Fraunhofer-Institut für Integrierte Schaltungen IIS, Institutsteil Entwicklung Adaptiver Systeme EAS
Fraunhofer-Institut für Integrierte Schaltungen IIS, Institutsteil Entwicklung Adaptiver Systeme EAS

Kurs Predictive Maintenance & Smart Manufacturing

Nutzen Sie das gesamte Potenzial Ihrer Daten

VDI-Seminar Predictive Maintenance
© Oliver Killig

VDI-Seminar

Das Seminar, das der Institutsteil Entwicklung Adaptiver Systeme zusammen mit dem VDI anbietet, thematisiert innovative Instandhaltungsstrategien und zeigt den Teilnehmern Wettbewerbsvorteile durch intelligente Zustandsüberwachung auf. Die Kursbesucher erhalten dabei eine konkrete Checkliste zur Einführung von Predictive Maintenance in ihren Unternehmen.

Inhalte

 

Predictive Maintenance – Was bedeutet das für Ihr Unternehmen?

  • Notwendigkeit von Zustandsüberwachung im Allgemeinen
  • Instandhaltungsstrategien im Überblick
  • Grundlagen von Predictive Maintenance
  • Vorteile von Predictive Maintenance für Unternehmen
  • Bedeutung von Predictive Maintenance als Service der Zukunft
  • Beispiele für Kosteneinsparungen  
 

Digitalisierung & Industrie 4.0 – Herausforderungen für die Industrie

  • Vorteile & Nutzen von Industrie 4.0
  • Referenzarchitekturmodell RAMI 4.0
  • Datensanierung & Plausibilität
  • Umgang mit Sensordefekten & Ausreißern
 

Klassisches Condition Monitoring – Konzept, Entwurf & Integration

  • Stand der Technik z.B. bei Wälzlagern oder Getrieben
  • Klassische Vorgehensweisen & Konzepte – z.B. Analysen von Frequenzspektren und Hüllkurven
  • Zustandserkennung aus Messdaten
  • Vor- & Nachteile im Überblick
 

Intelligentes Condition Monitoring – Automatisierte Analyse & Klassifikation existenter Mess- und Prozessdaten

  • Defizite klassischer Condition Monitoring Systeme
  • Konzepte intelligenter Zustandsüberwachung
  • Generische Datenanalyse
  • Verfahrensschritte und Integrationsmöglichkeiten im Überblick
  • Überwachung mit bzw. ohne Kenntnis von Schadensklassen
  • Vor- und Nachteile intelligenter Zustandsüberwachung
 

Big Data – Grundlage strategischer Wettbewerbsvorteile?

  • Big Data als Schlüssel zur digitalen Gesellschaft
  • Konzept und Möglichkeiten des Industrial Data Space
  • Big-Data-Technologien im Überblick
  • Big Data als Grundlage für Predictive Maintenance
  • Informierte Entscheidungsfindung mittels Big Data
  • Möglichkeiten zur Generierung strategischer Wettbewerbsvorteile
  • Typischer Projektablauf im Überblick
 

Qualitätssicherung in der Produktion – Mit komplexer Datenanalyse zu neuen Möglichkeiten

  • Klassische Vorgehensweisen & Konzepte
  • Vor- & Nachteile im Überblick
  • Modernste Methoden zur Analyse von Produktionsprozessen
  • Verknüpfung von Daten mit Qualitätsparametern zur intelligenten Prozessüberwachung
  • Data Mining – Erkennen und Nutzung von Strukturen in Messdaten
  • Vom Expertenwissen zum intelligenten System
 

Komplexe Datenanalyse – Strukturerkennung & Tools

  • Datenstrukturierung durch Clusterung
  • Verfahren zur Datentransformation
  • Datenanalyse-Tools im Überblick inkl. Präsentation
 

Fallbeispiele aus der industriellen Praxis  

Organisatorisches

Zielgruppe

Führungskräfte und Mitarbeiter, die sich mit dem Thema Industrie 4.0 und Big Data bzw. den Potenzialen und Optimierungsmöglichkeiten der Predictive-Maintenance-Methoden befassen wollen - vor allem aus den Bereichen

  • Produktion
  • Instandhaltung und Qualitätssicherung
  • Forschung und Entwicklung
     

Dauer

2 Veranstaltungstage bzw. auch ein Veranstaltungstag (9.00 bis 16.30 Uhr) möglich
 

Termine

  • 3 feste Termine im Jahr 2019 über den VDI:
    • 21./22.3.2019 Fürth
    • 13./14.8.2019 Hamburg
    • 3./4.12.2019 Düsseldorf
    • Weitere Informationen zu diesen Kursen finden Sie auch hier
  • weitere Termine für Gruppenbuchungen (sowohl als 1- als auch als 2-Tagesseminar) gern auf Anfrage
      

Anmeldung

Bei Interesse an den festen VDI-Terminen, melden Sie sich bitte direkt über das VDI-Wissensforum.

Für individuelle Kursanfragen wenden Sie sich bitte an Frau Loos bzw. nutzen Sie das folgende Formular.

* Pflichtfelder