Plan Szkolenia

Wprowadzenie do konserwacji przewidywanej

  • Co to jest konserwacja przewidywana?
  • Reactywny vs. zapobiegawczy vs. przewidywany podejście
  • Rzeczywiste zwroty z inwestycji i case studies z branży

Zbieranie i przygotowywanie danych

  • Czujniki, IoT i rejestrowanie danych w środowiskach przemysłowych
  • Czyszczenie i strukturowanie danych do analizy
  • Dane czasowe i oznaczanie awarii

Machine Learning dla konserwacji przewidywanej

  • Przegląd modeli uczenia maszynowego (regresja, klasyfikacja, wykrywanie anomalii)
  • Wybór odpowiedniego modelu do przewidywania awarii urządzeń
  • Trenowanie, walidacja modelu i metryki wydajności

Budowanie przewidywalnego przepływu pracy

  • Końcowy przepływ danych: pobieranie, analiza i alerty
  • Używanie platform chmurowych lub obliczeń na krawędzi do analizy w czasie rzeczywistym
  • Integracja z istniejącymi systemami CMMS lub ERP

Modelowanie trybów awarii i indeksu stanu zdrowia

  • Przewidywanie konkretnych trybów awarii
  • Obliczanie Pozostałego Czasu Użyteczności (RUL)
  • Tworzenie pulpitu nawigacyjnego stanu zdrowia aktywów

Systemy wizualizacji i alertowania

  • Wizualizowanie przewidywań i trendów
  • Ustawianie progów i tworzenie alertów
  • Projektowanie dostępnych informacji dla operatorów

Najlepsze praktyki i Risk Management

  • Pokonywanie problemów z jakością danych
  • Etyka i wyjaśnialność w systemach AI przemysłowych
  • Zarządzanie zmianami i adaptacja w zespołach

Podsumowanie i kolejne kroki

Wymagania

  • Rozumienie sprzętu przemysłowego i przepływów pracy w zakresie konserwacji
  • Podstawowa znajomość pojęć związanych z sztuczną inteligencją i uczeniem maszynowym
  • Doświadczenie w zakresie zbierania danych i systemów monitorowania

Grupa docelowa

  • Inżynierowie konserwacji
  • Zespoły odpowiedzialne za niezawodność
  • Menedżerowie operacyjni
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie