Kerangka Materi

Pengantar Prediktif Maintenance

  • Apa itu prediktif maintenance?
  • Reactive vs. preventif vs. prediktif
  • ROI dunia nyata dan studi kasus industri

Pengumpulan dan Persiapan Data

  • Sensor, IoT, dan pencatatan data di lingkungan industri
  • Pembersihan dan struktur data untuk analisis
  • Data seri waktu dan penandaan kegagalan

Machine Learning untuk Prediktif Maintenance

  • Tinjauan model machine learning (regressi, klasifikasi, deteksi anomali)
  • Memilih model yang tepat untuk prediksi kegagalan peralatan
  • Pelatihan model, validasi, dan metrik kinerja

Membangun Kerangka Kerja Prediktif

  • Pipa end-to-end: pengambilan data, analisis, dan peringatan
  • Menggunakan platform cloud atau edge computing untuk analisis real-time
  • Integrasi dengan sistem CMMS atau ERP yang ada

Failure Mode dan Modeling Health Index

  • Memprediksi mode kegagalan tertentu
  • Menghitung Remaining Useful Life (RUL)
  • Mengembangkan dashboard kesehatan aset

Sistem Visualisasi dan Peringatan

  • Memvisualisasikan prediksi dan tren
  • Menetapkan ambang batas dan membuat peringatan
  • Mempersiapkan wawasan yang dapat dijalankan untuk operator

Best Practices dan Risk Management

  • Mengatasi masalah kualitas data
  • Etika dan eksplorabilitas dalam sistem AI industri
  • Manajemen perubahan dan adopsi di antara tim

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman peralatan industri dan alur kerja pemeliharaan
  • Pengetahuan dasar tentang konsep AI dan pemahaman mesin
  • Pengalaman dengan sistem pengumpulan dan pemantauan data

Target Peserta

  • Insinyur pemeliharaan
  • Tim keandalan
  • Manajer operasi
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait