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.
Dauer 14 Stunden
Schulungsübersicht
Einführung in die prädiktive Instandhaltung
- Was ist prädiktive Instandhaltung?
- Reaktiver vs. preventiver vs. prädiktiver Ansatz
- Realer ROI und Branchenfallstudien
Datenerfassung und -vorbereitung
- Sensoren, IoT und Datenlogging in industriellen Umgebungen
- Datenbereinigung und -strukturierung für die Analyse
- Zeitreihendaten und Fehlerbeschriftung
Maschinelles Lernen für die prädiktive Instandhaltung
- Überblick über Modelle des maschinellen Lernens (Regression, Klassifikation, Anomalieerkennung)
- Auswahl des richtigen Modells für die Vorhersage von Anlagenausfällen
- Modelltraining, Validierung und Leistungskennzahlen
Aufbau des prädiktiven Workflows
- End-to-End-Pipeline: Dateneinlesung, Analyse und Alarme
- Nutzung von Cloud-Plattformen oder Edge-Computing für Echtzeitanalysen
- Integration in bestehende CMMS- oder ERP-Systeme
Modellierung von Fehlermodi und Gesundheitsindex
- Vorhersage spezifischer Fehlermodi
- Berechnung der Restnutzungsdauer (RUL)
- Entwicklung von Asset-Gesundheits-Dashboards
Visualisierung und Alarmierungssysteme
- Visualisierung von Prognosen und Trends
- Festlegung von Schwellenwerten und Erstellung von Alarmen
- Gestaltung handlungsrelevanter Erkenntnisse für Betreiber
Best Practices und Risikomanagement
- Überwindung von Problemen der Datenqualität
- Ethik und Erklärbarkeit in industriellen KI-Systemen
- Change Management und Akzeptanz in Teams
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von Industrieanlagen und Wartungsprozessen
- Grundlegende Vertrautheit mit Konzepten der KI und des maschinellen Lernens
- Erfahrung mit Datenerfassung und Überwachungssystemen
Zielgruppe
- Instandhaltungstechniker
- Reliability-Teams (Zuverlässigkeitsmanagement)
- Betriebsleiter (Operations Manager)
Erfahrungsberichte (1)
KI für die tägliche Arbeit: Anwendung und Erkundung
Giovani Natalia - PT Astra Honda Motor
Kurs - AI for Supply Chain and Manufacturing Logistics
Maschinelle Übersetzung
