Predictive Maintenance - ÖPWZ
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
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
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-sectionIhre 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: 598402620Ihre 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: 598402620Sie können auch lesen
