Cómo funciona Wertek Studio

Función BETA. Studio se habilita por cuenta; hoy es visible solo para cuentas beta seleccionadas. Consulta con Wertek la disponibilidad en tu plan.

Cómo funciona (concepto)

Wertek Studio es un laboratorio de análisis de ingeniería dentro de la plataforma web: notebooks de Python que corren en tu navegador sobre los datos de tu organización (energía, variadores, sensores de vibración, incidentes). No es un IDE que instalar ni un servidor que administrar — abres una celda, escribes Python y se ejecuta localmente con librerías científicas ya cargadas (pandas, numpy, scipy, scikit-learn, matplotlib).

La pieza que lo hace Wertek es el puente wertek: un objeto disponible en cada celda que trae tus datos reales como DataFrame y que puede exportar un hallazgo de vuelta a la plataforma (una regla de alerta, un evento, una orden de trabajo). Es decir: explorar los datos y convertir el resultado en algo operativo, en el mismo lugar.

Qué NO es: no ejecuta nada en tus equipos, no ve datos de otras organizaciones (cada cuenta está aislada), y no reemplaza al módulo de diagnóstico ni al CMMS — es la capa exploratoria sobre esos datos. Cada celda tiene un límite de 30 segundos de ejecución (pensado para análisis, no para trabajos pesados).

Primeros 15 minutos

Ábrelo: en app.wertek.ai, menú lateral → Studio (aparece marcado BETA). Verás tres pestañas: Notebooks, Datasets y Artifacts.
Crea un notebook: botón +, en blanco o desde una plantilla guiada (Tendencia de Vibración, Anomalías de Energía, Correlación, Clasificador de Fallas, Estimación de RUL). Las plantillas traen datos de ejemplo para que veas el flujo; para tus datos reales usa el puente wertek (abajo).
Renómbralo: clic al título arriba, o el ícono de lápiz en la lista. Exporta el notebook completo a .ipynb (abre en Jupyter/VS Code) con el botón Exportar.

Trae tus datos reales en una celda:

import wertek
df = await wertek.query("energy_readings", asset="TAB-PTAR-01", days=30)
df.head()

Grafica lo que trajiste:

wertek.plot_trend(df, "power_kw", title="Potencia — últimos 30 días")

El puente `wertek` — lo que puedes llamar en una celda

Todos los métodos que traen datos son asíncronos: van con await. Devuelven un DataFrame de pandas.

Traer datos

await wertek.query(table, asset=None, days=30, columns=None, limit=10000) — consulta una tabla fuente directamente. Ej: await wertek.query("vfd_readings", asset="AST_DRIVE", days=7).
await wertek.load_dataset(name) — carga un Dataset guardado (definido en la pestaña Datasets) como tabla completa.

Analizar y graficar (no llevan await)

wertek.plot_trend(df, column, title=None) — serie de tiempo (detecta la columna created_at).
wertek.plot_spectrum(df, column, title=None) — espectro de frecuencia (FFT).
wertek.correlation_matrix(df, target=None) — mapa de calor de correlaciones, o barras contra una columna target.
wertek.align_timeseries(df_sensores, df_labels, tolerance="5min") — une dos series por timestamp más cercano (para cruzar mediciones con eventos).

Exportar a producción (crean un artifact en estado borrador)

await wertek.export_alert(name, asset=None, condition=None, severity="warning") — crea una regla de alerta.
await wertek.export_iaes_event(asset_id, event_type="asset.health", severity="warning", diagnosis="") — publica un evento.
await wertek.create_wo(asset_id, title, priority="medium", type="predictive") — crea una orden de trabajo pre-llenada.

Además tienes pandas (pd), numpy (np) y matplotlib.pyplot (plt) disponibles directo, sin importar.

Flujo típico: de exploración a operación

Trae los datos con wertek.query(...) (o guarda un Dataset reusable en la pestaña Datasets y cárgalo con load_dataset).
Explora: df.describe(), df.head(), graficar tendencia/espectro, buscar correlaciones.
Exporta el hallazgo con wertek.export_alert(...) → aparece en la pestaña Artifacts como borrador.
Despliégalo: en Artifacts, botón Desplegar. Una regla de alerta desplegada se convierte en una regla de automatización real — aparece el link "Ver en Automatizaciones" (Ajustes → Automatizaciones), donde vive y se edita como cualquier otra regla. El Studio captura el disparador (condición/activo/severidad); las acciones (notificar, crear OT) las ajustas en Automatizaciones.
Comparte: exporta el notebook a .ipynb, o un Dataset a CSV, desde sus íconos de descarga.

Errores comunes y soluciones

"La celda se detuvo / desapareció el resultado" — hay un límite de 30 segundos por celda. Reduce el rango (days=) o el limit=, o parte el análisis en varias celdas. No está pensado para procesar millones de filas de una vez.
"Olvidé el await y me da un objeto raro (coroutine)" — los métodos que traen o exportan datos (query, load_dataset, export_*, create_wo) son asíncronos: siempre await wertek.query(...).
"El DataFrame viene vacío" — el activo no tiene datos en esa ventana, o el nombre de tabla/activo no coincide. Verifica el tag exacto del activo (página Activos) y prueba una ventana más amplia.
"Desplegué una alerta pero no la encuentro en Studio" — es correcto: al desplegar un artifact de alerta se convierte en regla de automatización. Búscala en Ajustes → Automatizaciones (el propio artifact muestra el link).
"Mi regla dispara con todo" — si exportaste la alerta sin condition, la regla queda como cualquier condición. Edítala en Automatizaciones para acotar condición, severidad o activo.
"No veo Studio en el menú" — es una función BETA habilitada por cuenta. Si no aparece, escribe a soporte para solicitar acceso beta.

Qué sigue

Guardar consultas reusables: define Datasets en la pestaña Datasets (tabla + activo + rango) y cárgalos con wertek.load_dataset("nombre") en cualquier notebook.
Del análisis a la alerta viva: revisa cómo se gestionan las reglas en CMMS/automatizaciones y la interpretación asistida en el Copilot.
Soporte: para acceso beta o dudas, [email protected] o el chat de la plataforma — ver FAQ general.