What are you looking for?

Profesor Titular, Department of Civil and Environmental Engineering
Director, Center for Reliability Science and Engineering
University of California, Los Angeles (UCLA)

INTRODUCCIÓN

El curso está diseñado para presentar, discutir, y entrenar profesionales en las técnicas de análisis de aprendizaje de máquinas (Machine Learning)  y Big Data Analytics en mantenimiento y confiabilidad, y así permitir el desarrollo y análisis de soluciones predictivas para la detección, diagnóstico y pronóstico de fallas en activos físicos. El curso usa el ecosistema de herramientas llamado DataBruin: un ambiente de programación gráfica basado en web y de acceso abierto para el desarrollo de soluciones predictivas con base en aprendizaje de máquinas en confiabilidad y mantenimiento. En DataBruin, los procedimientos de preparación y análisis de la data, su visualización y la implementación de soluciones predictivas se hace de una manera intuitiva de arrastrar y soltar bloques, lo cual ofrece una plataforma rápida de creación de soluciones de confiabilidad y mantenimiento predictivo, y sin la necesidad de implementar código

DIRIGIDO A:

• Ingenieros e ingenieras con roles activos o interés en las áreas de integridad de equipos, confiabilidad y mantenimiento
• Es ideal para profesionales que buscan desarrollar sus competencias en Inteligencia Artificial, Big Data Analytics, y Digitalización, ya sea en el sector privado o público
• El curso está diseñado para atraer a aquellos en la industria que aspiran a innovar y optimizar procesos y activos físicos mediante el análisis de datos, aplicado a la confiabilidad, gestión y mantenimiento de activos

OBJETIVOS

• Entender la integración de IoT, Big Data, e Inteligencia Artificial en confiabilidad y mantenimiento
• Mejorar la toma de decisiones basada en datos, mediante la aplicación de Inteligencia Artificial y Big Data en el contexto de confiabilidad y mantenimiento
• Capacitar en el procesamiento y manejo eficiente de la data en contextos de mantenimiento y confiabilidad
• Desarrollar soluciones predictivas con base en Inteligencia Artificial (aprendizaje de máquinas)
• Interpretar las métricas que se usan en el desarrollo de soluciones predictivas en base en Inteligencia Artificial (aprendizaje de máquinas), así como también las métricas relacionadas con la calidad y rendimiento de la solución desarrollada

HABILIDADES A DESARROLLAR:

• Comprender los conceptos de identificación, diagnóstico y pronóstico de daños
• Comprender los conceptos de redes neuronales profundas
• Implementar redes neuronales profundas en problemas de análisis del estado de salud de activos físicos
• Aplicar las distintas metodologías para el procesamiento y la extracción de información en señales de vibración
• Diseñar, implementar y entrenar soluciones predictivas en base a redes neuronales profundas para solucionar problemas de diagnóstico de fallas