CS-07 — Automatización e IA · Plataformas de datos
Mantenimiento predictivo con detección de anomalías industriales
Detección de anomalías sobre telemetría de maquinaria industrial de ensamblaje y soldadura para anticipar fallos mecánicos, junto con una infraestructura IoT on-premise de ingesta y analítica en tiempo real.
- Mi papel
- Data Engineer e investigador (IKERLAN).
- Periodo
- No documentado
- Divulgación
- Detalles anonimizados
- Tecnologías
- PythonJupyterApache KafkaApache StormApache Spark
- Última revisión
- 13 de noviembre de 2026
Contexto
Máquinas de fabricación industrial con engranajes y componentes sometidos a presión, fuerza y desgaste. Un fallo inesperado podía causar paradas graves, daños en el equipo y mantenimiento costoso.
Retos
- 01Detectar fallos antes de que los componentes se rompan.
- 02Interpretar series temporales de sensores (fuerza, presión, ciclos de operación).
- 03Convertir las salidas del modelo en información útil para mantenimiento.
Solución y arquitectura
Preprocesado de telemetría industrial, análisis exploratorio, ingeniería de características a partir de datos de máquina y entrenamiento y evaluación de modelos de detección de anomalías (incluido deep learning donde aplicaba). Contribución a una infraestructura IoT on-premise de streaming con Kafka, Storm y Spark para ingesta y analítica en tiempo real.
Decisiones clave
Aún no documentado
Compromisos
Aún no documentado
Resultados
Los resultados se publicarán una vez verificados
Aprendizajes
Aún no documentado
Objetivo: identificar posibles fallos con antelación suficiente para el mantenimiento preventivo y reducir paradas y daños mecánicos. No se publican métricas de ahorro ni de precisión.
Pregunta sobre este caso de estudio
Las preguntas de aquí se responden con el caso de estudio «Mantenimiento predictivo con detección de anomalías industriales» como contexto.