Curso libreInteligencia artificial y datos
IA para el mantenimiento predictivo
El curso IA para el mantenimiento predictivo proporciona al estudiante las herramientas para preparar datos de sensores, predecir fallas con aprendizaje automático y convertir las predicciones en órdenes de trabajo priorizadas. Le sirve para reducir paradas no programadas y costos de reparación con un enfoque de gestión de activos alineado con ISO 13374 e ISO 55000.
A quién va dirigido
Ingenieros y técnicos de mantenimiento, analistas de confiabilidad y estudiantes de ingeniería con Python básico.
Objetivos
✓Comprender las estrategias de mantenimiento, el monitoreo de condición según ISO 13374 y los indicadores MTBF y MTTR.
✓Analizar señales de vibración, temperatura y corriente con ventanas deslizantes, variables estadísticas y transformada de Fourier.
✓Aplicar regresión, bosques aleatorios e Isolation Forest para estimar vida útil remanente y detectar anomalías con validación temporal.
✓Diseñar un plan de mantenimiento priorizado que integre las alertas del modelo al sistema de gestión de mantenimiento.
✓Evaluar el beneficio económico de las predicciones en el marco de la gestión de activos según ISO 55000.
Plan de estudios por sesión
1
Estrategias de mantenimiento y datosCorrectivo, preventivo, predictivo y basado en condición; monitoreo según ISO 13374 · Sensores, frecuencia de muestreo, almacenamiento e indicadores MTBF y MTTR
2
Preparación de señales de sensoresLimpieza y sincronización de series; ventanas deslizantes y variables estadísticas · Transformada de Fourier para vibraciones y conjunto C-MAPSS de la NASA como caso
3
Modelos predictivos de fallaVida útil remanente con regresión y bosques aleatorios; anomalías con Isolation Forest · Validación temporal de modelos y definición de umbrales de alerta
4
Presentación del proyecto final: modelo de vida útil remanentePriorización de órdenes de trabajo e integración con el sistema de gestión de mantenimiento · Gestión de activos según ISO 55000 y cálculo del beneficio económico
Evaluación
Inicial30%Diagnóstico de la estrategia de mantenimiento de un equipo con indicadores MTBF y MTTR y mapa de sensores.
Intermedio30%Taller de preparación de señales del conjunto C-MAPSS y modelo de detección de anomalías con Isolation Forest.
Final40%Proyecto final: modelo de vida útil remanente con tablero de alertas y plan de mantenimiento priorizado, con sustentación.
Proyecto final
Modelo de vida útil remanente sobre datos de sensores con tablero de alertas y plan de mantenimiento priorizado.