Big Data Analytics en Confiabilidad y Mantenimiento

Curso

Big Data Analytics en Confiabilidad y Mantenimiento

Departamento de Ingeniería Mecánica
Inicio / Programas / Big Data Analytics en Confiabilidad y Mantenimiento

Curso Big Data Analytics en Confiabilidad y Mantenimiento

El curso busca formar profesionales con dominio en las técnicas de análisis de Big Data aplicados a la confiabilidad y mantenimiento de activos físicos que le permitan desarrollar y analizar modelos y algoritmos para la detección, diagnóstico y pronóstico de fallas.

Para lo anterior, los profesionales aprenderán a utilizar el software Deep Learning Hub (DLHub) que les permitirá implementar algoritmos avanzados de Aprendizaje Profundo mediante una plataforma de programación visual, que trabaja de forma simple, sin necesidad de tener conocimientos en programación.
 

Dirigido a

Profesionales de Ingeniería o ramas afines, vinculados al área de Gestión de Activos, Mantenimiento y Confiabilidad, que estén desempeñando cargos de gerentes, supervisores, profesionales del área de mantenimiento y operaciones de las diferentes empresas de la industria nacional. 
El curso no tiene ningún prerrequisito, diferente al conocimiento de la operación básica de un computador y manejo de herramientas de MS Office.
 

Objetivos

Al finalizar el curso el participante estará en capacidad de desarrollar y analizar modelos y algoritmos para la detección, diagnóstico y pronóstico de fallas

Conocerá las técnicas tradicionales de aprendizaje de máquinas y sus limitaciones, para hacer análisis de confiabilidad y mantenimiento.

Podrá implementar algoritmos mediante una plataforma de programación visual

Conocerá como utilizar redes neuronales para el análisis de datos y pronóstico de fallas en activos físicos.
 

Metodología

Los objetivos del curso se alcanzarán a través de una combinación de exposiciones magistrales con el estudio de casos prácticos haciendo uso de un software específico de libre acceso. Adicionalmente se harán ejercicios individuales en forma de taller.

Contenido

1) Técnicas tradicionales de aprendizaje de máquina para el análisis de confiabilidad y mantenimiento.
2) Limitaciones de las técnicas tradicionales de aprendizaje de máquina para problemas de Big Data.
3) Aprendizaje profundo de máquinas para problemas de Big Data en confiabilidad y mantenimiento.
4) Redes neuronales convolucionales profundas para el análisis de datos multi sensor.
5) Redes neuronales recurrentes para el pronóstico de fallas en activos físicos.

 

Profesores

Enrique López Droguett

Ingeniero Químico, con Maestría en Ingeniería Química de la Universidad Federal de Bahía en Brasil, Maestría en Ingeniería de la Confiabilidad de la Universidad de Maryland y Doctorado en Ingeniería de la Confiabilidad (Reliability Engineering) de la misma Universidad. Profesor asociado del Departamento de Ingeniería Mecánica de la Universidad de Chile, donde actualmente trabaja en cinco proyectos de investigación en el área de Confiabilidad. Ha realizado varias publicaciones en revistas Internacionales. Es profesor adjunto del Departamento de Ingeniería Mecánica de la Universidad de Maryland, College Park, USA.

Condiciones

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.

La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.