Toepassingstraject: Toepassen van AI voor Maintenance & Reliability Engineers

Deze unieke pilootopleiding kadert in het ESF-project vormAInt. BEMAS wil via dit project samen met zijn partners (Business & Code, D-Inc, I-Care, Imec, The Grain en Yazzoom) een aanbod van praktijkgerichte opleidingstrajecten aanbieden om operatoren, technici, leidinggevenden en ingenieurs in industriële productiebedrijven en andere asset intensieve omgevingen (beter) gebruik te laten maken van Artificiële Intelligentie toegepast in onderhoud en asset management. AI laat immers toe om aankomende storingen te voorspellen, waardoor er ongeplande stilstanden en technische incidenten kunnen worden vermeden.

In de toekomst zal u in uw organisatie ook te maken krijgen met Artificiële Intelligentie (AI). Het is daarom belangrijk om nu al kennis te maken met de mogelijke toepassingen van deze technologie en de impact hiervan op uw takenpakket.

Om dit te bewerkstelligen, organiseert BEMAS daarom in samenwerking met verschillende specialisten ter zake een 12-daags opleidingstraject over het “Toepassen van AI voor Maintenance & Reliability Engineers”, een diepgaande hybride opleiding, waarbij deelnemers concrete vaardigheden en competenties kunnen opdoen om te werken met AI in hun dagdagelijkse werkomgeving. De opleiding combineert theorie met praktische labo’s.

Leerdoelstellingen

  • Definiëren en toelichten van de verschillende AI analyse technieken en vaak gebruikte termen in AI, predictive analytics en big data analyse
  • Kunnen toepassen van de verschillende AI analyse technieken en vaak gebruikte termen in AI, predictive analytics en big data analyse
  • Kennen en begrijpen welke elementen in kwaliteitsvolle onderhoudsinterventierapporten moeten bevatten voor de (latere) toepassing van AI en wat binnen een organisatie moet ondernomen worden om dit te realiseren
  • Inzien wat het belang is van de kwaliteit van onderhoudsdata voor de (latere) toepassing van AI  en wat binnen een organisatie moet ondernomen worden om deze data te bekomen
  • Kennen en begrijpen van de verschillende maturiteitsniveaus in onderhoud voor het toepassen van AI (kunnen uitvoeren van een maturiteitsscan van uw bedrijf)
  • Begrijpen wat de impact van AI algoritmes kan zijn op betrouwbaarheid en beschikbaarheid 
  • Begrijpen en toepassen van de fundamentele inzichten en principes van AI in onderhoud: 
    • predictieve modellering en andere modelleringstechnieken
    • classificatie, regressie, forecasting, anomaliedetectie, RUL
    • supervised, semi-supervised, unsupervised learning, Reinforcement learning
    • trainen, evalueren, feature selectie, overfitting, 
    • verwerken van tijdreeksen: resampling, filtering, ...    
  • Begrijpen wat de mogelijkheden zijn van Prescriptive analytics op vlak van onderhoud, ihkv automatische bijsturing.
  • Hoe omgaan met persoonsgebonden data met betrekking tot het onderhoudsgebeuren.
  • Kennen, begrijpen en kunnen toepassen wat de mogelijkheden zijn om data te capteren via extra en bestaande sensoren, datasystemen en toestellen en hoe dit in de praktijk kan worden toegepast.
  • Begrijpen en kunnen toepassen wat de mogelijkheden zijn om data te capteren via extra en bestaande sensoren, datasystemen en toestellen en hoe dit in de praktijk kan worden toegepast.
  • Herkennen van aandachtspunten bij datacollectie (missing data, data compressie, samenvoegen van verschillende databronnen, ...) 
  • Begrijpen en kunnen omgaan met de aandachtspunten bij datacollectie (missing data, data compressie, samenvoegen van verschillende databronnen, ...)
  • Begrijpen en kunnen toepassen wat de mogelijkheden voor machine-to-machine communicatie, draadloos en bekabeld, over korte en lange afstanden en hoe dit in de praktijk kan worden toegepast
  • Selecteren, voorbereiden, verwerken en verrijken van industriële data.
  • Begrijpen welke softwaretools en platformen voorhanden zijn voor de implementatie van AI toepassingen.
  • Inzien wat het belang is van Cybersecurity en Datasecurity en weten hoe dit kan aangepakt worden in de praktijk
  • Begrijpen wat  kritische succesfactoren zijn om met AI en predictive analytics tot betrouwbare resultaten te komen voor toepassingen in onderhoud en analyseren welke stappen dienen te ondernomen worden.
    • vaak voorkomende fouten in projecten (bv succesvolle implementatie, betrokken partijen, project management, evaluatie van AI modellen, en onderhoud van de modellen)
  • Het integreren van output van predictieve modellen in bestaande data collectie / visualisatie platformen en begrijpen hoe dit in de praktijk kan worden toegepast
  • Managen van de opgedane kennis in AI projecten en uit AI modellen
    • kennisbeheer in de organisatie
  • Kunnen omgaan met de softwaretools en platformen die voorhanden zijn voor de implementatie van AI toepassingen.
  • Kunnen toepassen om met AI en predictive analytics tot betrouwbare resultaten te komen voor toepassingen in onderhoud en hiertoe de juiste stappen ondernemen.
  • Toepassen van de opgedane kennis in AI projecten en uit AI modellen.

Theoriemodules

Module 1 – Introductie tot AI

  • Waarom nu AI?
    • Kader / historiek
    • Verschil met de klassieke aanpak
  • Wat is AI / wat is het niet?
  • Veel gebruikte terminologie
  • Voorbeelden vanuit het dagelijkse leven
  • Voorbeelden specifiek naar onderhoud en engineering toe
  • High level process roadmap

Module 2 – Data engineering : data captatie

  • Soorten data
    • Sensoren – data types – analoog/digital
    • Procesdata
    • Financiële data
    • Persoonsdata
    • Gestructureerd / niet-gestructureerd
  • Lagenmodel: van sensor – ERP
  • Data typologie
    • Categorisch/continue/ordinal/ratio
  • Data compressie & opslag / databanken
  • Edge computing
  • Data reliability
    • Detectie / onderhoud

Module 3 - Data engineering : platformen

  • Commercieel
  • Specifiek vs generalistisch
  • Open source
  • Off the shelf / tailormade
  • Pro’s / contra’s van de verschillende platformen
  • Visualisatie aspect
  • Soorten aanbieders
  • Rest API’s
  • Demo van tools
  • Combinatie van platformen om volledige cyclus te dekken

Module 4 – Data preparatie

  • Combineren van data
    • Events log
    • Tijdsschakering
    • Aggregatie niveau’s
  • Validatie- en trainingsset
  • Data selectie – rijen & kolommen
    • Exploratie <-> hypothese
  • Data cleansing
  • Sampling alignering
  • Repeatability

Module 5 – Data science features

  • Human engineered
  • First principle base
  • Dimensiereductie
  • Automated “meaningless” feature generation
  • Doelen van features
  • Image and sound processing
  • Features from natural language

Module 6 – Data science modelling

  • Supervised vs unsupervised learning
  • Classificatie, regressie, anomaliedetectie
  • Linear vs non-linear
  • Neural networks, deep learning
  • Optimalisatie
  • Re-inforcement learning
  • Recommended engines
  • Decision trees
  • Evaluatie van performantie van modellen
  • Data science cheat sheet

Module 7 - Maturiteitsscan

  • Plan B: wat indien AI niet succesvol is?
  • Technische uitrusting – sensoren/data captatie
  • Data kwaliteit / beschikbaarheid
  • IT
    • Data management
    • Security
  • Human skills
    • Data science
    • Business translation – business translators
  • Maintenance logs <-> process data
  • Architectuur
  • Burning platform
  • Bereidheid om te leren volharden

Module 8 – Integratie in processen

  • Dimensie technologie: HMI/dashboard
  • Dimensie mens: Human in the loop
  • Frequentie: on demand / event based
  • Terugkoppeling naar systemen (CMMS/ERP/…)
  • Model monitoring
  • Stapsgewijze introductie
    • Change management
  • Data flows
  • Hoe ermee omgaan / welke acties ondernemen we

Module 9 - Implementatie

•    Strategisch – tactisch – operationeel
•    Exploratie – prototype – deploy – sustain
•    Assess – Identify – Generate – Collect – Analyze – Visualize - Act
 

Praktijkmodules

Module 1 – Introductie

  • Intro to Python (incl Numpy)

Module 2 – Data engineering

  • ETL (Extract, Transform, Load)
  • Pandas

Module 3 – Platformen

  • Platforms: Scikitlearn, matplotlib, seaborn, ….
  • Machine learning (ML) techniek 1: kMeans
  • Visualisatie 

Module 4 – Data engineering 2

  • ML techniek 1: kMeans
  • ML techniek 2: kNN (k-Nearest Neighbour)
  • Cross-validatie
  • Consolidatietechnieken

Module 5 – Data science modelling

5 submodules: 

  1. Lineaire regressie
  2. Naive Bayes
  3. SVM (Support Vector Machine)
  4. Decision trees en ensembles
  5. NN

Module 6 – Bringing it all together

  • Bringing it all together
  • Predictive maintenance
    • Anomaly detection
    • Fault classificatie
    • Remaining Useful Life (RUL)

Doelgroep

Reliability en/of maintenance engineers werkzaam bij een asset owner die kennis wensen op te bouwen in het praktisch toepassen van AI in onderhoud en betrouwbaarheid van machines, installaties en andere assets.

Vereiste voorkennis

Over de lesgevers

Prof. Sofie Van Hoecke studeerde in 2003 af aan de faculteit Ingenieurswetenschappen en Architectuur van de Universiteit Gent. In het verlengde van haar studies in de ingenieurswetenschappen: computerwetenschappen, behaalde ze een doctoraat aan diezelfde universiteit over “Efficient service management in healthcare”. Na een korte periode als postdoctoraal onderzoek, startte ze als docent ICT en ICT-onderzoekscoördinator aan de Hogeschool West-Vlaanderen. Sinds 2013 werkt ze terug aan de Universiteit Gent en is ze nu hoofddocent bij de IDLab onderzoeksgroep. Ze leidt daar de PreDiCT onderzoekscluster. Haar specialiteiten zijn: multi-sensor architecturen, machine learning, semantische dashboards, en de fusie van machine learning en semantische technologieën toegepast in zowel predictief onderhoud als predictieve gezondheidszorg. Sofie leidt, samen met haar team, verschillende praktijksessies van deze opleiding.

Prof. Ivo Couckuyt is professor aan de Universiteit Gent in het departement Informatietechnologie (INTEC-IDLab) van de faculteit Ingenieurswetenschappen en Architectuur. Hij is ook verbonden aan imec. Als auteur of co-auteur heeft hij bijgedragen aan meer dan 150 peer-reviewed papers en abstracts in internationale congresverslagen, tijdschriften en boeken. Zijn machine learning software (SUMO toolbox) wordt wereldwijd met succes gebruikt door academische, overheids- en bedrijfsorganisaties. Ivo leidt verschillende praktijksessies van deze opleiding.

Ing. Tom Rombouts wijdt zijn carrière volledig aan maintenance-organisaties: productie- en projectplanning, proces & reliability engineering, werkvoorbereiding en coördinatie van revisies, kwaliteitsmanagement, QA en kwaliteitsopvolging van kritische wisselstukken, automation en data innovation ... Sinds 2017 is Tom Reliability consultant en gecertificeerd trainer/coach bij I-care. Met zijn uitgebreide kennis begeleidt hij ook verschillende industriële spelers bij hun maintenanceplanning, FMEA en projecten rond data-innovatie.

Dr. Ir. David Verstraeten heeft een opleiding als burgerlijk ingenieur in de Computerwetenschappen en daarna een doctoraat in AI/Machine learning aan de Ugent behaald in de groep Reservoir Lab. Na nog 3 jaar als postdoctoraal onderzoeker gewerkt te hebben bij dezelfde onderzoeksgroep is hij in Yazzoom gestapt als managing partner en engineering manager, waar hij de voorbije 10 jaar verantwoordelijk is voor het technische management van Yazzoom’s data science en software ontwikkelingsteam. Yazzoom is gespecialiseerd in de toepassing van AI/ML op industriële data, onder meer met hun software Yanomaly voor monitoring, predictive en diagnostic analytics op machine data.

Ir. Pascal Bejstrup is Commercial & Finance Firector bij The Grain. Hij heeft veel ervaring in maintenance & reliability engineering en asset management, waarvan meer dan 10 jaar in de industriële onderhoudssector en meer dan 10 jaar in de drinkwaterindustrie. Hij is gediplomeerd als MSc civiel-mechanisch ingenieur en heeft een Executive MBA (Insead). Zijn kernexpertise bevinden zich binnen onderhoudsstrategie, operations en projectmanagement.

Steven Raekelboom is Technology and Innovation director voor The Grain. Hij heeft een achtergrond in economie, IT, statistiek en heeft een Master in artificiële intelligentie. Steven werkt reeds meer dan 20 jaar als data scientist en realiseerde verschillende AI projecten voor wereldspelers binnen diverse industrieën.
 

Praktische info

Data:

De opleiding vindt plaats op:

  • 6, 7 & 15 juli
  • 2, 3, 8, 9, 14, 22, 23 & 27 september
  • 12 oktober

Schema:

Timing:

08:30  Ontvangst
09:00  Start van de opleidingsdag
12:30  Lunch
13:30  Deel 2 van de opleidingsdag
17:00  Voorziene einde

Deelname:

Leden: € 0 / Niet-leden: € 180*

* Deze opleiding is een pilootopleiding met een beperkte capaciteit aan deelnemers. Om de opleiding verder te kunnen ontwikkelen en de participatie te garanderen, zijn er enkele speciale voorwaarden verbonden aan inschrijving (bovenop de algemene voorwaarden): 

  • Doelgroep: deelnemers aan deze opleiding maken ondubbelzinning deel uit van de hierboven omschreven doelgroep.
  • Evaluatie-engagement: deelnemers aan deze opleiding gaan bij inschrijving akkoord om deel te nemen aan het evaluatiemoment en om feedback te geven over deze opleiding. De evaluatie dient te gebeuren via het formulier dat door BEMAS ter beschikking wordt gesteld in het kader van het vormAInt-project. 
  • No-show fee: personen die zich hebben ingeschreven voor een opleiding maar niet komen opdagen of minder dan 48 uur voor aanvang van deze opleiding hun inschrijving annuleren, zullen een no-show fee verschuldigd zijn van €75 per opleidingsdag. Uiteraard staan wij bij ziekte, ongeval of overlijden alsnog een annulering toe mits voorleggen van de nodige documenten. U kan zich ook steeds laten vervangen door een andere persoon wanneer u toch verhinderd bent om deel te nemen.
  • Beperkt aantal inschrijvingen: gezien de aard van de opleiding wordt er gevraagd om niet meer dan drie deelnemers van dezelfde organisatie in te schrijven.

BEMAS behoudt het recht om inschrijvingen te weigeren indien de inschrijvingen niet aan deze voorwaarden voldoen zonder dat de betrokkenen hier enig recht kunnen uit putten.

Datum:
dinsdag 06/07/2021 - 9:00
dinsdag 06/07/2021 - 17:00
Taal:
Nederlands
Locatie:
iGent
Technologiepark-Zwijnaarde 126
Gent 9052
Ledenprijs:
Gratis
Prijs niet-leden:
€ 180 (ex btw)
Georganiseerd door:
VormAInt

Bespaar tot 30% met de KMO-portefeuille.
Meer info.

Activiteitstype:
Toepassingstraject