La calidad de los datos en entornos de IoT y manufactura inteligente es esencial para optimizar flujos de trabajo, habilitar el mantenimiento predictivo y apoyar decisiones informadas. Sin embargo, los datos de los sensores presentan desafíos significativos debido a su naturaleza en tiempo real, diversidad de formatos y alta susceptibilidad a fallos como valores faltantes o inconsistencias. Asegurar datos de alta calidad en estos entornos es crucial para mantener la eficiencia operativa y la fiabilidad de los procesos. Este documento analiza algunas de las métricas de calidad de datos presentadas en la literatura, con un enfoque en adaptarlas al contexto de la Industria 4.0. Inicialmente, se presentan tres modelos para la clasificación de las dimensiones de la calidad de los datos, propuestos por diferentes autores, que agrupan dimensiones como precisión, completitud, consistencia y puntualidad en diferentes enfoques. A continuación, se adopta una metodología sistemática para evaluar las métricas relacionadas con estas dimensiones, utilizando siempre un escenario de monitoreo en tiempo real. Este enfoque combina umbrales dinámicos con datos históricos para evaluar la calidad de los flujos de datos entrantes y proporcionar información relevante. El análisis realizado no solo facilita el monitoreo continuo de la calidad de los datos, sino que también apoya la toma de decisiones informadas, ayudando a mejorar la eficiencia operativa en entornos de Industria 4.0. Finalmente, este documento presenta una tabla que resume las métricas seleccionadas, destacando las ventajas, desventajas y posibles escenarios de uso, y proporcionando una base práctica para la implementación en entornos reales.