План на курса

Увод в предиктивното обслужване

  • Какво е предиктивното обслужване?
  • Reactиво vs. предупредително vs. предиктивни подходи
  • Реални ROI и случаи на употреба в индустрията

Данни за събиране и подготовка

  • Сензори, IoT и записване на данни в индустриална среда
  • Очистване и структуриране на данни за анализ
  • Времеви редове данни и маркиране на откази

Machine Learning за предиктивното обслужване

  • Обзор на модели на машинно обучение (регресия, класификация, откриване на аномалии)
  • Избор на подходящ модел за прогнозиране на откази на оборудване
  • Обучение, валидация на модели и метрики за производителност

Създаване на предиктивен процес

  • Крайна на краен процес: внасяне на данни, анализ и предупреждения
  • Използване на облачни платформи или обработка на ръба за анализ в реално време
  • Интеграция с съществуващи системи CMMS или ERP

Моделиране на режим на отказ и индекс на здраве

  • Прогнозиране на специфични режими на отказ
  • Изчисляване на Останало полезно време (RUL)
  • Разработка на панели за здраве на активи

Системи за визуализация и предупреждения

  • Визуализация на прогнози и тенденции
  • Настройка на прагове и създаване на предупреждения
  • Създаване на действителни инсайти за оператори

Най-добри практики и Risk Management

  • Преодоляване на проблеми със качеството на данните
  • Етика и обяснимост в индустриални AI системи
  • Управление на промени и приемане от екипи

Резюме и следващи стъпки

Изисквания

  • Разбиране на промышленно оборудване и процеси на поддръжка
  • Основна познания за концепциите на изкуствен интелект и машинен учене
  • Опит с системи за събиране и мониторинг на данни

Целева аудитория

  • Инженери по поддръжка
  • Екипи за надеждност
  • Мениджъри по операции
 14 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории