Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Einführung in die prädiktive Instandhaltung
- Was ist prädiktive Instandhaltung?
- Reaktive vs. preventive vs. prädiktive Ansätze
- ROI in der Praxis und Fallstudien aus der Industrie
Datenerfassung und -aufbereitung
- Sensoren, IoT und Protokollierung von Daten in industriellen Umgebungen
- Reinigung und Strukturierung von Daten für die Analyse
- Zeitreihendaten und Fehlerkennzeichnung
Maschinelles Lernen für prädiktive Instandhaltung
- Überblick über Modelle des maschinellen Lernens (Regression, Klassifikation, Anomalieerkennung)
- Auswahl des richtigen Modells für die Vorhersage von Anlagenausfällen
- Modelltraining, Validierung und Leistungskennzahlen
Aufbau des prädiktiven Workflows
- End-to-End-Pipeline: Datenerfassung, Analyse und Benachrichtigungen
- Nutzung von Cloud-Plattformen oder Edge-Computing für Echtzeit-Analysen
- Integration in bestehende CMMS- oder ERP-Systeme
Modellierung von Ausfallmodi und Gesundheitsindex
- Vorhersage spezifischer Ausfallmodi
- Berechnung der verbleibenden Nutzungsdauer (RUL)
- Entwicklung von Dashboards für die Asset-Gesundheit
Visualisierung und Benachrichtigungssysteme
- Visualisierung von Vorhersagen und Trends
- Festlegung von Schwellwerten und Erstellung von Benachrichtigungen
- Gestaltung handlungsorientierter Erkenntnisse für Operator und Bediener
Best Practices und Risikomanagement
- Überwindung von Datenqualitätsproblemen
- Ethik und Nachvollziehbarkeit (Explainability) in industriellen KI-Systemen
- Change Management und Akzeptanzförderung in Teams
Zusammenfassung und weitere Schritte
Voraussetzungen
- Verständnis für Industrieanlagen und Wartungs-Workflows
- Grundlegende Vertrautheit mit Konzepten aus dem Bereich KI und maschinelles Lernen
- Erfahrung in der Datenerfassung und Überwachungssystemen
Zielgruppe
- Instandhaltungs ingenieure
- Teams für Betriebszuverlässigkeit
- Betriebs manager
Erfahrungsberichte (1)
KI für die tägliche Arbeit: Anwendung und Erkundung
Giovani Natalia - PT Astra Honda Motor
Kurs - AI for Supply Chain and Manufacturing Logistics
Maschinelle Übersetzung
