课程大纲

预测性维护简介

  • 什么是预测性维护?
  • 反应性、预防性与预测性方法的比较
  • 实际投资回报率与行业案例研究

数据收集与准备

  • 工业环境中的传感器、物联网与数据记录
  • 数据清理与结构化分析
  • 时间序列数据与故障标记

预测性维护的机器学习

  • 机器学习模型概述(回归、分类、异常检测)
  • 选择适合设备故障预测的模型
  • 模型训练、验证与性能指标

构建预测性工作流

  • 端到端管道:数据摄取、分析与警报
  • 使用云平台或边缘计算进行实时分析
  • 与现有CMMS或ERP系统集成

故障模式与健康指数建模

  • 预测特定故障模式
  • 计算剩余使用寿命(RUL)
  • 开发资产健康仪表板

可视化与警报系统

  • 可视化预测与趋势
  • 设置阈值并创建警报
  • 为操作员设计可操作的见解

最佳实践与挑战

  • 克服数据质量问题
  • 工业AI系统中的伦理与可解释性
  • 团队间的应变管理与采用

总结与下一步

要求

  • 了解工业设备与维护工作流程
  • 对AI和机器学习概念有基本了解
  • 具备数据收集与监控系统的经验

受众

  • 维护工程师
  • 可靠性团队
  • 运营经理
 14 小时

即将举行的公开课程

课程分类