Kontakt aufnehmen

Schulungsübersicht

Einführung in die prädiktive Wartung

  • Was ist prädiktive Wartung?
  • Reaktive vs. präventive vs. prädiktive Ansätze
  • Praxisnahe ROI-Beispiele und Branchen-Fallstudien

Datenerfassung und -vorbereitung

  • Sensoren, IoT und Datenprotokollierung in industriellen Umgebungen
  • Datenbereinigung und Strukturierung für die Analyse
  • Zeitreihendaten und Labeling von Ausfällen

Maschinelles Lernen für die prädiktive Wartung

  • Überblick über Modelle des Maschinellen Lernens (Regression, Klassifizierung, Anomalieerkennung)
  • Auswahl des richtigen Modells zur Vorhersage von Anlagenfehlern
  • Modelltraining, Validierung und Leistungskennzahlen

Aufbau des prädiktiven Arbeitsablaufs

  • End-to-End-Pipeline: Datenerfassung, Analyse und Warnmeldungen
  • Einsatz von Cloud-Plattformen oder Edge Computing für Echtzeit-Analysen
  • Integration in bestehende CMMS- oder ERP-Systeme

Modellierung der Fehlermodi und des Gesundheitsindex

  • Vorhersage spezifischer Fehlermodi
  • Berechnung der verbleibenden nutzbaren Lebensdauer (Remaining Useful Life, RUL)
  • Entwicklung von Dashboards zur Asset-Gesundheit

Visualisierung und Warnsysteme

  • Visualisierung von Vorhersagen und Trends
  • Festlegung von Schwellenwerten und Erstellung von Warnmeldungen
  • Gestaltung umsetzbarer Erkenntnisse für Bediener

Best Practices und Risikomanagement

  • Überwindung von Datenqualitätsproblemen
  • Ethik und Erklärbarkeit in industriellen KI-Systemen
  • Change Management und Implementierung über Teams hinweg

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Kenntnisse über industrielle Anlagen und Wartungsprozesse
  • Grundlegendes Verständnis von KI- und Maschinellem-Lernen-Konzepten
  • Erfahrung mit Datenerfassungs- und Überwachungssystemen

Zielgruppe

  • Wartungsingenieure
  • Teams für Zuverlässigkeit (Reliability Teams)
  • Betriebsmanager
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien