Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in die prädiktive Instandhaltung
- Was ist prädiktive Instandhaltung?
- Reaktive vs. vorbeugende vs. prädiktive Ansätze
- Praxisnahe ROI-Betrachtungen und Branchenbeispiele
Datenerfassung und -aufbereitung
- Sensoren, IoT und Datenaufzeichnung in industriellen Umgebungen
- Datenbereinigung und Strukturierung für die Analyse
- Zeitreihendaten und Kennzeichnung von Ausfällen
Machine Learning für prädiktive Instandhaltung
- Überblick über Machine-Learning-Modelle (Regression, Klassifikation, Anomalieerkennung)
- Auswahl des richtigen Modells für die Vorhersage von Maschinenausfällen
- Modelltraining, Validierung und Leistungskennzahlen
Aufbau des prädiktiven Arbeitsablaufs
- Ende-zu-Ende-Pipeline: Datenaufnahme, Analyse und Warnungen
- Einsatz von Cloud-Plattformen oder Edge Computing für Echtzeitanalysen
- Integration in bestehende CMMS- oder ERP-Systeme
Ausfallmodellierung und Gesundheitsindikatoren
- Vorhersage spezifischer Ausfallmodi
- Berechnung der Restlebensdauer (RUL, Remaining Useful Life)
- Entwicklung von Asset-Gesundheitsdashboards
Visualisierung und Warnsysteme
- Visualisierung von Vorhersagen und Trends
- Festlegung von Schwellenwerten und Erstellung von Warnmeldungen
- Gestaltung umsetzbarer Erkenntnisse für Bediener
Best Practices und Risikomanagement
- Bewältigung von Datenqualitätsproblemen
- Ethik und Erklärbarkeit in industriellen KI-Systemen
- Change Management und Einführung im Team
Zusammenfassung und nächste Schritte
Voraussetzungen
- Kenntnisse in industriellen Anlagen und Instandhaltungsprozessen
- Grundlegendes Verständnis von KI- und Machine-Learning-Konzepten
- Erfahrung mit Datenerfassungs- und Überwachungssystemen
Zielgruppe
- Instandhaltungstechniker
- Teams für Zuverlässigkeit (Reliability-Teams)
- Betriebsmanager
14 Stunden