Data-driven onderhoud

Maintenance 4.0 - dat tegenwoordig erg populair is - krijgt hier zijn volledige betekenis.
Het is echter een veelomvattend begrip met concepten over het identificeren van de behoeftes, het verbinden van meetsystemen, tot en met het gebruik van artificiële intelligentie (AI).
Tijdens deze drie daagse training gaan we door al deze concepten in een logische volgorde en met voortdurende aandacht voor de toepasbaarheid ervan. Na deze training heeft u al de sleutels in handen om van uw 4.0-onderhoudsprogramma een succes te maken.

Een veelzijdige aanpak in 7 stappen die u helpt om een 4.0-project met succes uit te voeren, gebruikmakend van intelligent gegevensbeheer, met aandacht voor visualisatie en het nemen van de juiste beslissing.

•    Het omzetten van foutmodus detectie in de juiste sensor en het meetsysteem
•    Integreren van onderhoud en procesparameters
•    Het belang van geconnecteerde databronnen
•    Hoe gegevens verzamelen en importeren op een centrale locatie
•    Het combineren van een bedrijfsmatige visie met aspecten op het gebied van data science
•    Het belang van de projectkeuze
•    De bijdrage van nieuwe methoden steunend op artificiële intelligentie in onderhoud

Dag 1

Assess
o    Evalueren van de "4.0 Readiness" van de organisatie en haar IT & OT systemen
o    Illustratie van een op AI gebaseerde assessment tool
o    Het herkennen van potentiële use cases
Identify
o    Het aanduiden van noodzakelijke data bronnen, gebruik maken van DOFA
o    Het identificeren van een geschikte business case door middel van AI ondersteunde data analyses
Generate
o    Data genereren en verzamelen dmv een goede data engineering
o    Overzicht van online Condition Based Monitoring sensoren
Collect
o    Het verzamelen van de verschillende data bronnen binnen de OT hiërarchie (ISA-95)
o    Het belang om de diverse data bronnen te centraliseren
o    Aan de hand van een actuele case studie wordt het belang aangetoond van de juiste data architectuur

Dag 2

Analyze
o    Keuze van de juiste algoritmen (o.a. regression, classification, clustering, …)
o    Toelichting van de voornaamste algoritmen in een maintenance context
o    Aan de hand van een actuele case wordt het belang aangetoond van AI voor vroegtijdige detectie van machinestoringen

Dag 3

Analyze (vervolg)
o    Case over hoe PDM & Process data kan worden verwerkt tot een effectief alarm management
 
Visualize
o    Belang van interactieve KPI dashboards
o    Aspecten om een effectief dashboard te bouwen
o    Overzicht van de belangrijkste visualisatie principes
 
Act
o    Het initiëren van opvolgacties in de maintenance workflow
o    Case over de Integratie met CMMS om automatisch werkorders te genereren 

Onderhoudsmanagers- en ingenieurs, betrouwbaarheidsingenieurs, productiemanagers, procesingenieurs, IT- en infrastructuurbeheerders, iedereen die te maken heeft met exploitatie en onderhoud van bedrijfsmiddelen, of verantwoordelijk is voor milieu, veiligheid en / of kwaliteit.