Unidad 3: IA y Analítica

Día 9: Big Data Industrial e Ingesta a Gran Escala

Un sensor IIoT individual genera pocos bytes, pero miles de sensores transmitiendo en milisegundos saturan las arquitecturas tradicionales. Big Data unifica la ingesta, almacenamiento y análisis a escala masiva.

Temas del Día 9:

  • **Las 5 Vs del Big Data:** Volumen, Velocidad y Variedad.
  • **Mockaroo:** Generación de telemetría de planta realista.
  • **MySQL:** Almacenamiento e indexación relacional industrial.
  • **Dashboards Web:** Visualización interactiva con PHP y Chart.js.
📊
Inteligencia de Planta

Convertir gigabytes de lecturas de sensores en gráficos interactivos de ayuda a la decisión.

Paradigmas de Datos

Las 5 Vs del Big Data Industrial

Volumen

Múltiples gigabytes por día originados por cientos de sensores transmitiendo de forma continua.

Velocidad

Ingesta y toma de decisiones a frecuencias críticas de milisegundos en la línea activa.

Variedad

Mezcla de datos numéricos estructurados, logs en texto plano e imágenes de cámaras.

Veracidad

Importancia de limpiar ruido eléctrico y falsas lecturas que descalibren los modelos.

Valor

Traducir los registros masivos a decisiones de negocio de alto impacto (ROI).

Generación de Datos

Simulación de Telemetría: Mockaroo

**Mockaroo** permite modelar variables simulando el comportamiento real de los sensores mecánicos:

  • **Configuración de Esquemas:** Definición de campos como `id_maquina`, `temperatura`, `vibracion_mm_s`.
  • **Fórmulas Condicionales:** Agregar lógicas matemáticas para simular el aumento de temperatura secuencial.
  • **Exportación Masiva:** Descarga de archivos en formato CSV listos para ser importados a MySQL.

Dataset de Práctica Listo

Para el desarrollo del taller de hoy, hemos pre-generado un dataset con 1,000 filas de telemetría de motores con anomalías de fricción y sobrecargas inyectadas.

📥 Descargar CSV de Telemetría (Mockaroo)
Almacenamiento OT

¿Qué es MySQL y por qué es clave en la Industria?

MySQL es un sistema gestor de bases de datos relacionales (RDBMS). Permite almacenar la telemetría de sensores, bitácoras de eventos y catálogos de activos estructurados en tablas de forma segura y veloz.

Concepto Archivos Planos (CSV) Base Relacional (MySQL)
Estructura Texto crudo sin control de tipo Tablas con tipos rígidos e índices
Consultas Búsqueda secuencial manual lenta Consultas SQL rápidas (SELECT, WHERE)
Integridad Sin reglas. Admite datos huérfanos Llaves primarias y foráneas (Integridad)

Anatomía de Consulta SQL (SELECT)

SELECT id_maquina, AVG(temperatura)
FROM registros_sensores
GROUP BY id_maquina;
  • SELECT / FROM: Sentencia para extraer columnas específicas de una tabla.
  • AVG(): Función de agregación que calcula promedios sobre la marcha.
  • GROUP BY: Agrupa las lecturas consolidando los promedios por activo.
Inteligencia de Negocios

Visualización y Dashboard Web (Chart.js)

La visualización web traduce la telemetría compleja de MySQL en gráficos de control comprensibles para el operador:

  • **Consultas SQL Dinámicas:** El servidor PHP extrae promedios móviles, conteo de alertas e históricos.
  • **Interactividad con Chart.js:** Renderizado de curvas de tendencias de temperatura y barras de vibración.
  • **Dashboards Responsivos:** Consolas de planta en HTML5 adaptables a cualquier dispositivo (HMI, tablet, PC).
📉
HMI y Dashboards con Chart.js

Chart.js es una librería ligera en Javascript que permite dibujar lienzos (canvas) interactivos. Al vincularla con consultas relacionales en MySQL, podemos crear monitores HMI en tiempo real sin requerir licencias costosas.

Arquitectura de Datos

El Pipeline de Datos de Planta

La ingesta de Big Data en la Industria 4.0 sigue una arquitectura por capas para asegurar la estabilidad:

  • **Capa Edge (Física):** Captura en sensores y publicación vía MQTT ligero.
  • **Capa Ingesta (Broker):** Distribuidor de tramas (ej. Mosquitto, HiveMQ, Kafka).
  • **Capa Storage (Database):** Registro relacional estructurado en MySQL.
  • **Capa Analytics (Dashboard):** Visualización interactiva en navegador (HTML + Chart.js).
🔌 → 📡 → 🗄️ → 📊
Flujo Unificado de Extracción y Carga

El canal de datos asegura que la telemetría del sensor termine en el dashboard web en segundos.

Simulación de Ingesta

Sandbox: Pipeline de Ingesta de Telemetría

Estado de Ingesta: DETENIDO
0
Eventos Ingeridos
0.0 KB
Espacio en Disco
0 Pq/s
Tasa Stream
Validación de Conceptos

Cuestionario de Validación: Día 9

Pregunta 1 de 3
Puntuación: 0/3
Cargando pregunta...
Gamificación de Arquitectura

Minijuego: Arquitecto de Big Data Industrial

Línea de Canalización y Carga de Datos
1 Niv 1
🔒 Niv 2
🔒 Niv 3
🔒 Niv 4
🔒 Niv 5
Puntuación: 0 Pts
Vidas: ❤️ ❤️ ❤️
Nivel 1: Ingesta de Eventos
¿Pregunta del nivel de juego?
Feedback...
Cierre del Módulo 10

¡Felicitaciones! Módulo 10 Completado

Hemos completado con éxito la exploración práctica interactiva y teórica de las tecnologías habilitadoras de la Industria 4.0 en la UTC.

Resumen de Aprendizajes:
IoT y Edge Computing (Semana 1), Automatización, Ciberseguridad y Manufactura Aditiva (Semana 2), e Inteligencia Artificial y Big Data (Semana 3).

Módulo 10 Finalizado

Le deseamos el mayor de los éxitos en sus proyectos de investigación de posgrado.

🎉 🎓 🏆
Volver al Portal de Inicio
1 / 10
Notas de Presentador (Teclado: S)
Cargando notas...
Big Data & Analítica

Guía Práctica Exacta: Dashboard HMI Web con MySQL & PHP

Paso 1: Crear la Base de Datos en MySQL

Usaremos el gestor de base de datos MySQL local incluido en Laragon para almacenar la telemetría histórica.

  1. Asegúrate de iniciar **Laragon** y hacer clic en **"Iniciar Todo"** para correr MySQL y Apache.
  2. Haz clic en el botón **"Base de Datos"** de Laragon para abrir **phpMyAdmin** o HeidiSQL (o entra a http://localhost/phpmyadmin).
  3. Crea una nueva base de datos llamada exactamente industrial_db seleccionando el cotejamiento UTF-8.
  4. No es necesario crear tablas manualmente: el script de la HMI que crearemos en el Paso 3 se encargará de crear la estructura por ti.
phpMyAdmin MySQL
+ Nueva Base de Datos
Nombre: industrial_db
Cotejamiento: utf8_general_ci
[Crear Base de Datos]

Paso 2: Descargar Dataset de Telemetría (CSV)

Descargaremos un lote de 1,000 lecturas con temperaturas, vibraciones y corriente generadas en Mockaroo.

  1. Cierra este modal temporalmente o ve a la **Diapositiva 3** de esta presentación.
  2. Haz clic en el botón azul "📥 Descargar CSV de Telemetría (Mockaroo)".
  3. Guarda el archivo en tu computadora con el nombre exacto datos_sensores_mockaroo.csv (se descarga automáticamente).
  4. Ábrelo con Bloc de Notas para comprobar las columnas del encabezado (`id_maquina`, `temperatura`, etc.).
Mockaroo Streamer
📥 Telemetría Lista:
datos_sensores_mockaroo.csv
- 1,000 registros históricos
- Variables: temperatura, vibracion_mm_s, corriente_amp, estado_falla

Paso 3: Crear el Visualizador PHP

Ahora crearemos el archivo PHP que se encargará de importar el archivo CSV, crear la tabla en MySQL y dibujar los gráficos con Chart.js.

  1. Abre tu editor de texto o VS Code.
  2. Crea un archivo nuevo y guárdalo en la carpeta C:\laragon\www\ con el nombre exacto visualizador_mysql.php.
  3. Haz clic en el botón de la derecha para copiar todo el código fuente al portapapeles.
  4. Pega el código completo en tu archivo y presiona guardar.
visualizador_mysql.php
<?php
$host = 'localhost'; $username = 'root';
// PDO, SQL Create Table e Ingesta de CSV...

Paso 4: Cargar e Importar el CSV a MySQL

Ejecutaremos la importación masiva de telemetría a la base de datos industrial de manera local.

  1. Abre tu navegador de Internet e ingresa a: http://localhost/visualizador_mysql.php.
  2. Verifica que el indicador de conexión en el panel de credenciales se muestre de color verde (Conectado).
  3. Haz clic en **"Subir datos_sensores_mockaroo.csv"** en el panel superior derecho.
  4. Selecciona tu archivo de telemetría descargado en el Paso 2.
  5. El sistema leerá el archivo e insertará automáticamente los 1,000 registros en la tabla registros_sensores de MySQL.
http://localhost/visualizador_mysql.php
✅ Importación Completada
Registros procesados: 1,000 filas
Destino: industrial_db.registros_sensores

Paso 5: Visualizar las Gráficas HMI de Planta

¡Felicidades! Analizaremos el Dashboard interactivo que extrae los datos de MySQL en tiempo real.

  1. Observa las tarjetas KPI en la parte superior: Registros cargados, Temperatura Promedio y Cantidad de Alertas.
  2. Revisa el **Gráfico de Líneas** que muestra la curva de temperatura a lo largo del tiempo. Puedes filtrar por máquina seleccionando una opción en el menú desplegable.
  3. Examina el **Gráfico de Barras** que muestra los promedios de vibración por activo, calculados en MySQL mediante GROUP BY.
  4. Explora la tabla inferior que muestra las últimas 10 lecturas registradas en la base de datos.
Dashboard HMI MySQL
Registros MySQL:1,000 Filas
Promedio Temperatura:68.2 °C
Alertas Críticas:12 Eventos
✅ Conectado a Laragon MySQL Local