Modul »Knowledge Discovery in Produktionsdaten – Modellierung, Visualisierung, Potenzialbewertung«

Datenzusammenhänge erkennen und für Optimierungen nutzbar machen

Fertigungsanlagen besitzen heute aufgrund von ingenieurwissenschaftlichem Design und langjähriger Praxiserfahrung ein hohes Maß an Produktivität. Darauf aufbauend lassen sich weitere Optimierungspotenziale aus komplexen und heterogenen Sensorinformationen realisieren.

Unser Modul »Knowledge Discovery in Produktionsdaten« stellt Unternehmen ein geeignetes Instrumentarium zur Hand, um komplexe Datenzusammenhänge zu erkennen und für Optimierungen nutzbar zu machen. Sie erhalten einen Überblick über mögliche Datentransformations-, Visualisierungs-, Modellierungs- und Evaluationsverfahren, die im Produktionsumfeld Anwendung finden.

Die Inhalte sind eng gekoppelt an konkrete Fragestellungen, ohne dabei zu tief auf die zugrundeliegende Algorithmik einzugehen. Neben den in Analysen verwendeten Methoden und Darstellungen gehen wir vor allem auf mögliche Fallstricke bzw. Best Practices in dem Themengebiet der Analysen ein. Damit schließen wir gezielt die Lücke zwischen Daten-Monitoring und Potenzialanalyse.

Zielgruppe & Rahmenbedingungen

  • Zielgruppe
    Die Schulung ist ein interdisziplinäres Angebot für Informatiker, Ingenieure, Produktionsleiter und Projektplaner.
  • Voraussetzungen: Grundkenntnisse in Statistik und Programmierung
  • Dauer: Ein Tag
  • Sprache: Deutsch
  • Kosten: 590,00 Euro pro Person und Tag (Kalkulationsgrundlage); individuelle Kostenberechnung auf Anfrage
  • Veranstaltungsort: Inhouse in Ihrem Unternehmen oder Fraunhofer-Institutszentrum Schloss Birlinghoven, 53757 Sankt Augustin
  • Termine und Anmeldung: Nach individueller Absprache
  • Besonderheiten des Moduls (USP):
    • Praxisorientiertes Analyseinstrument
    • Unmittelbar auf betriebliche Fragestellungen anwendbar
    • Aufdecken von Optimierungspotenzialen

Themenblöcke

  • Sensordatenfusion
  • Condition Monitoring und Anomaliedetektion
  • Abschätzung der Restlebensdauer
  • Vorhersage von Ausfällen und Fehlern
  • Lastvorhersage basierend auf historischen Daten bzw. unter Einbeziehung externer Daten wie z.B. Kalenderdaten, Wirtschaftsprognosen
  • Bottleneck-Analysen basierend auf Prozessmodellen
  • Decision Making under Uncertainty

Bei Fragen zur Buchung, Inhalten oder Terminen wenden Sie sich an Armin Ritter, Fraunhofer Academy.