INTEGRACIÓN DE TECNOLOGÍAS DE REALIDAD VIRTUAL EN LAS INDUSTRIAS CONECTADAS

INTEGRACIÓN DE TECNOLOGÍAS DE REALIDAD VIRTUAL EN LAS INDUSTRIAS CONECTADAS
FECHAS DEL CURSO:
09-13 JUNIO 2025
VOLUMEN DE HORAS:
Lecciones: 15 horas
Laboratorio supervisado: 15 horas
MODALIDADES:
Online y presencial
LO QUE APRENDERÁS
El curso «Integración de las tecnologías de realidad virtual y aumentada en las industrias conectadas» ofrece una exploración exhaustiva del potencial transformador de las tecnologías inmersivas en diversos sectores industriales. Los participantes adquirirán conocimientos básicos sobre Realidad Virtual (RV) y Realidad Aumentada (RA) y examinarán aplicaciones reales en los sectores manufacturero, logístico y sanitario. El curso hace hincapié en la integración de gemelos digitales e interfaces hombre-máquina (HMI) inmersivas, dotando a los estudiantes de las habilidades necesarias para diseñar interfaces fáciles de usar y abordar los retos que plantea la implantación de estas tecnologías. Con un enfoque de evaluación equilibrado que comprende cuestionarios y un proyecto, este curso es ideal para personas con conocimientos básicos de RV/AR y fundamentos de programación, con el objetivo de mejorar su experiencia en las industrias conectadas.
REQUISITOS PREVIOS:
-
Conocimientos básicos de realidad virtual y aumentada: Puede requerirse un conocimiento básico de los principios y conceptos de la realidad virtual y aumentada.
-
Fundamentos de programación: Dado que la integración tecnológica suele implicar el desarrollo de software, pueden ser necesarios conocimientos de programación en lenguajes similares.
-
Conocimientos de tecnologías de conectividad: Puede ser beneficioso tener conocimientos de protocolos de comunicación y tecnologías de red, especialmente.
OBJETIVOS PEDAGÓGICOS:
El objetivo de este STC «Short-Term Course» (Curso de corta duración) es enseñarte los fundamentos de las tipologías y operaciones robóticas, así como cómo realizar y predecir tareas de mantenimiento en los principales elementos que componen un robot. Este conocimiento te permitirá definir e implementar un plan de mantenimiento preventivo para un robot, basado en pruebas empíricas y en las especificaciones del fabricante.
En este STC, aprenderás los fundamentos para identificar y visualizar anomalías y fallos en los datos proporcionados por los componentes del robot. Aprenderás a asociar estas anomalías con condiciones de fallo, lo que te permitirá llevar a cabo un mantenimiento predictivo para gestionar fallos y evitar costosos tiempos de inactividad.
El curso incluye el aprendizaje sobre los elementos del motor eléctrico que forman parte de un robot articulado y la comprensión de su funcionamiento y propósito. Estudiarás los elementos básicos necesarios para procesar y comprender los datos obtenidos del interior del robot con fines de mantenimiento predictivo.
Además, aprenderás cómo realizar un diagnóstico de errores basándote en el registro de funcionamiento del robot y cómo prevenir accidentes durante el mantenimiento del equipo robótico.
CONTENIDO PRINCIPAL:
Realizar tareas de mantenimiento en sus elementos constituyentes principales, con el fin de definir un plan de mantenimiento preventivo con un robot, de acuerdo con pruebas empíricas y las especificaciones del fabricante. Conocer las principales herramientas de mantenimiento predictivo.
1. Fundamentos Morfológicos en Robótica: Tipos de Robots, Sistemas de Control de Movimiento y Enfoques para Acceder a la Información de Mantenimiento de los Elementos Principales
Esta sección presenta los principales tipos de robots, centrándose en los componentes más susceptibles de fallo en entornos de la Industria 4.0. Obtendrás una comprensión general de cómo se pueden controlar y acceder a estos robots. Se discutirán las diferencias entre la robótica comercial y la robótica de código abierto, explorando cómo cada solución permite acceder y analizar los datos de mantenimiento de los componentes principales del robot.
2. Fundamentos Matemáticos y de Programación para la Programación Robótica
Esta sección abarca los fundamentos prácticos y matemáticos de la programación y calibración de robots. Se explorarán los principales paradigmas de programación utilizados en la industria, incluyendo aquellos empleados por empresas como ABB y plataformas de robótica de código abierto como ROS. Esta sección incluirá múltiples referencias a los componentes prácticos de los módulos.
3. Sensores Robóticos Básicos: Definición, Calibración, Problemas Potenciales y Mantenimiento
Los sensores son una parte fundamental de cualquier plataforma robótica; la mayoría de los robots no podrían operar sin ellos. En esta sesión se abordarán los fundamentos de los sensores robóticos más importantes, cómo calibrarlos, los principales problemas que pueden presentar y cómo solucionarlos, además de buenas prácticas. Los sensores tratados son cámaras 2D, cámaras 3D, LIDAR, IMU, radar y encoders de ruedas/motores. También se presentarán algunos casos de uso de estos sensores para comprender mejor su funcionamiento y se discutirán situaciones reales en las que fallaron y los problemas que dichos fallos ocasionaron.
4. Mantenimiento Preventivo y Predictivo: Herramientas para Predecir Incidencias y Crear Programas de Mantenimiento (Parte 1)
En esta sección se cubrirán los fundamentos del análisis de datos utilizando métodos como regresión, análisis de series temporales y detección de anomalías para predecir fallos potenciales en los componentes de los robots. Se utilizarán datos proporcionados por los sistemas de registro (logs) de robots, tanto comerciales como de código abierto. Además, se presentarán herramientas básicas de visualización que nos ayudarán a comprender mejor los fallos que ocurren en los componentes principales de un robot.
5. Mantenimiento Preventivo y Predictivo: Herramientas para Predecir Incidencias y Crear Programas de Mantenimiento (Parte 2)
MODALIDAD DE EVALUACIÓN
Se realizará un proyecto después del curso
MATERIAL DIDÁCTICO NECESARIO
El material necesario en términos de hardware y software se proporcionará durante el curso.
