Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do predykcyjnego utrzymania ruchu
- Czym jest predykcyjne utrzymanie ruchu?
- Podejścia reaktywne, prewencyjne i predykcyjne – porównanie
- Rzeczywisty zwrot z inwestycji i studia przypadków z branży
Gromadzenie i przygotowanie danych
- Czujniki, IoT i rejestrowanie danych w środowiskach przemysłowych
- Czyszczenie i strukturyzowanie danych do analizy
- Szeregi czasowe i etykietowanie awarii
Uczenie maszynowe w predykcyjnym utrzymaniu ruchu
- Przegląd modeli uczenia maszynowego (regresja, klasyfikacja, wykrywanie anomalii)
- Wybór odpowiedniego modelu do prognozowania awarii sprzętu
- Trenowanie modeli, walidacja i wskaźniki wydajności
Budowanie predykcyjnego przepływu pracy
- Kompleksowy potok: pozyskiwanie danych, analiza i alerty
- Wykorzystanie platform chmurowych lub obliczeń brzegowych do analizy w czasie rzeczywistym
- Integracja z istniejącymi systemami CMMS lub ERP
Modelowanie trybów awarii i wskaźnika kondycji
- Prognozowanie konkretnych trybów awarii
- Obliczanie pozostałego czasu użyteczności (RUL)
- Tworzenie pulpitów nawigacyjnych kondycji zasobów
Wizualizacja i systemy alertów
- Wizualizacja prognoz i trendów
- Ustawianie progów i tworzenie alertów
- Projektowanie praktycznych wniosków dla operatorów
Najlepsze praktyki i zarządzanie ryzykiem
- Radzenie sobie z problemami jakości danych
- Etyka i wyjaśnialność w przemysłowych systemach sztucznej inteligencji
- Zarządzanie zmianą i adopcja w zespołach
Podsumowanie i kolejne kroki
Wymagania
- Znajomość urządzeń przemysłowych i procesów utrzymania ruchu
- Podstawowa znajomość koncepcji sztucznej inteligencji i uczenia maszynowego
- Doświadczenie w pracy z systemami gromadzenia danych i monitorowania
Grupa docelowa
- Inżynierowie utrzymania ruchu
- Zespoły ds. niezawodności
- Menedżerowie ds. operacyjnych
14 godzin
Opinie uczestników (1)
szerokie podejście do tematu, wiedza praktyczna
