Predictive Maintenance - ÖPWZ

Die Seite wird erstellt Klaus Harms
 
WEITER LESEN
Predictive Maintenance - ÖPWZ
OPWZ
 Seminare & Netzwerke

Predictive Maintenance
Datengetriebene Instandhaltungsplanung
◆ Innovative Strategien, Technologien und Tools
  in der Instandhaltung
◆ Bewertung der Zustände von Maschinen und Bauteilen
  durch intelligente Datenverknüpfung
◆ Präzise Prognose zukünftiger Ausfallzeitpunkte
◆ Herangehensweise und Umsetzung                                                       Dipl.-Ing.
4. Mai 2022                                                                            Robert Glawar

Mit Industrial Data Science zu Predictive Maintenance
Anwendung von Python zum Lösen
eines praxisnahen Beispiels
◆ Datenverknüpfung und -vorverarbeitung
◆ Feature Engineering
◆ Entwicklung eines Prognosemodells                                                    Dr. techn.
   anhand eines praxisnahen Beispiels                                                  Matthias Karner
Vertiefende Veranstaltung zu „Datengetriebene Instandhaltungsplanung“

5. Mai 2022

                                                            e i s v o r t e il bei
                                                         Pr              u c  hung
                                                         Ko m    b i - B
                                                             ile
                                                   beider Te

4. Mai 2022 | Wien
                                                                 Forum Vorteilspreis
5. Mai 2022 | Wien                                                                             Max. 14
Predictive Maintenance - ÖPWZ
Predictive Maintenance
Datengetriebene Instandhaltungsplanung
Je nach Anlagenintensität repräsentieren die Kosten der         Ziel von datenbasierter Instandhaltungsplanung ist es,
Instandhaltung 15 – 60 % der Betriebskosten und stellen         die Anlagenverfügbarkeit sowie Prozessstabilität in
damit einen wesentlichen Wettbewerbsfaktor für produ-           der Produktion zu erhöhen.
zierende Unternehmen dar.                                       Im Seminar erhalten Sie einen fundierten Überblick über
Kostentreiber der Instandhaltung (IH) sind verfrühter           wesentliche Grundlagen zu Predictive Maintenance und
Bauteil- oder Werkzeugtausch, fehlende Ausnutzung der           über aktuelle Entwicklungen der IH-Strategien und
maximalen Nutzungszeit oder verspätete IH-Tätigkeiten,          -planung im Zeitalter der Industrie 4.0.
was zu einer Vielzahl ungeplanter Ausfälle führen kann.         Anhand eines industriellen Fallbeispiels erfahren Sie das
Gleichzeitig steigen die Anforderungen hinsichtlich An-         anwendungsnahe Vorgehen zur Umsetzung von Predicti-
lagenverfügbarkeit, Flexibilität und Stabilität der Produkti-   ve Maintenance bzw. datengetriebener Instandhaltung.
onsprozesse.

Ihr Nutzen                                                      Datengetriebene Instandhaltungsplanung
                                                                ◆ Herausforderungen von datengetriebener
Innovative Instandhaltungskonzepte tragen maßgeblich               Instandhaltungsplanung
zu einer höheren Anlagenverfügbarkeit und zu effizien-          ◆ Unterschiedliche Dimensionen datengetriebener
terer Instandhaltung bei.                                          Instandhaltung
Datengetriebene Instandhaltung gilt als Key Enabler der         ◆ Intelligentes Datenmanagement und effiziente
digitalen Transformation. Der Fokus liegt dabei auf der            Verknüpfung von Datenquellen
(R)evolution klassischer Instandhaltungsstrategien hin          ◆ Text Mining in der Instandhaltung
zu Predictive Maintenance.                                      ◆ Methodisches Vorgehen zur datengetriebenen
                                                                   Instandhaltungsplanung
Seminarinhalt                                                   Anwendung von datengetriebener Instandhaltung im
                                                                Rahmen eines Anwendungsbeispiels aus der Industrie
Grundlagen der Instandhaltungsplanung
                                                                ◆ Einsatz des Data Science Prozesses:
◆ Erfolgsfaktoren in der Instandhaltung
                                                                   Schritt für Schritt-Vorgehen zur Umsetzung
◆ Auswahl der richtigen Instandhaltungsstrategie
                                                                   datengetriebener Instandhaltung
◆ Methodische Erhöhung der Anlagenverfügbarkeit &
                                                                ◆ Problemdefinition des Prognoseproblems
   OEE
                                                                ◆ Explorative Datenanalyse
◆ Einsatz von Instandhaltungssoftware
                                                                ◆ Korrelationsanalyse
◆ Anforderungen an eine erfolgreiche
                                                                ◆ Überblick: Prognosealgorithmen und
   Instandhaltungsorganisation
                                                                   maschinelles Lernen
Auswirkungen von Industrie 4.0 auf die Instandhaltung           ◆ Modellierung eines Prognosemodells mit Methoden
der Zukunft                                                        des maschinellen Lernens
◆ Chancen und Herausforderungen der Instandhaltung              ◆ Kommunikation und Visualisierung von Ergebnissen
   der Zukunft
                                                                Innovative Strategie, Technologien und Tools
◆ Zeitliche Entwicklung der Instandhaltung
                                                                in der Instandhaltung
◆ Anwendungsbeispiele für Instandhaltung 4.0 und
                                                                ◆ Industrial Internet of Things in der Instandhaltung
   intelligente Digitalisierung in der Instandhaltung
                                                                ◆ Digitale und virtuelle Assistenzsysteme für
Grundlagen von Predictive Maintenance                              die Instandhaltung
◆ Warum Predictive Maintenance?                                 ◆ Einsatz mobiler Devices in der Instandhaltung
◆ Condition Monitoring                                          ◆ Digital Twin in der Instandhaltung
◆ Auswahl und Einsatz von Sensorik und Sensorsystemen           ◆ Wissensbasierte Instandhaltung
◆ Produktivitätssteigerung, Bestands- und Kosten-               ◆ Potenziale der Digitalisierung in der Instandhaltung
   senkung durch „Predictive Maintenance“                          erkennen
   – Risikobewertung und -management kritischer
                                                                Fall- und Anwendungsbeispiele aus der Praxis u.a.
       Maschinen und Anlagen
                                                                ◆ Predictive Maintenance durch „Low-Cost“
   – Zustands- und Restlebensdauerbestimmung
                                                                   Digitalisierung
   – Dynamische integrative Instandhaltungsplanung
                                                                ◆ Innovative Instandhaltung durch intelligente
◆ Nutzen und Grenzen von Predictive Maintenance
                                                                   Datenverknüpfung
                                                                ◆ Reduktion von ungeplanten Stillständen
                                                                   durch „Instandhaltung 4.0“
Mit Industrial Data Science
zu Predictive Maintenance
Kernelement von Predictive Maintenance sind Prognose-         Seminarinhalt
modelle, die die Time-To-Failure (TTF) berechnen. Das ist
jene Zeit, die bis zu einem Ausfall einer Maschine noch       Grundlagen Feature Engineering
verfügbar ist, um mit präventiven Instandhaltungsmaß-         ◆ Feature Construction:
nahmen zu reagieren und einen ungeplanten Maschi-                Wie werden aussagekräftige Features aus
nenausfall zu verhindern.                                        Rohdaten konstruiert?
Zur Prognose der TTF werden im Speziellen Methoden            ◆ Feature Encoding: Wie können kategorische Daten
des Maschinellen Lernens eingesetzt. Dabei existiert eine        modelliert werden?
Vielzahl an Klassifikations- und Regressionsalgorithmen,      Grundlagen Machine Learning
die nur auf ihren effizienten Einsatz warten.                 ◆ Einteilung von Künstlicher Intelligenz und
                                                                 Machine Learning
                                                              ◆ Clusteranalyse
Ihr Nutzen                                                    ◆ Einblick in Klassifikations- und Regressionsalgorithmen
Im Seminar erhalten Sie einen Überblick, wie Sie selbst-      Entwickeln eines Prognosemodells in Python
ständig Prognosemodelle für Fragestellungen aus dem           ◆ Anwenden von Feature Engineering
Bereich des Predictive Maintenance entwickeln können.         ◆ Entwicklung einfacher Prognosemodelle
Gemeinsam mit Ihren Vortragenden entwickeln Sie ein           ◆ Klassifikation: Wird ein Ausfall im nächsten Zeitintervall
Prognosemodell in Python.Durch den Einsatz von Pro-              stattfinden? Wie groß ist die Ausfallwahrscheinlichkeit?
gnosealgorithmen können Sie die Instandhaltung in das         ◆ Regression: Wie lautet die TTF?
Zeitalter der Industrie 4.0 befördern.
                                                              Integration der Ergebnisse der Prognosemodelle
Für die Seminarteilnahme ist ein eigener Computer mit         in die Instandhaltungsplanung
installiertem Anaconda (Python ≥ 3.7) notwendig.              ◆ Integration der Ergebnisse der Prognosemodelle
Anaconda ist eine Open Source Python Distribution, mit           in die Instandhaltungsplanung
deren Installation Sie Zugriff auf alle wichtigen Libraries   ◆ Deployment-Möglichkeiten
erhalten, um Data Science in Python durchführen zu            ◆ Erstellen eines einfachen Demonstrators zur
können.                                                          Visualisierung der Prognoseergebnisse
Anaconda können Sie kostenlos herunterladen:
www.anaconda.com/distribution/#download-section
Ihre Referenten                                                Dr. techn. Matthias Karner, nach dem Diplomstudium
                                                               Wirtschaftsingenieurwesen-Maschinenbau an der Tech-
Dipl.-Ing. Robert Glawar ist als Gruppenleiter für den         nischen Universität Wien arbeitete Matthias Karner drei
Bereich Instandhaltung und Anlagenmanagement im                Jahre bei Fraunhofer Austria im Bereich Produktions- und
Geschäftsbereich Produktions- und Logistikmanagement           Logistikmanagement. Parallel verfasste er seine Disserta-
der Fraunhofer Austria Research GmbH tätig. Durch seine        tion, in der er die integrative Betrachtung von instandhal-
Mitarbeit und Leitung von angewandten Forschungspro-           tungsrelevanten Sensordaten und der Produktionsfeinpla-
jekten im direkten Auftrag der Industrie, in unterschied-      nung behandelte.
lichsten Branchen und Unternehmensgrößen, verfügt er
                                                               Seit 2020 ist Matthias Karner leitet er die Abteilung Digita-
über ein fundiertes Praxiswissen in Gestaltung und Im-
                                                               lisierung, Automation und Data Science bei der voest-
plementierung von Lösungen in der Instandhaltung, der
                                                               alpine Böhler Bleche und entwickelt mit seinem Team
Anwendung von Lean Management in den indirekten
                                                               Digitalisierungs- und Automatisierungslösungen sowie
Bereichen sowie der Neugestaltung von unternehmens-
                                                               Anwendungen zur Datengenerierung, -verarbeitung
und abteilungsübergreifenden Prozessen in Produktion
                                                               und -analyse.
und Logistik.
Seine Hauptbetätigungsfelder liegen in der Entwicklung         Wichtig für
und Umsetzung neuartiger Instandhaltungslösungen un-
ter Berücksichtigung von innovativen Technologien und          Fach- und Führungskräfte aus den Bereichen
Methoden.                                                      ◆ Instandhaltung
                                                               ◆ Produktion
Er ist Vortragender des ÖPWZ-Lehrgangs „Betriebs- und
                                                               ◆ Qualitätssicherung
Produktionsleitung“ sowie bei diversen Seminaranbietern
                                                               ◆ Prozessoptimierung, Industrial Data Science
im In- und Ausland.
                                                               ◆ Digitalisierung
                                                               ◆ Forschung und Entwicklung

Termine | Ort                                                  Anmeldung
Predictive Maintenance                                         E-Mail | anmeldung@opwz.com
4. Mai 2022 | Seminarnummer BP205727                           Online | www.opwz.com
Vertiefende Veranstaltung – Anwendung von Python               oder mit dem Anmeldeformular
5. Mai 2022 | Seminarnummer BP205728
                                                               Rücktritt
ab 8:30 Uhr Check-In mit Begrüßungskaffee
                                                               Bis zu zwei Wochen vor Seminarbeginn können Sie
Seminar 9:00 – 17:00 Uhr
                                                               kostenlos schriftlich stornieren. Danach werden 50 %
                                                               der Seminargebühr verrechnet, ab dem (ersten)
ÖPWZ, 1010 Wien, Rockhgasse 6
                                                               Seminartag ist die volle Seminargebühr zu bezahlen.
Gerne nennen wir Ihnen Übernachtungsmöglichkeiten.
                                                               Selbstverständlich ist eine Vertretung der angemeldeten
Bitte rufen Sie uns an:
                                                               Person ohne Zusatzkosten möglich, nachdem dies vom
Customer Service, +43 1 533 86 36 -26
                                                               ÖPWZ bestätigt wurde.

Begrenzte Teilnehmeranzahl                                     Bildungsförderung
maximal 14 Personen
                                                               Das ÖPWZ ist österreichweit anerkannter und zertifizierter
Wir empfehlen Ihnen eine rasche Anmeldung.
                                                               Bildungsträger. Das Arbeitsmarktservice (AMS) sowie eine
                                                               Reihe von Institutionen unterstützen die betriebliche und
Seminargebühr (exkl. 20 % MwSt.)                               persönliche Qualifizierung. Informieren Sie sich über
Inklusive Arbeitsunterlagen, Begrüßungskaffee,                 mögliche Förderungen Ihrer Aus- und Weiterbildung
Pausenerfrischungen und ÖPWZ-Zertifikat                        auf www.opwz.com.
€ 535,– pro Person
€ 475,− für Personen aus allen Unternehmen,
die Mitglied in einem ÖPWZ-Forum sind
Preisvorteil bei Kombi-Buchung                                 Information
beider Seminare (2 Tage)
(gilt auch für verschiedene Personen aus                       zur Organisation: Customer Service
Ihrem Unternehmen/Ihrer Organisation)                                            +43 1 533 86 36 -26
€ 995,– pro Person                                             zum Inhalt:       Bibiane Sibera
€ 875,− für Personen aus allen Unternehmen,                                      +43 1 533 86 36-56
die Mitglied in einem ÖPWZ-Forum sind                                            bibiane.sibera@opwz.com

                                                               Mit Ihrer Anmeldung akzeptieren Sie die Allgemeinen
                                                               Geschäftsbedingungen des ÖPWZ (www.opwz.com/agb).
                                                               Die ÖPWZ-Datenschutzerklärung finden Sie auf
                                                               www.opwz.com/datenschutz.

Österreichisches Produktivitäts- und Wirtschaftlichkeits-Zentrum | Rockhgasse 6 | 1010 Wien
T +43 1 533 86 36 | office@opwz.com | www.opwz.com | ZVR: 598402620
Ihre Anmeldung                                                                                  E-Mail
                                                                                                Fax
                                                                                                         anmeldung@opwz.com
                                                                                                            +43 1 533 86 36 -36

Predictive Maintenance

o Seminar | 4. Mai 2022 | BP205727                                              o Vertiefung | 5. Mai 2022 | BP205728

1. TeilnehmerIn | Titel | Vor- und Zuname                                      Funktion

Telefon Mobil                                                                  E-Mail

2. TeilnehmerIn | Titel | Vor- und Zuname                                      Funktion

Telefon Mobil                                                                  E-Mail

Unternehmen

Branche                                                                        MitarbeiterInnenanzahl

Anschrift

E-Mail-Adresse für elektronischen Rechnungsversand

Telefon | Fax                                                                  E-Mail

AnsprechpartnerIn im Sekretariat                                               E-Mail

Datum | firmenmäßige Zeichnung

Mit Ihrer Anmeldung akzeptieren Sie die Allgemeinen Geschäftsbedingungen des ÖPWZ (www.opwz.com/agb).
Die ÖPWZ-Datenschutzerklärung finden Sie auf www.opwz.com/datenschutz.

Österreichisches Produktivitäts- und Wirtschaftlichkeits-Zentrum | Rockhgasse 6 | 1010 Wien
T +43 1 533 86 36 | office@opwz.com | www.opwz.com | ZVR: 598402620
Sie können auch lesen