De essentiële basics van Artificiële Intelligentie (AI) voor technisch leidinggevenden
In deze praktijkgerichte opleiding leer je (beter) gebruik maken van Artificiële Intelligentie toegepast in onderhoud en asset management.
In de toekomst zal je in jouw 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 het takenpakket. AI laat immers toe om aankomende storingen te voorspellen, waardoor er ongeplande stilstanden en technische incidenten kunnen worden vermeden.
In deze praktijkgerichte opleiding leer je (beter) gebruik maken van Artificiële Intelligentie toegepast in onderhoud en asset management. In deze opleiding van één dag worden voor jou, als (toekomstig) leidinggevende in onderhoud en betrouwbaarheid, de bouwstenen en termen gepresenteerd om succesvol AI te introduceren in uw organisatie. We raken aan technische aspecten zoals software en data maar evenzeer aan de organisatorische en menselijke impact van AI, en ook het identificeren van business cases voor AI en het inschatten van de maturiteit van uw organisatie rond AI.
Leerdoelstellingen
- Begrijpen wat AI inhoudt en hoe dit kan toegepast worden in onderhoud en operations
- Kunnen definiëren van enkele AI analyse technieken en vaak gebruikte termen in AI, predictive analytics en big data analyse
- Begrijpen van de verschillende maturiteitsniveaus van het toepassen van AI in onderhoud en operations
- Inzien wat de impact van AI algoritmes kan zijn op kwaliteit, betrouwbaarheid en productiviteit
- Inzien wat de mogelijkheden zijn om data te capteren
- Inzien wat het belang is van de kwaliteit van onderhoudsdata / kwaliteitsvolle onderhoudsinterventierapporten voor de (latere) toepassing van AI
- Inzien wat het belang is van Cybersecurity en Datasecurity en hoe dit kan aangepakt worden
- Leren om te identificeren en selecteren van potentiële AI cases
- Begrijpen wat de elementen zijn van een business case voor de implementatie van een AI project in onderhoud
- Begrijpen wat de stakeholders zijn in een AI project
- Inzien wat de impact is van AI op je team
- Begrijpen hoe AI onze bedrijfsvoering kan ondersteunen
- Begrijpen wat nodig is om een AI project te implementeren (op een veilige manier) maar ook in gebruik te houden
- Leren om te monitoren en onderhouden van AI modellen
Project Managers zouden deze opleiding moeten volgen om te zien wat er tegenwoordig mogelijk is op een realistische, verantwoorde manier.
Programma
- Submodule 1: Introductie tot Artificiële Intelligentie (AI)
- Wat is AI/wat is het niet?
- Veel gebruikte terminologie
- Toepassingen en voorbeelden vanuit het dagelijkse leven
- Toepassingen en voorbeelden specifiek in onderhoud en engineering
- Submodule 2: Maturiteit
- Technische uitrusting – sensoren/data captatie (high level)
- Datakwaliteit / beschikbaarheid
- IT (Data management, security)
- Stakeholders/human skills (data science, business translation)
- Submodule 3: De business case
- Case vs. roadmap
- Identificatie van AI cases
- Elementen van een business case
- Onzekerheden
- Submodule 4: Implementatie
- Cybersecurity
- (Process) safety
- Contingencies
- Impact
Methode
Aan de hand van toelichtingen van praktijktoepassingen van AI in de industrie (kwaliteitscontrole, defectdetectie, predictief onderhoud, …) en het aantonen van hoe bepaalde acties in de praktijk kunnen gebracht worden aan de hand van voorbeelden en/of concreet advies, kan u het geleerde nadien toetsen en toepassen in de praktijk.
Doelgroep
Maintenance managers, asset managers, reliability en/of maintenance engineers, service managers, ICT verantwoordelijken, group maintenance and reliability coordinatoren, verantwoordelijken operaties/productie, 1ste lijnverantwoordelijken en leidinggevenden, en elk technisch profiel met interesse in AI die (in de toekomst) in een leidinggevende functie fungeert.
Over de lesgevers
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, etc. Sinds 2021 is Tom 4.0 Director bij I-Care, waarbij hij industriële bedrijven helpt met data-innovatie en asset reliability.
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.
Deze opleiding is het resultaat van het ESF-project vormAInt. BEMAS wil via dit project samen met zijn partners 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.