Übersicht:

Predictive Maintenance für KMUs

(2-tägige Veranstaltung)
Prädiktive Instandhaltung oder Predictive Maintenance lernt von historischen und gegebenenfalls in Echtzeit verfügbaren instandhaltungsrelevanten Daten. Durch dies und durch die Prognose von zukünftigen Ereignissen kann die Frage „Was wird wann passieren?“ beantwortet werden.

Prädiktive Instandhaltungstechniken helfen somit bei der Bestimmung des Zustands von in Betrieb befindlichen Dingen. Sie helfen bei der Abschätzung, wann eine Wartung durchgeführt werden sollte. Dieser Ansatz verspricht Kosteneinsparungen gegenüber routinemäßigen oder zeitbasierten vorbeugenden Instandhaltungsstrategien, da Aufgaben nur dann ausgeführt werden, wenn dies gerechtfertigt ist. Daher wird diese Technik genutzt, um zustandsorientierte Instandhaltung durchzuführen, die gemäß Schätzungen des Verschlechterungszustands eines Gegenstands gemacht wird.

Im Workshop werden in Form eines Impulsvortrages der Ablauf und ein Auszug möglicher Methodiken aus dem Bereich Machine Learning präsentiert. In Form eines kurzen Einblicks in die Welt des Machine Learnings wird auf mögliche Showstopper und Hürden hingewiesen und der Einsatzbereich des Machine Learnings abgegrenzt. Darauffolgend werden gemeinsam mit den Teilnehmern Use-Cases in den Betrieben erarbeitet. Abschließend werden technische Umsetzungsmöglichkeiten zu den erarbeiteten Use-Cases präsentiert und weitere Schritte diskutiert.

Für weitere Informationen steht Ihnen gerne Frau Dr. Silvie Leeb zur Verfügung: s.leeb@coop-consulting.net

Noch 15 freie Plätze | Kein Anmeldeschluss

Anzahl der Teilnehmer wählen:

Detail-Angaben:

Termin

Voraussichtlich Ende Februar 2021

Uhrzeit

Wird noch bekannt gegeben

Veranstaltungsort

WK Burgenland | Regionalstelle Eisenstadt | Robert-Graf-Platz 1 | 7000 Eisenstadt

Zielgruppe

KMUs mit Interesse an der Optimierung von Wartungsarbeiten mit Hilfe von „Predictive Maintenance“

Veranstalter

Fotec

Kostenbeitrag

kostenfrei

Beschreibung:

Zielsetzung und Ablauf des Workshops:

Tag 1 (4 Stunden)

  • Überblick Predictive Maintenance und Machine Learning
  • Beispiel Projekt mit Ergebnissen
  • Use-Case Definition
  • Besprechung und Präsentation der Use-Cases
  • Zusammenfassung der Use-Cases

Tag 2 (3 Stunden)

  • Technische Umsetzungsmöglichkeiten der Use-Cases
  • Definition der Schnittstellen (wie kann der Use-Case im Unternehmen integriert werden)
  • Abschätzung der Ressourcen für eine Integration im Betrieb
  • Nächste Schritte definieren

Ihr Trainer: DI(FH) Markus Hohlagschwandtner MSc

Event Details