujo de datos e información en una fábrica habilitada por SCF con máquinas herramienta en la línea de producción basada en la arquitectura 5C de SCF.

4. Implementación de la arquitectura 5C de Sistemas Ciberfísicos para fábricas

La implementación de Sistemas Ciberfísicos en las fábricas actuales ofrece varias ventajas que pueden categorizarse en tres etapas: componente, máquina y sistema de producción, como se ha presentado en la Tabla 1. Considerando que una línea de producción consta de una gran cantidad de máquinas herramienta, pueden observarse las ventajas de una empresa habilitada con SCF en las etapas mencionadas. En la etapa de componente, una vez que los datos sensoriales de los componentes críticos se han convertido en información, un gemelo cibernético de cada componente será responsable de capturar registros temporales de la máquina y sintetizar pasos futuros para proporcionar autoconciencia y autopredicción. En la siguiente etapa, datos más avanzados de la máquina, como parámetros del controlador, se agregarían a la información de los componentes para monitorear el estado y generar el gemelo cibernético de cada máquina en particular. Estos gemelos de máquina en los SCF proporcionan la capacidad adicional de autocomparación.

En la tercera etapa (sistema de producción), el conocimiento agregado de los componentes y la información a nivel de máquina proporciona autoconfiguración y automantenimiento a la fábrica. Este nivel de conocimiento no solo garantiza una producción sin interrupciones y con un tiempo de inactividad casi nulo, sino que también proporciona planes optimizados de planificación de producción y gestión de inventario para la administración de la fábrica (Fig. 4).

5. Conclusiones

Este artículo presenta una arquitectura 5C para Sistemas Ciberfísicos en sistemas de fabricación de la Industria 4.0. Proporciona una guía viable y práctica para que la industria manufacturera implemente SCF con el fin de mejorar la calidad del producto y la confiabilidad del sistema mediante equipos de fabricación más inteligentes y resilientes.