Prozessregelung und Prognosen mit künstlicher Intelligenz

Vielen Unternehmen sind durch kostspielige Nacharbeiten, teure Stillstandzeiten ihrer Anlagen oder mit Ausschuss belastet.
All das kann durch gezielte Analysen vorhergesehen und dadurch vermieden werden.
Die relevanten Daten in Verbindung mit den geeigneten Methoden werden auf der Basis einer FESTO Lernfabrik in diesem Kurs vermittelt und instabile Prozesse stabilisiert.

Statistische Prozessregelung (SPC) und künstliche Intelligenz (erweiterte Prozessregelung) ermöglichen diese Vorhersagen, um damit den Einsatz von Produktionsmitteln effektiver und effizienter zu gestalten.
Durch die Dynamisierung von Wartungsplänen (z.B. Vorhersage von Werkzeugbruch) und den effektiveren Einsatz von Prüfmitteln wird die Anlagenverfügbarkeit gesteigert.

Dauer:

24 Stunden

Kosten:

€ 990,00 inkl. 10% MwSt.

Inhalt:

• Erweiterte Prozessregelung und deren Verortung auf der Ebenen von Einzelprozessen, Gesamtprozessen und in der Instandhaltung.
• Künstliche Intelligenz und die Verortung von maschinellem Lernen als Teil dieses Fachgebietes.
• Konkrete Methoden für individuelle Problem-Lösungen durch KI in Ihrem Produktionsumfeld
• Datenquellen und maschinelles Lernen bei der Nutzung von R-Studio.
• Die Bedeutung der Datenqualität für den effektiven Einsatz von maschinellem Lernen.
• Grenze des maschinellen Lernens im Kontext ihres Einsatzes in der Produktion.
• Auswertungen im R-Studio

Lernziele:

Die Teilnehmenden
• kennen die konkreten Ansätze zum Einsatz von maschinellem Lernen auf der Ebene von Einzelprozessen, Gesamtprozessen und für die Instandhaltung.
• können R-Studio selbständig zur Entwicklung von einfachen Modellen der erweiterten Prozessregelung einsetzen.
• sind sich der Bedeutung der Qualität von Produktionsdaten für die erweiterte Prozessregelung bewusst.
• kennen die Grenzen von maschinellem Lernen für den Einsatz in der Produktion.

Zielgruppe:

Prozessingenieur*innen, produktionsnahe Informatiker*innen

Voraussetzungen:

Kenntnisse über Produktionsabläufe
Kenntnisse über SPC wünschenswert
Grundlegende Programmierkenntnisse
Grundlegende Kenntnisse in Statistik
Abschluss Datenqualität in der Produktion

Abschluss:

Kursbesuchsbestätigung