se enfoca en el diseño y la implementación de sistemas de análisis distribuidos para aeronaves avanzadas como eVTOL y UAM, integrando técnicas de CEP, protocolos de mensajería como Kafka y Pulsar y plataformas de baja latencia para asegurar la monitorización continua de KPIs operativos críticos. La combinación de modelos predictivos, arquitecturas event-driven y frameworks de procesamiento en flujo permite optimizar la gestión de datos en tiempo real, complementándose con tecnologías de telemetría, diagnóstico y control adaptativo que contribuyen a la seguridad y eficiencia en sistemas de vuelo y propulsión eléctrica.
Los laboratorios especializados habilitan ensayos HIL/SIL que integran adquisición avanzada de datos y validación bajo normativa aplicable internacional vinculada a la certificación de software y hardware aeronáutico. Se garantiza trazabilidad según DO-178C, ARP4754A y estándares de evaluación de seguridad aeroespacial, facilitando la formación para roles como ingeniero de sistemas, analista de datos aeronáuticos, especialista en seguridad funcional y desarrollador de software embebido. Este enfoque interdisciplinario asegura el cumplimiento normativo y el avance tecnológico en entornos de alta criticidad.
7.800 €
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
Recomendaciones: Se sugiere un entendimiento previo de aerodinámica, control y estructuras; dominio del idioma ES/EN con un nivel B2+/C1. Se proporcionan bridging tracks para facilitar la adaptación.
1.1 Conceptos clave de la analítica en tiempo real: definición, flujo continuo y diferencias frente a batch, ventanas de tiempo
1.2 Arquitecturas de streaming para entornos navales: Kafka y Pulsar, conectores y patrones de integración
1.3 Fuentes de datos en plataformas marítimas: sensores a bordo, AIS, radar, GNSS, meteorología y telemetría de motor
1.4 Procesamiento de Eventos Complejos (CEP) en operaciones navales: detección de patrones, reglas en tiempo real y alertas
1.5 KPIs operativos en tiempo real para flotas y buques: latencia, throughput, disponibilidad, tasa de eventos y SLA
1.6 Latencia y rendimiento de pipelines de datos: factores que influyen, tuning, batching vs streaming y estrategias de reducción
1.7 Calidad y gobernanza de datos en streaming: metadatos, lineage, deduplicación, limpieza de datos y cumplimiento
1.8 Seguridad, resiliencia y continuidad de servicios de streaming: cifrado, autenticación, autorización, redundancia y failover
1.9 Casos de uso y plantillas de implementación: go/no-go, ROI, matrices de riesgo y pruebas de concepto
1.10 Taller práctico: diseño de un pipeline de analítica en tiempo real para operaciones navales con Kafka/Pulsar y CEP, objetivos, métricas y plan de validación
2.1 Contexto y objetivos de Analytics de Flujo en entornos navales
2.2 Arquitecturas de streaming: Kafka, Pulsar y CEP
2.3 Datos en tiempo real: eventos, series temporales y ventanas
2.4 KPIs operativos relevantes para buques, puertos y operaciones logísticas
2.5 Métricas de latencia, throughput y acuerdos de nivel de servicio (SLA)
2.6 Integración de sensores (AIS, GNSS, CCTV, sensores de motor) y sistemas SCADA
2.7 Calidad de datos: limpieza, deduplicación y normalización de eventos
2.8 Seguridad, gobernanza y cumplimiento en data streaming
2.9 Casos de uso inicial en el ámbito naval: mantenimiento predictivo, monitoreo de flotas y gestión de combustible
2.10 Plan de aprendizaje y evaluación del módulo
3.1 Arquitecturas de Kafka y Pulsar: brokers, topics, particiones y diseño de clúster
3.2 Componentes clave: productores, consumidores, schemas y gestión de offsets
3.3 Conceptos de streaming: flujo continuo vs procesamiento por lotes, estado y continuidad
3.4 Modelos de entrega y fiabilidad: at-least-once, at-most-once, exactly-once
3.5 Serialización y esquemas: Avro/JSON/Protobuf, Schema Registry y compatibilidad
3.6 Semántica temporal en streaming: event time, processing time, watermarks y latenencia
3.7 Ventanas de tiempo y patrones de windowing: tumbling, hopping, sliding y session
3.8 Introducción al procesamiento de eventos complejos (CEP) y su integración con streaming
3.9 Métricas y KPIs para pipelines: latencia, rendimiento, throughput, tasa de errores y estabilidad
3.10 Laboratorio introductorio: desplegar un pipeline básico con Kafka/Pulsar y realizar pruebas de latencia y fiabilidad
4.1 Introducción a la Analítica de Flujo: definición, alcance y relevancia para operaciones navales (telemetría, seguridad y eficiencia)
4.2 Arquitecturas de datos en tiempo real: streaming, pipelines, componentes (productores, brokers, consumidores) y patrones de integración
4.3 Fundamentos de procesamiento en tiempo real: latencia, ventanas de tiempo, procesamiento por eventos y diferencia con procesamiento por lotes
4.4 Kafka vs Pulsar en entornos marítimos: características clave, durabilidad, rendimiento y casos de uso
4.5 CEP y detección de eventos complejos: reglas, correlación de eventos, patrones de secuencias y escenarios operativos
4.6 KPIs y métricas para analítica de flujo: latencia de extremo a extremo, throughput, tasa de eventos, precisión de detecciones y SLA
4.7 Calidad de datos y gobernanza en streaming: integridad de datos, validación de schemas, deduplicación, idempotencia y lineage
4.8 Seguridad y cumplimiento en flujos de datos en tiempo real: cifrado, autenticación, control de acceso, auditoría y normativas aplicables a operaciones navales
4.9 Observabilidad y monitoreo de pipelines: métricas, trazabilidad, logging, tracing distribuido y dashboards (Prometheus/Grafana/OpenTelemetry)
4.10 Casos de estudio y ejercicios prácticos: diseño de una solución de analítica de flujo para una operación naval, go/no-go con matriz de riesgo y estimación de ROI
5.1 Fundamentos de la Analítica en Tiempo Real: Conceptos Clave.
5.2 Introducción a Kafka y Pulsar: Arquitecturas y Beneficios.
5.3 Sistemas de Eventos Complejos (CEP): Diseño y Aplicaciones.
5.4 Indicadores Clave de Rendimiento (KPIs) para Datos en Tiempo Real.
5.5 Baja Latencia: Importancia y Estrategias Iniciales.
5.6 Herramientas y Tecnologías para la Analítica en Tiempo Real.
5.7 Casos de Uso: Ejemplos de Aplicación en Diversas Industrias.
5.8 Arquitectura de un Sistema Básico de Analítica en Tiempo Real.
5.9 Desafíos y Consideraciones Iniciales en la Implementación.
5.10 Introducción al Monitoreo y Optimización de Rendimiento.
6. 1 Introducción a la Analítica de Flujo: Conceptos y Necesidad.
6. 2 Fundamentos de la Arquitectura Kafka: Brokers, Topics, Particiones.
6. 3 Componentes Clave de Kafka: Productores, Consumidores, Zookeeper.
6. 4 Arquitectura de Pulsar: Brokers, Topics, Consumidores, Productores.
6. 5 Comparativa Kafka vs. Pulsar: Pros y Contras, Casos de Uso.
6. 6 Diseño de Sistemas de Mensajería Distribuida: Escalabilidad y Tolerancia a Fallos.
6. 7 Flujos de Datos: Introducción y Ejemplos Prácticos.
6. 8 Configuración y Optimización Básica de Kafka/Pulsar.
6. 9 Herramientas de Monitorización y Gestión de Kafka/Pulsar.
6. 10 Ejercicios Prácticos: Implementación de un Pipeline de Streaming Básico.
7.1 Fundamentos de la Analítica de Datos en Tiempo Real: Conceptos clave.
7.2 Arquitecturas de Streaming: Introducción a Kafka y Pulsar.
7.3 Conceptos Básicos de CEP (Complex Event Processing).
7.4 KPIs (Key Performance Indicators) para el Análisis en Tiempo Real.
7.5 Importancia de la Baja Latencia en el Análisis de Flujo de Datos.
7.6 Herramientas y Tecnologías para la Analítica en Tiempo Real.
7.7 Casos de Uso en Diferentes Industrias.
7.8 Principios de Diseño de Sistemas de Streaming.
7.9 Monitorización y Gestión de Sistemas de Analítica en Tiempo Real.
7.10 Desafíos y Oportunidades en la Analítica de Datos en Tiempo Real.
8. 1 Fundamentos del Análisis en Tiempo Real: Definición, Importancia y Aplicaciones.
8. 2 Arquitecturas de Streaming: Conceptos Clave y Componentes.
8. 3 Introducción a Apache Kafka: Conceptos, Arquitectura y Casos de Uso.
8. 4 Introducción a Apache Pulsar: Conceptos, Arquitectura y Casos de Uso.
8. 5 Motores de Procesamiento de Eventos (CEP): Conceptos y Tipos.
8. 6 Introducción a los Indicadores Clave de Rendimiento (KPIs) en Tiempo Real.
8. 7 Importancia de la Baja Latencia en el Análisis en Tiempo Real.
8. 8 Herramientas y Tecnologías para el Monitoreo en Tiempo Real.
8. 9 Estudio de Casos: Aplicaciones Reales del Análisis en Tiempo Real.
8. 10 Desafíos y Tendencias Futuras del Análisis en Tiempo Real.
9.1 Fundamentos de Streaming: Conceptos y Beneficios
9.2 Kafka: Arquitectura, Componentes y Casos de Uso
9.3 Pulsar: Arquitectura, Componentes y Casos de Uso
9.4 Comparativa Kafka vs. Pulsar: Ventajas y Desventajas
9.5 Introducción a CEP (Complex Event Processing): Conceptos Clave
9.6 Arquitectura de CEP: Motores y Componentes
9.7 Integración de Kafka/Pulsar con CEP
9.8 Configuración y Despliegue Inicial de Kafka/Pulsar y CEP
9.9 Primeros Pasos: Ingesta y Procesamiento de Datos en Streaming
9.10 Ejemplos Prácticos: Configuración de flujo de datos en Streaming.
10.1 Conceptos Fundamentales de Streaming Analytics: Definición, importancia y aplicaciones en tiempo real.
10.2 Introducción a Apache Kafka: Arquitectura, componentes y casos de uso.
10.3 Instalación y configuración básica de Kafka: Brokers, topics y producers/consumers.
10.4 El ecosistema de Kafka: Conectores y herramientas para el procesamiento de datos.
10.5 Introducción a los streams de datos: Captura, transformación y procesamiento.
10.6 Primeros pasos con Streaming Analytics: Configuración y uso de Kafka Connect
10.7 KPIs (Indicadores Clave de Rendimiento) esenciales en el análisis de datos en tiempo real.
10.8 Introducción a la arquitectura de baja latencia.
10.9 Implementación de un caso de uso básico de análisis de streaming.
10.10 Prácticas y recomendaciones iniciales: Mejores prácticas y recursos adicionales.
Consulta “Calendario & convocatorias”, “Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM
Nuestro equipo está listo para ayudarte. Contáctanos y te responderemos lo antes posible.
Si, contamos con certificacion internacional
Sí: modelos experimentales, datos reales, simulaciones aplicadas, entornos profesionales, casos de estudio reales.
No es obligatoria. Ofrecemos tracks de nivelación y tutorización
Totalmente. Cubre e-propulsión, integración y normativa emergente (SC-VTOL).
Recomendado. También hay retos internos y consorcios.
Sí. Modalidad online/híbrida con laboratorios planificados y soporte de visados (ver “Visado & residencia”).