Veranstaltungsnummer: 02SE504
- Möglichkeiten und Herausforderungen von KI und Maschinellem Lernen
- Klassische und intelligente Instandhaltung im Vergleich
- Einbeziehung vorhandener Datenbestände aus dem Produktionsprozess in die Entscheidungsfindung
Im Seminar wird der Einsatz von Methoden der Künstlichen Intelligenz (KI) und des Maschinellen Lernens für die
Instandhaltung beleuchtet. Dabei wird der konkrete praktische Nutzen einer solchen Herangehensweise erläutert. Lerne, wie KI einen Beitrag zur Steigerung der Effizienz deiner Instandhaltung leisten kann, wie du Anwendungsfälle in deinem Unternehmen identifizierst, für die ein Einsatz von KI sinnvoll erscheint, und wie du die notwendigen Daten richtig erhebst und auswertest.
Im Umfeld von Industrie 4.0 und vernetzten Produktionsprozessen liegt es nahe, die entstehenden Datenbestände auch für die
Instandhaltung zu nutzen. Automatisierte Analysen von Mess- und Prozessdaten mittels KI-Methoden führen zu einer intelligenten Zustandsüberwachung. Maschinelles Lernen ermöglicht eine vorausschauende Wartung, wodurch sie in der Instandhaltung in die Lage versetzt werden, zum genau richtigen Zeitpunkt einzugreifen und so Prozesse effektiver zu gestalten. Mit den bereits heute in Unternehmen erfassten unzähligen Daten lassen sich durch gezielte Auswertung enorme Potenziale heben. Die Teil-
nehmenden der Veranstaltung erfahren, wie diese Daten auch in der Instandhaltung genutzt werden können.
Sie lernen in diesem Seminar, wie Sie
- KI zur Steigerung der Effizienz Ihrer Instandhaltung nutzen
können,
- konkret vorgehen sollten, wenn Sie KI in Ihrem Unternehmen
einsetzen wollen,
- Anwendungsfälle in Ihrem Unternehmen identifizieren, für die
ein Einsatz von KI sinnvoll erscheint,
- die Methoden des Maschinellen Lernens unterscheiden und
zielgerichtet einsetzen können,
- mit den vorhandenen Datenbeständen zielführend umgehen.
Top-Themen
- Möglichkeiten und Herausforderungen von KI und Maschinellem Lernen
- Klassische und intelligente Instandhaltung im Vergleich
- Einbeziehung vorhandener Datenbestände aus dem Produktionsprozess in die Entscheidungsfindung
- Standardisierter Prozess zur Einführung von KI
- Überblick über ausgewählte Methoden des Maschinellen Lernens und hilfreiche Software-Tools
Ablauf des Seminar "Künstliche Intelligenz und Maschinelles Lernen in der Instandhaltung"
Erfahre während der Weiterbildung "Künstliche Intelligenz und Maschinelles Lernen in der Instandhaltung" mehr zu diesen Themen:
1. Tag 10:00 bis 17:30 Uhr
2. Tag 08:30 bis 15:30 Uhr
Instandhaltung, Digitalisierung und KI
- Konzepte und Vorteile der Zustandsüberwachung
- Bedeutung und Nutzen der Digitalisierung für die Instandhaltung
- Zusammenhang von KI und Predictive Maintenance bei der Instandhaltung
- Zustandsüberwachung heute und damit zusammenhängende Defizite sowie deren Beseitigung durch die Nutzung von KI
Einführung in KI
- Starke und schwache KI, Unterschied der KI zu klassischer Software
- Einordnung des Maschinellen Lernens (ML) in den Kontext der KI
- Einsatzgebiete, mögliche Ziele des ML, mit KI/ML lösbare
Aufgaben - Grenzen des ML, nicht lösbare Aufgaben
- Ursachen für Strukturen in Daten, deren Entstehung und
Erkennung
Anwendung des ML im Produktionsumfeld
- Grundsätzliche Anforderungen beim Einsatz von ML-Methoden
- Reifegrad und Machbarkeit als wichtige Begriffe
- Identifikation von möglichen Anwendungsfällen durch einen standardisierten Prozess
- Datenaufbereitung als Basis des ML
- Entwicklung von ML-Modellen durch das iterative Durchlaufen dieses Prozesses (Hauptaspekte sind Datenverständnis,
Datenverarbeitung, KI-Modellierung, Evaluation) - Herausforderungen und deren Beseitigung im Unternehmen, notwendige beteiligte Rollen
Praxisorientierte Übersicht über Grundlagen des ML und
theoretische Aspekte
- Berechnung typischer Merkmale zur Datenauswertung
- Datenbezogene Aufgaben des ML aus Sicht des praktischen Einsatzes: Anomaliedetektion, Klassifikation, Prädiktion
- Unterteilung der Lernverfahren hinsichtlich des Vorgehens beim Training
- Erläuterung ausgewählter Methoden, nicht-neuronale und
neuronale Methoden und deren Vor- und Nachteile - Schritte zum ML-Modell: Training, Validierung, Einsatz
Anwendungsbeispiele
- Kurze Beispiele aus den Branchen Automatisierungs-
komponenten, Spezialmaschinen, Energieversorgung als
Überblicksgeber - Ausführliche Darstellung eines Beispiels aus der Stahlindustrie
- Diverse Software-Werkzeuge für die bequeme Nutzung von ML-Methoden, deren Einsatzmöglichkeiten und die notwendigen Kenntnisse für eine erfolgreiche Anwendung
- Demonstration eines konkreten Umsetzungbeispiels anhand eines ausführlichen Skripts
- Diskussion von üblichen Fehlerquellen, deren Erkennung und Vermeidung
Ergänzende Informationen und Roadmap
- Checkliste für eine firmeninterne Umsetzung
- Roadmap als Handout
Seminarmethoden
- Theoretische Aspekte werden durch ausgewählte Fallbeispiele anwendungsorientiert vermittelt.
- Ausgewählte Seminarinhalte werden unter Einbeziehung unternehmensspezifischer Erfahrungswerte der Teilnehmenden interaktiv erarbeitet.
- KI-Methoden und deren Anwendungsmöglichkeiten werden überblicksmäßig vermittelt.
- Du erhältst eine Roadmap zur Einführung von KI in deiner Instandhaltung.
Zielgruppe
- Werksleiter*innen
- Produktionsleitende
- Instandhaltungsleiter*innen
- Betriebsingenieur*innen
- Dienstleistung in der Instandhaltung
Dein Seminarleiter und dein Referent – Spezialisten für industrielle KI-Anwendungen
Dr.-Ing. Olaf Enge-Rosenblatt, Gruppenleiter Datenanalysesysteme, Fraunhofer-Institut für Integrierte Schaltungen IIS, Institutsteil Entwicklung Adaptiver Systeme EAS, Dresden
Dr. Olaf Enge Rosenblatt studierte Automatisierungstechnik, promovierte zum Dr.-Ing. der Elektrotechnik und arbeitet seit 2005 am Institutsteil Entwicklung Adaptiver Systeme des Fraunhofer IIS, wo er das Forschungsfeld Datenanalysesysteme verantwortet. Unter seiner Leitung werden zahlreiche Forschungs- und Applikationsprojekte rund um die Themen Künstliche Intelligenz und Maschinelles Lernen durchgeführt. Anwendungsbereich ist im Wesentlichen die Zustandsüberwachung von Maschinen und Anlagen in verschiedensten Industriezweigen (Stahlindustrie, Maschinenbau, Verpackungsindustrie).
Als Referent unterstützt das Seminar:
M.Sc. Oliver Gnepper, Wissenschaftlicher Mitarbeiter, Datenanalysesysteme, Fraunhofer-Institut für Integrierte Schaltungen IIS, Institutsteil Entwicklung Adaptiver Systeme EAS, Dresden
Oliver Gnepper studierte Mechatronik mit dem Schwerpunkt Automatisierungstechnik an der Hochschule Zittau-Görlitz und arbeitet seit 2017 in der Gruppe von Dr. Olaf Enge Rosenblatt. Er ist ausgewiesener Experte mit ingenieurtechnischem Hintergrund für Methoden des Maschinellen Lernens und bringt einen großen Erfahrungsschatz hinsichtlich der Möglichkeiten der Anwendungen von KI-Methoden im industriellen Umfeld mit.
Veranstaltung buchen
Weitere Hotelpartner :
