DESCRIPCIÓN DEL CURSO

Este curso está diseñado para que profesionales de mantenimiento, confiabilidad, planeamiento y operaciones mineras desarrollen habilidades prácticas para visualizar, analizar y monitorear indicadores de mantenimiento usando Power BI y Python. El enfoque se centra en construir tableros claros, accionables y orientados a la gestión de disponibilidad, fallas, productividad de taller y cumplimiento preventivo.

A lo largo del programa aprenderás desde los fundamentos de Power BI (Desktop y Service) y procesos de ETL con Power Query, hasta el modelamiento relacional, relaciones y DAX para KPIs técnicos. Además, incorporarás Python (Pandas, Numpy, Matplotlib y Seaborn) para limpieza, integración y visualizaciones avanzadas, culminando con una guía práctica de solución BI y un caso aplicado a mantenimiento minero basado en métricas reales de confiabilidad y gestión de órdenes de trabajo.

Etiquetas

Power BI Python ETL Power Query DAX Mantenimiento minero Confiabilidad MTBF / MTTR Órdenes de trabajo (OTs) Visualización de KPIs

¿QUÉ APRENDERÁS?

Comprender Power BI (Desktop vs Service) y su aplicación en mantenimiento minero.
Realizar ETL con Power Query: extracción, transformación y carga (Import / DirectQuery).
Construir modelos con esquemas relacionales y relaciones correctas para datos de mantenimiento.
Crear medidas y KPIs con DAX: disponibilidad, utilización, MTBF, MTTR, costos y cumplimiento.
Aprender Python 3 para análisis de datos: dataframes, filtrado, funciones y lógica aplicada.
Usar Pandas y Numpy para limpieza, joins, consolidación de OTs y control de calidad de datos.
Crear visualizaciones con Matplotlib/Seaborn para explorar fallas, distribuciones y tendencias.
Integrar Power BI + Python para escenarios avanzados (joins complejos, análisis exploratorio, visuales estadísticos).
Diseñar una solución BI completa: canvas, UX/testing, publicación, accesos y actualización.
Aplicar todo en casos reales: disponibilidad/utilización, análisis de fallas, productividad de taller y plan preventivo.

COMPETENCIAS A DESARROLLAR

Preparación y estandarización de datos de mantenimiento (ETL) para reporting confiable.
Modelamiento de datos eficiente para órdenes de trabajo, equipos, componentes y costos.
Dominio de DAX para KPIs técnicos (MTBF/MTTR, disponibilidad/utilización, cumplimiento y costos).
Análisis con Python: limpieza, filtrado, consolidación y unión de fuentes para mantenimiento.
Construcción de dashboards accionables: narrativa, filtros, segmentación y priorización operativa.
Publicación y gobernanza básica: workspaces, accesos, refresh y gateways on-premise.

TEMARIO DETALLADO

Módulo 01 – Power BI: fundamentos y ecosistema Ver contenidos ▾¿Qué es Power BI?: rol en analítica y reporting para mantenimiento.
Historia de Power BI: evolución y adopción en industrias intensivas en activos.
Power BI Desktop: construcción de reportes y modelos.
Power BI Service: publicación, colaboración y consumo del dashboard.
Desktop vs Service: diferencias prácticas y flujo recomendado.
Módulo 02 – ETL y visualizaciones con Power BI Desktop Ver contenidos ▾Extracción (E): definición de fuentes (CMMS/ERP), selección y alcance del proceso.
Transformación (T) con Power Query: combinar consultas, editar/agregar columnas, filtrar, limpiar y eliminar filas.
Carga (L): importación vs DirectQuery (impacto en performance).
Primeras visualizaciones: reportes base para OTs, equipos y costos.
Módulo 03 – Esquemas, relaciones y DAX Ver contenidos ▾Esquemas relacionales: estrella, copo de nieve y sin esquema para mantenimiento.
Relaciones: cardinalidad (1:* / 1:1 / *:* ) y dirección de filtrado (simple / ambos).
DAX: agregación, texto y formato, time intelligence, columnas calculadas y tablas.
Publicación: publicación en Service y control de distribución.
Áreas de trabajo y gestión de accesos: roles, permisos, audiencias.
Actualización y Gateways on-premise: refresco, fuentes locales y escenarios.
Módulo 04 – Python 3: base para análisis de datos Ver contenidos ▾¿Qué es Python?: enfoque en analítica y automatización de reportes.
Historia de Python: por qué es estándar en data analytics.
Herramientas: entornos y flujo recomendado.
Anaconda y Jupyter Notebook: instalación, librerías y notebooks.
Módulo 05 – Librerías y conceptos clave Ver contenidos ▾Conceptos: tipos de datos, listas, funciones, diccionarios, filtrado, lógicas y dataframes.
Numpy: base numérica para cálculos y métricas.
Pandas: limpieza, transformación, joins y preparación de OTs/equipos.
Matplotlib: gráficos base y personalización.
Seaborn: visualizaciones estadísticas (tendencias, distribuciones, comparativos).
Módulo 06 – Power BI + Python: integración aplicada Ver contenidos ▾Pros y contras: beneficios vs limitaciones (refresco, performance, seguridad).
Import & Join: Power Query vs Pandas (criterios por tamaño/limpieza/automatización).
Datos nulos: tratamiento en Power Query vs isnull en Pandas.
Visualizaciones: DAX/Visuales vs Seaborn (cuándo conviene cada uno).
Power BI + Python: cuándo usarlo, cuándo no, y ejemplo de aplicación.
Módulo 07 – Guía práctica de solución BI (end-to-end) Ver contenidos ▾Objetivo y enfoque: decisiones que soportará el tablero de mantenimiento.
Diseño del Canvas: layout, jerarquía, navegación y storytelling.
Fuentes de datos y conexiones: CMMS/ERP, hojas de control, bases SQL.
Modelamiento de datos: estructura de hechos/dimensiones para mantenimiento.
Visualizaciones y medidas: KPIs, segmentadores, alertas y drill-down.
UX y testing: validación con usuario, consistencia y performance.
Publicación: workspaces, permisos y distribución.
Actualización y accesos: refresh, gateway y gobernanza básica.
- Módulo 08 – Casos de uso en mantenimiento minero (KPIs y gestión) Ver contenidos ▾Caso 01: Disponibilidad y utilización de equiposDisponibilidad
- Utilización
- MTBF
- MTTR
- Caso 02: Análisis de fallasNúmero de fallas totales
- Top componentes con más fallas
- % reincidencia de fallas
- MTTR
- Costo total de reparaciones
- Caso 03: Productividad en taller de mantenimientoNúmero total de OTs
- Horas en taller
- Horas hombre totales
- Productividad de taller
- Tiempo promedio en taller
- Cumplimiento de OTs
- Costo total de mantenimiento
- Caso 04: Cumplimiento de plan de mantenimiento preventivoOTs planificadas vs ejecutadas
- Cumplimiento preventivo
- OTs reprogramadas
- OTs canceladas
- Desviación de horas (planificadas vs reales)
- Cumplimiento por equipo

EVALUACIÓN Y CERTIFICACIÓN

Al finalizar el curso obtendrás tu certificado digital con código QR único, verificable y apto para compartir en LinkedIn. La evaluación se basará en ejercicios por módulo, construcción de medidas DAX y el desarrollo de un dashboard final aplicado a mantenimiento minero, incluyendo KPIs de confiabilidad, fallas, taller y cumplimiento preventivo.

CERTIFICADO REFERENCIAL

Certificado referencial del curso de Visualización de datos con Power BI y Python aplicado al mantenimiento minero

Temario del curso

Conoce quién enseña el curso

Reseñas del curso (0)

Temario del curso

Conoce quién enseña el curso

Reseñas del curso (0)