se centra en la aplicación avanzada de técnicas de análisis de vibraciones y acústica para la evaluación continua de la salud de activos en plataformas aéreas, integrando gemelos digitales parciales como soporte para la monitorización y diagnóstico en tiempo real. Esta disciplina aplica modelos matemáticos robustos, Machine Learning (ML), Internet de las Cosas (IoT), y Algoritmos de Inteligencia Artificial (IA) combinados con sistemas embebidos y técnicas de análisis espectral para anticipar fallos y optimizar la disponibilidad operativa en aeronaves eVTOL y helicópteros, cumpliendo con principios de aerodinámica, dinámica estructural y certificación aeronáutica.
Los laboratorios asociados disponen de ensayos de Hardware-in-the-Loop (HIL) y Software-in-the-Loop (SIL) para validar sistemas de adquisición de datos y análisis de vibraciones/acústica en condiciones simuladas, garantizando trazabilidad y cumplimiento con normativas aplicables internacionales y estándares de seguridad aeronáutica. Los perfiles profesionales formados incluyen ingenieros en mantenimiento predictivo, analistas de datos aeronáuticos, especialistas en confiabilidad y gestores de programas de salud de activos, que aportan soluciones alineadas a requisitos regulatorios y estándares técnicos como ARP4754A, ARP4761 y certificaciones propias del sector eVTOL/UAM.
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.
Requisitos recomendados: Conocimientos básicos en aerodinámica, control de sistemas y estructuras. Nivel de idioma Español/Inglés B2+ / C1. Se proveen “bridging tracks” (cursos de nivelación) en caso de ser necesarios.
1.1 Panorama del Mantenimiento Predictivo Naval y IA: alcance, beneficios y marco estratégico
1.2 Fundamentos de vibraciones en sistemas navales: interpretación, tendencias y diagnóstico
1.3 Acústica naval para diagnóstico: técnicas de captura, análisis de señales y detección temprana
1.4 Salud de Activos en flota: indicadores, umbrales, alarmas y dashboards de monitorización
1.5 Gemelos Parciales en sistemas navales: conceptos, implementación y valor operativo
1.6 Fundamentos de IA aplicados al mantenimiento: ML, DL y IA explicable en contextos marítimos
1.7 Preparación de datos para IA en entornos marítimos: recopilación, calidad, gobernanza y privacidad
1.8 Integración de IA en procesos de mantenimiento: CMMS, ERP, flujos de trabajo y automatización
1.9 Gestión de riesgos y readiness en proyectos de IA naval: TRL/CRL/SRL y cumplimiento
1.10 Caso práctico: go/no-go con matriz de riesgo para iniciar un programa de IA en mantenimiento naval
2.1 Fundamentos de vibraciones y dinámica estructural naval
2.2 Instrumentación: sensores, adquisición de datos y calibración
2.3 Métodos de análisis de vibraciones: FFT, espectros y análisis modal
2.4 Detección de fallas por vibración: desequilibrio, desalineación, holguras, desgaste de rodamientos
2.5 Acústica y reducción de ruido en entornos marítimos
2.6 Vibraciones en sistemas críticos: propulsión, hélices, ejes y tuberías
2.7 Gemelos Parciales e IA para predicción y diagnóstico de vibraciones
2.8 Integración de datos y MBSE/PLM para trazabilidad de vibraciones
2.9 Requisitos normativos, certificaciones y seguridad operacional
2.10 Case clinic: estudio de caso con matriz de riesgo y plan de mitigación
3.1 Introducción al Mantenimiento Predictivo Naval con IA: visión general, objetivos y beneficios
3.2 Fundamentos de IA aplicados al MP naval: conceptos de IA, ML y DL
3.3 Arquitectura de datos para MP con IA: fuentes, calidad, gobernanza y seguridad
3.4 Vibraciones en buques: principios, sensores y análisis de señales
3.5 Acústica y monitorización de condiciones: detección de fallos y diagnóstico
3.6 Salud de Activos Naval: indicadores de estado, métricas y dashboards operativos
3.7 Gemelos Parciales y gemelos digitales: definición, diferencias y casos de uso en MP
3.8 Modelos de predicción y diagnóstico con IA: selección, entrenamiento y validación
3.9 Implementación de MP IA en entornos navales: piloto, escalado, integración y cambio organizacional
3.10 Ética, seguridad y cumplimiento en MP Naval con IA: ciberseguridad, privacidad de datos y normativas
4.1 Fundamentos del análisis con IA en Mantenimiento Naval
4.2 Análisis de vibraciones para diagnóstico y pronóstico con IA
4.3 Análisis de señales acústicas para monitoreo y detección de anomalías
4.4 Salud de activos y degradación: modelos de IA para PHM naval
4.5 Gemelos parciales como herramienta de simulación y diagnóstico
4.6 Integración de datos de sensores y fusión de información para IA
4.7 IA explicable y confianza en el diagnóstico naval
4.8 Validación, verificación y robustez de modelos IA en entornos navales
4.9 Gobernanza, ROI y gestión de riesgos de IA en el mantenimiento
4.10 Casos clínicos y ejercicios de go/no-go basados en IA
5.1 Introducción a la IA en el Mantenimiento Naval: Conceptos Clave y Beneficios
5.2 Análisis de Vibraciones con IA: Detección Temprana de Fallos
5.3 Acústica y Diagnóstico Asistido por IA: Identificación de Anomalías
5.4 Salud de Activos: Modelado Predictivo y IA
5.5 Gemelos Parciales: Simulación y Optimización con IA
5.6 Implementación de IA: Estrategias y Herramientas
5.7 Análisis de Datos y Machine Learning en Mantenimiento Naval
5.8 Optimización de Rutinas de Mantenimiento Predictivo con IA
5.9 Casos de Éxito: Aplicaciones Reales de IA en el Sector Naval
5.10 Desafíos y Futuro de la IA en el Mantenimiento Naval
6.1 Introducción a la IA en el Mantenimiento Naval: Visión General y Beneficios
6.2 Fundamentos del Análisis de Vibraciones en Entornos Navales
6.3 Acústica Naval: Detección y Diagnóstico de Fallos Mediante Sonido
6.4 Evaluación de la Salud de Activos Navales: Técnicas y Herramientas
6.5 Gemelos Parciales: Creación y Aplicación en el Mantenimiento Predictivo
6.6 Integración de IA en el Análisis de Vibraciones Navales
6.7 IA Aplicada al Análisis Acústico en el Entorno Naval
6.8 IA para la Evaluación y Predicción de la Salud de Activos
6.9 Gemelos Parciales Impulsados por IA: Modelado y Simulación
6.10 Casos Prácticos: Implementación de IA para la Optimización del Mantenimiento Naval
7.1 Fundamentos del Mantenimiento Predictivo Naval con IA
7.2 Análisis de Vibraciones en Entornos Navales
7.3 Acústica y su Aplicación en el Diagnóstico Naval
7.4 Evaluación y Diagnóstico de la Salud de Activos Navales
7.5 Introducción a los Gemelos Parciales y su Rol en el Mantenimiento
7.6 Integración de la IA en el Mantenimiento Predictivo Naval
7.7 Optimización de Estrategias de Mantenimiento con IA
7.8 Implementación Práctica de Soluciones de IA en el Mantenimiento Naval
7.9 Estudio de Casos: Aplicaciones Reales y Resultados
7.10 Tendencias Futuras y Desafíos del Mantenimiento Naval con IA
8.1 Introducción a los Gemelos Parciales en el Contexto Naval
8.2 Integración de IA para el Análisis de Datos en Mantenimiento
8.3 Diseño e Implementación de Gemelos Parciales para Activos Clave
8.4 Recolección y Análisis de Datos de Vibraciones con IA
8.5 Implementación de IA para el Análisis Acústico
8.6 Uso de Gemelos Parciales para la Evaluación de la Salud de Activos
8.7 Estrategias de Mantenimiento Predictivo Basadas en IA y Gemelos
8.8 Optimización de la Planificación de Mantenimiento con Gemelos Parciales
8.9 Estudios de Caso: Implementación Exitosa de Gemelos e IA
8.10 Futuro del Mantenimiento Naval: Tendencias y Desafíos
9.1 Fundamentos del Mantenimiento Predictivo
9.2 Importancia del Mantenimiento Predictivo en la Industria Naval
9.3 Ventajas del Mantenimiento Predictivo frente a otras estrategias
9.4 El ciclo de vida de los activos navales
9.5 Introducción a las Técnicas de Mantenimiento Predictivo
9.6 Recolección y Análisis de Datos
9.7 Introducción a la Inteligencia Artificial en el Mantenimiento
9.8 Introducción a los Gemelos Parciales
9.9 Estándares y Normativas en Mantenimiento Naval
9.10 Casos de Estudio y Aplicaciones Reales
10.1 Fundamentos de Gemelos Parciales en el Contexto Naval
10.2 Introducción a la Optimización con IA en el Mantenimiento Predictivo
10.3 Recolección y Análisis de Datos de Vibraciones en Entornos Navales
10.4 Análisis Acústico y su Aplicación en la Detección de Fallos
10.5 Evaluación de la Salud de Activos y su Impacto en la Operación
10.6 Integración de Gemelos Parciales para Simulación y Predicción
10.7 Implementación de Algoritmos de IA para el Diagnóstico Predictivo
10.8 Estrategias de Optimización del Mantenimiento Basadas en IA y Gemelos
10.9 Caso Práctico: Implementación y Evaluación de un Proyecto Naval con IA
10.10 Presentación del Proyecto Final: Gemelos Parciales y Optimización Naval
Director Académico del DSD — SEIUM Design & Industrial Design Institute
Profesor de Diseño Industrial, Diseño de Vehículos, Transportation Design, UX/HMI, Color & Trim, Iluminación y Desarrollo de Producto
El Prof. Luca Benedetti, de nacionalidad italiana, es Director Académico del DSD — SEIUM Design & Industrial Design Institute y responsable de diseño industrial, de producto y vehículos, experiencia de usuario, interacción persona-máquina, interfaces HMI, Color & Trim y prototipado.
Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute
Profesor de Robótica, Automatización Inteligente, Sistemas Autónomos, Percepción Artificial, Control Avanzado y Mecatrónica.
El Prof. Kenji Takahashi, de nacionalidad japonesa, es Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute y responsable de robótica industrial, robots móviles, mecatrónica, control avanzado, percepción artificial, navegación e inteligencia embebida y autónoma.
Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute
Profesora de Inteligencia Artificial, Ciencia de Datos, Ingeniería de Datos, MLOps, Simulación, Gemelos Digitales y Computación Científica
La Dra. Lucía Hernández Vega, de nacionalidad española, es Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute y responsable de inteligencia artificial, ciencia e ingeniería de datos, visión artificial, IA generativa, MLOps y gemelos digitales.
Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute
Profesor de Electrónica, Sistemas Embebidos, Telecomunicaciones, Diseño de Hardware, FPGA, IoT y Sistemas de Tiempo Real
El Dr. Kevin O’Connor, de nacionalidad irlandesa, es Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute y responsable de electrónica, sistemas embebidos, telecomunicaciones, diseño de circuitos, microcontroladores, FPGA, IoT y desarrollo de hardware electrónico.
Director Académico del SNO — SEIUM Naval & Offshore Institute
Profesor de Arquitectura Naval, Ingeniería Marítima, Sistemas de Propulsión, Construcción Naval e Ingeniería Offshore
El Dr. Javier Ferrer Salvatierra, de nacionalidad española, es Director Académico del SNO — SEIUM Naval & Offshore Institute y responsable de arquitectura naval, ingeniería marítima, construcción, propulsión, sistemas auxiliares, ingeniería offshore, seguridad y descarbonización marítima.
Directora Académica del RSC — SEIUM Rail & Smart Cities Institute
Profesora de Ingeniería Ferroviaria, Señalización, Movilidad Urbana, Infraestructuras Inteligentes y Sistemas de Transporte
La Dra. Isabel Martín Robles, de nacionalidad española, es Directora Académica del RSC — SEIUM Rail & Smart Cities Institute y profesora responsable de las áreas de ingeniería ferroviaria, señalización, sistemas de control del tráfico, movilidad urbana, transporte inteligente, infraestructuras conectadas y planificación de ciudades inteligentes.
Director Académico del SEN — SEIUM Energy & Networks Institute
Profesor de Sistemas Eléctricos de Potencia, Smart Grids, Energías Renovables, Almacenamiento y Digitalización de Redes
El Dr. Carlos Navarro Sanz, de nacionalidad española, es Director Académico del SEN — SEIUM Energy & Networks Institute y responsable de sistemas eléctricos, redes inteligentes, renovables, almacenamiento, operación, protecciones, subestaciones, digitalización y planificación energética.
Director Académico del Departamento PTW — Motorcycle & Two-Wheel Engineering
Profesor de Ingeniería de Motocicletas, Dinámica de Vehículos de Dos Ruedas, Chasis, Suspensiones y Sistemas de Propulsión
El Prof. Hiroshi Nakamura, de nacionalidad japonesa, es Director Académico del Dpto. de Motorcycle & Two-Wheel Engineering — PTW de SEIUM y responsable de ingeniería de motocicletas, dinámica, chasis, suspensiones, propulsión térmica y eléctrica, telemetría y validación experimental.
Director Académico del SAS — SEIUM Aero & Space Institute
Profesor de Ingeniería Aeroespacial, Helicópteros, Tiltrotor, eVTOL, Aviónica y Sistemas de Vuelo
El Dr. James Whitmore, de nacionalidad británica, es Director Académico del SAS — SEIUM Aero & Space Institute y responsable de ingeniería aeroespacial, diseño de aeronaves, helicópteros, eVTOL, movilidad aérea, aviónica, control de vuelo, sistemas espaciales y certificación.
Director Académico del Departamento EMH — Electromobility, Batteries & Hydrogen
Profesor de Electromovilidad, Ingeniería de Baterías, Sistemas BMS, Electrónica de Potencia e Hidrógeno Aplicado a la Movilidad
El Dr. Markus Schneider, de nacionalidad alemana, es Director Académico del Dpto. de Electromobility, Batteries & Hydrogen — EMH de SEIUM y responsable de electromovilidad, baterías, BMS, electrónica de potencia, infraestructura de recarga e hidrógeno aplicado al transporte.
Director Académico del SEIUM MotorSport Institute — SMI
Profesor de Ingeniería Motorsport, Dinámica Vehicular, Aerodinámica de Competición y Race Performance Engineering
El Dr. Alessandro Moretti, de nacionalidad italiana, es Director Académico del SEIUM MotorSport Institute — SMI y responsable de ingeniería motorsport, dinámica vehicular, aerodinámica de competición, chasis, suspensiones, telemetría y optimización del rendimiento en pista.
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”).
Testimonios de clientes que avalan nuestra calificación