Predikтивní údržba průmyslových systémů poháněná AI Počítačový Kurz

Úvod do predikтивní údržby

• Co je predikтивní údržba?
• Reaktivní vs. preventivní vs. predikтивní přístupy
• Skutečný ROI a případové studie z odvětví

Sběr a příprava dat

• senzory, IoT a protokolování dat v průmyslových prostředích
• Čištění a strukturování dat pro analýzu
• Časové řady dat a označování poruch

Strojové učení pro predikтивní údržbu

• Přehled modelů strojového učení (regrese, klasifikace, detekce anomalií)
• Výběr správného modelu pro předpověď poruch zařízení
• Vzdělávání, validace a metriky výkonu modelu

Tvorba predikтивního pracovního postupu

• End-to-end pipeline: ingestion dat, analýza a upozornění
• Použití cloudových platforem nebo okrajového výpočtu pro analýzu v reálném čase
• Integrace s existujícími systémy CMMS nebo ERP

Modelování režimů poruch a indexu zdraví

• Předpovídání konkrétních režimů poruch
• Výpočet zbývajícího užitečného života (RUL)
• Vývoj dashboardů zdraví aktiv

Vizualizace a systém upozornění

• Vizualizace předpovědí a trendů
• Nastavení prahových hodnot a tvorba upozornění
• Navrhování akčních vhledů pro operátory

Dobré praxe a řízení rizik

• Řešení problémů s kvalitou dat
• Etika a vysvětlitelnost v průmyslových AI systémech
• Řízení změn a přijímání napříč týmy

Shrnutí a další kroky