DiplomadoInteligencia artificial y datos
Inteligencia artificial para la ingeniería industrial y la manufactura
El diplomado Inteligencia artificial para la ingeniería industrial y la manufactura proporciona al estudiante herramientas de IA para la producción: analítica de OEE, control estadístico, mantenimiento predictivo, visión por computador para calidad, planeación y simulación con datos de planta. Le permite mejorar la productividad, la calidad y la disponibilidad de los equipos.
A quién va dirigido
Ingenieros industriales, técnicos y tecnólogos de producción, calidad o mantenimiento con manejo de Excel y estadística básica.
Objetivos
✓Comprender la pirámide de automatización industrial, el internet industrial de las cosas y el cálculo de la OEE con sus pérdidas.
✓Analizar datos de producción y de sensores con control estadístico de procesos, índices Cp y Cpk y detección de anomalías.
✓Aplicar modelos de clasificación de fallas con scikit-learn y detección de defectos con YOLO de Ultralytics.
✓Diseñar escenarios de programación y simulación de planta con Google OR-Tools, SimPy y el concepto de gemelo digital.
✓Evaluar el impacto técnico y económico de un prototipo de IA antes de integrarlo en la línea de producción.
Plan de estudios por sesión
1
Industria 4.0 y arquitectura de datos de plantaPirámide de automatización: sensores, PLC, SCADA, MES y ERP · Internet industrial de las cosas
2
Datos de máquina y eficiencia global de los equiposCaptura y limpieza de datos de máquina · OEE y sus pérdidas
3
Control estadístico y capacidad de procesosControl estadístico de procesos con Python · Capacidad de proceso Cp y Cpk
4
Causa raíz y anomalías en sensoresAnálisis de causa raíz con datos · Detección de anomalías en series de sensores
5
Confiabilidad y variables de condiciónEstrategias de mantenimiento y confiabilidad · Variables de condición: vibración, temperatura y corriente
6
Modelos de falla y vida útil remanenteModelos de clasificación de fallas con scikit-learn · Estimación de vida útil remanente
7
Preparación de datos visuales y detección de defectosCaptura y etiquetado de imágenes con Roboflow o Label Studio · Detección de defectos con YOLO de Ultralytics
8
Evaluación e integración de la inspección visualMétricas de precisión y exhaustividad · Integración en la línea de producción
9
Planeación y programación de la producciónPronóstico de demanda para el plan maestro · Programación de producción con Google OR-Tools
10
Simulación y gemelo digitalSimulación de eventos discretos con SimPy · Gemelo digital de una línea
11
Desarrollo del modelo para un problema de plantaSelección de un problema de planta · Desarrollo del modelo
12
Presentación del proyecto final: prototipo de IA con impacto económicoEstimación del impacto económico · Sustentación
Evaluación
Inicial30%Cálculo de la OEE y sus pérdidas con datos de máquina limpiados en Python; cuestionario sobre sensores, PLC, SCADA, MES y ERP.
Intermedio30%Carta de control y análisis de capacidad Cp y Cpk; modelo de clasificación de fallas con variables de vibración, temperatura y corriente.
Final40%Proyecto final: prototipo de IA para una línea de producción (mantenimiento predictivo, inspección visual o programación) con evaluación técnica, impacto económico estimado y sustentación.
Proyecto final
Prototipo de IA para una línea de producción (mantenimiento predictivo, inspección visual o programación) con evaluación técnica e impacto económico estimado.