Resumen: Los sistemas de monitoreo industrial, especialmente cuando se implementan en los entornos de la industria 4.0, están experimentando un cambio en el paradigma de las arquitecturas tradicionales basadas en reglas hasta los enfoques basados en datos que aprovechan el aprendizaje automático e inteligencia artificial. Este estudio presenta una comparación entre estas dos metodologías, analizando sus respectivas fortalezas, limitaciones y escenarios de aplicación, y propone un marco básico para evaluar sus propiedades clave. Los sistemas basados en reglas ofrecen una alta interpretabilidad, comportamiento determinista y facilidad de implementación en entornos estables, lo que los hace ideales para industrias reguladas y aplicaciones críticas de seguridad. Sin embargo, enfrentan desafíos con escalabilidad, adaptabilidad y rendimiento en contextos complejos o en evolución. Por el contrario, los sistemas basados en datos se destacan en la detección de anomalías ocultas, lo que permite el mantenimiento predictivo y la adaptación dinámica a las nuevas condiciones. A pesar de su alta precisión, estos modelos enfrentan desafíos relacionados con la disponibilidad de datos, la explicabilidad y la complejidad de la integración. El documento sugiere soluciones híbridas como una posible dirección prometedora, combinando la transparencia de la lógica basada en reglas con el poder analítico del aprendizaje automático. Nuestra hipótesis es que el futuro del monitoreo industrial se encuentra en sistemas inteligentes y sinérgicos que aprovechan tanto el conocimiento experto como las ideas basadas en datos. Este enfoque dual mejora la resiliencia, la eficiencia operativa y la confianza, allanando el camino para entornos industriales más inteligentes y más flexibles.
Publicado Originalme en export.arxiv.org El 21 de septiembre de 2025.
Ver Fuente Original
