Objetivo General
El objetivo principal del curso es capacitar a los participantes en el análisis de datos y técnicas de mantenimiento predictivo, equipándolos con las habilidades necesarias para aplicar estos conocimientos en un entorno profesional elearning sincrónico.
Descargar Ficha PDF CotizarObjetivos Específicos
Comprender los conceptos básicos del análisis de datos. Aprender a utilizar herramientas de análisis de datos. Desarrollar estrategias de mantenimiento predictivo efectivas. Implementar soluciones prácticas en entornos reales.Módulo 1 Introducción Al Análisis De Datos
Contenidos:Definición De Análisis De Datos.
Importancia En La Industria.
Herramientas Utilizadas Comúnmente.
Tendencias Actuales.
Actividad Práctica: Discusión Grupal Sobre Aplicaciones De Análisis De Datos En La Industria.
Módulo 2 Fundamentos De Estadística
Contenidos:Conceptos Básicos De Estadística.
Medidas De Tendencia Central.
Medidas De Dispersión.
Distribuciones De Probabilidad.
Actividad Práctica: Ejercicios De Cálculo Estadístico Utilizando Software.
Módulo 3 Introducción A La Programación En Python
Contenidos:Instalación Y Configuración De Entorno.
Sintaxis Básica De Python.
Estructuras De Control.
Funciones Y Bibliotecas.
Actividad Práctica: Desarrollar Un Script Básico De Análisis De Datos En Python.
Módulo 4 Manejo De Datos Con Pandas
Contenidos:Introducción A Pandas.
Manipulación De DataFrames.
Operaciones Básicas.
Filtrado Y Selección De Datos.
Actividad Práctica: Limpieza Y Manipulación De Un Conjunto De Datos Usando Pandas.
Módulo 5 Visualización De Datos Con Matplotlib Y Seaborn
Contenidos:Introducción A Matplotlib.
Creación De Gráficos Básicos.
Visualización Avanzada Con Seaborn.
Interpretación De Gráficos.
Actividad Práctica: Creación De Un Dashboard De Visualización De Datos.
Módulo 6 Introducción Al Aprendizaje Automático
Contenidos:Conceptos Básicos De Machine Learning.
Tipos De Aprendizaje.
Proceso De Modelado.
Herramientas Y Bibliotecas.
Actividad Práctica: Implementación De Un Modelo Simple De Clasificación.
Módulo 7 Modelos De Regresión
Contenidos:Regresión Lineal.
Regresión No Lineal.
Evaluación De Modelos.
Aplicaciones Prácticas.
Actividad Práctica: Construcción Y Evaluación De Un Modelo De Regresión.
Módulo 8 Modelos De Clasificación
Contenidos:Conceptos De Clasificación.
Árboles De Decisión.
Máquinas De Soporte Vectorial.
Redes Neuronales Básicas.
Actividad Práctica: Implementación De Un Modelo De Clasificación Con Datos Reales.
Módulo 9 Clusterización Y Análisis De Agrupamiento
Contenidos:Introducción A La Clusterización.
Métodos De Agrupamiento.
K-Means Y Otros Algoritmos.
Evaluación De Resultados.
Actividad Práctica: Análisis De Agrupamiento En Un Conjunto De Datos.
Módulo 10 Introducción Al Mantenimiento Predictivo
Contenidos:Conceptos Básicos De Mantenimiento Predictivo.
Importancia En La Industria.
Herramientas Y Técnicas Comunes.
Casos De Éxito.
Actividad Práctica: Identificación De Oportunidades Para Implementar Mantenimiento Predictivo.
Módulo 11 Técnicas Avanzadas De Análisis De Datos
Contenidos:Análisis Multivariado.
Análisis De Componentes Principales (PCA).
Análisis De Series Temporales.
Técnicas De Reducción De Dimensionalidad.
Actividad Práctica: Aplicación De Técnicas Avanzadas En Datos Industriales.
Módulo 12 Integración De Datos
Contenidos:Integración De Fuentes De Datos.
ETL (Extract, Transform, Load).
Calidad De Datos.
Herramientas De Integración.
Actividad Práctica: Proyecto De Integración De Datos Utilizando ETL.
Módulo 13 Análisis De Series Temporales
Contenidos:Conceptos Básicos De Series Temporales.
Modelos ARIMA.
Descomposición De Series Temporales.
Predicción Y Pronóstico.
Actividad Práctica: Análisis Y Predicción De Series Temporales.
Módulo 14 Análisis De Fallas En Equipos
Contenidos:Identificación De Fallas Comunes.
Técnicas De Diagnóstico.
Análisis Causa-Raíz.
Implementación De Soluciones.
Actividad Práctica: Estudio De Caso De Diagnóstico Y Reparación De Falla.
Módulo 15 Mantenimiento Predictivo Basado En Condición
Contenidos:Monitoreo De Condición.
Técnicas De Sensores.
Análisis De Datos De Condición.
Implementación En Plantas Industriales.
Actividad Práctica: Desarrollo De Un Plan De Mantenimiento Basado En Condición.
Módulo 16 Análisis Y Diagnóstico De Vibraciones
Contenidos:Fundamentos De Vibraciones Mecánicas.
Monitoreo Y Análisis De Vibraciones.
Diagnóstico De Desalineamientos Y Desbalanceos.
Herramientas De Análisis.
Actividad Práctica: Diagnóstico De Vibraciones En Un Equipo Simulado.
Módulo 17 Integración De IoT En Mantenimiento Predictivo
Contenidos:Introducción Al IoT.
Sensores Y Dispositivos IoT.
Recopilación Y Análisis De Datos IoT.
Aplicaciones En Mantenimiento.
Actividad Práctica: Proyecto De Integración De IoT En Un Sistema De Mantenimiento.
Módulo 18 Análisis De Aceites Y Lubricantes
Contenidos:Importancia Del Análisis De Aceites.
Técnicas De Análisis.
Interpretación De Resultados.
Mejores Prácticas.
Actividad Práctica: Realización De Un Análisis De Aceite En Un Laboratorio Simulado.
Módulo 19 Planificación Y Gestión De Mantenimiento Predictivo
Contenidos:Desarrollo De Planes De Mantenimiento.
Gestión De Recursos.
Evaluación De Resultados.
Mejora Continua.
Actividad Práctica: Elaboración De Un Plan De Mantenimiento Predictivo Para Un Caso Estudio.
Módulo 20 Análisis De Fallas Y Confiabilidad
Contenidos:Introducción A La Confiabilidad.
Análisis De Modos Y Efectos De Fallo (FMEA).
Curvas De Vida Útil.
Estrategias De Mitigación.
Actividad Práctica: Realización De Un Análisis FMEA Para Un Componente Crítico.
Módulo 21 Evaluación Y Mejora De Estrategias De Mantenimiento
Contenidos:Evaluación De Estrategias Actuales.
Identificación De Áreas De Mejora.
Diseño De Estrategias Innovadoras.
Implementación Y Seguimiento.
Actividad Práctica: Taller De Diseño De Estrategias De Mantenimiento Innovadoras.
Módulo 22 Uso De Big Data En Mantenimiento Predictivo
Contenidos:Conceptos De Big Data.
Herramientas Y Tecnologías.
Aplicaciones En Mantenimiento.
Análisis De Casos De Uso.
Actividad Práctica: Implementación De Un Proyecto De Big Data En Mantenimiento.
Módulo 23 Análisis De Datos No Estructurados
Contenidos:Definición Y Tipos De Datos No Estructurados.
Técnicas De Análisis.
Herramientas De Procesamiento.
Aplicaciones Prácticas.
Actividad Práctica: Proyecto De Análisis De Datos No Estructurados.
Módulo 24 Optimización De Procesos De Mantenimiento
Contenidos:Identificación De Cuellos De Botella.
Técnicas De Optimización.
Implementación De Mejoras.
Evaluación De Resultados.
Actividad Práctica: Simulación De Optimización En Un Proceso De Mantenimiento.
Módulo 25 Gestión Del Cambio En Mantenimiento Predictivo
Contenidos:Conceptos De Gestión Del Cambio.
Estrategias Para La Implementación.
Gestión De La Resistencia Al Cambio.
Evaluación Del Impacto.
Actividad Práctica: Taller De Gestión Del Cambio En Un Proyecto De Mantenimiento.
Módulo 26 Seguridad Y Normativas En Mantenimiento Predictivo
Contenidos:Normativas Internacionales.
Prácticas De Seguridad.
Evaluación De Riesgos.
Cumplimiento Legal.
Actividad Práctica: Evaluación De Cumplimiento Normativo En Un Caso De Estudio.
Módulo 27 Evaluación Del Rendimiento De Mantenimiento
Contenidos:Indicadores Clave De Rendimiento (KPI).
Herramientas De Evaluación.
Análisis De Resultados.
Mejora De Procesos.
Actividad Práctica: Creación De Un Cuadro De Mando Integral Para Evaluar El Rendimiento.
Módulo 28 Aspectos Económicos Del Mantenimiento Predictivo
Contenidos:Costos En Mantenimiento.
Retorno De Inversión (ROI).
Análisis De Costo-Beneficio.
Presupuestación Y Control.
Actividad Práctica: Elaboración De Un Informe De Costo-Beneficio Para Un Proyecto.
Evaluación final.