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.

Objetivos 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.