Programa de Especialización en Mantenimiento Predictivo 4.0
Costo
S/. 1990.00
Fecha
18/01/2023
Modalidad
Online - Hibrida
Duración
45 hrs. cronológicas
Acerca del Programa
La gestión eficaz del mantenimiento en las industrias es una preocupación importante para reducir los costos y garantizar el funcionamiento confiable de equipos/máquinas de alto valor. Con equipos modernos complejos y complicados y la presión del tiempo de producción, un enfoque de toma de decisiones basado en datos con soporte oportuno de datos relevantes es crucial para generar planes óptimos y un mantenimiento rentable.
Dirigido a
Este programa está dirigido para gerentes e ingenieros de operaciones y mantenimiento, gerentes e ingenieros de procesos, analistas de software, integradores de sistemas de máquinas, líneas o celdas, gerentes de proyectos y otros profesionales en todas las industrias donde existe la necesidad de un análisis del estado de la máquina, incluido ingeniería electrónica, aeroespacial, ingeniería marina, energías renovables.
Que habilidades desarrollaras
malla curricular
◉ Introducción del mantenimiento predictivo en la era de la Industria 4.0.
◉ Introducción a los conceptos fundamentales del análisis de datos.
◉ Identificar problemas en los datos y métodos de preparación de datos.
◉ Limpieza y preprocesamiento de datos
◉ Introducción a los sensores, tarjetas DAQ y protocolo MQTT
◉ Procesamiento de señales y extracción de características en el dominio del tiempo
◉ Caso práctico con Python: preprocesamiento de datos e ingeniería de funciones con datos recopilados de una máquina
◉ Estadística del mantenimiento (crear histogramas y distribuciones) curvas de densidad, probabilidades acumuladas con Python, realizar gráficas tipo scatterplot, barras, etc.
◉ Inferencia estadística (modelos de confiabilidad Weibull, normal, exponencial) con librerías de confiabilidad de Python.
◉ Comparación de modelos con indicadores AIC, BIC
◉ Técnicas de modelado de datos con aprendizaje automático.
◉ Modelos de regresión lineal simple y múltiple.
◉ Indicadores de comparación de modelos de regresión.
◉ Modelos de regresión no lineal
◉ Árboles de regresión.
◉ Técnicas de sobre muestreo y submuestreo para manejar datos desbalanceados
◉ Indicadores de comparación de modelos de clasificación
◉ Modelos no supervisados
◉ K-means para determinar perfil de activos
◉ PCA para reducir dimensiones
Salidas Profesionales
◉ Ingeniero de confiabilidad
◉ Jefe de Mantenimiento
◉ Planner Senior de Mantenimiento
◉ Analista predictivo
◉ Líder de Mantenimiento
◉ Superintendente de Mantenimiento