El punto de partida: datos en los PLCs, cero visibilidad en producción
El cliente opera una planta de envasado de productos alimentarios con tres líneas de producción, cada una controlada por un PLC Siemens S7-1500 programado con TIA Portal. Los PLCs registraban correctamente contadores de piezas, estados de máquina, velocidades de línea y alarmas activas — pero esa información permanecía encerrada en el TIA Portal y en los paneles HMI locales.
La dirección de producción tomaba decisiones basándose en partes manuales recogidos al final de cada turno: hojas de cálculo que los encargados rellenaban a mano y enviaban por email. El OEE (Overall Equipment Effectiveness) se calculaba una vez a la semana, con cuatro días de retraso. Cuando se identificaba un problema de rendimiento, la causa ya había cambiado.
El objetivo era claro: visibilidad de producción en tiempo real, sin reemplazar los PLCs existentes y sin adquirir un MES completo. El cliente quería empezar rápido, con un coste razonable y con una herramienta que el equipo de ingeniería pudiera mantener internamente.
Por qué Grafana como plataforma de visualización
Grafana es la solución estándar de facto para dashboards de series temporales en entornos industriales y de IT. Sus ventajas frente a otras opciones eran claras para este caso:
- Open source con soporte empresarial: sin coste de licencia de visualización. El cliente puede añadir usuarios, paneles y fuentes de datos sin coste adicional.
- Integración nativa con InfluxDB: el motor de base de datos de series temporales más extendido en entornos IIoT. Grafana lee datos de InfluxDB con su lenguaje de consulta Flux de forma nativa, sin adaptadores.
- Alertas configurables: Grafana permite definir alertas sobre cualquier métrica — velocidad de línea por debajo del objetivo, tiempo de parada acumulado superando el umbral — y enviarlas por email, Telegram o Microsoft Teams.
- Acceso web sin cliente: cualquier usuario con credenciales accede al dashboard desde cualquier navegador, sin instalar software. Los responsables de producción pueden revisar el estado de la planta desde el móvil.
- Mantenimiento interno viable: la curva de aprendizaje de Grafana es razonable. El equipo de ingeniería del cliente puede crear y modificar paneles sin depender de Bluemation para cada cambio.
Arquitectura de la solución
La arquitectura se diseñó en cuatro capas bien diferenciadas:
Capa 1 — Adquisición de datos: OPC-UA desde los PLCs
Los PLCs Siemens S7-1500 tienen servidor OPC-UA integrado que se activa directamente desde TIA Portal sin modificar el programa de control. Configuramos los servidores OPC-UA en los tres PLCs, exponiendo las variables relevantes: contadores de producto bueno y desechado, estados de máquina (running, stopped, faulted), velocidad actual de línea, temperatura de sellado y alarmas activas.
Para la adquisición y el broker de datos utilizamos N3uron, una plataforma IIoT edge diseñada para entornos industriales. N3uron actúa como cliente OPC-UA de los tres PLCs, normaliza los datos (nombres de tags, unidades, escalados) y los publica en InfluxDB mediante el protocolo MQTT. La frecuencia de muestreo se configuró a 1 segundo para variables de proceso críticas (velocidad, estado) y a 10 segundos para variables de tendencia (temperatura, contadores acumulados).
Capa 2 — Almacenamiento: InfluxDB
InfluxDB es una base de datos diseñada específicamente para series temporales industriales: puede ingerir millones de puntos por segundo, comprimir datos históricos automáticamente y responder consultas de rangos temporales con latencias de milisegundos. Se instaló en un servidor Linux on-premise en la red OT del cliente.
Se definieron tres buckets (equivalentes a bases de datos) con retenciones diferentes: datos en tiempo real con retención de 7 días para consultas de alta resolución, datos downsampled a 1 minuto con retención de 1 año para análisis histórico, y datos downsampled a 1 hora con retención indefinida para tendencias a largo plazo. Las tareas de downsampling se automatizan en InfluxDB con Flux, sin intervención manual.
Capa 3 — Visualización: Grafana
Grafana se conecta a InfluxDB como datasource y sirve los dashboards en un servidor web accesible desde la red interna de la planta. Se desarrollaron cuatro dashboards principales:
- Dashboard de producción en tiempo real: panel principal para sala de control con el estado actual de las tres líneas, contadores de turno, velocidad actual vs objetivo y alarmas activas en rojo.
- Dashboard de OEE: cálculo automático del OEE desglosado en disponibilidad, rendimiento y calidad. Comparativa por turno, por línea y evolución semanal. Este dashboard sustituyó completamente los partes manuales.
- Dashboard de paradas: registro automático de todas las paradas con duración, estado de la máquina en el momento de la parada y histograma de causas más frecuentes (análisis Pareto de averías).
- Dashboard de tendencias de proceso: evolución histórica de temperatura de sellado, presión de empaque y velocidad de línea. Permite identificar derivas de proceso antes de que afecten a la calidad del producto.
Capa 4 — Alertas y notificaciones
Se configuraron alertas automáticas en Grafana para los eventos más críticos: OEE de turno por debajo del 70% (notificación al responsable de turno), parada de línea superior a 10 minutos (notificación al encargado de mantenimiento), temperatura de sellado fuera de rango (alarma inmediata al operario de línea). Las notificaciones se enviaron por email y por un canal de Microsoft Teams ya existente en la empresa.
Implementación: de cero a producción en 7 semanas
El proyecto se ejecutó en cinco fases con cronograma ajustado:
- Semana 1 — Análisis y mapeo de tags: inventario completo de variables disponibles en los tres PLCs, priorización con el equipo de producción y diseño del modelo de datos en InfluxDB.
- Semanas 2–3 — Infraestructura e integración: configuración de los servidores OPC-UA en TIA Portal, instalación de N3uron y InfluxDB, validación de la comunicación y del flujo completo de datos hasta la base de datos.
- Semanas 4–5 — Desarrollo de dashboards: construcción de los cuatro dashboards en Grafana con datos reales de producción. Iteraciones diarias con el equipo de producción para ajustar métricas, colores y disposición de paneles.
- Semana 6 — Alertas y pruebas: configuración del sistema de alertas, pruebas de carga y validación de la retención histórica. Verificación del cálculo de OEE frente a los partes manuales del periodo anterior.
- Semana 7 — Formación y arranque: formación de operarios, encargados de turno y responsable de mantenimiento. Arranque oficial con el cliente en modo supervisado durante 48 horas.
Resultados a los tres meses
El impacto fue medible desde las primeras semanas:
- +18% de mejora en OEE en la línea con mayor histórico de microparadas. La visibilidad en tiempo real permitió identificar que una envasadora concreta acumulaba el 40% de las paradas de su línea — dato imposible de detectar con los partes manuales semanales.
- Eliminación total de los partes manuales de turno. El tiempo que los encargados dedicaban a rellenar hojas de cálculo (estimado en 20-30 minutos por turno) se reasignó a tareas de mejora.
- Reducción del tiempo medio de diagnóstico de averías del orden del 35%, gracias al historial detallado de paradas con timestamps exactos y estado de las variables en el momento del fallo.
- Detección de una deriva de temperatura de sellado en la línea 2 que habría generado producto fuera de especificación. La alerta de Grafana llegó 8 minutos antes de que el operario lo habría detectado visualmente.
- Adopción completa por el equipo en menos de dos semanas. Los responsables de producción acceden al dashboard de OEE desde el móvil antes de entrar a planta cada mañana.
Coste de la solución vs alternativas
Una de las primeras preguntas del cliente fue la comparativa con un MES (Manufacturing Execution System) estándar. El análisis fue claro:
| Criterio | MES estándar | Grafana + InfluxDB + OPC-UA |
|---|---|---|
| Coste de licencias | Alto (por usuario o por módulo) | Mínimo (Grafana y InfluxDB OSS son gratuitos) |
| Tiempo de implantación | 3–12 meses | 6–10 semanas |
| Flexibilidad de dashboards | Media (plantillas predefinidas) | Muy alta (diseño libre por panel) |
| Mantenimiento interno | Depende del proveedor | Viable con formación básica |
| Funciones de gestión (órdenes, planificación) | Completas | No incluidas (solo monitorización) |
| Integración con PLCs existentes | Variable (conectores adicionales) | Directa vía OPC-UA |
Para empresas que necesitan monitorización y OEE en tiempo real — pero no gestión de órdenes de fabricación ni trazabilidad de lotes — la solución Grafana + InfluxDB + OPC-UA ofrece el 80% del valor de un MES a una fracción del coste y el tiempo.
Lecciones aprendidas
Este proyecto reforzó varias conclusiones que aplicamos en proyectos similares:
- El modelo de datos es lo más crítico. Definir bien los nombres de tags, las unidades y la frecuencia de muestreo desde el principio evita retrabajos costosos. Un tag mal nombrado en InfluxDB es difícil de corregir cuando hay semanas de histórico acumulado.
- Involucrar al equipo de producción desde el día 1. Los dashboards más útiles no los diseña el integrador — los diseña el encargado de turno que sabe qué necesita ver. Nuestro rol fue traducir esa necesidad a Grafana.
- El downsampling es imprescindible desde el inicio. A 1 segundo de frecuencia, tres líneas de producción generan millones de puntos al día. Sin una política de retención y downsampling definida desde el principio, el almacenamiento crece de forma incontrolada en pocas semanas.
- Las alertas son más valiosas que los dashboards. Un dashboard que nadie mira activamente no sirve de mucho. Una alerta que llega al móvil del encargado cuando algo va mal genera valor inmediato, aunque el usuario nunca abra Grafana.
Si tu planta tiene PLCs con datos que nadie está aprovechando y quieres tener visibilidad de producción en tiempo real sin adquirir un MES, cuéntanos tu caso. Hacemos una valoración sin compromiso y te mostramos cómo quedaría un dashboard piloto con tus propios datos.