Arquitectura computacional soportada en microservicios para aplicaciones de automatización industrial flexibles y escalables

El presente trabajo de grado tiene como objetivo la creación de una arquitectura basada en microservicios para aplicaciones de automatización industrial flexibles y escalables, escogiendo las plataformas de hardware y software adecuadas que permitan la implementación, diseñar la arquitectura de acuerdo con las plataformas previamente seleccionadas y desarrollando un prototipo para el sistema de agua potable de la UAO que integre las aplicaciones de control y mantenimiento predictivo. Como solución se presenta una arquitectura que se centra en facilitar la interconexión eficiente de nodos de hardware, destacando la importancia de una comunicación efectiva entre microservicios locales y remotos. Se utiliza el middleware DDS en la capa de comunicación, aprovechando su capacidad de descubrimiento automático de participantes y su modelo descentralizado. La implementación emplea contenedores compartiendo DDS para mejorar confiabilidad y escalabilidad, integrándose con ROS2 y respaldándose en un sistema operativo Linux con parche PREEMPT_RT para tareas en tiempo real. La plataforma consta de tres nodos de hardware utilizando comunicación por red LAN y DDS para asegurar un intercambio eficaz de datos entre los componentes del sistema. Para la aplicación de control se propone un sistema de control distribuido con nodos de detección y control, utilizando un algoritmo PID. Se realizaron pruebas identificando el comportamiento dinámico de la presión, se destacó la eficacia de los controladores PI y se simuló considerando los tiempos de retardo de comunicación entre nodos. Para la aplicación de mantenimiento predictivo se implementó un método basado en análisis de vibraciones y aprendizaje automático para la detección de fallas en rodamientos de motores. Se capturaron señales de vibración de un motor similar, se crearon fallas en rodamientos y se empleó la transformada de Fourier para extraer características. La red neuronal mostro buenos resultados en la clasificación con estos datos. Para mejorar aún más el rendimiento se combinó con datos externos logrando una detección altamente competente y confiable. Finalmente se integró todo en un mismo programa que muestra los resultados de cada una de las aplicaciones desde esta aplicación se puede cambiar el modo de control y realizar predicciones sobre el estado de los rodamientos de la bomba. También se exploró la migración a Google Cloud, sin resultados significativos comparados con el servidor local

• Autores: Mejía Ortíz, Alejandro; Santos Revelo, Alvaro José
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/15675
• Acceso en línea: https://hdl.handle.net/10614/15675; https://red.uao.edu.co/
• Palabra clave: Ingeniería Electrónica y Telecomunicaciones; Contenedores; Microservicios; Nodos; Control; Automatización; Mantenimiento predictivo; Vibración; Containers; Microservices; Nodes; Control; Automation; Predictive maintenance; Vibration
• Rights: openAccess
• License: Derechos reservados - Universidad Autónoma de Occidente, 2024