aborda el diseño, implementación y evaluación de sistemas avanzados de medición automática enfocados en AMI, PLC, SCADA y detección de fraude energético mediante técnicas de analítica de datos y modelado predictivo. Este enfoque técnico integra áreas como comunicaciones IoT, gestión de redes inteligentes y seguridad de la información, aplicando herramientas de Big Data, Machine Learning y protocolos DNP3 para optimizar la precisión y confiabilidad en la adquisición y validación de datos metrológicos.
Los laboratorios disponen de plataformas HIL/SIL para simulación y prueba de dispositivos medidores con trazabilidad según normativa aplicable internacional, garantizando conformidad con marcos regulatorios y estándares de ciberseguridad. Las capacidades incluyen análisis de integridad, mitigación de interferencias EMC y pruebas de vulnerabilidad frente a ataques de manipulación. La empleabilidad se orienta a roles críticos como Ingeniero de Validación AMI, Especialista en Integridad de Datos, Analista Forense de Fraude, Desarrollador IoT y Consultor en Seguridad Energética.
6.900 €
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.
6. **Maestría en Smart Metering: Medición, Fraude, Analítica AMI y Calidad de Datos**
1.1 Contexto y evolución de Smart Metering: visión general, alcance y beneficios
1.2 Arquitectura de Smart Metering e Infraestructura AMI
1.3 Conceptos de medición: energía activa (kWh), energía reactiva (kVARh) y demanda
1.4 Dispositivos de medición y sensores: medidores eléctricos y nodos de lectura remota
1.5 Protocolos y interfaces de comunicación en AMI: M-Bus, DLMS/COSEM, RF, PLC
1.6 Calidad de datos en medición: precisión, resolución, sincronización y muestreo
1.7 Calibración, verificación y mantenimiento de medidores
1.8 Seguridad, privacidad y cumplimiento normativo en recopilación de datos de medición
1.9 Gestión de datos de medición: captura, almacenamiento, gobernanza e integración
1.10 Caso práctico: go/no-go para implementación de un proyecto de Smart Metering
2.1 Arquitectura de datos AMI para análisis de fraude y calidad de datos
2.2 Detección de fraude en lecturas AMI: reglas, ML y detección de patrones anómalos
2.3 Calidad de datos AMI: validación, limpieza, reconciliación y deduplicación de lecturas
2.4 Ingeniería de datos AMI: pipelines de ingestión, transformación y gobierno de datos
2.5 Analítica predictiva en AMI: modelos de detección de anomalías y pronóstico de consumo
2.6 Monitoreo y alertas de calidad de datos y fraude: dashboards y métricas
2.7 Trazabilidad y auditoría de datos AMI: data lineage, versionado y control de cambios
2.8 Seguridad y cumplimiento en AMI: control de accesos, cifrado y privacidad
2.9 Evaluación de riesgos de fraude y robustez de modelos: validación, drift y mitigación
2.10 Case clinic: go/no-go con risk matrix para iniciativas AMI de fraude y datos
3.1 Principios fundamentales de Smart Metering: definición, objetivos y alcance
3.2 Arquitectura de AMI: lectura, comunicaciones y gestión de datos
3.3 Metrología de mediciones eléctricas: magnitudes, unidades y trazabilidad
3.4 Incertidumbre de medición y calibración: métodos y presupuesto de incertidumbre
3.5 Patrones, calibradores y certificaciones relevantes (IEC/ISO)
3.6 Instrumentación de campo: sensores, contadores y interfaces de comunicación
3.7 Aseguramiento de la calidad de datos de lecturas AMI: validación, limpieza y normalización
3.8 Seguridad y fiabilidad en la transmisión de datos de medición
3.9 Detección de fraude y manipulación de lecturas (conceptos básicos)
3.10 Casos prácticos y ejercicios de evaluación de conformidad metrológica
4.1 Smart Metering: Datos, Medición y Calidad AMI: recopilación de datos de consumo, intervalos de lectura y validación básica de calidad
4.2 Smart Metering: Datos, Fraude y Calidad AMI: detección de patrones de fraude y manipulación de medidores
4.3 Smart Metering: Datos, Fraude y Calidad AMI: limpieza, deduplicación, normalización y trazabilidad de datos
4.4 Smart Metering: Datos, Fraude y Calidad AMI: gobernanza de datos, metadatos y políticas de retención
4.5 Smart Metering: Datos, Fraude y Calidad AMI: analítica predictiva, pronósticos de demanda y detección de anomalías
4.6 Smart Metering: Datos, Fraude y Calidad AMI: seguridad, cifrado, autenticación y control de accesos
4.7 Smart Metering: Datos, Fraude y Calidad AMI: integración de datos, ETL/ELT e interoperabilidad
4.8 Smart Metering: Datos, Fraude y Calidad AMI: calidad de servicio, fiabilidad y métricas de datos
4.9 Smart Metering: Datos, Fraude y Calidad AMI: auditoría, cumplimiento regulatorio y trazabilidad
4.10 Smart Metering: Datos, Fraude y Calidad AMI: caso práctico go/no-go con matriz de riesgos para implementación AMI
5.1 Fundamentos de Smart Metering y la Infraestructura AMI
5.2 Principios de la Ingeniería de Datos para Smart Metering
5.3 Detección y Prevención del Fraude en Sistemas AMI
5.4 Aseguramiento y Mejora de la Calidad de Datos en Smart Metering
5.5 Análisis de Datos AMI y Generación de Informes
5.6 Integración de Datos de Smart Metering con otros Sistemas
5.7 Optimización del Rendimiento y la Eficiencia del Sistema AMI
5.8 Modelado Predictivo y Analítica Avanzada en Smart Metering
5.9 Consideraciones de Seguridad y Ciberseguridad en AMI
5.10 Estudio de Casos: Implementación y Gestión de Proyectos AMI
6.1 Fundamentos de la Calidad de Datos en Smart Metering
6.2 Análisis de Datos AMI para la Identificación de Anomalías
6.3 Técnicas de Detección de Fraude en Sistemas AMI
6.4 Modelado Predictivo Aplicado a Datos de Medición Inteligente
6.5 Herramientas Avanzadas de Analítica para Smart Metering
6.6 Aseguramiento de la Calidad de Datos: Metodologías y Prácticas
6.7 Integración de Datos y Plataformas Analíticas
6.8 Reportes y Visualización de Datos para la Toma de Decisiones
6.9 Estudios de Caso: Aplicaciones de la Analítica en el Mundo Real
6.10 Tendencias Futuras en Analítica de Datos AMI
7.1 Introducción a Smart Metering y la Ingeniería AMI
7.2 Fundamentos de la Medición Inteligente: Hardware y Software
7.3 Ingeniería de Datos en Smart Metering: Recopilación y Almacenamiento
7.4 Análisis de Fraude en Sistemas AMI: Detección y Prevención
7.5 Aseguramiento de la Calidad de Datos en Smart Metering
7.6 Análisis AMI: Procesamiento y Visualización de Datos
7.7 Modelado de Datos y Diseño de Bases de Datos para Smart Metering
7.8 Protocolos de Comunicación en Smart Metering
7.9 Integración de Sistemas y Arquitectura de AMI
7.10 Estudios de Caso: Aplicaciones Reales y Desafíos en Smart Metering
8.1 Fundamentos de la Ingeniería Smart Metering y Arquitectura AMI
8.2 Metodologías Avanzadas de Medición y Calibración
8.3 Detección y Análisis de Fraude en Sistemas de Medición Inteligente
8.4 Calidad de Datos en AMI: Validación, Limpieza y Gestión
8.5 Análisis de Datos AMI: Técnicas y Herramientas
8.6 Ingeniería de Datos para Smart Metering: ETL y Almacenamiento
8.7 Diseño e Implementación de Sistemas de Comunicación para AMI
8.8 Ciberseguridad en Smart Metering: Protección de Datos y Sistemas
8.9 Integración de AMI con Sistemas de Gestión de Energía
8.10 Casos de Estudio y Aplicaciones Prácticas en Smart Metering
9.1 Fundamentos de Smart Metering: Arquitectura y Componentes Clave
9.2 Tecnologías de Medición Avanzada en Smart Metering
9.3 Detección de Fraude en Sistemas AMI: Métodos y Estrategias
9.4 Análisis de Datos AMI para la Calidad y Verificación
9.5 Ingeniería de Datos en Smart Metering: Recopilación y Gestión
9.6 Análisis Predictivo en Smart Metering: Tendencias y Predicciones
9.7 Calidad de Datos AMI: Aseguramiento y Mejora Continua
9.8 Integración de Sistemas y Comunicación en Smart Metering
9.9 Diseño e Implementación de Estrategias Anti-Fraude
9.10 Casos de Estudio: Implementaciones Exitosas y Desafíos en Smart Metering
10.1 Definición de Fraude en Smart Metering y Técnicas de Detección
10.2 Análisis de Datos AMI para Identificar Anomalías y Patrones Sospechosos
10.3 Validación y Limpieza de Datos en Sistemas AMI
10.4 Implementación de Algoritmos de Detección de Fraude en Tiempo Real
10.5 Diseño de Indicadores Clave de Rendimiento (KPIs) para la Calidad de Datos
10.6 Herramientas y Tecnologías para el Análisis de Datos en Smart Metering
10.7 Auditoría de Sistemas de Medición Inteligente
10.8 Estudios de Caso: Detección y Prevención de Fraude en Diferentes Entornos AMI
10.9 Desarrollo de Estrategias para la Mejora Continua de la Calidad de Datos
10.10 Presentación y Defensa del Proyecto Final
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