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 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