SEIUM, Universidad de Ingenieria Avanzada
Campus virtual
SEIUM, Universidad de Ingenieria Avanzada

Curso de predicción de degradación de baterías

Sobre nuestro Curso de predicción de degradación de baterías

El curso en predicción de degradación de baterías de SEIUM es una formación 100 % online de 300 horas, estructurada en 6 módulos y 60 submódulos. Cubre predicción de degradación de baterías desde los fundamentos hasta la validación y la puesta en operación, con el marco normativo de referencia del sector —UNECE R100, UNECE R136 y ISO 6469— aplicado sobre casos reales y no como un anexo teórico.

El trabajo práctico se realiza con las herramientas que se usan en la industria: MATLAB/Simulink, GT-SUITE, AVL Cruise M y Simcenter Amesim. Cada módulo cierra con un entregable que el tutor corrige individualmente, y el programa culmina en un proyecto integrador documentado. Está orientado a perfiles de ingeniero de baterías, especialista en BMS y ingeniero de electrónica de potencia en automoción, movilidad pesada y infraestructura de recarga.

degradación de baterías
Curso de predicción de degradación de baterías
  • Modalidad: Online
  • Duración: 4 meses
  • Horas: 300 H
  • Idioma: ES / EN
  • Fecha de matrícula: 16-10-2026
  • Plazas disponibles: 12

745 €

Aplicar Ahora

Competencias y resultados

Qué aprenderás

1. Predicción de Degradación de Baterías: Aprendizaje Integral

  • Comprender los modelos de degradación de baterías y sus variables clave.
  • Identificar los mecanismos de falla más comunes en baterías.
  • Dominar las técnicas de análisis de datos para la predicción de la degradación.
  • Utilizar software especializado para simular y predecir el rendimiento de las baterías a lo largo del tiempo.
  • Aplicar métodos de aprendizaje automático para mejorar la precisión de las predicciones de degradación.
  • Evaluar el impacto de factores ambientales y de operación en la vida útil de las baterías.
  • Desarrollar estrategias de mantenimiento predictivo basadas en la predicción de degradación.
  • Interpretar y comunicar los resultados de las predicciones de degradación de manera efectiva.
  • Explorar las aplicaciones de la predicción de degradación en diferentes industrias, como la automotriz y la energética.
  • Familiarizarse con las últimas tendencias y avances en la investigación sobre degradación de baterías.

2. Dominio Experto en Predicción del Deterioro de Baterías

2. Dominio Experto en Predicción del Deterioro de Baterías

  • Comprender los mecanismos de deterioro electroquímico que afectan la vida útil de las baterías.
  • Dominar las técnicas de modelado y simulación para predecir el rendimiento y la degradación de las baterías en diversas condiciones operativas.
  • Analizar los datos experimentales de pruebas de baterías para identificar patrones de deterioro y validar modelos predictivos.
  • Aplicar algoritmos de aprendizaje automático para la predicción del estado de salud (SoH) y el estado de carga (SoC) de las baterías.
  • Evaluar el impacto de factores externos, como la temperatura y las tasas de carga/descarga, en el deterioro de las baterías.
  • Desarrollar estrategias para prolongar la vida útil de las baterías y optimizar su rendimiento.
  • Identificar y mitigar los riesgos asociados con el deterioro de las baterías, incluyendo la seguridad y la confiabilidad.
  • Utilizar herramientas de software especializadas para el análisis y la predicción del deterioro de baterías.
  • Aplicar los conocimientos adquiridos para el diseño y la gestión de sistemas de almacenamiento de energía basados en baterías.

3. Diseño y validación integral orientado al usuario (del modelado a la manufactura)

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.

4. Predicción de la Degradación de Baterías: Análisis Avanzado

4. Predicción de la Degradación de Baterías: Análisis Avanzado

  • Comprender los mecanismos de degradación electroquímica en baterías.
  • Estudiar modelos matemáticos para simular la degradación, incluyendo el envejecimiento de los materiales y la formación de capas de pasivación.
  • Analizar datos experimentales (e.g., pruebas de ciclo, pruebas de envejecimiento acelerado) para validar modelos de degradación.
  • Aplicar técnicas de aprendizaje automático para predecir el rendimiento futuro de la batería y estimar su vida útil restante (RUL).
  • Familiarizarse con herramientas de simulación (e.g., COMSOL, ANSYS) para modelar la degradación.
  • Investigar las causas de falla de baterías, incluyendo el cortocircuito interno, el crecimiento de dendritas y la degradación del electrolito.
  • Explorar estrategias para mitigar la degradación, como la optimización de la química de la batería, la gestión térmica y el control de la carga.
  • Evaluar el impacto de la degradación en la seguridad y el rendimiento de las baterías en diversas aplicaciones (e.g., vehículos eléctricos, almacenamiento de energía).

5. Predicción de la Degradación de Baterías: Guía Maestra

  • Identificar los factores clave que influyen en la degradación de baterías: temperatura, ciclos de carga/descarga, corriente, y edad.
  • Comprender los mecanismos de degradación de baterías: pérdida de capacidad, aumento de impedancia, y formación de dendritas.
  • Aprender técnicas de modelado predictivo para estimar la vida útil de las baterías: modelos empíricos, modelos basados en física, y modelos híbridos.
  • Utilizar herramientas de software para simular el rendimiento y la degradación de baterías: MATLAB, COMSOL, y software especializado.
  • Analizar datos experimentales para validar modelos de degradación y calibrar parámetros.
  • Aplicar técnicas de análisis de datos para identificar patrones y tendencias en la degradación de baterías: machine learning y análisis estadístico.
  • Diseñar estrategias de gestión de baterías para optimizar su rendimiento y prolongar su vida útil: algoritmos de carga/descarga, sistemas de gestión de baterías (BMS).
  • Evaluar el impacto de la degradación de baterías en diferentes aplicaciones: vehículos eléctricos, almacenamiento de energía renovable, y dispositivos portátiles.
  • Comprender las normas y estándares relacionados con la seguridad y el rendimiento de las baterías.
  • Explorar las últimas investigaciones y desarrollos en el campo de la predicción de la degradación de baterías: nuevos materiales, tecnologías de modelado y estrategias de gestión.

6. Predicción de la Degradación de Baterías: Dominio Total

  • Entender los mecanismos de degradación electroquímica que afectan la vida útil de las baterías.
  • Aplicar modelos matemáticos para simular y predecir el comportamiento de la batería a lo largo del tiempo.
  • Utilizar técnicas de aprendizaje automático (Machine Learning) para analizar datos de baterías y predecir su degradación.
  • Interpretar datos de pruebas de laboratorio (como capacidad, impedancia y autodescarga) para evaluar el estado de la batería.
  • Desarrollar estrategias de gestión de la batería (BMS) para optimizar su rendimiento y prolongar su vida útil.
  • Identificar y mitigar los factores que aceleran la degradación de la batería, como la temperatura y la corriente de carga/descarga.
  • Evaluar diferentes tecnologías de baterías y sus características de degradación.
  • Aplicar técnicas de diagnóstico para detectar fallas en las baterías.
  • Comprender las normas y regulaciones relacionadas con la seguridad y el rendimiento de las baterías.
  • Implementar soluciones para la reutilización y el reciclaje de baterías.

degradación de baterías

Para quien va dirigido nuestro:

Curso de predicción de degradación de baterías

  • Ingenieros/as graduados en Ingeniería Aeroespacial, Mecánica, Industrial, Automática o disciplinas afines.
  • Profesionales de OEM de rotorcraft/eVTOL, MRO (Mantenimiento, Reparación y Operaciones), empresas de consultoría, y personal de centros tecnológicos.
  • Expertos en Flight Test (Pruebas de Vuelo), certificación, aviónica, sistemas de control, y dinámica de vuelo que deseen especializarse en la predicción de degradación de baterías.
  • Reguladores/autoridades de aviación y perfiles profesionales relacionados con el desarrollo y operación de UAM/eVTOL (Movilidad Aérea Urbana/Vehículos Eléctricos de Despegue y Aterrizaje Verticales) que necesiten adquirir competencias en áreas de compliance y seguridad.

Requisitos recomendados: Se aconseja contar con conocimientos básicos en aerodinámica, control de sistemas y estructuras. Se requiere un nivel de inglés ES/EN B2+/C1. Si es necesario, se proporcionan bridging tracks (cursos de nivelación) para cubrir posibles brechas de conocimiento.

  • Standards-driven curriculum: trabajarás con CS-27/CS-29, DO-160, DO-178C/DO-254, ARP4754A/ARP4761, ADS-33E-PRF desde el primer módulo.
  • Laboratorios acreditables (EN ISO/IEC 17025) con banco de rotor, EMC/Lightning pre-compliance, HIL/SIL, vibraciones/acústica.
  • TFM orientado a evidencia: safety case, test plan, compliance dossier y límites operativos.
  • Mentorado por industria: docentes con trayectoria en rotorcraft, tiltrotor, eVTOL/UAM y flight test.
  • Modalidad flexible (híbrido/online), cohortes internacionales y soporte de SEIUM Career Services.
  • Ética y seguridad: enfoque safety-by-design, ciber-OT, DIH y cumplimiento como pilares.

6 módulos · 60 submódulos · 300 horas

1Fundamentos y Predicción de Degradación (50 h)
  • 1.1. Introducción a la Predicción de Degradación de Baterías: Importancia y Aplicaciones
  • 1.2. Química de Baterías: Principios Fundamentales
  • 1.3. Parámetros Clave en la Degradación: Voltaje, Corriente, Temperatura
  • 1.4. Tipos de Degradación: Mecanismos y Causas
  • 1.5. Modelos de Degradación: Tipos y Aplicación
  • 1.6. Recolección y Análisis de Datos: Fuentes y Técnicas
  • 1.7. Herramientas de Análisis de Datos: Software y Métodos Estadísticos
  • 1.8. Validación y Verificación de Modelos de Degradación
  • 1.9. Impacto de la Degradación en el Rendimiento de las Baterías
  • 1.10. Estudio de Casos: Ejemplos Reales de Degradación de Baterías
2Predicción de Deterioro: Conceptos Clave (50 h)
  • 2.1. 2. Conceptos Fundamentales de la Degradación de Baterías
  • 2.2. 2. Modelado de la Degradación: Tipos y Técnicas
  • 2.3. 3. Parámetros Clave y Factores que Afectan la Degradación
  • 2.4. 4. Ciclos de Vida de las Baterías: Diseño y Optimización
  • 2.5. 5. Herramientas y Software para la Predicción de la Degradación
  • 2.6. 6. Análisis de Datos y Calibración de Modelos
  • 2.7. 7. Impacto de la Temperatura y el Estado de Carga en la Degradación
  • 2.8. 8. Diagnóstico y Pronóstico del Rendimiento de las Baterías
  • 2.9. 9. Aplicaciones Prácticas y Estudios de Caso
  • 2.10. 20. Estrategias de Mitigación y Extensión de la Vida Útil
3Predicción de Degradación: Estudio Detallado (50 h)
  • 3.1. Fundamentos de la degradación de baterías: tipos y mecanismos
  • 3.2. Modelos de degradación: empíricos, basados en física y de aprendizaje automático
  • 3.3. Parámetros clave y factores influyentes en la degradación
  • 3.4. Técnicas de análisis de datos para la predicción de la degradación
  • 3.5. Estudio de casos: análisis de datos de degradación de baterías
  • 3.6. Métodos de evaluación del estado de la batería (SoH)
  • 3.7. Validación y calibración de modelos predictivos
  • 3.8. Estrategias de mitigación y optimización del ciclo de vida de la batería
  • 3.9. Herramientas y software para la predicción de la degradación
  • 3.10. Aplicaciones prácticas y desafíos en la predicción de la degradación
4Predicción de Degradación: Análisis Avanzado (50 h)
  • 4.1. Modelado de la Degradación de Baterías: Enfoques Avanzados
  • 4.2. Técnicas de Estimación del Estado de Salud (SoH)
  • 4.3. Algoritmos de Predicción Basados en Datos: Machine Learning
  • 4.4. Análisis de Datos Avanzado: Extracción de Características Relevantes
  • 4.5. Métodos de Simulación y Modelado Físico de Baterías
  • 4.6. Validación y Verificación de Modelos de Degradación
  • 4.7. Implementación de Sistemas de Gestión de Baterías (BMS)
  • 4.8. Estudio de Casos: Aplicaciones Específicas en Entornos Navales
  • 4.9. Evaluación del Impacto de Factores Ambientales en la Degradación
  • 4.10. Diseño de Estrategias de Mantenimiento Predictivo
5Fundamentos y Predicción de Baterías (50 h)
  • 5.1. 5 Introducción a las Baterías y su Funcionamiento
  • 5.2. 5 Tipos de Baterías y sus Características
  • 5.3. 3 Principios de la Predicción de Degradación
  • 5.4. 4 Factores que Afectan la Degradación de Baterías
  • 5.5. 5 Técnicas de Monitoreo y Medición
  • 5.6. 6 Modelos de Degradación: Introducción
  • 5.7. 7 Fundamentos de los Algoritmos de Predicción
  • 5.8. 8 Análisis de Datos Preliminar
  • 5.9. 5 Modelos de Degradación Avanzados
  • 5.10. 5 Aprendizaje Automático en la Predicción de Degradación
6Introducción a la Degradación de Baterías (50 h)
  • 6.1. Introducción a la Química y Funcionamiento de Baterías
  • 6.2. Mecanismos de Degradación: Tipos y Causas
  • 6.3. Factores que Afectan la Degradación (Temperatura, Corriente, etc.)
  • 6.4. Ciclo de Vida de una Batería: Etapas de Deterioro
  • 6.5. Importancia de la Predicción de la Degradación
  • 6.6. Modelos Empíricos: Ventajas y Limitaciones
  • 6.7. Modelos Basados en la Física: Comprensión Profunda
  • 6.8. Modelado Estadístico: Técnicas y Aplicaciones
  • 6.9. Parámetros Clave para el Modelado de Degradación
  • 6.10. Selección del Modelo Adecuado: Criterios y Consideraciones
  • Metodología hands-on: test-before-you-trust, design reviews, failure analysis, compliance evidence.
  • Software (según licencias/partners): MATLAB/Simulink, Python (NumPy/SciPy), OpenVSP, SU2/OpenFOAM, Nastran/Abaqus, AMESim/Modelica, herramientas de acústica, toolchains de planificación DO-178C.
  • Laboratorios SEIUM: banco de rotor a escala, vibraciones/acústica, EMC/Lightning pre-compliance, HIL/SIL para AFCS, adquisición de datos con strain gauging.
  • Estándares y cumplimiento: EN 9100, 17025, ISO 27001, GDPR.

Lo que sales sabiendo hacer

Objetivos de aprendizaje

  • Dominar los fundamentos técnicos de predicción de degradación de baterías y su vocabulario normativo.
  • Aplicar UNECE R100, UNECE R136 y ISO 6469 a decisiones reales de diseño y validación.
  • Construir y correlacionar modelos de cálculo con MATLAB/Simulink y GT-SUITE.
  • Planificar y ejecutar campañas de ensayo en cámara climática de baterías y banco de ciclado.
  • Analizar datos de operación y traducirlos en decisiones de ingeniería.
  • Elaborar el dossier técnico y de cumplimiento que exige el cliente o el regulador.
  • Dirigir técnicamente un proyecto de predicción de degradación de baterías de principio a fin.

Cómo se estudia

Metodología

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/Simulink, GT-SUITE, AVL Cruise M, Simcenter Amesim, ANSYS Fluent, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de cámara climática de baterías, banco de ciclado, laboratorio de alta tensión. La evaluación es continua por módulo más el proyecto integrador final.

El marco con el que se trabaja

Normas y estándares

  • UNECE R100
  • UNECE R136
  • ISO 6469
  • IEC 62660
  • UN 38.3 (transporte)
  • ISO 26262
  • IEC 61851 (recarga)
  • ISO 15118
  • Reglamento (UE) 2023/1542 de baterías
  • ISO 19880 (hidrogeneras)

Dónde se aplica

Salidas profesionales

  • Ingeniero de baterías
  • Especialista en BMS
  • Ingeniero de electrónica de potencia
  • Responsable de seguridad de alta tensión
  • Ingeniero de infraestructura de recarga
  • Especialista en hidrógeno

Sectores de destino: automoción, movilidad pesada, infraestructura de recarga, almacenamiento estacionario, hidrógeno verde. SEIUM no garantiza la obtención de empleo: se trata de una formación propia orientada a la capacitación técnica.

Anatomía del sistema

Qué hay dentro del vehículo

Pulsa cada sistema para ver qué es y en qué módulo se estudia.

ABCD123456batallapaquete de bateriaPREDICCIÓN DE DEGRADACIÓN DE BATERÍASVISTA LATERAL · VEHÍCULOSEIUMESC. S/E12345678

Tren motriz

Motor térmico o eléctrico, reductora y transmisión: de dónde sale el par y cómo llega a la rueda.

Se trabaja en el Módulo 3 del plan de estudios.

Batería y alta tensión

Celdas, módulos, BMS, refrigeración y protecciones del bus de alta tensión.

Se trabaja en el Módulo 6 del plan de estudios.

Electrónica de potencia

Inversor y convertidores DC/DC: conmutación, pérdidas, térmica y compatibilidad electromagnética.

Se trabaja en el Módulo 6 del plan de estudios.

Arquitectura E/E y ECUs

Unidades de control, buses CAN y Ethernet de automoción, y el reparto de funciones entre ellas.

Se trabaja en el Módulo 5 del plan de estudios.

Sensores y percepción

Cámaras, radar, lidar e inerciales: qué miden, con qué incertidumbre y cómo se fusionan.

Se trabaja en el Módulo 6 del plan de estudios.

Chasis y suspensión

Rigideces, geometría, cinemática y el compromiso entre confort y comportamiento dinámico.

Se trabaja en el Módulo 5 del plan de estudios.

Frenos y seguridad activa

Reparto de frenada, ABS y ESP, frenada regenerativa y la cadena de seguridad funcional.

Se trabaja en el Módulo 6 del plan de estudios.

Homologación

Reglamentos UNECE, ensayos de tipo y el expediente que convierte un prototipo en un vehículo vendible.

Se trabaja en el Módulo 2 del plan de estudios.

Marco de referencia

Normas y estándares que vas a manejar

ISO 26262

Seguridad funcional en automoción: análisis de peligros, ASIL y reparto de requisitos de seguridad.

ISO 21434

Ciberseguridad del vehículo a lo largo de su ciclo de vida.

Reglamentos UNECE

Homologación de tipo por sistemas: qué se ensaya y con qué criterio de aceptación.

IATF 16949

Sistema de calidad de la cadena de suministro de automoción.

Tu dedicación

300 horas: cuánto te va a llevar

La formación es 100 % online y asíncrona, así que el calendario lo pones tú. Estas son las tres velocidades más habituales.

5 h por semana

60

semanas

13,9 meses aproximadamente

10 h por semana

30

semanas

6,9 meses aproximadamente

15 h por semana

20

semanas

4,6 meses aproximadamente

Proyectos tipo capstones

  • Pred. Baterías: Modelado ciclo vida; aprendizaje automático; optimización rendimiento; análisis datos.
  • Diagnóstico: Técnicas avanzadas; simulación, pronóstico fallo; estrategias mitigación; gestión energía.
  • Resultados: Predicciones precisas; optimización mantenimiento; aumento seguridad y eficiencia.

  • Pred. Baterías: Modelado ciclo vida; aprendizaje automático; optimización rendimiento; análisis datos.
  • Diagnóstico: Técnicas avanzadas; simulación, pronóstico fallo; estrategias mitigación; gestión energía.
  • Resultados: Predicciones precisas; optimización mantenimiento; aumento seguridad y eficiencia.

  • Predicción Baterías: Modelado predictivo, datos históricos, algoritmos ML, optimización rendimiento y vida útil.

  • Predicción Vida Baterías: Modelado datos, machine learning, métricas precisión.

  • Pred. Baterías: Modelado predictivo (ML); análisis datos (tiempo real); optimización ciclo vida.

CUERPO DOCENTE Y EXPERTOS

Conoce a nuestros profesores

Prof. Luca Benedetti, director academico del SEIUM Design & Industrial Design Institute

Prof. Luca Benedetti

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.

Conocer al Profesor
Prof. Kenji Takahashi, director academico del SEIUM Robotics & Autonomous Systems Institute

Prof. Kenji Takahashi

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.

Conocer al Profesor
Dra. Lucia Hernandez Vega, directora academica del SEIUM Data, Artificial Intelligence & Simulation Institute

Dra. Lucía Hernández Vega

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.

Conocer al Profesor
Dr. Kevin O’Connor, director academico del SEIUM Electronics & Embedded Technologies Institute

Dr. Kevin O’Connor

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.

Conocer al Profesor
Dr. Javier Ferrer Salvatierra, director academico del SEIUM Naval & Offshore Institute

Dr. Javier Ferrer Salvatierra

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.

Conocer al Profesor
Dra. Isabel Martin Robles, directora academica del SEIUM Rail & Smart Cities Institute

Dra. Isabel Martín Robles

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.

Conocer al Profesor
Dr. Carlos Navarro Sanz, director academico del SEIUM Energy & Networks Institute

Dr. Carlos Navarro Sanz

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.

Conocer al Profesor

Admisiones

Cómo se accede a este curso

  1. 1
    Solicitud

    Rellenas el formulario con tu perfil y la formación que te interesa. Sin coste ni compromiso.

  2. 2
    Evaluación del perfil

    Revisamos formación y experiencia para confirmar que el programa encaja con tu punto de partida.

  3. 3
    Entrevista técnica

    Una conversación con el equipo académico para ajustar objetivos, ritmo y dedicación.

  4. 4
    Matrícula

    Se confirma la plaza y recibes los accesos. El programa arranca cuando tú decides.

Qué documentación hace falta

Currículum actualizado y titulación o acreditación de experiencia equivalente. Si quieres, puedes añadir ejemplos de proyectos o de código; no son obligatorios, pero ayudan a afinar el itinerario.

Becas y formas de pago

Hay descuento por pago único y becas parciales por mérito académico, por situación económica y por fomento de la inclusión, además de convenios con empresas del sector. En la entrevista se revisa cuál te corresponde.

Cuándo puedes empezar

La matrícula está abierta todo el año. Al ser un programa online y asíncrono no hay que esperar a una convocatoria: se empieza en cuanto se formaliza la matrícula.

¿Tienes dudas?

Nuestro equipo está listo para ayudarte. Contáctanos y te responderemos lo antes posible.

Por favor, activa JavaScript en tu navegador para completar este formulario.

F. A. Q

Preguntas frecuentes

¿Cuántas horas de dedicación semanal exige?

El programa son 300 horas totales repartidas en 3 a 5 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.

¿Qué software necesito?

Se trabaja con MATLAB/Simulink, GT-SUITE, AVL Cruise M, Simcenter Amesim. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.

¿Qué titulación obtengo?

Diploma propio de SEIUM al superar la evaluación continua y el proyecto integrador. Es formación propia, no un título oficial del Ministerio.

¿Se puede convalidar con otra formación de SEIUM?

Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.

Contáctanos

Lo que se busca en Google

Las preguntas que más se hacen sobre predicción de degradación de baterías

¿Qué es predicción de degradación de baterías?

Es una especialidad propia de el sector de automoción. En la práctica consiste en aplicar un método de ingeniería concreto (requisitos, diseño, cálculo, ensayo y puesta en servicio) a ese ámbito, con sus propias normas, herramientas y criterios de aceptación. Este curso recorre ese método completo en 6 módulos.

¿Qué salidas profesionales tiene predicción de degradación de baterías?

Contratan sobre todo fabricantes, proveedores de primer nivel, equipos de competición y servicios de homologación. Los puestos habituales son los de ingeniero de diseño, de cálculo, de ensayo, de puesta en marcha y de calidad o cumplimiento normativo, además de los perfiles de proyecto que coordinan a los anteriores.

¿Qué normas hay que conocer para trabajar en predicción de degradación de baterías?

Las de referencia son ISO 26262, ISO 21434, Reglamentos UNECE, entre otras. No basta con saber que existen: lo que piden las empresas es saber qué exige cada una, qué evidencia hay que generar y cómo se documenta. Es lo que se trabaja en el módulo de marco normativo.

¿Qué herramientas se usan en predicción de degradación de baterías?

En el día a día se trabaja con herramientas de simulación multicuerpo y de sistemas, bancos de ensayo y equipos de adquisición y telemetría. Durante la formación se usan en los ejercicios y en el proyecto final, de modo que lo que se practica es lo mismo que se pide en una oferta de empleo.

¿Cuánto se tarda en especializarse en predicción de degradación de baterías?

Este programa son 300 horas. Con 10 horas a la semana salen unas 30 semanas; con 5 horas, el doble. Al ser 100 % online y asíncrono, el calendario lo marca el alumno y no hay clases a hora fija.

¿Se puede estudiar predicción de degradación de baterías online?

Sí. Todo el programa es online y asíncrono: material, ejercicios y entregas quedan disponibles desde el primer día y cada módulo se cierra con un entregable que el tutor corrige de forma individual. No hay desplazamientos ni horarios.

¿Qué nivel previo hace falta?

Se parte de una base técnica: formación en ingeniería o experiencia equivalente en el sector. No se exige experiencia previa en la especialidad concreta, porque los primeros módulos reconstruyen los fundamentos antes de entrar en los métodos avanzados.

Testimonios & trayectorias

Ficha del programa

El programa en datos

6módulosEstructura
60submódulosUnidades de trabajo
300horasCarga total
3-5mesesDedicación
Modalidad
online, 100 % a distancia.
Duración
300 horas · 3 a 5 meses.
Estructura
6 módulos y 60 submódulos.
Área
Electromovilidad, Baterías & H2.
Titulación
diploma propio de SEIUM.
Convocatorias
abiertas, matrícula continua.
Tutorización
tutor técnico asignado y corrección individual.
Idioma
español.

Compara antes de decidir

Esta formación frente a otra del catálogo

Curso · estás aquíCurso de predicción de degradación de bateríasDiplomadoDiplomado en Transporte de Baterías y Compliance Internacional
Horas300 h800 h
Módulos68
Submódulos6080
Precio745 €1.790 €

Ver Diplomado en Transporte de Baterías y Compliance Internacional

Formaciones relacionadas

Programa revisado el .

Seium - Universidad de ingeniería avanzada
Powered by  GDPR Cookie Compliance
Resumen de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.