Fundamentos
MFMEA, RCM, mantenimiento predictivo y modelo aplicado a SMT.
Entregable: criticidad inicial.Modos de falla, mantenimiento predictivo, SPC, datos industriales, confiabilidad, automatización y dashboards en tiempo real.
El curso desarrolla en el equipo de Magna Electronics Monterrey la capacidad de entender, diseñar y participar en la implementación de MFMEA y RCM con IA aplicado a procesos SMT.
Integra fallas de equipo, defectos de calidad, variables de proceso, datos históricos, mantenimiento, confiabilidad, automatización y acciones basadas en riesgo.
MFMEA, RCM, mantenimiento predictivo y modelo aplicado a SMT.
Entregable: criticidad inicial.PLC, SCADA, MES, CMMS, tag list, data map y calidad de datos.
Entregable: matriz de datos.Cartas I-MR, tendencias, degradación y anomaly detection.
Entregable: paquete SPC.Anomaly score, failure probability, alertas y validación.
Entregable: modelo inicial.Core Tools, RCM, AM, refacciones, ROI y caso final.
Entregable: roadmap.False calls, defect rate, reinspection, illumination, image contrast, camera status, cycle time y restarts.
Placement error, nozzle vacuum, feeder errors, vision alignment, head travel y board transfer.
Squeegee pressure, print offset, stencil cleaning, paste volume y clamping alarms.
Zone temperatures, conveyor speed, thermal profile deviation, nitrogen y heating alarms.
Transfer time, jams, sensor status, motor current, communication y board tracking.
Board ID, recipe, defect, alarm, work order, downtime, spare part y action closure.
Equipo, fallas, datos y objetivos.
Conexión, limpieza y contexto.
Cartas y señales de control.
Features, scores y alertas.
Dashboard, work orders y medición.
Estandarizar y replicar.
Control CNC puede ajustar ejercicios, dataset, tablero conceptual y roadmap a la realidad operativa de la organización.
Propuesta académica. El alcance, modalidad, fechas, inversión, datos e integraciones se validan antes de contratación. Las marcas de terceros se mencionan únicamente para identificar el contexto de aplicación.