Máster en Ingeniería de Mantenimiento Predictivo para Robots & Celdas
Máster online de 1900 h: 12 módulos y 120 submódulos, de «Robótica industrial y sus fallos» a «Trabajo Fin de Máster», pasando por «Pronóstico de vida útil remanente».
Mapa del programa · pulsa un módulo
Módulo 1 · Robótica industrial y sus fallos
1900 hDuración total
12Módulos
120Submódulos
OnlineModalidad
Competencias y resultados
6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.
Robótica industrial y sus fallos
Saldrás manejando arquitectura mecánica de robots articulados, reductores armónicos y cicloidales y servomotores, encoders y frenos. Es lo que se trabaja en «Robótica industrial y sus fallos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Procesamiento de señales para diagnóstico
Saldrás manejando análisis espectral con FFT, ventaneo, resolución y fugas espectrales y análisis de envolvente para rodamientos. Es lo que se trabaja en «Procesamiento de señales para diagnóstico», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Modelos físicos y gemelos de robots
Saldrás manejando modelo dinámico de manipuladores, identificación de parámetros de fricción y modelos de rigidez y backlash. Es lo que se trabaja en «Modelos físicos y gemelos de robots», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Pronóstico de vida útil remanente
Saldrás manejando indicadores de salud y su construcción, modelos de degradación estocásticos y procesos de Wiener y gamma. Es lo que se trabaja en «Pronóstico de vida útil remanente», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Mantenimiento de celdas completas
Saldrás manejando celdas de soldadura por puntos y arco, celdas de pintura y sus particularidades y celdas de paletizado y manipulación. Es lo que se trabaja en «Mantenimiento de celdas completas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Implantación industrial
Saldrás manejando pilotos y escalado del mantenimiento predictivo, selección de robots y celdas piloto y gestión del cambio con técnicos de mantenimiento. Es lo que se trabaja en «Implantación industrial», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Comprender los mecanismos de fallo de robots y celdas robotizadas.
02Diseñar sistemas de adquisición de datos para diagnóstico de robots.
03Aplicar técnicas de procesamiento de señales a componentes robóticos.
04Desarrollar modelos de detección de anomalías sobre datos de controladores.
05Estimar la vida útil remanente de reductores y accionamientos.
06Desplegar soluciones predictivas integradas con la GMAO.
07Evaluar el retorno económico de programas predictivos en robótica.
Plan de estudios
12 módulos, 120 submódulos, 1900 h. Elige un módulo y ves su contenido completo.
1 de 12 módulos abiertos
Módulo 1 de 12 · 10 submódulos
Robótica industrial y sus fallos
1.1Arquitectura mecánica de robots articulados
1.2Reductores armónicos y cicloidales
1.3Servomotores, encoders y frenos
1.4Controladores y armarios de robot
1.5Cableado, dress packs y fatiga de mangueras
1.6Celdas robotizadas: periféricos y utillajes
1.7Modos de fallo típicos de robots industriales
1.8Mantenimiento preventivo recomendado por fabricantes
1.9Seguridad en intervenciones según ISO 10218
1.10Caso práctico: histórico de paradas de una celda de soldadura
Módulo 2 de 12 · 10 submódulos
Adquisición de datos en celdas
2.1Señales internas del controlador del robot
2.2Par motor, corriente y error de seguimiento
2.3Sensores externos de vibración y temperatura
2.4Protocolos OPC UA y Companion Specification para robótica
2.5MQTT y arquitecturas edge
2.6Frecuencias de muestreo y sincronización
2.7Contextualización con programa y ciclo
2.8Almacenamiento en bases de datos de series temporales
2.9Calidad de datos y etiquetado de eventos
2.10Laboratorio: captura de par de ejes vía OPC UA
Módulo 3 de 12 · 10 submódulos
Procesamiento de señales para diagnóstico
3.1Análisis espectral con FFT
3.2Ventaneo, resolución y fugas espectrales
3.3Análisis de envolvente para rodamientos
3.4Análisis de orden en ejes de velocidad variable
3.5Transformada wavelet y tiempo-frecuencia
3.6Indicadores estadísticos: RMS, curtosis y factor de cresta
3.7Filtrado y eliminación de tendencias
3.8Normalización por trayectoria y carga
3.9Extracción de características por ciclo
3.10Práctica: detección de holgura en reductor
Módulo 4 de 12 · 10 submódulos
Diagnóstico de componentes robóticos
4.1Desgaste de reductores y pérdida de rigidez
4.2Degradación de lubricante en reductores
4.3Fallos de rodamientos en ejes
4.4Deriva y fallos de encoders
4.5Degradación de frenos de motor
4.6Fallos de cables y conectores por flexión
4.7Desgaste de pinzas, ventosas y cambiadores
4.8Problemas en antorchas y cabezales de proceso
4.9Diagnóstico de servoaccionamientos
4.10Taller: matriz síntoma-causa para un robot de 6 ejes
Módulo 5 de 12 · 10 submódulos
Modelos físicos y gemelos de robots
5.1Modelo dinámico de manipuladores
5.2Identificación de parámetros de fricción
5.3Modelos de rigidez y backlash
5.4Residuos entre modelo y medida
5.5Gemelo digital de la celda
5.6Simulación de trayectorias y cargas
5.7Detección basada en observadores
5.8Modelos híbridos físico-datos
5.9Validación del gemelo con datos reales
5.10Laboratorio: identificación de fricción en un eje
Módulo 6 de 12 · 10 submódulos
Detección de anomalías
6.1Línea base de comportamiento normal
6.2Control estadístico multivariante T² de Hotelling
6.3Análisis de componentes principales
6.4Isolation Forest y One-Class SVM
6.5Autoencoders para señales de par
6.6Umbrales adaptativos y falsos positivos
6.7Detección por ciclo frente a detección continua
6.8Explicabilidad de alarmas
6.9Evaluación con datos desbalanceados
6.10Práctica: autoencoder sobre ciclos de pick and place
Módulo 7 de 12 · 10 submódulos
Pronóstico de vida útil remanente
7.1Indicadores de salud y su construcción
7.2Modelos de degradación estocásticos
7.3Procesos de Wiener y gamma
7.4Filtros de partículas para pronóstico
7.5Redes LSTM para RUL
7.6Incertidumbre en el pronóstico
7.7Métricas de evaluación de prognosis
7.8Conjuntos de datos de referencia en prognosis
7.9Transferencia entre robots similares
7.10Laboratorio: estimación de RUL de un reductor
Módulo 8 de 12 · 10 submódulos
Plataformas y arquitectura de despliegue
8.1Arquitectura de referencia RAMI 4.0
8.2Edge, fog y nube en mantenimiento predictivo
8.3Servicios predictivos de fabricantes de robots
8.4Orquestación de modelos en planta
8.5Integración con GMAO y órdenes automáticas
8.6Cuadros de mando de salud de flota
8.7Ciberseguridad según IEC 62443
8.8Gestión del ciclo de vida de modelos
8.9Escalado a múltiples plantas
8.10Taller: pipeline edge-nube para una flota de robots
Módulo 9 de 12 · 10 submódulos
Mantenimiento de celdas completas
9.1Celdas de soldadura por puntos y arco
9.2Celdas de pintura y sus particularidades
9.3Celdas de paletizado y manipulación
9.4Robots colaborativos según ISO/TS 15066
9.5AGV y AMR integrados en celdas
9.6Visión artificial y su degradación
9.7Periféricos neumáticos y transportadores
9.8Disponibilidad de la celda como sistema
9.9Gestión de repuestos críticos de robots
9.10Caso práctico: plan predictivo de una celda de pintura
Módulo 10 de 12 · 10 submódulos
Decisión y planificación predictiva
10.1Del pronóstico a la orden de trabajo
10.2Planificación basada en riesgo
10.3Ventanas de producción y paradas programadas
10.4Coste de falsos positivos y negativos
10.5Optimización de intervenciones en flota
10.6Priorización por criticidad del activo
10.7Feedback del técnico y reetiquetado
10.8Retorno de inversión del predictivo
10.9Contratos de servicio basados en disponibilidad
10.10Práctica: calendario óptimo de intervenciones
Módulo 11 de 12 · 10 submódulos
Implantación industrial
11.1Pilotos y escalado del mantenimiento predictivo
11.2Selección de robots y celdas piloto
11.3Gestión del cambio con técnicos de mantenimiento
11.4Formación y nuevos roles
11.5Indicadores de éxito del programa
11.6Normativa de máquinas y responsabilidad
11.7Gobernanza de datos de planta
11.8Casos de éxito en automoción y logística
11.9Lecciones aprendidas y riesgos de implantación
11.10Caso práctico: business case de un programa predictivo
Módulo 12 de 12 · 10 submódulos
Trabajo Fin de Máster
12.1Definición del robot o celda de estudio
12.2Plan de adquisición de datos
12.3Análisis exploratorio y etiquetado
12.4Desarrollo de indicadores de salud
12.5Modelo de detección y pronóstico
12.6Arquitectura de despliegue propuesta
12.7Validación técnica y económica
12.8Conclusiones y líneas futuras
12.9Memoria del TFM
12.10Defensa ante tribunal
¿Cuánto me va a llevar?
Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 1900 h del programa.
—meses a ese ritmo
—semanas por módulo
—frente a los 1900 horas · 12 a 18 meses previstos
¿Qué nivel tienes ya?
Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.
Controladores y armarios de robot
Módulo 1 · Robótica industrial y sus fallos
Análisis espectral con FFT
Módulo 3 · Procesamiento de señales para diagnóstico
Modelos híbridos físico-datos
Módulo 5 · Modelos físicos y gemelos de robots
Redes LSTM para RUL
Módulo 7 · Pronóstico de vida útil remanente
Celdas de pintura y sus particularidades
Módulo 9 · Mantenimiento de celdas completas
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO 13374-1ISO 17359ISO 10218-1ISO 13381-1IEC 62443-3-3ISO/TS 15066IEC 63278-1ISO 20816-1
Cuerpo docente y expertos
Este programa se imparte en el área de Robótica, Automatización & Control, que dirige Prof. Kenji Takahashi. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.
Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
3Eliges modalidad de pago y reservas tu plazaPago único con descuento o entrada más cuotas mensuales. La matrícula de esta semana cierra el 27-11-2026.
¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Robótica, Automatización & Control?
¿Puedes mantener un ritmo de estudio constante durante 1900 horas · 12 a 18 meses?
Responde las tres y te decimos por dónde seguir.
Requisitos de acceso
·Titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional acreditable equivalente.
·Conexión a internet y un ordenador capaz de ejecutar el software del programa.
·Nivel de español suficiente para seguir lectura de normativa técnica.
Cómo se estudia
Formación 100 % online en el campus de SEIUM, con material descargable, clases grabadas y tutor técnico asignado. Sin horarios fijos: el alumno avanza a su ritmo dentro de la convocatoria, lo que permite compatibilizarlo con el trabajo.
Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. El software de trabajo es MATLAB Predictive Maintenance Toolbox, Python con scikit-learn y PyTorch, InfluxDB, Node-RED, ROS 2, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de monitorización de par y corriente en robots articulados, detección temprana de desgaste en reductores, pronóstico de vida útil en celdas robotizadas. La evaluación es continua por módulo más el TFM final.
Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «Robótica industrial y sus fallos» y cierra con «Trabajo Fin de Máster».
Se trabajan ISO 13374-1, ISO 17359, ISO 10218-1, ISO 13381-1, IEC 62443-3-3 y ISO/TS 15066.
Los perfiles más directos son Ingeniero de mantenimiento predictivo, Especialista en robótica industrial, Científico de datos industrial, Ingeniero de fiabilidad de celdas y Integrador de sistemas robóticos.
En un pago son 3.304 €, sobre una tarifa de 4.130 €. A plazos, una entrada de 1.646 € y 12 cuotas de 207 €, 4.130 € en total, sin intereses: lo mismo que la tarifa.
Titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional acreditable equivalente, Conexión a internet y un ordenador capaz de ejecutar el software del programa y Nivel de español suficiente para seguir lectura de normativa técnica.
El programa son 1900 horas totales repartidas en 12 a 18 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.
Se trabaja con MATLAB Predictive Maintenance Toolbox, Python con scikit-learn y PyTorch, InfluxDB, Node-RED, ROS 2. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.
Diploma propio de SEIUM al superar la evaluación continua y el Trabajo Fin de Máster. Es formación propia, no un título oficial del Ministerio.
Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.
Inicio de clases: 21 de diciembre de 20263.304 €Matricularme
Antes de decidir
¿Qué sacarías tú de este máster?
No es lo mismo llegar aquí recién titulado que con diez años en el sector. Dinos de dónde vienes.
Qué te aportaPasar de la teoría de carrera al criterio de proyecto: qué norma aplica a cada parte del trabajo, qué criterios de aceptación se fijan antes de ejecutar y cómo se deja todo documentado.
Dónde vas a sudarEl módulo de normativa y evidencia documental, si todavía no has trabajado dentro de un proyecto real con auditoría de por medio.
Con qué salesCon una memoria técnica propia, sobre un caso real, que puedes poner encima de la mesa en una entrevista.
Qué te aportaFormalizar lo que ya haces por oficio: distinguir requisito obligatorio de buena práctica, justificar por escrito las decisiones técnicas y dejar el trabajo trazable.
Dónde vas a sudarPoco en contenido. El esfuerzo real está en el proyecto final y en su defensa.
Con qué salesCon el máster acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de Robótica, Automatización & Control y el marco normativo del ámbito desde cero, sin dar por sabido el vocabulario del sector.
Dónde vas a sudarLas primeras semanas, por terminología. A partir del segundo módulo se nivela.
Con qué salesCon un perfil de entrada acreditado en Robótica, Automatización & Control y un proyecto que demuestra que sabes aplicarlo.
¿Te va a dar la vida?
Calcula tu ritmo real
Son 1900 horas. Mueve el control y mira cuánto tardarías tú de verdad.
—para terminar
¿Y esto para qué me sirve?
Marca lo que más te interesa
Elige hasta 3 módulos y te digo cuánto pesan en el programa y a qué perfiles prepara.
Perfiles a los que prepara
Ingeniero de mantenimiento predictivo
Especialista en robótica industrial
Científico de datos industrial
En automoción, logística e intralogística y electrónica.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Robótica, Automatización & Control con criterio de norma, no solo de intuición.
Saber justificar por escrito por qué tomaste una decisión técnica.
Terminar con una memoria técnica tuya, sobre un caso real.
Avanzar a tu ritmo, compatible con una jornada completa.
No, si buscas…
Un título rápido sin entregar trabajo propio.
Clases en directo con horario fijo: el programa es asíncrono.
Empezar mañana: las clases empiezan justo un mes después de matricularte.
Formación de taller o práctica presencial con maquinaria.
¿Te queda una duda?
Pregunta algo concreto
Escríbela aquí y la pasamos al formulario de contacto con la formación ya identificada.