Schulungsübersicht

Einführung in die prognostische Wartung

  • Was ist prognostische Wartung?
  • Prognostische vs. vorbeugende vs. reaktive Ansätze
  • Realwelt-Rendite und Fallstudien aus der Industrie

Datensammlung und Vorbereitung

  • Sensoren, IoT und Datenlogging in industriellen Umgebungen
  • Datenreinigung und -strukturierung für die Analyse
  • Zeitreihendaten und Ausfallkennzeichnung

Maschinelles Lernen für prognostische Wartung

  • Übersicht über maschinelle Lernmodelle (Regression, Klassifikation, Anomalieerkennung)
  • Auswahl des richtigen Modells zur Vorhersage von Geräteausfällen
  • Modellausbildung, Validierung und Leistungsindikatoren

Aufbau der Prognostischen Arbeitsabläufe

  • End-to-end-Pipeline: Dateneingabe, Analyse und Warnungen
  • Nutzung von Cloud-Plattformen oder Edge Computing für Echtzeitanalysen
  • Integration mit bestehenden CMMS oder ERP-Systemen

Ausfallmodi und Gesundheitsindizes-Modellierung

  • Vorhersage spezifischer Ausfall Modi
  • Berechnung des verbleibenden Nutzbaren Lebens (RUL)
  • Entwicklung von Anlagen-Gesundheits-Dashboards

Visualisierung und Warnsysteme

  • Visualisieren von Vorhersagen und Trends
  • Setzen von Schwellenwerten und Erstellen von Warnungen
  • Gestaltung handlungsorientierter Einsichten für Bedienungspersonal

Beste Praktiken und Risk Management

  • Bewältigung von Datenqualitätsproblemen
  • Ethik und Verständlichkeit in industriellen AI-Systemen
  • Wandelmanagement und Akzeptanz über Teams hinweg

Zusammenfassung und Nächste Schritte

Voraussetzungen

  • Verständnis der industriellen Ausrüstung und Wartungsabläufe
  • Grundlegende Kenntnisse von KI und maschinellem Lernen
  • Erfahrung mit Daten-Aufzeichnungssystemen und Überwachungssystemen

Zielgruppe

  • Wartungsingenieure
  • Zuverlässigkeits-Teams
  • Operations-Manager
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien