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.
Aktuell gibt es zu diesem Kurs keinen buchbaren Termin.
Bei Interesse wenden Sie sich bitte an unser Service-Team.
Email: info@bfi-kaernten.at
Servicenummer: 05 78 78.
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
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.
mehr Details
Die Lernfabrik am bfi-Wolfsberg/St. Stefan wird gefördert vom KWF
