Del sensor al comando

Plan de estudios

6 módulos (38 h) + proyecto final (4 h) = 42 horas

1. 01

   Módulo 01: Arquitectura de IoT industrial

   4 h

   Al terminar este módulo, entiendes la cadena completa de sensor a decisión y el vocabulario técnico para diseñar o auditar cualquier sistema de IoT industrial.

   • La cadena completa: sensor, edge, conectividad, almacenamiento, analítica e IA, visualización y acción, y qué se decide en cada eslabón
   • IoT industrial frente a IoT de consumo: por qué el entorno OT/SCADA exige otra latencia, confiabilidad y ciclo de vida
   • Panorama de protocolos: LoRa/LoRaWAN, MQTT, HTTP/REST y Modbus/CAN para entornos cableados
   • Caso guía de todo el curso: la arquitectura real de INDUXA (NiFi, Kafka, TimescaleDB, FastAPI, Flutter, Keycloak, Grafana) y los nodos desplegados en Somate Bajo (Sullana, Piura) y Bagua Grande (Amazonas)

   Entregable: primer boceto de arquitectura de tu propio caso de uso, con el diagrama de INDUXA como plantilla

2. 02

   Módulo 02: Comunicación de campo: SIM, LoRaWAN y control remoto

   5 h

   Al terminar este módulo, diseñas la capa de comunicación de un nodo de campo, incluido el envío de comandos remotos y no solo la recepción de datos.

   • Arquitectura LoRaWAN: dispositivo final, gateway, servidor de red y de aplicación; clases A, B y C y su efecto sobre la latencia de downlink
   • Conectividad SIM (4G): configuración de APN, consumo de datos y conmutación entre SIM y LoRaWAN
   • Uplink: diseño del payload de telemetría, qué enviar, cada cuánto y cómo comprimirlo
   • Downlink: lectura de estado remoto y envío de comandos para activar o desactivar módulos de campo, con acuse de recibo

   Taller: codificar y decodificar a mano un payload binario y uno JSON, y comparar cuánto ahorra cada formato en bytes, tiempo de aire y consumo de batería

   Entregable: script propio de codificación y decodificación de payload

3. 03

   Módulo 03: Microcontroladores, hardware y dimensionamiento energético

   5 h

   Al terminar este módulo, sabes elegir el microcontrolador correcto para tu nodo de campo y calcular la energía que necesita un nodo autónomo.

   • ESP32 (LoRa y wifi) para nodos de campo inalámbricos: cuándo es la opción correcta
   • Gateway de campo: Raspberry Pi 4 con módulo SIM7600 y acceso remoto por túnel SSH inverso
   • Hardware para campo: grado de protección IP, rango de temperatura, montaje y mantenimiento en zonas rurales
   • Dimensionamiento energético: consumo diario (Wh/día) por componente y autonomía objetivo
   • Selección de panel solar y batería según el consumo y las horas de sol pico (HSP) de la zona

   Taller: calcular la autonomía y la capacidad de batería de un caso propuesto, con una plantilla en Excel o Python lista para usar

   Entregable: tu hoja de cálculo de dimensionamiento solar, con tus propios números

4. 04

   Módulo 04: Ingesta y almacenamiento de Big Data

   9 h

   Al terminar este módulo, construyes un pipeline de datos de extremo a extremo capaz de recibir telemetría de campo en tiempo real y dejarla lista para analítica.

   • Ingesta en tiempo real con Apache NiFi: flujos, enrutamiento, transformación y backpressure
   • Apache Kafka como bus de eventos: tópicos, particiones y grupos de consumidores
   • Series de tiempo: TimescaleDB (hypertables) frente a InfluxDB, criterios reales para elegir
   • Modelado de datos industriales: esquemas para telemetría, eventos y comandos
   • Políticas de retención y downsampling para no acumular datos innecesarios
   • Control de acceso y multitenencia con Keycloak: realms, roles y OAuth2

   Taller: pipeline de NiFi a Kafka y a TimescaleDB con datos simulados de sensores de campo, sobre el entorno Docker del curso

   Entregable: tu pipeline de Kafka funcionando de punta a punta

5. 05

   Módulo 05: Machine learning e IA aplicada

   9 h

   Al terminar este módulo, pasas de datos de campo a un modelo de IA que genera una alerta o una decisión accionable.

   • Tipos de modelo según el problema: clasificación, series de tiempo (predicción de fallas) y detección de anomalías
   • Visión por computadora sin entrenar desde cero: modelo liviano preentrenado o inferencia vía API o en el edge
   • Del notebook al microservicio: servir un modelo con FastAPI (endpoints, batching, tiempos de respuesta)
   • Ciclo de vida del modelo: entrenamiento, validación, versionado y monitoreo de degradación (drift)
   • Cerrar el ciclo: cómo la predicción se convierte en un evento que acciona el backend
   • Casos aplicados: conteo y detección de plagas y aves, predicción de fallas de maquinaria

   Taller: conectar un modelo liviano preentrenado a un endpoint de FastAPI y disparar una alerta automática ante una detección

   Entregable: tu endpoint de FastAPI respondiendo con una alerta

6. 06

   Módulo 06: Dashboards, producto y modelo de negocio

   6 h

   Al terminar este módulo, conviertes la plataforma técnica en un producto vendible, con el dashboard correcto y un modelo de precios sostenible.

   • Diseño de dashboards operativos en Grafana: qué mostrar a un cliente no técnico y cómo definir alertas y umbrales
   • Modelos de negocio: SaaS, On-Premise o HaaS, y cuándo conviene cada uno

   Taller: cada participante diseña su miniproducto IoT (arquitectura, dashboard y cotización) y lo sustenta ante un panel

   Entregable: cotización formal de tu producto, con la plantilla DRAGO

7. PF

   Proyecto final

   4 h

   1 hora de asesoría (clase 13) y 3 horas de sustentación (clase 14). El tema se aprueba a más tardar en la semana 2, para que los módulos 4 y 5 se trabajen sobre el caso de uso que cada participante eligió.