Maestría en Producción y Operaciones Industriales
Portal Académico del Docente y Material de Clase Interactivo
Introducción a la revolución digital, sus pilares habilitadores clave, la transformación de la cadena de valor y el impacto laboral.
Sistemas SCADA y HMI, robótica colaborativa (cobots) y móvil, y tecnologías de fabricación aditiva (impresión 3D).
Aplicación de algoritmos de Machine Learning en mantenimiento predictivo, optimización de producción y control de calidad.
De acuerdo al sílabo aprobado para el Módulo 10, se abordarán los siguientes temas mínimos indispensables, vinculados a herramientas de desarrollo y lenguajes de programación clave para su aplicación práctica en planta:
Captura de telemetría de sensores en tiempo real.
Herramientas: MicroPython (ESP32), Node-RED, MQTT (HiveMQ/Mosquitto).
Procesamiento y análisis de datos a gran escala.
Herramientas: Power BI Desktop, Python (Pandas/NumPy), InfluxDB, Grafana.
Modelado de mantenimiento predictivo y calidad.
Herramientas: Jupyter Notebooks, Python (Scikit-Learn, TensorFlow/Keras).
Resiliencia y blindaje de redes industriales físicas.
Herramientas: Wireshark (Modbus/OPC UA), Nmap, OpenSSL.
Almacenamiento masivo y servicios distribuidos IoT.
Herramientas: AWS IoT Core, Azure IoT, Firebase, Docker containers.
Trazabilidad inviolable en cadenas de suministro.
Herramientas: Solidity (Smart Contracts), Web3.py, Ganache.
Sistemas HMI avanzados de asistencia al operador.
Herramientas: Unity 3D, Vuforia SDK (AR), WebXR standard.
El módulo combina conferencias magistrales híbridas sincrónicas con talleres prácticos experimentales que fortalecen la toma de decisiones basadas en datos de planta.
Talleres, simulaciones y quizzes.
Proyecto o examen integrador.
Plataformas y cuestionarios interactivos utilizados para evaluar y reforzar los fundamentos conceptuales al inicio de cada sesión:
Evaluación en vivo sobre evolución industrial, gemelos digitales, IIoT, Edge, Cloud y Blockchain.
Ingresar a la Actividad (PIN: brxnc)Acceso a las pizarras digitales, entornos en la nube, instaladores de software y archivos de simulación requeridos para el desarrollo de las prácticas de la maestría:
Pizarra digital del docente con artículos, lecturas y debates compartidos en tiempo real.
Acceder al PadletConsola en la nube y servidor local de automatización para desarrollo de flujos:
Sincronización de telemetría de temperatura en vivo (Node-RED + Firebase).
Auditoría OT forense y análisis de inyección de tramas con Wireshark.
Diseño procedimental 3D de engranajes y acoplamiento en Realidad Aumentada.
Laminación (Slicing) en Cura e impresión 3D física del engranaje en el taller.
Entrenamiento de modelos de Machine Learning (Jupyter/Colab) para diagnóstico de vibración y temperatura.
Desarrollo del Mini-Proyecto IA de dos páginas: reporte de fallas OT (Firebase RTDB) y diagnóstico en tiempo real (Gemini API).
Importación de telemetría (CSV a MySQL) y visualización del Dashboard HMI en PHP + Chart.js.
Ejercicios interactivos en Python para IoT, análisis de datos con Pandas y modelos en Scikit-Learn.
Ingresar al Laboratorio →Monitoreo en tiempo real de Firebase y diagnóstico autónomo de fallas en planta utilizando la API de Gemini.
Abrir Consola Gemini →