¿Por qué estudiar este curso?

Con este curso utilizarás la data de un PLC que adquiere señales de campo para utilizarlas como inputs de modelos predictivos, con dichos modelos podrás conocer con cierto margen de error aceptable, la probabilidad de que un activo falle, por lo tanto disminuir las paradas aleatorias no programadas impactando en los costos de mantenimiento y de producción, por ende dichos costos bajarán.
Podrás hacer programas y automatizar procesos utilizando simuladores como Factory IO, RSView, Studio 5000.

¿Qué lograré con este curso?

 

Desarrollar modelos predictivos con técnicas de Machine Learning, utilizando como inputs, señales provenientes de un PLC como sensores y actuadores de planta, para predecir la probabilidad de falla de los activos.

  • Profesionales del sector industrial (público o privado), con dominio básico de Python y conocimiento general de estadística, probabilidades y lógica binaria de PLC aplicado a la automatización de procesos.
  • Público general interesado en el análisis de grandes cantidades de datos de diferente naturaleza, con conocimiento previo de Python, Estadística y lógica binaria de PLC aplicado a la automatización de procesos.
  • Estudiantes o egresados de ciencias e ingeniería o de carreras afines relacionadas a procesos industriales de producción continua; quienes deben tener dominio básico de lenguajes de programación, matemáticas, estadística y probabilidades y lógica binaria de PLC aplicado a la automatización de procesos.
  1. Viernes 15 de marzo 07:00 p.m. a 10:00 p.m.
  2. Lunes 18 de marzo 07:00 p.m. a 10:00 p.m.
  3. Viernes 22 de marzo 07:00 p.m. a 10:00 p.m.
  4. Lunes 25 de marzo 07:00 p.m. a 10:00 p.m.
  5. Lunes 01 de abril 07:00 p.m. a 10:00 p.m.
  6. Viernes 05 de abril 07:00 p.m. a 10:00 p.m.
  7. Lunes 08 de abril 07:00 p.m. a 10:00 p.m.
  8. Viernes 12 de abril 07:00 p.m. a 10:00 p.m.
  9. Lunes 15 de abril 07:00 p.m. a 10:00 p.m.
  10. Viernes 19 de abril 07:00 p.m. a 10:00 p.m.
  11. Lunes 22 de abril 07:00 p.m. a 09:00 p.m.
  1. PLC como parte de una Cadena de Automatización y Control de Procesos
  2. Base de Datos del SCADA con Input del Modelo
  3. Programación de PLC Básico, Operaciones Boleanas: AND, OR, SET, RESET
  4. Modelos de Confiabilidad de Activos (Probabilidad de Falla – Weibull)
  5. Modelos de Regresión Lineal y No Lineal con Data del PLC
  6. Modelos de Aprendizaje Supervisado: Problemas de Clasificación con Data del PLC
  7. Evaluación de Modelos

Orlando Belli Hesse

Experiencia en operación y mantenimiento de industrias en los sectores energía, minas, petróleo y gas: Yllapu Energy del grupo Gloria, Minsur, Calidda (distribución de gas natural), COLP (licuefacción de gas natural), Maple Gas, Indox Cryo Energy (en Ecuador), entro otras. Experiencia brindando capacitaciones en Machine Learning y Analytics en los sectores retail e industrial.

Certificado:

  • Los participantes deberán aprobar la evaluación con una nota mínima de 11 (once) sobre 20 (veinte) y acreditar una asistencia al 75% de las horas de clase programadas.

Constancia de participación:

  • Se entregará una constancia de participación a quienes hayan asistido a un mínimo del 75% de las horas programadas y no alcancen la nota mínima aprobatoria.

S/ 1 050

Descuentos especiales:

  • Comunidad PUCP: S/ 945

Pronto pago hasta el 27 de febrero:

  • Público en general: S/ 1000
  • Comunidad PUCP: S/ 890
Yenifer Cotrina

¿Deseas recibir más información?

Déjanos tus datos.

Tus datos han sido enviados exitosamente. Muy pronto nos comunicaremos contigo.