Das erwartet Dich im Webinar
Ungeplante Stillstände kosten Zeit und Geld, eine zu frühe Wartung aber auch. Predictive Maintenance verspricht genau hier den Ausweg: den Zustand einer Maschine aus Betriebs- und Sensordaten abzulesen und Wartungsmaßnahmen genau dann einzuplanen, wenn sie wirklich nötig werden. Doch bevor daraus ein funktionierendes System wird, stellen sich einige praktische Fragen. Welche Ausfälle lassen sich überhaupt vorhersagen? Und welche Daten brauchst Du dafür wirklich?
In diesem Webinar bekommst Du das technische Rüstzeug, um Predictive-Maintenance-Projekte realistisch einzuschätzen und eigene Anwendungsfälle zu strukturieren. Wir zeigen Dir, welche Daten Du benötigst, welche statistischen Grundlagen dahinterstecken und welche Verfahren sich eignen – von einfachen Zustandskennzahlen bis hin zum maschinellen Lernen.
Dabei werfen wir auch einen Blick auf typische Datenquellen wie Temperatur-, Strom- und Prozessdaten und besprechen, wie aus Zeitreihen aussagekräftige Merkmale werden. Am Ende des Webinars weißt Du, wie sich Ergebnisse belastbar bewerten lassen und wie Du sie in Deine betrieblichen Abläufe überträgst.
4 Gründe, warum Du dieses Webinar nicht verpassen solltest:
Ausfälle realistisch einschätzen
Methoden im
Überblick
Sensordaten
verstehen
Spannende
Q&A-Runde
Dr. Kai Brügge ist Senior Consultant für Data Science und Künstliche Intelligenz bei der MID. Er verfügt über langjährige Forschungserfahrung in den Bereichen Physik und maschinelles Lernen.
Sein Schwerpunkt liegt darauf, moderne datengetriebene Methoden für den deutschen Mittelstand und internationale Kunden nutzbar zu machen. Seine Expertise umfasst die Entwicklung von Algorithmen zur Datenanalyse, die Implementierung von Machine-Learning-Modellen sowie die Optimierung von Prozessen mithilfe künstlicher Intelligenz.
Dr. Kai Brügge, Senior Consultant der MID GmbH, 
Jetzt Webinar kostenfrei anmelden
Füll einfach das nachfolgende Formular aus und wir senden Dir die Zugangsdaten zum Webinar direkt an Deine E-Mail-Adresse.