Kontakt aufnehmen

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

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien