Desarrollo de un equipo electrónico para el monitoreo y análisis predictivo de la cadena de frío en la industria alimentaria

• Autores: Bujaico Llacua, Harry Jhohan, Casimiro Cajas, Kimberly Yasmin
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/688109
• Enlace del recurso: http://hdl.handle.net/10757/688109
• Nivel de acceso: acceso abierto
• Materia: Cadena de Frío; Monitoreo IoT; Sensores Electrónicos; Análisis Predictivo; Inocuidad Alimentaria; Cold Chain; IoT Monitoring; Electronic Sensors; Predictive Analysis; Food Safety; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.01

La cadena de frío constituye un elemento crítico para garantizar la inocuidad, calidad y vida útil de los alimentos perecibles dentro de la industria alimentaria. Sin embargo, muchas empresas aún dependen de controles manuales que presentan limitaciones en trazabilidad, frecuencia de medición y capacidad para detectar desviaciones en tiempo real. En respuesta a esta problemática, el presente trabajo desarrolla un equipo electrónico multisensorial para el monitoreo continuo y el análisis predictivo de la cadena de frío, integrando sensores de temperatura (DS18B20), humedad relativa (SHT31) y dióxido de carbono (Telaire T6703), conectados a un microcontrolador ESP32 mediante arquitectura IoT. El sistema incorpora módulos de alimentación dual, encapsulados para operación en cámaras frigoríficas y un nodo central basado en Raspberry Pi, encargado del procesamiento, almacenamiento, visualización y gestión de alertas. Asimismo, se implementaron técnicas de filtrado digital (media móvil y desviación estándar móvil) y un modelo predictivo Random Forest para anticipar condiciones anómalas en el comportamiento térmico y ambiental de los equipos. El prototipo fue validado en condiciones reales de operación en la empresa alimentaria, obteniendo lecturas estables y una correcta detección de variaciones críticas. Los resultados evidencian que el sistema propuesto mejora la trazabilidad, reduce riesgos operativos y constituye una herramienta de apoyo para la toma de decisiones en la gestión de la cadena de frío.