Admisión abierta 2026-2027Rellenar solicitud

Curso de IA en diagnóstico de equipos nucleares

Curso online de 300 h: 6 módulos y 60 submódulos, de «Diagnóstico de equipos en centrales» a «Proyecto de sistema de diagnóstico», pasando por «Pronóstico y vida útil remanente».

Mapa del programa · pulsa un módulo
Módulo 1 · Diagnóstico de equipos en centrales
300 hDuración total
6Módulos
60Submódulos
OnlineModalidad

Competencias y resultados

6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.

Diagnóstico de equipos en centrales

Saldrás manejando equipos críticos: bombas, válvulas, turbinas y motores, mantenimiento correctivo, preventivo y predictivo y mantenimiento basado en condición. Es lo que se trabaja en «Diagnóstico de equipos en centrales», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Señales y extracción de características

Saldrás manejando adquisición y preprocesado de señales, análisis espectral y FFT de vibraciones y análisis envolvente para rodamientos. Es lo que se trabaja en «Señales y extracción de características», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Aprendizaje automático para diagnóstico

Saldrás manejando clasificación supervisada: SVM y bosques aleatorios, detección de anomalías: Isolation Forest y autoencoders y estimación multivariante de estado (MSET). Es lo que se trabaja en «Aprendizaje automático para diagnóstico», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Pronóstico y vida útil remanente

Saldrás manejando modelos de degradación física y estadística, estimación de vida útil remanente (RUL) y modelos de Weibull y análisis de supervivencia. Es lo que se trabaja en «Pronóstico y vida útil remanente», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Despliegue, explicabilidad y calificación

Saldrás manejando arquitectura de un sistema de diagnóstico en planta, integración con sistemas de mantenimiento y explicabilidad: SHAP y LIME. Es lo que se trabaja en «Despliegue, explicabilidad y calificación», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Proyecto de sistema de diagnóstico

Saldrás manejando selección del equipo y modos de fallo, preparación del conjunto de datos y extracción de características. Es lo que se trabaja en «Proyecto de sistema de diagnóstico», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Identificar los modos de fallo de los principales equipos de una central y sus síntomas medibles.
  • 02Extraer características relevantes de señales de vibración, temperatura y proceso.
  • 03Entrenar y comparar modelos de aprendizaje automático para clasificación de fallos.
  • 04Estimar la vida útil remanente de componentes mediante modelos de pronóstico.
  • 05Aplicar técnicas de explicabilidad para justificar las decisiones de los modelos.
  • 06Analizar los requisitos de calificación y regulación para desplegar IA en entornos nucleares.
  • 07Desarrollar un prototipo de sistema de diagnóstico con datos reales o simulados.

Plan de estudios

6 módulos, 60 submódulos, 300 h. Elige un módulo y ves su contenido completo.

1 de 6 módulos abiertos
Módulo 1 de 6 · 10 submódulos

Diagnóstico de equipos en centrales

1.1Equipos críticos: bombas, válvulas, turbinas y motores
1.2Mantenimiento correctivo, preventivo y predictivo
1.3Mantenimiento basado en condición
1.4Regla de mantenimiento 10 CFR 50.65
1.5Gestión del envejecimiento según IAEA SSG-48
1.6Modos de fallo y FMECA de equipos nucleares
1.7Fuentes de datos: vibraciones, termografía y aceites
1.8Sistemas de monitorización en línea
1.9Indicadores de fiabilidad de equipos
1.10Caso práctico: histórico de fallos de una bomba de refrigerante
Módulo 2 de 6 · 10 submódulos

Señales y extracción de características

2.1Adquisición y preprocesado de señales
2.2Análisis espectral y FFT de vibraciones
2.3Análisis envolvente para rodamientos
2.4Ondículas y análisis tiempo-frecuencia
2.5Ruido neutrónico y diagnóstico del núcleo
2.6Emisión acústica en componentes a presión
2.7Análisis de corriente de motor (MCSA)
2.8Diagnóstico de válvulas motorizadas
2.9Selección y reducción de características
2.10Laboratorio: extracción de características de vibraciones en Python
Módulo 3 de 6 · 10 submódulos

Aprendizaje automático para diagnóstico

3.1Clasificación supervisada: SVM y bosques aleatorios
3.2Detección de anomalías: Isolation Forest y autoencoders
3.3Estimación multivariante de estado (MSET)
3.4Redes convolucionales sobre espectrogramas
3.5Redes recurrentes y LSTM para series temporales
3.6Datos desbalanceados y escasez de fallos
3.7Aprendizaje por transferencia entre equipos
3.8Validación cruzada y métricas de diagnóstico
3.9Conjuntos de datos públicos: CWRU y NASA
3.10Laboratorio: detector de anomalías en un turbogenerador
Módulo 4 de 6 · 10 submódulos

Pronóstico y vida útil remanente

4.1Modelos de degradación física y estadística
4.2Estimación de vida útil remanente (RUL)
4.3Modelos de Weibull y análisis de supervivencia
4.4Filtros de partículas para pronóstico
4.5Modelos híbridos físicos y de datos
4.6Cuantificación de incertidumbre en el pronóstico
4.7Pronóstico de cables y transformadores
4.8Estimación de fatiga en componentes del primario
4.9Priorización de mantenimiento según riesgo
4.10Práctica: estimación de RUL con datos de C-MAPSS
Módulo 5 de 6 · 10 submódulos

Despliegue, explicabilidad y calificación

5.1Arquitectura de un sistema de diagnóstico en planta
5.2Integración con sistemas de mantenimiento
5.3Explicabilidad: SHAP y LIME
5.4Ciberseguridad de sistemas conectados
5.5Clasificación de seguridad del software según IEC 61226
5.6Verificación y validación de modelos de IA
5.7Guías de la NRC sobre IA en reguladores
5.8Deriva de datos y mantenimiento del modelo
5.9Experiencias del EPRI y programas internacionales
5.10Caso práctico: justificación ante el regulador
Módulo 6 de 6 · 10 submódulos

Proyecto de sistema de diagnóstico

6.1Selección del equipo y modos de fallo
6.2Preparación del conjunto de datos
6.3Extracción de características
6.4Entrenamiento y comparación de modelos
6.5Estimación de vida útil remanente
6.6Explicabilidad y validación
6.7Propuesta de despliegue en planta
6.8Síntesis de resultados
6.9Memoria y presentación
6.10Revisión final con el tutor

¿Cuánto me va a llevar?

Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 300 h del programa.

—meses a ese ritmo
—semanas por módulo
—frente a los 300 horas · 3 a 5 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.

Indicadores de fiabilidad de equipos
Módulo 1 · Diagnóstico de equipos en centrales
Emisión acústica en componentes a presión
Módulo 2 · Señales y extracción de características
Estimación multivariante de estado (MSET)
Módulo 3 · Aprendizaje automático para diagnóstico
Práctica: estimación de RUL con datos de C-MAPSS
Módulo 4 · Pronóstico y vida útil remanente
Guías de la NRC sobre IA en reguladores
Módulo 5 · Despliegue, explicabilidad y calificación

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial)ISO/IEC 23894 (gestión de riesgos en inteligencia artificial)ISO 13381-1 (monitorización de condición: pronóstico)ISO 17359 (monitorización de condición y diagnóstico de máquinas)IEC 60880 (software de sistemas de I&C de categoría A)ISO/IEC 42001 (sistemas de gestión de la IA)ISO 13374 (procesamiento de datos de monitorización de condición)

Cuerpo docente y expertos

Directores académicos de los institutos de SEIUM. El detalle de cada instituto está en la página de institutos.

Dr. Kevin O’Connor Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji Takahashi Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.
Dra. Lucía Hernández Vega Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.

El claustro completo y los once institutos, con sus líneas de trabajo, están en institutos SEIUM y en liderazgo y consejo asesor.

Dónde se trabaja con esto

Perfiles a los que da acceso el programa.

Ingeniero de mantenimiento predictivo nuclear
Científico de datos industriales
Especialista en monitorización de condición
Ingeniero de fiabilidad de equipos
Desarrollador de soluciones de IA industrial
Analista de gestión de vida de componentes

Para quién es

Ingeniero de mantenimiento predictivo nuclear
Científico de datos industriales
Especialista en monitorización de condición
Ingeniero de fiabilidad de equipos
Desarrollador de soluciones de IA industrial
Analista de gestión de vida de componentes
Titulados en ingeniería o ciencias que busquen entrar en centrales nucleares

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

¿Buscas el programa completo de este tema?

Mismo campo, recorrido largo y titulación de máster: Máster en Ingeniería de Medicina Nuclear y Radiodiagnóstico Tecnológico (enfoque ingenieril).

En el blog técnico: Ingeniería de Baterías EV: Diagnóstico, Módulos y Segunda Vida · Motores fueraborda: mantenimiento, diagnóstico y averías más frecuentes · Simulación de Vuelta Rápida: Cómo la Usan los Equipos y qué Debes Aprender.

Áreas cercanas: todas las de Ingeniería Nuclear & Tecnologías del Ciclo Nuclear · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Civil, Rail & Smart Cities · Defensa, Ingeniería Militar & Sistemas Terrestres (enfoque académico, legal y ético) · Electromovilidad, Baterías & Hidrógeno (Movilidad) · Energía & Redes · Motocicletas & 2 Ruedas · todas las facultades.

Opiniones de alumnos

Opiniones verificadas de alumnos de SEIUM, recogidas en Opynio.

Ver reseñas completas

De la solicitud al aula, sin esperas

  1. 1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
  2. 2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
  3. 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.

El proceso completo, con documentación, plazos, convalidaciones y becas, está en admisión, cómo aplicar y becas y ayudas.

Comprueba tu acceso en tres respuestas

¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Ingeniería Nuclear & Tecnologías del Ciclo Nuclear?
¿Puedes mantener un ritmo de estudio constante durante 300 horas · 3 a 5 meses?

Responde las tres y te decimos por dónde seguir.

Requisitos de acceso

  • ·No se exige titulación previa.
  • ·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 Python (scikit-learn, pandas), PyTorch, MATLAB Predictive Maintenance Toolbox, AVEVA PI System, SHAP (explicabilidad de modelos), en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de análisis de señales de vibración de bombas y motores, conjuntos de datos de monitorización de planta, validación de modelos predictivos con datos históricos. La evaluación es continua por módulo más el proyecto integrador final.

Las modalidades, el calendario y las tasas son comunes a todos los programas: modalidades, calendario académico y tasas y financiación.

Preguntas frecuentes

Son 6 módulos con 60 submódulos y 300 h de trabajo total. Abre por «Diagnóstico de equipos en centrales» y cierra con «Proyecto de sistema de diagnóstico».

Se trabajan Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial), ISO/IEC 23894 (gestión de riesgos en inteligencia artificial), ISO 13381-1 (monitorización de condición: pronóstico), ISO 17359 (monitorización de condición y diagnóstico de máquinas), IEC 60880 (software de sistemas de I&C de categoría A) y ISO/IEC 42001 (sistemas de gestión de la IA).

Los perfiles más directos son Ingeniero de mantenimiento predictivo nuclear, Científico de datos industriales, Especialista en monitorización de condición, Ingeniero de fiabilidad de equipos y Desarrollador de soluciones de IA industrial.

En un pago son 436 €, sobre una tarifa de 545 €. A plazos, una entrada de 218 € y 3 cuotas de 109 €, 545 € en total, sin intereses: lo mismo que la tarifa.

No se exige titulación previa, 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 300 horas totales repartidas en 3 a 5 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.

Se trabaja con Python (scikit-learn, pandas), PyTorch, MATLAB Predictive Maintenance Toolbox, AVEVA PI System, SHAP (explicabilidad de modelos). 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 proyecto integrador. 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.

Las dudas comunes a todos los programas (titulación, convalidaciones, visado, idiomas) están resueltas en preguntas frecuentes, equivalencias y convalidaciones e idiomas.

Inicio de clases: 22 de diciembre de 2026436 € Matricularme
Contactar con Seium
Pago al contado436 €ahorras 109 €
Reservar plaza
Seium - Universidad de ingeniería avanzada
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.