Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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