Api restful para la gestión del mantenimiento predictivo de bombas hidráulicas en la producción de crudo
Files
Date
2026-01
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
This project addresses the need to improve the maintenance management of hydraulic pumps in crude oil production, where operational and maintenance data are scattered across Excel files, isolated reports, and external platforms such as ABB, hindering historical analysis and decision-making. As a solution, a RESTful API tailored to maintenance requirements is designed and implemented, conceived as the backbone of an AI-based predictive maintenance system within the Technical University of Ambato. The methodology is structured in three phases: first, an analysis of the current data logging and usage process, identifying limitations in traceability, access, and the link between operating conditions and maintenance events; second, the design of the API's components, functions, and data model, defining functional and non-functional requirements, as well as key entities such as ingestions, raw measurements, clean measurements with preprocessing indicators, and characteristics; and third, implementation using FastAPI and PostgreSQL, integrating sources such as MQTT and OPC UA, and validating the system with real data exported from ABB. The results show a significant improvement in data centralization, quality, and availability, as well as optimized endpoints for bulk uploads and trend, dispersion, and histogram analytics modules with filters for quality, time, and variable. It is concluded that the developed API meets the stated objectives and provides a solid foundation for integration with predictive maintenance models in real-world industrial environments.
Description
El presente proyecto responde a la necesidad de mejorar la gestión del mantenimiento de bombas hidráulicas en la producción de crudo, donde los datos operativos y de mantenimiento se encuentran dispersos en archivos Excel, reportes aislados y plataformas externas como la plataforma ABB, dificultando el análisis histórico y la toma de decisiones. Como solución, se diseña e implementa una API RESTful orientada a los requerimientos del mantenimiento, concebida como columna vertebral de un sistema de mantenimiento predictivo basado en inteligencia artificial dentro de la Universidad Técnica de Ambato. La metodología se estructura en tres fases: primero, el análisis del proceso actual de registro y uso de datos, identificando limitaciones en trazabilidad, acceso y vinculación entre condiciones operativas y eventos de mantenimiento; segundo, el diseño de los componentes, funciones y modelo de datos de la API, definiendo requisitos funcionales y no funcionales, así como entidades clave como ingestas, mediciones crudas, mediciones limpias con indicador de preprocesamiento y características; tercero, la implementación con FastAPI y PostgreSQL, integrando fuentes como MQTT y OPC UA, y validando el sistema con datos reales exportados desde la plataforma ABB. Los resultados muestran una mejora significativa en la centralización, calidad y disponibilidad de los datos, además de endpoints optimizados para carga masiva y módulos de analítica de tendencias, dispersión e histogramas con filtros por calidad, tiempo y variable. Se concluye que la API desarrollada cumple los objetivos planteados y deja una base sólida para la integración con modelos de mantenimiento predictivo en entornos industriales reales.
Keywords
MONITOREO INDUSTRIAL, MANTENIMIENTO PREDICTIVO, OPC UA, MQTT, API REST.