Inicio Programas, Certificaciones y Cursos

Data Driven Maintenance Engineer

Área: Mantenimiento | Sub Área: Gestión del Mantenimiento

Este Programa esta disponible en Modalidad:

Online

Matricularme Ahora

FECHAS DE INICIO

Online sincrónica: 26 Junio 2025

DURACIÓN:

10 meses

Objetivos

Al finalizar el programa estarás en la capacidad de:

Aplicar estrategias de mantenimiento basado en datos para mejorar la confiabilidad de activos industriales.
Utilizar Python y análisis estadístico para procesar datos operacionales en proyectos de mantenimiento.
Desarrollar modelos de Machine Learning para predecir fallas y optimizar el rendimiento de equipos.
Gestionar proyectos de mantenimiento predictivo con metodologías como CRISP-DM y enfoques ágiles.
Evaluar el impacto de las soluciones considerando factores éticos, legales y organizacionales en la industria.

Público Objetivo

El programa está dirigido a:

Ingenieros de mantenimiento, analistas de datos industriales y profesionales con experiencia en confiabilidad de activos, interesados en aplicar técnicas de Machine Learning y análisis estadístico con Python para optimizar procesos de mantenimiento predictivo en entornos industriales.

Prerrequisitos

Para llevar el programa es recomendable que el participante posea:

Alguna experiencia con análisis de datos y Machine Learning.
Para llevar el programa es recomendable que el participante posea:
Conocimientos básicos de mantenimiento industrial, estadística y probabilidad, además de fundamentos en programación (preferiblemente en Python).
Para llevar el programa es recomendable que el participante posea:

Estructura Curricular

Vista Previa

Curso Fundamentos del Mantenimiento Basado en Datos (12 horas cronológicas)

Conceptos preliminares de Mantenimiento basado en datos
Tecnologías y Estrategias de Innovación para el Mantenimiento Predictivo

Curso Estadística Aplicada para Machine Learning en Mantenimiento (15 horas cronológicas)

Estadística básica y machine learning
Probabilidad y distribuciones
Modelos estadísticos para Machine Learning
Machine learning en mantenimiento

Curso Programación en Python para Análisis de Datos en Mantenimiento (18 horas cronológicas)

Fundamentos de Python en Google Colab
Python para Ciencia de Datos en Google Colab
Análisis de Datos de Mantenimiento con Python en Google Colab

Curso Metodologías para Proyectos de Machine Learning en Mantenimiento (9 horas cronológicas)

CRISP-DM aplicado a Mantenimiento
CRISP-DM aplicado a Mantenimiento:
Gestión Ágil de Proyectos de Machine Learning
Evaluación y Medición del Impacto de Proyectos de ML en Mantenimiento

Curso Desarrollo y Aplicación de Modelos de Machine Learning para Mantenimiento (30 horas cronológicas)

Fundamentos de Machine Learning para Mantenimiento
Desarrollo de Modelos Predictivos
Implementación de Modelos en Entornos Industriales

Curso Implementación y Gestión de Proyectos de Mantenimiento Basado en Datos (12 horas cronológicas)

Estrategias de Implementación
Cambio cultural
Aspectos éticos y legales

Curso Desarrollo de Proyecto Aplicado (12 horas cronológicas)

Desarrollo y Presentación del Proyecto

¿Tienes dudas sobre algún aspecto del programa?

Registra tus datos para que un asesor especializado pueda ayudarte en todo lo que requieras.

No soy yo . [Limpiar Formulario]

Certificación

Certificación acumulativa de 108 PDHs (Professional Development Hours) acreditados por ASME
Certificación emitida por ASME en cada uno de los cursos. (*)
Certificación emitida por BSG Institute.

(*) Se otorga al finalizar el curso.

Solicitar Informacion

Expositores

Antonio Márquez

Colombia

Certificado como Profesional en Mantenimiento y Confiabilidad - CMRP por la Society for Maintenance and Reliability Professionals - SMRP. Certificado como Evaluador de Competencias Laborales por el SENA. Ingeniero Mecánico por la Universidad del Norte y Master en Ingeniería de Confiabilidad y Riesgo por la Universidad de las Palmas de Gran Canaria. Actualmente se desempeña como Consultor Líder en Strategy AM & PSM, liderando proyectos de confiabilidad, gestión de activos y seguridad de procesos en sectores como petróleo y energía. Cuenta con más de 20 años de experiencia en análisis de riesgos, RCA, RCM y estrategias de mantenimiento en empresas como Gran Tierra Energy y Ecopetrol.

Bruno Del Castillo

Perú

Master Cum Laude en Administración de empresas (MBA) por Centrum. Master en Filosofía en Administración de empresas (DBA) por Centrum Católica. Ingeniero Mecánico de profesión por la Pontificia Universidad Católica del Perú. Cuenta con certificaciones en Lean Six Sigma Black Belt y Maintenance & Reliability Professionals, Auditor Interno Sistemas Integrados de Gestión ISO, Certificación PMP, certificación en Lean Supply Management, Reliability Engineering Certification Course, entre otros. Actualmente se desempeña como gerente general en una empresa dedicada a la consultoría, proyectos CAPEX Y HVAC. Cuenta con amplia experiencia en calidad corporativa, operaciones, gestión de la calidad, producción, mantenimiento e ingeniería. Adicionalmente, ha ocupado cargos importantes como gerente de operaciones y calidad corporativa, gerente de ingeniería, mantenimiento y EHS (Environment, Health and Safety) y jefe de producción y mantenimiento.

JORGE PONCE

Perú

Certificado como Profesional en Mantenimiento y Confiabilidad - CMRP por la Society for Maintenance and Reliability Professionals – SMRP, Certified Six Sigma Black Belt acreditado por la American Society for Quality – ASQ. Magister en Administración Estratégica de Empresas por la Pontificia Universidad Católica del Perú – PUCP. Actualmente se desempeña como Jefe de Proyectos en Ferreycorp S.A.A. Cuenta con amplia experiencia liderando proyectos de Implementación y Mejora de Sistemas de Gestión de Mantenimiento, Administración de Inventarios, Construcción y Mejora de Procesos con metodología Six Sigma; experto en SAP PM y CM. Ha ocupado cargos importantes como Gerente de Proyecto en Crexus Consultores y Servicios S.A.C., Ingeniero de Planeamiento y Master User SAP en Compañía Minera Chinalco Perú; entre otros.

NOTA: No necesariamente todos los expositores mencionados participarán en el dictado del programa o sesiones webinar, asimismo se podrá contar con la participación de otros expositores adicionales a los mencionados.