Curso impartido por nuestro partner AIC – Automotive Intelligence Center
La irrupción continua de nuevas tecnologías, así como las condiciones continuamente cambiantes a las que cualquier proceso se enfrenta, son una oportunidad para que la gestión del mantenimiento apueste por un modelo de gestión avanzado donde el mantenimiento predictivo e incluso prescriptivo sean protagonistas y motores que no sólo velan por la disponibilidad de los activos sino que lo hacen velando por su salud y por maximizar su vida útil.
Lograrlo requiere que las organizaciones adopten las técnicas de mantenimiento adecuadas al comportamiento de sus activos y procesos, así como éstas sean embebidas en las tecnologías habilitadoras requeridas.
FECHAS:
30 de octubre, 6 y 13 de noviembre de 2024.
DURACIÓN: 3 días – 24 horas
OBJETIVO:
Los asistentes serán formados para adquirir las capacidades necesarias que les permitan adecuar y adoptar la/s técnica/s de mantenimiento predictivo más adecuada/s a su entorno en el ámbito del mantenimiento de medios en sus organizaciones.
DIRIGIDO A:
Responsables y técnicos relacionados con las áreas de Ingeniería de Mantenimiento y Gestión del Rendimiento Industrial. También de interés para Ingeniería de Procesos e Ingeniería de Producción.
CONTENIDO:
Condition Monitoring – 1ª sesión:
- Introducción al programa formativo. Objetivos y expectativas del público asistente.
- Los fundamentos de Condition Monitoring:
- Introducción a CM y su importancia en la gestión de activos.
- Principios de la monitorización del estado de los activos.
- Selección de parámetros de monitorizado y estrategias de muestreo.
- Interpretación de datos de monitoreo y detección de anomalías.
- Integración del CM en programas de mantenimiento predictivo.
- Las técnicas de Condition Monitoring:
- Análisis de vibraciones para la detección de fallos en maquinaria.
- Análisis de temperatura y termografía infrarroja en la monitorización de equipos
- Ultrasonidos y Emisión Acústica
- Análisis de lubricantes y análisis de aceite para la evaluación del desgaste y la contaminación.
- Monitorizado de corriente eléctrica y análisis de firma eléctrica para la identificación de problemas en motores y componentes eléctricos.
Datos, señales, diagnosis y prognosis – 2ª sesión:
- Análisis de datos y procesamiento de señales:
- Preprocesamiento de señales para análisis de datos.
- Análisis estadístico multivariante de señales.
- Extracción de características en el procesamiento de señales.
- Modelado y predicción de señales utilizando técnicas de aprendizaje automático.
- Análisis de correlación y causalidad en el contexto de señales y datos.
- Diagnosis y prognosis:
- Métodos de detección y clasificación de fallos.
- Modelado y simulación de sistemas para diagnóstico.
- Análisis de señales y procesamiento de datos en diagnóstico.
- Técnicas de pronóstico de vida útil y de fallos.
- Aplicación de algoritmos de aprendizaje automático en diagnóstico y pronóstico.
Sistemas CBM, IA y Big Data – 3ª sesión:
- Integración e Implantación de sistemas CBM:
- Diseño e integración de sistemas CBM.
- Selección de sensores para CBM.
- Integración de datos en sistemas CBM.
- Desarrollo de algoritmos de análisis para CBM.
- Implementación de CBM en infraestructuras críticas.
- Gestión estratégica del CBM, CM, PDM y PHM
- Planificación estratégica del CBM.
- Selección de técnicas de monitoreo de condición.
- Indicadores clave de rendimiento (KPIs) para CBM.
- Integración del CBM en el ciclo de vida de los activos.
- Mejora continua del CBM mediante análisis de datos.
- Inteligencia Artificial y Análisis Masivo de datos en el ámbito del mantenimiento:
- IA en Mantenimiento Industrial.
- Big Data analytics en Mantenimiento.
- Arquitecturas.
- Data analytics en Mantenimiento.
- Optimización de activos con IA.
- Convergencia OT/IT. Integración de datos en mantenimiento inteligente.
- Dudas y recomendaciones: ¿por dónde empiezo?
