Tecnologías novedosas que pueden incrementar la fiabilidad en el mantenimiento

Jorge Marcos-Acevedo; A. Pereira; C. Quintans-Graña; M. Díaz-Cacho; P. Mosquera-Rouco; R. Lastra 22 de julio de 2025

117

18

0

0

19 min. de lectura

Jorge Marcos-Acevedo, PhD.
Dpto. de Tecnología Electrónica
Universidad de Vigo. España

A. Pereira
Dpto. de Diseño en la Ingeniería
Universidad de Vigo. España

C. Quintans-Graña
Dpto. de Tecnología Electrónica
Universidad de Vigo. España

M. Díaz-Cacho
Dpto. de Ingeniería de Sistemas y Automática
Universidad de Vigo. España

P.  Mosquera-Rouco
Dpto. de Diseño en la Ingeniería
Universidad de Vigo. España

R. Lastra
Dpto. de Ingeniería Telemática.
Universidad de Vigo. España

ABSTRACT

La medida de variables físicas resulta fundamental para las tareas de diagnosis y prognosis en el mantenimiento. Actualmente se tiende a que estos sensores operen de forma autónoma, incorporando capacidades de procesado y de comunicaciones. Uno de los aspectos problemáticos, para su autonomía, es su alimentación eléctrica.

Por otra parte la tecnología actual permite la fabricación de determinadas piezas que son capaces de incorporar internamente circuitería electrónica que las haga capaces de realizar, además de la función mecánica propiamente dicha, alguna otra función de medida y procesado e interacción con el usuario, lo que las convierte en piezas inteligentes.

En este documento se muestran sistemas que permiten la alimentación de circuitos electrónicos cuando la ubicación de los mismos es remota o de difícil acceso, mediante técnicas de captación de energía residual (Harvestin Energy); piezas que incorporan módulos electrónicos integrados dentro de la propia pieza y se analiza algún sistema de comunicación adecuado para estos casos.

Palabras clave—Piezas inteligentes, Impresión 3D, Inyección de plástico, Energía residual (Energy Harventing), Comunicación inalámbrica

1. INTRODUCCIÓN

La fiabilidad en el mantenimiento está directamente relacionada con la captación de información de variables de mantenimiento, la transmisión y el tratamiento de dicha información, entre otros factores. Además, en la actualidad la tecnología nos permite la fabricación de piezas con circuitos microelectrónicos integrados en las mismas, lo que abre un amplio campo de aplicación para el desarrollo de piezas inteligentes, que además de realizar su función mecánica propiamente dicha, son capaces de monitorizar y transmitir información útil, entre otras aplicaciones, para el mantenimiento de la instalación de que forman parte.

En muchos casos puede ser necesario captar información en ubicaciones remotas o de mal acceso, por lo que en estos casos disponer de sistemas autoalimentados basados en técnicas de captación de Energía Residual (Harvesting Energy), puede ser una alternativa muy interesante.

Por otra parte el uso de tecnologías adecuadas de comunicación inalámbrica puede significar un hecho relevante a la hora de implantar un sistema avanzado de mantenimiento, especialmente con el Mantenimiento 4.0.

En este documento se muestran tres aspectos que pueden influir de forma importante en la fiabilidad de las actividades de mantenimiento, que son: Piezas inteligentes realizadas mediante impresión 3D (I3D) o inyección plástica, Captación de energía residual del ambiente (Harvesting Energy) y Sistemas de comunicación orientados al mantenimiento 4.0.

2. FABRICACIÓN DE PIEZAS INTELIGENTES

La utilización de la tecnología de impresión 3D o inyección plástica para la fabricación de piezas de repuesto constituye una línea de trabajo muy interesante, que ya ha sido analizada en otras ocasiones [1]. Una posible línea de trabajo que podría resultar novedosa, es la fabricación de piezas que lleven incorporados circuitos electrónicos de bajo consumo y bajo precio que permitan desarrollar piezas inteligentes, que no solamente realicen la función mecánica para la que están previstas, sino que además puedan captar y transmitir información de determinadas variables que sean de interés en las tareas de mantenimiento.

En este documento se presentan algunos desarrollos en esta línea, llevados a cabo en la Universidad de Vigo por investigadores de las Áreas de Fabricación, Automática y de Tecnología Electrónica. Los trabajos realizados consistieron en la fabricación de una pieza genérica que lleva incorporado un circuito electrónico. Para ello se hicieron pruebas con dos tecnologías distintas, I3D e inyección de material polimérico. En ambos casos el circuito electrónico embebido es un módulo basado en el microcontrolador de bajo coste ESP8266, Figura 1, que permite la comunicación y control remoto de las piezas inteligentes. Este microcontrolador lleva incorporado Wi-Fi, aun así, se debe tener en cuenta sus necesidades de alimentación y del mantenimiento de su cableado al fabricar dicha pieza, es decir, la necesidad de mantener el cableado en la pieza a fabricar. Esta integración entre el módulo electrónico y el material que envuelve el dispositivo ofrece una amplia gama de aplicaciones en múltiples sectores.

2.1. Fabricación por I3D

Las técnicas de prototipado rápido producen modelos físicos rápidamente mediante un proceso de adición o sustracción de capas de materiales como fotopolímeros, termoplásticos, resinas, polvos metálicos, etc., a partir de ficheros tridimensionales CAD previa transformación en ficheros bidimensionales (*.stl, o bien, otros formatos como .obj, 3mf). En este trabajo se ha utilizado el método embebido mediante fabricación aditiva por extrusión de material en poliamida (PA) [2], mediante los cinco pasos siguientes:

1. Definición de geometrías de placa embebida y de cápsula contenedora, realizada en plataforma CAD – PLM (Catia V5/6), Figuras 2 y 3.
2. Definición de interior de carcasa para poder insertar cuando se realice la extrusión. Figuras 4 y 5.
3. Obtención de archivo 3MF para ejecutar en laminador. Se importa el modelo en el laminador IdeaMaker de la firma Raise, como se puede observar en la Figura 6. En esta fase de deben seleccionar todos los parámetros de extrusión: Tipo de extrusor (extrusor de 0.4 mm de boquilla), Material de extrusión y de relleno (PA), Temperatura de extrusión (220 °C), Altura de capas (0.2 mm), Altura de capa inicial (0.25 mm), Tipo de relleno (Gyroide al 20%) y otros parámetros (enfriamiento, retraimiento, etc.).
4. Desarrollo en el laminador de la capa de corte, en la que se debe detener el programa con un M1, para poder insertar el módulo electrónico. Figura 7.
5. Modificación de código y envío a máquina Raise de prototipado. En la capa intermedia 23 simplemente se inserta un código de parada condicional M1. La Figura 8 muestra el resultado final.

Fig. 1. Módulo que incorpora el microcontrolador ESP8266

Fig. 2: Diseño carcasa

Fig. 3: Sección diseño carcasa

Fig. 4: Inserto de chip ESP8266

Fig. 5: Diseño de resultado

Fig. 6: Archivo 3MF

2.2. Fabricación por inyección de plástico

Mediante el uso de esta tecnología se pueden construir piezas, a bajo precio, con módulos electrónicos insertados dentro, que puedan trabajar en condiciones adversas, como por ejemplo en ambientes acuosos, con vibraciones, etc. En este apartado se muestra una pieza fabricada mediante inyección de plástico y con un módulo electrónico basado en el microcontrolador ESP8266, insertado.

Fig. 7: Hueco de inserción del módulo electrónico

Fig. 8: Pieza obtenida mediante I3D

El proceso de inyección supone la creación de un molde, con la forma de la pieza a fabricar, en el que se inserta el módulo electrónico y en el que se inyecta el plástico (Polipropileno) en estado líquido a 215ºC, experimentando con distintas presiones con objeto de estudiar el efecto en funcionamiento del microprocesador. El proceso de fabricación sigue un perfil de presión como el que se indica en la Figura 9. El proceso sigue las tres fases siguientes:

1. Llenado: El prolipropileno entra a una temperatura de 215ºC, la cual, es muy cercana al punto de fusión del estaño e impacta contra la superficie plástica del microprocesador con la presión seleccionada de inyección.
2. Compactación: La presión se mantiene para poder solventar los efectos de la contracción del material, a medida que este va enfriando. Es obvio que esta presión puede dañar los elementos del módulo electrónico.
3. Enfriamiento: Se produce un cambio de temperatura desde la temperatura de inyección hasta la temperatura ambiente (215ºC – 25ºC).

Fig. 9: Perfil de presión del proceso de inyección

Se realizaron cuatro tipos distintos de fabricación, con las condiciones que se indican en la tabla 1, en la que se pueden ver los resultados obtenidos. El proceso, a 215ºC resultó ser correcto para una presión de 60 bares. Para conseguir que el módulo electrónico soportase la presión del plástico en estado viscoelástico, se utilizó un inserto 3D para proteger dicho módulo, que demostró ser la solución adecuada. Para presiones de inyección superiores a 60 bares, el módulo electrónico no soporta el proceso y falla. La Figura 10 muestra el resultado final.

Tabla 1: Distintos tipos de fabricación

3. CAPTACIÓN ENERGÍA RESIDUAL DEL AMBIENTE

En algunas aplicaciones puede ser de interés la medida de distintas variables físicas mediante un sistema autoalimentado y basado en técnicas de captación de energía residual (Harvesting Energy). En los casos de ubicaciones remotas o lugares de difícil acceso, pueden ser adecuadas estas técnicas que facilitan las tareas de diagnosis y prognosis, para el mantenimiento 4.0. Existen diversas técnicas que permiten recolectar distintas formas de energía ambiental y posteriormente convertirla en energía eléctrica. El desarrollo de estas técnicas permite crear un sistema autónomo e independiente de la red eléctrica y de las baterías desechables [3], mediante la obtención de energía a partir de fuentes ambientales como la solar, térmica, electromagnética y mecánica. Estas energías están disponibles prácticamente en cualquier lugar, pueden ser naturales o artificiales y pueden considerarse ilimitadas [4]. En la Tabla 2 se muestran los tipos de energía comentados, con el rango de potencia que se puede captar con cada una de ellas. La Figura 11 se muestra el diagrama de bloques de un sistema de este tipo, autoalimentado por energía residual, que puede medir diversas variables físicas y enviar la información.

Fig. 10: ESP8266 con inyección a 60 bar

Tabla 2: Potencia de las distintas fuentes de energía medioambiental

Un sistema autónomo de este tipo dispone de un sistema de captación, acondicionamiento y almacenamiento de la energía captada del entorno y del propio sistema electrónico, que mide determinadas variables, procesa dicha información y la transmite a través del sistema electrónico correspondiente [5]. La primera parte se encarga de transformar la energía captada del entorno en energía eléctrica. Consiste en un circuito acondicionador que se encarga de adaptar la energía al voltaje y corriente requeridos para hacerla útil, además de un sistema de almacenamiento intermedio [6]. Se han probado baterías de ion-litio y supercondensadores como sistemas de almacenamiento [7]. En ambos casos se cargan durante un largo periodo de tiempo con una corriente muy débil y proporcionan la suficiente potencia instantánea, para que el sistema realice su función durante un corto periodo de tiempo.

Fig. 11: Diagrama de bloques del sistema

En este documento nos centraremos en la captación de energía térmica y mecánica, que se muestran en apartados sucesivos.

3.1. Energía Térmica

Esta opción se basa en la variación diaria que se produce en la temperatura ambiente en cualquier punto de la Tierra. Esta es la base para este tipo de generación de electricidad a partir de la variación térmica, mediante células Peltier. En nuestro caso el sistema consta de un pequeño tanque de agua aislado térmicamente, Figura 12. El tanque tiene una pequeña ventana en la que se ubican las celdas Peltier y a través de ellas pasa calor del ambiente al agua cuando la temperatura ambiente es superior a la temperatura del agua en el tanque y viceversa cuando la temperatura del agua es superior a la temperatura ambiente. Esto provoca un flujo de calor a través de las celdas Peltier, lo que da lugar a la generación de energía eléctrica proporcional al flujo de calor a través de las celdas. El sistema completo se describe en [8].

Fig. 12: Estructura del generador

3.2. Energía Mecánica

La energía mecánica se puede convertir en energía eléctrica aprovechando las vibraciones mecánicas que el propio ambiente provoca en dispositivos piezoeléctricos [9]. Existen multitud de dispositivos de este tipo en el mercado que trabajan a distintas frecuencias de oscilación, dependiendo de su constante de elasticidad y de la deformación máxima permitida. En nuestro caso se ha trabajado con el dispositivo PPA-1011, que permite una deformación máxima de 21 mm y tiene una constante de elasticidad de 267.45 N/m, Figura 13. Se debe poner una masa en el extremo opuesto al del anclaje del piezoeléctrico para asegurar un movimiento más prolongado para una misma vibración. Se han realizado diversas pruebas para colocar la masa adecuada para su funcionamiento óptimo y se ha decidido colocar una masa de 65 g, lo que proporciona una frecuencia de oscilación de 10 Hz.

4. SISTEMAS DE COMUNICACIÓN DE DATOS

El proceso de envío/recepción de datos de sensorización utilizando medios inalámbricos es uno de los procesos en el que más energía consumen los sistemas. Diversos estudios que compilan el consumo de este tipo de envíos, estiman unos costes energéticos de envío del orden de 10mW/bit en tecnologías WiFi [10], a menos de 2uW/bit en tecnologías LoRa [11].

Fig.13: Sistema de generación mecánica

La tecnología LoRA (del inglés Long Range) [12] está específicamente diseñada para la transmisión de datos de forma inalámbrica a distancias medias o largas (entre 2 y 40 km) en dispositivos operados mediante baterías. Ello implica dos características de transmisión fundamentales:

1. Un consumo muy bajo en el proceso de transmisión/recepción de datos del orden de 2μW/bit.
2. Una tasa de transmisión baja, entre 0.3kbits/seg y 50kbits/seg.

A nivel de arquitectura, LoRa tiene dos componentes fundamentales, i) los dispositivos LoRa del tipo sensores y/o actuadores (LoRa-Dev) y ii) la pasarela LoRa (LoRa-GW). Los dispositivos LoRa envían los datos empaquetados en mensajes hacia el LoRa-GW, que los recibe y los redirige hacia otras redes. El LoRa-GW sirve también de emisor de datos hacia los dispositivos, desde cualquier otro. La topología de la arquitectura LoRa es por tanto una topología en estrella, con el LoRa-GW como elemento central.

En [11] se estudió el consumo de la tecnología LoRA dependiendo de diversos factores, llegándose a resultados en algunos casos en torno a 2uJ/bit. Una comparación de ambas tecnologías en el aspecto energético se presenta en [13].

Una de las soluciones más interesantes a la hora de abordar el envío de datos utilizando fuentes de energía autónoma, son las técnicas Send-on-Delta (SoD), que

básicamente realizan el envío de un dato cuando la diferencia entre ese dato y el último dato enviado es superior a un valor llamado delta. La combinación del uso de fuentes de energía autónomas, técnicas de selección de datos tipo SoD y sistemas de transmisión inalámbricas de bajo consumo y bajo caudal como LoRA, puede aprovecharse para la implementación de soluciones completas de sensorización y transmisión de datos para paradigmas de Industria 4.0 o directamente sobre el paradigma del Mantenimiento 4.0, especialmente en entornos donde no fuese posible disponer de fuentes de energía convencionales y estables. La figura 14 presenta un esquema general de una solución.

Fig. 14: Esquema de un sensor autoalimentado

5. CASO DE APLICCIÓN: MANTENIMIENTO 4.0

La sensorización de datos con bajo consumo energético es especialmente interesante para el paradigma del Mantenimiento 4.0, sobre todo cuando el sistema que hay que mantener es un sistema biológico o ambiental o está en entornos donde no hay disponibles fuentes de alimentación convencionales.

El término Mantenimiento 4.0 utiliza las herramientas y los recursos de la Industria 4.0 para mejorar el proceso de mantenimiento industrial. Por un lado usa las capacidades de interconexión de datos actuales imbuidas en dispositivos sensores, actuadores o controladores, y por otro lado aprovecha las altas capacidades de procesamiento y de toma de decisiones de sistemas centrales para la identificación de tendencias y ayudar al mantenimiento predictivo. La figura 15 presenta una visión global del Mantenimiento 4.0 aplicado a entornos de baja disponibilidad energética, donde el sistema de control del mantenimiento está ubicado en los equipos cercanos que reciben los datos a través de la tecnología LoRA u otras de bajo consumo, donde se ubica también el dispositivo LoRA- GW, y de este centro (Edge Server) se envía a los sistemas de altas capacidades ubicados en centros de datos remotos.

Fig. 15: Mantenimiento 4.0

Los flujos de datos calientes, representados en la figura en rojo, son datos en tiempo real, recibidos en el LoRa-GW, y los flujos de datos fríos, representados en azul, son datos preprocesados para ser enviados a través de Internet hacia servidores de altas capacidades, para el procesamiento mediante técnicas de BigData o Inteligencia Artificial. El Mantenimiento 4.0 tiene 4 partes fundamentales:

1. Identificación de la arquitectura del sistema a mantener.
2. Identificación del tipo de mantenimiento, correctivo, preventivo y predictivo, en la planta, con el objetivo de seleccionar el tipo de algoritmos de decisión y de adquisición de datos.
3. Proceso de adquisición de datos (sensorización), selección de la fuente de energía necesaria (fuentes de alimentación), selección de los datos y transmisión de los mismos. Identificación de los flujos calientes y fríos de datos, y las herramientas de monitorización y procesado en el sistema de control.
4. Sistema de toma de decisiones de actuación basados en resultados de los procesos de análisis en remoto (BigData, Inteligencia Artificial, etc).

En paralelo, se consideran seis bloques funcionales en la arquitectura OSA-CBM (Open System Architecture for Condition- Based Maintenance) [14]: a) adquisición de datos, b) manipulación de datos, c) detección del estado, d) evaluación del estado, e) prognosis y f) generación de recomendaciones.

Los dos primeros bloques pueden implementarse tanto en el sensor inteligente autoalimentado como en la pasarela intermedia instalada en el servidor de borde (Edge Server), ya que básicamente es un sistema de control reactivo, que generaría alarmas o paradas de emergencia basadas en el monitoreo condicional mediante la comparación de datos con resultados esperados ya definidos. En los servidores de borde estaría también ubicado el LoRa-GW en el caso en que la tecnología de transmisión fuese la tecnología LoRa. La detección y estimación del estado, así como la prognosis, proyectan la situación futura de la planta basándose en la estimación de tendencias y experiencias previas, de forma que pueden implementarse en los Edge-Servers o en los Cloud-Servers. Finalmente, la creación de recomendaciones es una acción de alto nivel, que crea recomendaciones basándose en tendencias, históricos y experiencias con entornos similares y situaciones pasadas ya estudiadas, por lo que es una acción desarrollada exclusivamente en los Cloud- Servers.

Aparte de estos componentes y funciones existen otros aspectos fundamentales a tener en cuenta, como los retardos de transmisión y de toma de decisiones y la seguridad de las transmisiones. La incorporación de la seguridad en las transmisiones tiene consecuencias importantes en los sensores inteligentes debido a tres factores fundamentales:
a) el incremento del tamaño de los paquetes de datos
b) el incremento del tiempo de procesamiento de los datos
c) el proceso de asociación/autenticación si fuese necesario (por ejemplo, utilizando LDAP [15]).

No obstante, el problema del retardo y las acciones encaminadas al aumento de la seguridad de los datos tienen que considerarse de forma transversal. Este documento no aborda estas cuestiones.

Una topología completa de mantenimiento se presenta en [16], centrada en los principios de la Industria 4.0 desarrollando un enfoque inteligente y predictivo, basado en las capacidades de decisión de las herramientas de Big-Data e Inteligencia Artificial.

La topología planteada en este artículo y presentada en la figura 15, basada en la disponiblidad limitada de fuentes de energía que hacen que se utilicen sensores inteligentes y autosuficientes, también se presenta de forma similar en estudios basados en el mantenimiento de escenarios rurales, implementando el mantenimiento predictivo como una aplicación del Mantenimiento 4.0 y utilizando herramientas de código abierto [13].

Estas topologías se aprovechan de las capacidades de comunicación de los sensores IoT para el envío de los datos adquiridos, encapsulados en paquetes UDP/TCP/IP, directamente hacia un sistema de adquisición y procesamiento de datos ubicado en los Edge-Servers o Cloud- Servers. No obstante, el uso de tecnología LoRa no implica la adopción de la arquitectura de protocolos TCP/IP en las transmisiones entre los dispositivos LoRa y el LoRa-GW. En todos estos casos, el mantenimiento predictivo parece el más adecuado dado que el sistema está siendo continuamente monitorizado y la acción de mantenimiento se realiza si se detecta una tendencia anómala.

6. CONCLUSIONES

El trabajo aquí presentado se basa en desarrollos previos llevados a cabo en la Universidad de Vigo, que han permitido demostrar:

1. La posibilidad de generar energía eléctrica mediante células Peltier para alimentar pequeños consumidores, basándose en la conversión de la energía térmica ambiental en energía eléctrica.
2. La posibilidad de fabricar piezas mediante I3D o mediante inyección de plástico (estas con estanquidad), que permitan obtener piezas dotadas de capacidad para medir variables físicas y tratar la información obtenida.
3. La tecnología LoRa resulta ser muy adecuad para la comunicación en sistemas de Mantenimiento 4.0,

7. TRABAJOS FUTUROS

Realmente los desarrollos realizados, si bien presentan características novedosas que les pueden hacer atractivos para algunas aplicaciones, también presentan dudas respecto a cuestiones que en un futuro deberían ser analizadas. Entre las mismas cabe citar las siguientes:

1. Sería de interés cuantificar la pérdida de fiabilidad que puede ocurrir en el módulo electrónico como consecuencia del choque térmico al que se somete durante la fabricación de la pieza.
2. De igual forma sería interesante establecer procedimientos de fabricación que reduzcan el estrés térmico del módulo electrónico, comentado en el punto anterior.
3. Habría que analizar el efecto de la pérdida de características mecánicas de la pieza, como consecuencia de insertar internamente el módulo electrónico.
4. También sería interesante analizar otras estructuras con I3D que permitan reforzar la pieza de forma que sus características mecánicas se vean lo menos afectadas posibles.
5. La tecnología de I3D pueden ser muy adecuada para la fabricación de piezas de repuesto por el propio usuario de dichas piezas. En este sentido los desarrollos con esta tecnología pueden ser de aplicación bastante inmediata.
6. Sería interesante valorar la fabricación de piezas inteligentes autoalimentadas. Esto supondría la utilización de algún sistema interno que generase la energía eléctrica que consuma el circuito electrónico insertado. Podría ser el caso de una pieza sometida a vibraciones y que un sistema que captase la energía mecánica de la vibración, la pudiese transformar en energía eléctrica.

8. AGRADECIMIENTOS

Este trabajo ha sido apoyado por el Proyecto Europeo South Mediterranean Tunisian Maintenance Centre of Excellence/SM-TMC (Project No. 618718- EPP-1-2020-TN-EPPKA2-CBHE-JP).

9. REFERENCIAS

[1]. T.O. Rili, R. Lastra, M. Díaz-Cacho, A. Collazo, A. Pereira y J. Marcos. Aplicación de la fabricación aditiva en el área de fiabilidad y mantenimiento. Foro multisectorial de mantenimiento. AEM (Asociación Española de Mantenimiento). Madrid, España. 27- 28 Noviembre, 2021.

[2]. ISO/ASTM International ISO/ASTM 52900:2015(E). Standard Terminology for Additive Manufacturing – General Principles – Terminology. ASTM International 2015.

[3]. Meng-Lin Ku, Wei Li, Yan Chen, K. J. Ray Liu. Advances in Energy Harvesting Communications: Past, Present, and Future Challengues. IEEE Communications Surveys & Tutorials, vol. 18, no. 2, Nov. 2015.

[4]. P. Ming-Yan Fan, Oi-Ying Wong, Ming-Jie Chung, Tze-Yun Su, Xin Zhang, Po-Hung Chen. Energy Harvesting Techniques: Energy Sources, Power Management and Conversion. European Conference on Circuit Theory and Design (ECCTD), 2015, p.2.

[5]. Muhammad Ahmed Khan, Mauro Serpelloni, Emilio Sardini. Optimized power harvesting module for an autonomous sensor system implanted in a total knee prosthesis. IEEE International Instrumentation and Measurement Technology Conference (I2MTC), May. 2017.

[6]. C. Viehweger, M. Baldauf, T. Keutel, O. Kanoun. Hybrid energy harvesting for autonomous sensors in building automation. IEEE International Instrumentation and Measurement Technology Conference Proceedings, May. 2012.

[7]. C. Quintáns, R. Iglesias, A. Lago, J. Marcos, C. M. Peñalver. Methodology to obtain the Voltage- Dependent Parameters of a Fourth-Order Supercapacitor Model Whit the Transient Response to Current Pulses. IEEE Trans. On Power Electronics, vol. 32, no. 5, May. 2017.

[8].  C. Quintáns, J. Marcos-Acevedo, C. Martínez- Peñalver. Thermoelectric Energy Harvesting System Based on Water-Stored Energy and Daily Ambient Temperature Variations. IEEE Sensors Journal (Volume: 20, Issue: 23, Dec.1, 1 2020). DOI: 10.1109/JSEN.2020.2973452.

[9]. Heung Soo Kim, Joo-Hyong Kim, Jaehwan Kim. A Review of Piezoelectric Energy Harvesting Based on Vibration. International Journal of Precision Engineering and Manufacturing, Vol. 12, No. 6, pp. 1129-1141, Dec. 2011.

[10]. K. Gomez, R. Riggio, T. Rasheed and F. Granelli. Analysing the energy consumption behaviour of WiFi networks. 2011 IEEE Online Conference on Green Communications, 2011, pp. 98-104, doi: 10.1109/GreenCom.2011.6082515.

[11]. Bouguera, T., Diouris, J.-F., Chaillout, J.-J., Jaouadi, R., Andrieux, G. Energy Consumption Model for Sensor Nodes Based on LoRa and LoRaWAN. Sensors 2018, 18, 2104. https://doi.org/10.3390/s18072104

[12]. A. J. Wixted, P. Kinnaird, H. Larijani, A. Tait, A. Ahmadinia and N. Strachan. Evaluation of LoRa and LoRaWAN for wireless sensor networks. IEEE SENSORS, pp. 1-3, 2016.

[13]. G. Klimiashvili, C. Tapparello and W. Heinzelman. LoRa vs. WiFi Ad Hoc: A Performance Analysis and Comparison. 2020 International Conference on Computing, Networking and Communications (ICNC).

[14]. Lebold, Mitchell, et al. OSA-CBM architecture development with emphasis on XML implementations. Maintenance and Reliability Conference (MARCON). 2002.

[15]. N. N. N. Vithanage, S. S. H. Thanthrige, M. C. K. P. Kapuge, T. H. Malwenna, C. Liyanapathirana and J.

[16]. L. Wijekoon. A Secure Corroboration Protocol for Internet of Things (IoT) Devices Using MQTT Version 5 and LDAP. 2021 International Conference on Information Networking (ICOIN), 2021, pp. 837- 841, doi: 10.1109/ICOIN50884.2021.9333910.

[16]. A. Cachada et al. Maintenance 4.0: Intelligent and Predictive Maintenance System Architecture. 2018 IEEE 23rd International Conference on Emerging Technologies and Factory Automation (ETFA).