1. Objetivo del Curso Introducir a los participantes en el monitoreo de sistemas mecánicos, desde la definición de un sistema de monitoreo hasta la adquisición y procesamiento de datos, permitiéndoles utilizar herramientas de aprendizaje de máquinas para la detección, caracterización y pronóstico de fallas en activos físicos.

2. Público Objetivo • Ingenieros/as de confiabilidad • Ingenieros/as de monitoreo de condiciones • Ingenieros/as de mantenimiento

3. Perfil de Egreso Al finalizar el curso, los participantes podrán seleccionar métodos de monitoreo adecuados según modos de falla, procesar señales y extraer características relevantes, aplicar modelos de detección de anomalías y clasificación, comparar modelos en base a métricas objetivas e implementar modelos básicos de pronóstico de fallas y estimación de vida útil remanente (RUL) para apoyar decisiones de mantenimiento

MATERIALES Y EQUIPOS: No se requiere.

TEMARIO:

Unidad 1. Mantenimiento Predictivo Tradicional (4 horas) • Estrategias de mantenimiento • Principios del mantenimiento predictivo • Análisis de aceite, ultrasonido, termografía y vibraciones • Ejercicio práctico: identificación de fallas mediante vibraciones

Unidad 2. Adquisición de Datos y Extracción de Características (4 horas) • Selección de componentes críticos y variables físicas • Conversión análoga-digital • Parámetros en dominio temporal • Transformada de Fourier y métodos tiempo-frecuencia • Ejercicio práctico: procesamiento de señal real y extracción de características

Unidad 3. Métodos de Reducción de Dimensionalidad (3 horas) • Selección de parámetros • PCA, Kernel PCA, ADL • Ejercicio práctico: visualización y reducción de dimensionalidad

Unidad 4. Fundamentos de Aprendizaje de Máquinas (1 hora) • Tipos de algoritmos: detección de anomalías y/o novedades, clasificación, regresión y agrupamiento • Tipos de aprendizaje: aprendizaje supervisado, aprendizaje no-supervisado, aprendizaje semi-supervisado y aprendizaje por refuerzo • Evaluación de los algoritmos: métricas, sets de testeo, entrenamiento y evaluación

Unidad 5. Algoritmos de Detección de Anomalías y Novedades (6 horas) • Isolation Forest, LOF, One-Class SVM • Redes neuronales y autoencoders • Ejercicio práctico: detección de eventos anómalos

Unidad 6. Algoritmos de Clasificación (4 horas) • k-NN, Árboles de decisión, Random Forest, SVM • Redes neuronales • Validación cruzada y selección de hiperparámetros • Ejercicio práctico: clasificación de estados de salud

Unidad 7. Algoritmos de Agrupamiento (4 horas) • K-means, DBSCAN, Gaussian Mixture Models • Evaluación de clustering • Ejercicio práctico: identificación de patrones operacionales Unidad 8. Pronóstico de Fallas y Estimación de Vida Útil Remanente (4 horas) • Modelos de regresión para degradación • Introducción a series temporales • Concepto de RUL y métricas MAE/RMSE • Ejercicio práctico: predicción de tiempo a falla 5. Metodología El curso se desarrollará mediante clases expositivas breves combinadas con ejercicios prácticos guiados en cada unidad. Los participantes trabajarán con datos reales o simulados representativos de equipos mineros, utilizando notebooks en Python. La evaluación será continua y basada exclusivamente en los ejercicios prácticos desarrollados durante las sesiones.

IMPORTANTE: Para realizar este curso se requiere de un grupo de 7 a 15 personas. Para otro tipo de condiciones, por favor enviar un correo solicitando cotización formal a cursos@itecpro.cl o a nuestro whatsapp +56 9 71609163