Kurzusleírás

Bevezetés a prediktív karbantartásba

  • Mi az a prediktív karbantartás?
  • Reactas karbantartási vs. megelőző vs. prediktív megközelítések
  • Valós világbeli ROI és ipari esettanulmányok

Adatgyűjtés és előkészítés

  • Érzékelők, IoT és adatszolgáltatás ipari környezetekben
  • Adatok tisztítása és strukturálása az elemzéshez
  • Idősorozatos adatok és hibajelölés

Machine Learning a prediktív karbantartáshoz

  • Gép Tanulás Modellök áttekintése (regreszió, osztályozás, anomália felismerés)
  • A megfelelő modell kiválasztása a berendezések hibaprognózisára
  • Modellképzés, validálás és teljesítmény mutatók

A prediktív folyamat kialakítása

  • Végrehajtási folyamat: adatbevitel, elemzés és értesítések
  • Felhő platformok vagy élfeldolgozás használata való idejű elemzéshez
  • Integráció létező CMMS vagy ERP rendszerekkel

Hibamód és egészségi állapot index modellezés

  • Specifikus hibamódok előrejelzése
  • Hatókönyvi Életidejű (RUL) kiszámítása
  • Aktív egészségi állapotok készítése

Vizualizáció és értesítési rendszerek

  • Előrejelzések és trendek vizualizálása
  • Küszöbök beállítása és értesítések létrehozása
  • Műveleti felületek tervezése operátorok számára

Legjobb gyakorlatok és Risk Management

  • Adatminőségi problémák leküzdése
  • Etika és magyarázhatóság ipari AI-rendszerekben
  • Változásmenedzsment és átvétel csapaton belül

Összegzés és következő lépések

Követelmények

  • Ipari eszközök és karbantartási folyamatok megértése
  • Alapvető ismeret AI és gépi tanulás fogalmai alapján
  • Adatgyűjtés és monitorozási rendszerek tapasztalata

Célközönség

  • Karbantartási mérnökök
  • Biztonsági csapatok
  • Üzemi menedzserek
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák