Plan Szkolenia

Wprowadzenie do konserwacji predykcyjnej

  • Czym jest konserwacja predykcyjna?
  • Podejście reaktywne vs. prewencyjne vs. predykcyjne
  • Realne ROI i studia przypadków z branży

Zbieranie i przygotowanie danych

  • Czujniki, IoT i rejestrowanie danych w środowiskach przemysłowych
  • Czyszczenie i strukturyzacja danych do analizy
  • Dane szeregów czasowych i etykietowanie awarii

Uczenie maszynowe w konserwacji predykcyjnej

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

Budowanie przepływu predykcyjnego

  • Kompleksowy proces: pozyskiwanie danych, analiza i alerty
  • Wykorzystanie platform chmurowych lub przetwarzania brzegowego do analizy w czasie rzeczywistym
  • Integracja z istniejącymi systemami CMMS lub ERP

Modelowanie trybów awarii i wskaźników zdrowia

  • Przewidywanie konkretnych trybów awarii
  • Obliczanie Pozostałego Czasu Użytkowania (RUL)
  • Tworzenie paneli zdrowia aktywów

Systemy wizualizacji i alertów

  • Wizualizacja prognoz i trendów
  • Ustawianie progów i tworzenie alertów
  • Projektowanie działań opartych na wnioskach dla operatorów

Najlepsze praktyki i zarządzanie ryzykiem

  • Pokonywanie problemów z jakością danych
  • Etyka i wyjaśnialność w systemach AI w przemyśle
  • Zarządzanie zmianami i adopcja w zespołach

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość sprzętu przemysłowego i procesów konserwacji
  • Podstawowa znajomość koncepcji AI i uczenia maszynowego
  • Doświadczenie w zbieraniu danych i systemach monitorowania

Grupa docelowa

  • Inżynierowie konserwacji
  • Zespoły ds. niezawodności
  • Kierownicy operacyjni
 14 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie