Análisis de Estado de Salud de Baterías para IoT

Monitorea tus dispositivos ESP32 en tiempo real. Rastrea ciclos de batería, analiza el estado de salud y gestiona tu flota IoT desde un solo dashboard.

Todo lo que necesitas para monitorear tus dispositivos IoT

Telemetría en Tiempo Real

Rastrea voltaje, corriente, temperatura y estado del dispositivo con actualizaciones en milisegundos vía MQTT.

Análisis SoH

Reportes automáticos de Estado de Salud para ciclos de batería con métricas detalladas y tendencias.

Gestión de Flota

Organiza dispositivos por organización con control de acceso basado en roles para equipos.

Actualizaciones OTA

Envía actualizaciones de firmware a toda tu flota de dispositivos de forma remota y segura.

Dashboard Potente para Análisis de Baterías

Embeddex
SoH Batería
94.2%
Ciclos
127
Temperatura
32.5C
Estado de Salud a lo Largo del Tiempo Últimos 30 días
ESP32-001 Online
Último análisis: hace 2h
ESP32-002 Analizando
Ciclo 45 en progreso

Monitoreo en tiempo real con análisis automático de Estado de Salud

Desarrollo de un sistema para el análisis del estado de salud (SoH) de las baterías de vehículos eléctricos

Descripción de la operación:

Desarrollo de un sistema de caracterización de celdas (analizador de SOH), integración IoT para adquisición y envío de datos, y desarrollo de plataforma cloud con modelos de Machine Learning para estimación del estado de salud y clasificación de celdas orientada a segunda vida y servicios de testeo a terceros.

Objetivos:

  1. Diseñar y construir un Analizador de SOH (hardware y firmware) capaz de ejecutar protocolos electroquímicos (EIS, curvas de carga/descarga, monitorización térmica) y transmitir los datos de forma segura a la plataforma.
  2. Desarrollar e implantar la plataforma backend y la interfaz de gestión para ingestión, almacenamiento, visualización y trazabilidad de los datos de ensayo.
  3. Generar un dataset etiquetado mediante ensayos controlados que sirva para entrenar y validar modelos de ML.
  4. Diseñar, entrenar y desplegar modelos de ML para estimación de SOH, clasificación automática de celdas y predicción de vida remanente, con criterios de validación y monitorización en producción.
  5. Validar la solución en condiciones operativas, alcanzando un nivel de rendimiento que permita la explotación comercial del servicio.
  6. Documentar procedimientos de ensayo, criterios de aceptación y preparar la oferta de servicio (manuales, actas de aceptación, formación).

Resultados Previstos:

  • Reducción del tiempo de intervención humana por ensayo, capacidad de análisis masivo con una máquina objetivo capaz de procesar lotes de 20–30 baterías de manera simultánea con un solo operario.
  • Tiempos de análisis por celda en el rango aproximado de 6–8 horas (con tiempo de conexión reducido a minutos).
  • Disponibilidad operativa elevada durante las fases de validación.

Inversión aprobada: 120.000€

Subvención concedida: 96.000€

Programa de Ayudas a la Transformación Digital

Cofinanciado por la Unión Europea Ministerio de Hacienda Fondos Europeos Junta de Extremadura
Junta de Extremadura - Consejería de Economía, Empleo y Transformación Digital