Microsoft Fabric: anomalías en tiempo real

Machine Learning y alertas automáticas sobre datos de sensórica.
Fecha 10/02/2026
Hora 9:30
Duración 30 minutos
Modalidad Online
En este webinar veremos cómo Microsoft Fabric permite construir una solución end-to-end de mantenimiento predictivo, desde la ingestión de datos de sensórica y maquinaria hasta el análisis mediante Machine Learning y la generación de alertas en tiempo real.

A través de un caso práctico de cliente, mostraremos cómo anticiparse a fallos, detectar anomalías y actuar antes de que se produzcan incidencias críticas, reduciendo costes operativos y tiempos de parada.

Durante la sesión hablaremos de:

  • Extracción y transporte del dato
  • Cómo capturar datos de sensórica y maquinaria y llevarlos a Fabric de forma continua y escalable.
  • Limpieza y transformación del dato en tiempo real
  • Preparación, normalización y estructuración del dato para que esté listo para el análisis avanzado.
  • Análisis de anomalías con Machine Learning
  • Uso de modelos de ML para identificar comportamientos anómalos y patrones que anticipan fallos.
  • Alertas por anomalías detectadas
  • Generación de alertas automáticas para actuar antes de que una incidencia derive en daños mayores o paradas de producción.

¿Por qué asistir?

✔ Verás una arquitectura realista y aplicable basada en Microsoft Fabric.
✔ Entenderás cómo combinar data engineering y machine learning en un único entorno.
✔ Aprenderás cómo detectar anomalías y generar alertas sin complejidad excesiva.
✔ Descubrirás cómo Fabric se convierte en un habilitador clave de la industria inteligente.


Responsable: INTEGRA ESTRATEGIA Y TECNOLOGÍA (SOLUCIONES AVANZADAS EN ASESORÍA Y TRANSFORMACIÓN S.L.). - Finalidad: Gestionar el envío de información y prospección comercial - Legitimación: Consentimiento del interesado. - Destinatarios: No se cederán datos salvo disposición legal. - Derechos: Acceder, rectificar y suprimir los datos, así como otros derechos, como se explica en la información adicional. - Puede consultar información adicional sobre Protección de Datos en nuestra página web

Categoría: 
Volver