Diseño e implementación de un sistema prototipo de clasificación basada en una banda transportadora omnidireccional para la selección de objetos mediante una plataforma IoT

• Autor: Sucasaire Quispe, Axel Washington
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/21997
• Enlace del recurso: https://hdl.handle.net/20.500.12773/21997
• Nivel de acceso: acceso abierto
• Materia: Banda transportadora omnidireccional; IoT; clasificación de objetos; https://purl.org/pe-repo/ocde/ford#2.02.01

El presente proyecto se centra en el diseño e implementación de un sistema prototipo de clasificación basada en una banda transportadora omnidireccional mediante Internet de las Cosas (IoT). El desarrollo contempló la modelación 3D en SolidWorks y la fabricación del prototipo mediante impresión 3D, corte láser y placas electrónicas de control, logrando un sistema capaz de transportar y direccionar objetos en múltiples direcciones mediante tecnologías de automatización y la implementación de algoritmos. El prototipo está conformado por una matriz de 12 celdas modulares, cada una integrada por 4 motores DC y 8 ruedas omnidireccionales, que en conjunto suman 48 motores DC y 96 ruedas distribuidos en una disposición 8×6. El control eléctrico se realizó mediante 6 expansores I²C (PCF8575) gobernados por un ESP32, el cual se comunica a través del protocolo MQTT con la plataforma IoT desarrollada en Node-RED y con base de datos en MongoDB, empleando el Broker Aedes. El sistema se complementa con un HMI/SCADA y transmisión en tiempo real mediante una ESP32-CAM. En el control de la banda se implementaron los algoritmos de Dijkstra y máquina de estados finitos (FSM), logrando una optimización del consumo energético del 46 % al reducir la cantidad de motores activos y el tiempo de encendido en ventanas temporizadas. La calibración de la balanza con el módulo HX711 (≤1 kg) arrojó un error cuadrático medio de 11.40 g (1.14 %). Las pruebas experimentales se realizaron con 57 muestras de frutos secos (maní, arándano y maíz), con pesos de referencia de 160 g, 210 g y 300 g, respectivamente. El sistema alcanzó un accuracy global del 88 %, mostrando mayor confiabilidad en la clasificación por peso que por color. Este trabajo constituye una herramienta didáctica, que fortalece la formación práctica en automatización industrial, IoT y algoritmos de clasificación, además de ofrecer una base escalable para su implementación en entornos industriales.