Toepassen van AI voor Maintenance & Reliability Engineers

In het ESF-project vormAInt ontwikkelde BEMAS samen met zijn partners een aanbod van praktijkgerichte opleidingen om operatoren, technici, leidinggevenden en ingenieurs in asset intensieve omgevingen (beter) gebruik te laten maken van Artificiële Intelligentie toegepast in onderhoud en asset management. AI laat immers toe om aankomende storingen te voorspellen, waardoor er ongeplande stilstanden en technische incidenten kunnen worden vermeden. In de toekomst zal u in uw organisatie ook te maken krijgen met Artificiële Intelligentie (AI). Het is daarom belangrijk om nu al kennis te maken met de mogelijke toepassingen van deze technologie en de impact hiervan op uw takenpakket.

Twee keer per jaar, 1 keer in het najaar (in Herentals) en 1 keer in het voorjaar (in Gent), zal de 6-daagse theoretische opleiding georganiseerd worden. In de zomermaanden organiseren we praktijklabo’s (in Gent) zodat u het geleerde kan toepassen in de praktijk (optioneel, apart in te schrijven).

In deze diepgaande theoretische opleiding van 6 dagen leert u de volgende zaken:

• Definiëren en toelichten van de verschillende AI analyse technieken en vaak gebruikte termen in AI, predictive analytics en big data analyse
• Kennen en begrijpen welke elementen in kwaliteitsvolle onderhoudsinterventierapporten moeten bevatten voor de (latere) toepassing van AI en wat binnen een organisatie moet ondernomen worden om dit te realiseren
• Inzien wat het belang is van de kwaliteit van onderhoudsdata voor de (latere) toepassing van AI en wat binnen een organisatie moet ondernomen worden om deze data te bekomen
• Kennen en begrijpen van de verschillende maturiteitsniveaus in onderhoud voor het toepassen van AI (kunnen uitvoeren van een maturiteitsscan van uw bedrijf)
• Begrijpen wat de impact van AI algoritmes kan zijn op betrouwbaarheid en beschikbaarheid
• Begrijpen en toepassen van de fundamentele inzichten en principes van AI in onderhoud:
  • predictieve modellering en andere modelleringstechnieken
  • classificatie, regressie, forecasting, anomaliedetectie, RUL
  • supervised, semi-supervised, unsupervised learning, Reinforcement learning
  • trainen, evalueren, feature selectie, overfitting,
  • verwerken van tijdreeksen: resampling, filtering, ...

• Begrijpen wat de mogelijkheden zijn van Prescriptive analytics op vlak van onderhoud, ihkv automatische bijsturing.
• Hoe omgaan met persoonsgebonden data met betrekking tot het onderhoudsgebeuren.
• Kennen, begrijpen en kunnen toepassen wat de mogelijkheden zijn om data te capteren via extra en bestaande sensoren, datasystemen en toestellen en hoe dit in de praktijk kan worden toegepast.
• Herkennen van aandachtspunten bij datacollectie (missing data, data compressie, samenvoegen van verschillende databronnen, ...)
• Begrijpen wat de mogelijkheden voor machine-to-machine communicatie, draadloos en bekabeld, over korte en lange afstanden en hoe dit in de praktijk kan worden toegepast
• Selecteren, voorbereiden, verwerken en verrijken van industriële data.
• Begrijpen welke softwaretools en platformen voorhanden zijn voor de implementatie van AI toepassingen.
• Inzien wat het belang is van Cybersecurity en Datasecurity en weten hoe dit kan aangepakt worden in de praktijk
• Begrijpen wat kritische succesfactoren zijn om met AI en predictive analytics tot betrouwbare resultaten te komen voor toepassingen in onderhoud en analyseren welke stappen dienen te ondernomen worden.
  • vaak voorkomende fouten in projecten (bv succesvolle implementatie, betrokken partijen, project management, evaluatie van AI modellen, en onderhoud van de modellen)
• Het integreren van output van predictieve modellen in bestaande data collectie / visualisatie platformen en begrijpen hoe dit in de praktijk kan worden toegepast
• Managen van de opgedane kennis in AI projecten en uit AI modellen
  • kennisbeheer in de organisatie

Aan de hand van toelichtingen van praktijktoepassingen van AI in de industrie (kwaliteitscontrole, defectdetectie, predictief onderhoud, …) en het aantonen van hoe bepaalde acties in de praktijk kunnen gebracht worden aan de hand van voorbeelden en/of concreet advies, kan u het geleerde nadien toetsen en toepassen in de praktijk. Op het einde van de opleiding bewijst u tijdens het examen uw verworven kennis.