Smart Maintenance und Digital Asset Management

Name: Smart Maintenance und Digital Asset Management
SKU: 250846
Price: 1995 EUR
Availability: InStock

Kostensenkung und Verfügbarkeitssteigerung mithilfe von Datenanalysen und KI-Einsatz in der Instandhaltung

}

Dauer

3 Tage



Abschluss

Zertifikat der Akademie der Ruhr-Universität Bochum.

N

Geeignet für

Fach- und Führungskräfte, die ihre Handlungs- und Methodenkompetenzen durch digitale Erweiterungen, wie Digital Asset Management und Predictive Maintenance, zum Einsatz in der Instandhaltung stärken wollen.

1.995,00 €

inkl. 0 % MwSt.

In dieser innovativen Weiterbildung erfahren Sie, wie Sie mit Hilfe von Daten Ihre Instandhaltung noch effektiver und effizienter organisieren können. Sie lernen, wie Sie sowohl die bereits vorhandenen Daten nutzen, als auch was Sie tun können, um Ihre Datenwelt optimal zu erweitern. So wird Ihre Instandhaltung noch wertschöpfender und vorausschauender. Sie lernen modernste Methoden und Werkzeuge der Datenanalyse und der Künstlichen Intelligenz einzuschätzen und richtig einzusetzen. Klassische Instandhaltung, Digitalisierung und modernes Asset Management werden so zu einem ganzheitlichen Handlungsfeld verbunden.

Der Kurs besteht aus drei Teilen: Tag 1 widmet sich der Smarten Fabrik in all ihren Facetten und dem Schwerpunkt Digitales Asset Management auf Basis von SAP-Datenauswertungen. Tag 2 konzentriert sich auf Condition Monitoring und Predictive Maintenance. Tag 3 ist als Innovationsworkshop konzipiert. Hier können Sie im Kurs-Team gemeinsam mit unseren erfahrener Experten und Expertinnen eigene Use Cases und Business Cases entwickeln.

Die digitale Erweiterung ihrer Handlungs- und Methodenkompetenz

Einsatz digitaler Werkzeuge und künstlicher Intelligenz / maschinellem Lernen.
Festlegung der betriebswirtschaftlichen Datenwelt zur Ermittlung von Verfügbarkeit/OEE, Ausfallzeiten oder MTTR und MTBF.
Aufnahme von Zustands- und Prozessdaten in Neu- und Bestandsanlagen zur Prognose von Ausfällen und Störungen.
Einsatz von Condition Monitoring, Smarter Sensorik und Überwachungsplattformen.
Aufbau von Digitalen Zwillingen und aussagekräftigen Datenmodellen.
Aufbau einer einfachen IT-Struktur in der Fabrik.
Ausblick auf die Zukunft der Instandhaltung.

Entwickeln Sie in diesem Workshop schon erste Use Cases und Business Cases für Ihr Unternehmen!

Tag 1 – Grundlagen Smarte Fabrik, industrielles Maschinelles Lernen, Sensorik und Datenübertragung in der Fabrik

Modul 1: Einführung in die Smart Factory/Smart Maintenance

Inhalte der Smarten Fabrik
Das Akatech-Modell der Smart Factory
Smart Maintenance als wesentliches Element der Smart Factory
Konkrete Beispiele für Smart Factory und Smart Maintenance-Technologien und Methoden

Modul 2: Einführung in das Digital Asset Management

Das Ziel des Digitalen Anlagenmanagements
Die Methode der Datenanalysen und der Datenhaushaltung im Unternehmen
Optimales Umgehen mit Instandhaltungs-Managementsystemen
Aussagekraft von Instandhaltungssystemen und Umgang mit möglichen Fehlern oder Lücken

Modul 3: Konkrete Datenanalysen aus Instandhaltungssystemen (am Beispiel SAP/PM)

Übernahme von Daten und Preprocessing für die Analyse
Typische Verteilungen von Daten und deren Aussagen
Verhalten von Anlagenteilen über längere Zeiträume
Vergleich menschlich ermittelter Instandhaltungsstrategien mit datengestützter Auswertung
Der Zusammenhang von Zahnarztphänomen, Paretoverteilung und Sportschuhkurve
Einsatz von automatischen KI-Entscheidungsmaschinen in der Anlagenwirtschaft

Modul 4: Typische Ergebnisse und Umsetzungen von Digital Asset Management

Automatische Ableitung von Instandhaltungsstrategien auf Ebene der Anlagenteile
Optimales Verhältnis von vorbeugender zu reaktiver Instandhaltung
Auswirkung von behördlich vorgeschriebenen Prüfungen im Vergleich zu freiwilligen Inspektionen
Identifizieren von Anlagenteilen für Condition Monitoring und Predictive Maintenance
Konkrete Maßnahmen: Anpassungen der Wartungszyklen zur Optimierung von Kosten und Verfügbarkeit

Tag 2 – Grundlagen des Condition Monitorings und der Predictive Maintenance

Modul 5: Einführung in das Condition Monitoring

Ziel des Condition Monitorings
Optimaler Einsatz von Methoden und Werkzeugen
Auswahl der passenden Anlagenteile
Auswertungen und typische Aussagen von Condition-Monitoring
Technische Umsetzung und Praxisbeispiele

Modul 6: Sensorik und Datenübertragung in der Fabrik

Konventionelle und Smarte Sensoren
Datenübertragung in der Fabrik
Architekturen zur Datenarchivierung und Datenauswertung
Typische Kosten bei Investition und Betrieb

Modul 7: Einführung in das industrielle Maschinelle Lernen

Warum sich Industrieanlagen für Maschinelles Lernen/KI eignen
Was sind Datenmodelle und wie werden sie aufgebaut
Wie funktionieren Maschinellem Lernen und KI
Warum kann man mit Maschinellem Lernen Fabriken optimieren?

Modul 8: KI-gestützte Predictive Maintenance

Warum KI-gestützte Predictive Maintenance
Zustandsüberwachung und Prozessoptimierung
Prognose des Verhaltens der Fabrik und von Anlagenteilen
Nutzung von Condition Monitoring für die Predictive Maintenance
IT-Architekturen und Aufsetzen von Predictive Maintenance
Aufsetzen von Pilotprojekten und Ausrollen der Ergebnisse in der Fabrik

Tag 3 – Konkrete Problemlösungen

Eigene Use Cases und Business Cases entwickeln

Die Teilnehmenden können konkrete Fragen und Problemstellungen ansprechen
Diese werden im Workshop im Team bearbeitet
Es werden gemeinsame Lösungen entwickelt
Falls möglich, bereits werden erste Business Cases für einen Investitionsantrag entwickelt

Neue Termine folgen! Bei Interesse bitte kurze Nachricht an: engineering@akademie.ruhr-uni-bochum.de

Ihr Nutzen

Der neue Kurs „Smart Maintenance mit Digitalem Asset Management und Predictive Maintenance“ ist einzigartig.
Der Kurs vereint zum ersten Mal klassische Instandhaltung, Digitalisierung, Condition Monitoring und modernes Asset Management zu einem kompletten Handlungsfeld.
Diese Zukunft der Instandhaltung kombiniert die verschiedenen Anforderungen aller Stakeholder in Unternehmensführung, Produktion und Technik.

Beratung und Kontakt

Holger U. Nord

Programm-Manager

+49 (0)234 / 32 - 21088

holger.nord@akademie.ruhr-uni-bochum.de

Lecturers

Prof.in Dr.-Ing. Karla Ohler-Martins

Karla Ohler-Martins ist Professorin für Industrieservice an der HRW seit 2017, mit Schwerpunkt auf Industriellem Dienstleistungsmanagement. In ihrer Lehre und Forschung konzentriert sie sich auf Instandhaltungsmanagement, Lebenszyklusmanagement, Datenmanagement von Industrieanlagen und Energieeffizienz. Mit zehnjähriger Berufserfahrung in der Stahlindustrie, darunter Projekte mit Six Sigma, bringt sie umfangreiche Expertise ein. Ihre Promotion absolvierte sie 2008 am Institut für Eisenhüttenkunde an der RWTH Aachen.

Markus Ahorner

Markus Ahorner hat Maschinenbau und Wirtschaftswissenschaften studiert und war Führungskraft im internationalen Anlagenbau und in der Strategieberatung. Mit Ahorner & Innovators verfolgt er das Ziel, mit Hilfe von Künstlicher Intelligenz und mathematischen Methoden Entscheidungen und Unternehmensprozesse zu automatisieren und zu optimieren. Das Team aus Mathematikern, Ingenieuren, Informatikern und Betriebswirten entwickelt für forschende und herstellende Konzerne IT-Architekturen und innovative Geschäftsmodelle.

Dipl.-Ing. Rüdiger Proff

Rüdiger Proff ist aus der Praxis und bereits seit 20 Jahren erfolgreich als Sales- and ProjectEngineer bei der Fluke Reliability. Weitere Stationen waren die SELO Deutschland GmbH, FABREEKA GmbH und die G+H MONTAGE GmbH. Er war dabei Vertriebsingenieur für Hochtemperatur Wärmeisolierung (Luft- und Raumfahrt, Automobilbau, Apparatebau) sowie Vertriebsingenieur für Schwingungsisolierung für Gebäude und Maschinen. Sein Diplom hat er an der Ruhr-Universität Bochum gemacht. Er ist im Verein Deutscher Ingenieure und engagiert sich als Vorstandsmitglied im Forum Vision Instandhaltung (FVI) e.V.