Curso de Mantenimiento Predictivo
Información del curso
Descripción
El mantenimiento predictivo se puede definir como el control constante del estado de las instalaciones y activos de una empresa (estructuras, máquinas, subsistemas y componentes), así como el conjunto de trabajos de reparación y revisión necesarios para garantizar el funcionamiento regular y el buen estado de conservación de los mismos. En la actualidad las máquinas están sometidas a cargas mecánicas elevadas y requieren una gran inversión, lo que hace que el mantenimiento predictivo sea crucial para obtener una rentabilidad razonable de la inversión, procurando reducir en lo posible el tiempo de parada de las mismas y realizando las reparaciones cuando los fallos son todavía incipientes al objeto de que no resulten dañados sistemas de alto coste de las máquinas.
SEAS imparte el Curso de Mantenimiento Predictivo para que conozcas la evolución de las técnicas de mantenimiento a lo largo del tiempo y los modernos métodos que se aplican actualmente al mantenimiento de los equipos, además conocerás la descripción de los conceptos vinculados con la fiabilidad de las máquinas y finalmente, aprenderás los conceptos fundamentales vinculados a los modos de fallo.
Descubre cómo aplicar las técnicas de mantenimiento predictivo para diagnosticar fallos tanto en componentes estructurales como en equipos industriales ¡Te informamos y resolvemos dudas sin compromiso! Rellena el formulario y contactaremos contigo.
Temario
- Parte 1. Introducción al mantenimiento.
- Parte 2. Teoría de la fiabilidad.
- Parte 3. Modos de fallos.
- Parte 4. Aerogeneradores y tornos.
- Vibraciones mecánicas en rotores.
- Modos de fallo en rotores.
- Medidas de vibraciones en los ejes de baja y de alta de los aerogeneradores.
- Análisis espectral de vibraciones usando la fft bajo Python.
- Práctica.
- Componentes y geometría de los rodamientos.
- Tipos de rodamientos.
- Modos de fallo en rodamientos.
- Causas de los modos de fallo en los rodamientos.
- Técnicas de monitorización de fallos en rodamientos.
- Evolución de los fallos.
- Características de las vibraciones originadas por fallos en rodamientos.
- Parte I. Modos de fallo en reductoras/multiplicadoras.
- Parte II. Generadores y transformadores.
- Mantenimiento de estructuras.
- Monitorización de estructuras.
- Causas de los daños.
- SHM en la torre.
- Corrosión.
- Monitorización de las palas.
- Modos de fallo en composites.
- Tipos de palas.
- Las cimentaciones en aerogeneradores terrestres.
- El torno.
- Señal de vibración de baja frecuencia en el torno_
- 2. Densidad espectral de potencia.
- Parte 1. Sensores y acondicionadores de señal.
- Parte 2. Extensometría.
- Parte 1. Medidas de desplazamientos.
- Parte 2. Medida de aceleración.
- Medida de la temperatura.
- Sensores de resistencia metálica (RTD).
Requisitos
Para acceder a uno de nuestros cursos se debe cumplir alguno de los siguientes requisitos:
- Ser mayor de 18 años.
Se expide el título de Curso indicando el contenido, duración en horas del estudio y créditos ECTS otorgados.
Metodología
Duración
Objetivos
Conoce la aplicación de técnicas de mantenimiento predictivo para la detección de los modos de fallo, tanto estructurales como de máquinas industriales.
Con el Curso de Mantenimiento Predictivo podrás:
- Conocer los tipos de mantenimiento actuales, y conocer el departamento de mantenimiento, con el objeto de analizar y optimizar los recursos, estableciendo la estrategia más adecuada.
- Comprender el mantenimiento predictivo, con la finalidad de anticiparse a los fallos y aumentar la disponibilidad.
- Conocer los principales modos de fallo que se pueden producir en las máquinas, sus causas y sus consecuencias.
- Estudiar la instrumentación de la medida de señales y la correcta elección de los parámetros en las medidas
- Conocer las variables que contienen las firmas de los fallos, y comprender los sistemas de identificación automática de los mismos.
- Aprender cómo trabajan los sistemas de aprendizaje de máquinas, como recursos de optimización en la gestión de mantenimiento.