Kursplan

Introduktion till Prediktiv Underhåll

  • Vad är prediktivt underhåll?
  • Reactiv vs. förebyggande vs. prediktiva tillvägagångssätt
  • Verkligt ROI och industriella fallstudier

Datainsamling och förberedelse

  • Sensorer, IoT och dataloggning i industriella miljöer
  • Datarening och strukturering för analys
  • Tidsseriedata och felmärkning

Machine Learning för prediktivt underhåll

  • Översikt över maskininlärningsmodeller (regression, klassificering, anomalidetektering)
  • Att välja rätt modell för att förutsäga utrustningsfel
  • Modelltränings-, validering- och prestandamått

Bygga upp det prediktiva arbetsflödet

  • Slutenhetspipeline: datainsamling, analys och alarm
  • Användning av molnplattformar eller kantdatorer för realtidsanalys
  • Integration med befintliga CMMS- eller ERP-system

Modeller för felmod och hälsoindex

  • Förutsäga specifika felmod
  • Beräkning av kvarvarande användbar livslängd (RUL)
  • Utveckling av tillgångshälsodashboards

Visualisering och alarmsystem

  • Visualisera förutsägelser och trender
  • Sätta tröskelvärden och skapa alarm
  • Designa åtgärdsbara insikter för operatörer

Bästa praxis och Risk Management

  • Överkomma problem med datakvalitet
  • Etik och förklarbarhet i industriella AI-system
  • Förändringshantering och antagande av lagar och förordningar

Sammanfattning och nästa steg

Krav

  • Förståelse för industriell utrustning och underhållsflöden
  • Grundläggande kännedom om AI och maskininlärningskoncept
  • Erfarenhet av datainsamling och övervakningssystem

Målgrupp

  • Underhållsingenjörer
  • Pålitlighetsteam
  • Operationschefer
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier