SUMMARY
Existe una demanda creciente en la industria en distintas áreas para la recolección de variables relacionadas con las condiciones de los equipos de líneas de producción, como los motores eléctricos. Esta demanda ha aumentado debido al auge de la industria 4.0 y la transformación digital que las empresas están desplegando. Entendiendo que una plata típica tiene entre 6,000 a 12,000 equipos, seleccionar los equipos críticos para asignar una inversión en la instalación y puesta en marcha de sensores que midan las condiciones de operación es un desafío tanto operativo como de inversión. Es aquí es donde las tecnologías de IIoT (Industrial Internet of Things), cobran relevancia, ya que permiten mitigar costos tanto en no utilizar cableado para la recolección de datos, como en un despliegue mar rápido y flexible. El siguiente reto, es como monitorear, procesar, visualizar y analizar el gran volumen de datos (Big Data) que se generan. Por lo que en este trabajo se propone una arquitectura que aborde estos retos, como también que metodología puede ser usada para la integración de estos proyectos, y como cada día la industria demanda más aplicación de técnicas de Machine Learning.