El ROI del IIoT es la pregunta que hace todo director de planta antes de aprobar un proyecto de máquinas conectadas, y es la pregunta que la mayoría de las propuestas responden mal. Esta guía te da un marco práctico para cuantificar las mejoras en paradas, energía y calidad, enumerar con honestidad cada partida de coste y convertir el resultado en un periodo de retorno y un valor actual neto que puedas defender en una reunión de presupuesto. También tendrás un pequeño modelo en Python que puedes adaptar a tus propios datos.
Por qué se desmoronan la mayoría de los business cases de IIoT
Una propuesta de IoT industrial, ya sea para una planta de manufactura en Monterrey, una operación minera en Chile o una fábrica en Barcelona, suele morir por una de tres razones. Primera, los beneficios se escriben como adjetivos: "mejor visibilidad", "decisiones más inteligentes", "transformación digital". Finanzas no puede descontar un adjetivo. Segunda, los costes solo incluyen hardware y licencias de software, y el trabajo de integración, modelado de datos y gestión del cambio aparece más tarde como una sorpresa desagradable. Tercera, el proyecto intenta justificarse sobre toda la planta a la vez, así que nadie puede verificar las cifras hasta que el dinero ya se ha gastado.
La solución es vincular cada beneficio a una métrica operativa que ya midas (o que puedas empezar a medir con poco coste), a una línea base y a un mecanismo concreto que explique por qué los datos conectados cambian esa métrica. Si no puedes nombrar el mecanismo, deja ese beneficio fuera del caso. Una cifra más pequeña y creíble vale más que una grande y frágil.
La fórmula del ROI del IIoT
La aritmética es sencilla. La disciplina está en los datos de entrada.
Annual net benefit = (downtime savings + energy savings + quality savings + labour savings)
- annual running costs
Simple ROI (%) = (annual net benefit * years - one-time costs) / one-time costs * 100
Payback (months) = one-time costs / (annual net benefit / 12)
NPV = -one-time costs + sum over years of annual net benefit / (1 + discount rate)^year
Usa el retorno simple para captar la atención y el VAN para conseguir la aprobación. La mayoría de los equipos financieros tienen una tasa mínima de rentabilidad o un periodo de retorno máximo; pídelo antes de construir el modelo para conocer el objetivo.
Palancas de beneficio y cómo medirlas
Cada palanca de la tabla necesita una línea base, un mecanismo y una hipótesis de mejora conservadora. Pon las tres por escrito.
| Palanca | Métrica de línea base | Mecanismo que habilitan los datos conectados | Cómo valorarla |
|---|---|---|---|
| Paradas no planificadas | Horas de paradas no planificadas por máquina y año | Alertas de condición, diagnóstico de fallos más rápido, mantenimiento anticipado | Margen de contribución perdido por hora más horas extra y envíos urgentes |
| Microparadas y pérdidas de velocidad | Componente de rendimiento del OEE | Visibilidad de paradas cortas que nadie registra a mano | Unidades buenas adicionales por turno por margen por unidad |
| Energía | kWh por unidad producida, demanda punta | Detección de estado inactivo, detección de fugas de aire comprimido, desplazamiento de cargas | Tarifa por kWh más cargos por potencia |
| Chatarra y retrabajo | Tasa de chatarra, horas de retrabajo | Seguimiento de parámetros de proceso vinculado a los resultados de calidad | Coste de material más mano de obra más eliminación |
| Recogida manual de datos | Horas dedicadas a portapapeles y hojas de cálculo | Contadores, estados e informes automáticos | Coste horario cargado por horas liberadas |
| Fallos de calidad que llegan al cliente | Reclamaciones de clientes, coste de garantía | Trazabilidad de los datos de proceso por lote | Reclamaciones evitadas, a menudo valoradas como reducción de riesgo |
Valorar correctamente las paradas
El error más habitual es multiplicar las horas de parada por los ingresos por hora. Los ingresos no se pierden si la planta puede recuperar la producción más tarde con horas extra o capacidad ociosa. El valor honesto es el margen de contribución de la producción que realmente se pierde, más el coste de recuperar el resto (horas extra, transporte urgente, cambios de formato adicionales). En una máquina cuello de botella con restricciones, las horas perdidas suelen ser producción perdida. En una máquina con capacidad sobrante aguas abajo, el valor puede ser mucho menor.
Valorar correctamente la energía
El ahorro energético procede de dos fuentes: el consumo (kWh) y las puntas de demanda (kW), que muchas tarifas industriales facturan por separado. Un medidor conectado en cada carga importante te dice cuándo las máquinas están inactivas con motores, resistencias o compresores todavía en marcha. Valora solo el consumo en vacío que realmente puedas apagar y usa tu estructura tarifaria real en lugar de un precio medio.
Valorar correctamente la calidad
Las mejoras de calidad son reales, pero lentas de demostrar, porque necesitas suficientes lotes para separar la señal del ruido. Inclúyelas en el caso, pero plantéate ponerlas en una columna de "fase dos" que no sea necesaria para alcanzar el retorno. Así el caso principal se mantiene sólido.
El lado de los costes: todas las partidas
Un modelo de ROI del IIoT creíble enumera los costes que a quienes redactan propuestas les gusta olvidar.
- Sensores y retrofits. Pinzas de corriente, sensores de vibración, sondas de temperatura, medidores de energía, más el montaje y el cableado. Consulta nuestra guía sobre cómo hacer el retrofit de máquinas antiguas para IoT para ver las opciones habituales.
- Gateways edge. Hardware, armarios, fuentes de alimentación y repuestos. Aquí ocurre la conversión de protocolo desde Modbus, OPC UA o drivers de PLC.
- Trabajo de red. Switches, VLAN, reglas de firewall y posiblemente módems celulares para plantas remotas.
- Infraestructura de mensajería. El broker MQTT que conecta el edge con los consumidores. Un broker autoalojado tiene costes de servidor, parches, certificados y guardias; un broker MQTT gestionado convierte todo eso en una suscripción.
- Almacenamiento y visualización de datos. Historiador o base de datos de series temporales, dashboards, licencias y, si lo necesitas, un gemelo digital 3D de la línea.
- Integración y modelado de datos. Mapear los tags a una estructura de topics y unidades coherente. Con frecuencia es el mayor coste de ingeniería.
- Mano de obra interna. Ingenieros de OT, revisiones de seguridad de IT, operarios formados en las nuevas pantallas.
- Costes recurrentes. Suscripciones, datos móviles, contratos de soporte, sensores de reposición.
- Contingencia. Un porcentaje para imprevistos, sobre todo en la primera línea que conectes.
Dónde encajan los costes de mensajería
La mensajería rara vez es el mayor coste de un proyecto IIoT, pero es el que escala con cada máquina que añades, así que modélalo desde el principio. Tres cifras lo determinan: el número de conexiones simultáneas (una por gateway o dispositivo que habla MQTT), la tasa de mensajes y el tamaño de los mensajes.
Dos decisiones de diseño cambian mucho estas cifras. Publicar ante cambios en lugar de con un temporizador fijo, como se describe en nuestro artículo sobre el informe por excepción, reduce el volumen de mensajes para valores que cambian lentamente, como temperaturas y estados. Agregar muchos tags en una única conexión de gateway mantiene bajo el número de conexiones aunque el número de tags sea alto.
Con ConnectMQ puedes dimensionar el broker por plan en lugar de por servidores. El plan Serverless (Free) permite hasta 25 conexiones, QoS hasta 1 y mensajes de 256 KB, suficiente para una línea piloto. Serverless (Paid) lo amplía a 1.000 conexiones con QoS 2, mensajes de 1 MB y suscripciones compartidas, y Dedicated te da un clúster aislado cuando una planta lo necesita. Como los límites de cada plan son fijos, la partida de mensajería de tu modelo de ROI es una suscripción conocida y no una estimación de horas de servidor y tiempo de ingeniería. Si estás comparando opciones de alojamiento, nuestra introducción al broker MQTT en la nube explica las ventajas e inconvenientes.
Un modelo en Python que puedes adaptar
El siguiente script mantiene todas las hipótesis en un único diccionario para que puedas compartirlo con finanzas y cambiar los datos de entrada delante de ellos. Los valores son marcadores de posición ilustrativos, no benchmarks; sustituye cada uno por tus propios datos de línea base.
# iiot_roi.py - un modelo de ROI del IIoT transparente. Sustituye cada dato de entrada por tus propios datos.
inputs = {
# Paradas
"machines": 8,
"unplanned_downtime_hours_per_machine": 120, # línea base de los registros de mantenimiento
"downtime_reduction_pct": 0.15, # hipótesis conservadora
"margin_lost_per_downtime_hour": 400.0, # margen de contribución, no ingresos
# Energía
"idle_kwh_per_machine_per_year": 9000,
"idle_kwh_avoidable_pct": 0.30,
"energy_price_per_kwh": 0.18,
# Calidad
"scrap_cost_per_year": 60000.0,
"scrap_reduction_pct": 0.05,
# Mano de obra
"manual_reporting_hours_per_week": 10,
"loaded_labour_rate": 45.0,
# Costes
"one_time_costs": 85000.0, # sensores, gateways, integración, formación, contingencia
"annual_running_costs": 14000.0, # plan del broker, almacenamiento, dashboards, soporte
"years": 5,
"discount_rate": 0.10,
}
def annual_benefits(i):
downtime = (i["machines"] * i["unplanned_downtime_hours_per_machine"]
* i["downtime_reduction_pct"] * i["margin_lost_per_downtime_hour"])
energy = (i["machines"] * i["idle_kwh_per_machine_per_year"]
* i["idle_kwh_avoidable_pct"] * i["energy_price_per_kwh"])
quality = i["scrap_cost_per_year"] * i["scrap_reduction_pct"]
labour = i["manual_reporting_hours_per_week"] * 48 * i["loaded_labour_rate"]
return {"downtime": downtime, "energy": energy, "quality": quality, "labour": labour}
def evaluate(i):
b = annual_benefits(i)
gross = sum(b.values())
net = gross - i["annual_running_costs"]
payback_months = i["one_time_costs"] / (net / 12) if net > 0 else float("inf")
roi_pct = (net * i["years"] - i["one_time_costs"]) / i["one_time_costs"] * 100
npv = -i["one_time_costs"] + sum(net / (1 + i["discount_rate"]) ** y
for y in range(1, i["years"] + 1))
return b, gross, net, payback_months, roi_pct, npv
if __name__ == "__main__":
b, gross, net, payback, roi, npv = evaluate(inputs)
for k, v in b.items():
print(f"{k:>10}: {v:12,.0f} per year")
print(f"{'gross':>10}: {gross:12,.0f} per year")
print(f"{'net':>10}: {net:12,.0f} per year")
print(f"payback : {payback:8.1f} months")
print(f"ROI : {roi:8.1f} % over {inputs['years']} years")
print(f"NPV : {npv:12,.0f}")
# Sensibilidad: ¿y si cada mejora solo fuera la mitad de buena?
pessimistic = dict(inputs)
for key in ("downtime_reduction_pct", "idle_kwh_avoidable_pct", "scrap_reduction_pct"):
pessimistic[key] = inputs[key] / 2
*_, p_payback, p_roi, p_npv = evaluate(pessimistic)
print(f"pessimistic payback: {p_payback:.1f} months, NPV: {p_npv:,.0f}")
Ejecútalo con python iiot_roi.py. El bloque de sensibilidad del final importa más que la cifra principal: si el proyecto sigue amortizándose cuando cada mejora se reduce a la mitad, el caso es sólido. Si solo funciona en el escenario optimista, reduce el alcance o busca una palanca más fuerte.
Demuéstralo con un piloto antes de escalar
Una hoja de cálculo es una hipótesis. La forma más rápida de sustituir hipótesis por mediciones es un piloto de alcance acotado en una línea o en unas pocas máquinas, que dure lo suficiente para capturar un mix de producción representativo. Nuestra guía para hacer una prueba de concepto IIoT trata en detalle el alcance y los criterios de éxito.
Mantén el piloto barato y reversible:
- Elige la palanca con la línea base más clara, normalmente paradas o energía en un activo cuello de botella.
- Conecta los datos a través de un gateway edge que publique en un broker MQTT, con una estructura de topics que estarías dispuesto a mantener a escala.
- Usa un nivel gratuito de broker para el piloto para que la infraestructura no sea una cuestión de compras. Puedes prototipar el flujo de datos en el servidor MQTT público gratuito con datos de muestra no sensibles (nunca con datos de producción) y después pasar a credenciales privadas.
- Acuerda de antemano qué resultado cuenta como éxito y quién da el visto bueno.
- Registra las horas reales de integración. Es la cifra que más mejora tu estimación de costes para escalar.
Un publicador mínimo para el piloto puede ser tan sencillo como este, que envía el estado de una máquina a un topic único en el broker público:
mosquitto_pub -h broker.connectmq.com -p 1883 -i roi-pilot-7f3a \
-t "connectmq/demo/7f3a/line1/press1/state" \
-m '{"state":"running","kw":11.4,"ts":"2026-10-16T08:00:00Z"}' -q 1 -r
Cómo presentar el ROI del IIoT a finanzas
Cuando lleves el modelo a la reunión de presupuesto, estructúralo para que los revisores puedan cuestionar los datos de entrada y no la idea en su conjunto:
- Muestra la fuente de datos de línea base de cada dato de entrada.
- Separa los ahorros tangibles (energía, chatarra, horas extra) del valor intangible o estratégico (trazabilidad, decisiones más rápidas).
- Muestra el escenario pesimista junto al esperado.
- Indica qué queda fuera del alcance y qué añadiría una fase dos.
- Muestra el coste de escalado por máquina adicional, que suele ser muy inferior al coste del piloto porque la arquitectura, el broker y el modelo de topics ya existen.
Para el contexto arquitectónico más amplio, nuestro artículo de referencia sobre IoT industrial con MQTT explica cómo encajan gateways, brokers y consumidores, y el artículo sobre arquitectura IIoT profundiza en las capas.
Empieza con ConnectMQ
La parte más barata de un business case de IIoT debería ser la que puedes empezar hoy. Crea un broker en app.connectmq.com con el plan Serverless gratuito y sin tarjeta de crédito, conecta tu gateway piloto con el nombre de usuario, la contraseña y el client ID generados, y observa datos reales de las máquinas en el explorador de topics en vivo mientras tu modelo de ROI se llena de valores medidos. Cuando el piloto demuestre el caso, ConnectMQ escala con planes de pago y dedicados sin cambiar tu estructura de topics.
Preguntas frecuentes
¿Cuál es un buen periodo de retorno para un proyecto IIoT?
No hay una cifra universal; depende de la tasa mínima de rentabilidad de tu empresa y de su apetito de riesgo. Pide a finanzas su umbral antes de construir el modelo y muestra frente a él tanto el retorno esperado como el pesimista.
¿Debo usar ingresos o margen al valorar las paradas en el ROI del IIoT?
Usa el margen de contribución de la producción que realmente se pierde, más el coste de recuperar el resto. Los ingresos por hora sobrestiman el beneficio siempre que la planta pueda recuperar la producción más tarde.
¿Cuánto afectan los costes de mensajería MQTT al ROI del IIoT?
Normalmente son una partida pequeña frente a los sensores y la integración, pero escalan con cada dispositivo. Modela las conexiones, la tasa y el tamaño de los mensajes, y usa el informe por excepción para mantener bajo el volumen.
¿Puedo calcular el ROI del IIoT antes de instalar ningún sensor?
Puedes construir una hipótesis a partir de los registros de mantenimiento, las facturas de energía y los informes de chatarra, pero trátala como un punto de partida. Un piloto corto sustituye las hipótesis más débiles por datos medidos.
