Industri 4.0: Predictive maintenance dataopsamling

Du lærer at opsamle data fra typiske sensor til brug for predictive maintenance og videresende disse data til en gateway. Du opnår forståelse for hvilken betydning industri 4.0, big data og IOT har for forudsigelse af vedligeholdelsesbehovet på industrielle produktionsanlæg.

Uddannelsen henvender sig til faglærte automatikteknikere, elektrikere eller personer med tilsvarende kompetencer, der har eller ønsker beskæftigelse i en virksomheds drifts/vedligeholdelsesafdeling, og som i den forbindelse skal kunne foretage reparation og vedligeholdelse af PLC-styring og dataopsamling. Det anbefales at man inden kurset har viden om tilstandsbaseret vedligehold. Denne viden kan opnås igennem uddannelserne 'Tilstandsbaseret vedligeholdelse automatiske maskiner' samt 'PLC anlæg, progr/idriftsætning HMI, kommunikation'.

Deltageren kan opsamle data fra typiske sensor til brug for predictive maintenance og videresende disse data til en gateway, herunder opnå forståelse for hvilken betydning industri 4.0, big data og IOT har for forudsigelse af vedligeholdelsesbehovet på industrielle produktionsanlæg. Det betyder at deltageren kan: -Redegøre for filosofien bag predictive maintenance, samt hvilke muligheder brugen af big data giver for vedligeholdelsesplanlægning. -Forstå hvilken betydning en digital tvilling har for planlægning af predictive maintenance.-Forstå hvilke kriterier der ligger til grund for valg af hvilke data der skal opsamles, dette på baggrund af analyser af fejlmuligheder, typiske fejlmønstre samt konsekvensen af disse fejl.-Redegøre for hvilke målemetoder der kan anvendes til at opsamle de ønskede maskindata, så som temperatur, vibrationer, strøm osv. med særlig henblik på big data. Deltageren kan i den forbindelse anvende sin opnåede viden om:-Sensorer, samt tilslutte disse via et industrielt netværk til en PLC og konfigurere den, så den kan kommunikere med en gateway. Data fra gateway overføres til f.eks. Excel for at illustrere at dataene nu er tilgængelige for netværksbaserede dataanalysesystemer. -Hvilke muligheder IO-link sensorer giver for dataopsamling, samt tilslutte dem til et PLC system.

Deltageren kan opsamle data fra typiske sensor til brug for predictive maintenance og videresende disse data til en gateway, herunder opnå forståelse for hvilken betydning industri 4.0, big data og IOT har for forudsigelse af vedligeholdelsesbehovet på industrielle produktionsanlæg.

Det betyder at deltageren kan:

  • -Redegøre for filosofien bag predictive maintenance, samt hvilke muligheder brugen af big data giver for vedligeholdelsesplanlægning.
  • -Forstå hvilken betydning en digital tvilling har for planlægning af predictive maintenance.
  • -Forstå hvilke kriterier der ligger til grund for valg af hvilke data der skal opsamles, dette på baggrund af analyser af fejlmuligheder, typiske fejlmønstre samt konsekvensen af disse fejl.
  • -Redegøre for hvilke målemetoder der kan anvendes til at opsamle de ønskede maskindata, så som temperatur, vibrationer, strøm osv. med særlig henblik på big data.

Deltageren kan i den forbindelse anvende sin opnåede viden om:-Sensorer, samt tilslutte disse via et industrielt netværk til en PLC og konfigurere den, så den kan kommunikere med en gateway. Data fra gateway overføres til f.eks. Excel for at illustrere at dataene nu er tilgængelige for netværksbaserede dataanalysesystemer. -Hvilke muligheder IO-link sensorer giver for dataopsamling, samt tilslutte dem til et PLC system.

Teksten er opstillet med hjælp fra AI
  • Pris: 654 kr.
  • Fag nr. 49743-
  • Brancheområder: 1
  • Næste startdato:
  • Varighed:3 dage
Kursuskatalog Favorit

Kan du få tilskud?

Hvis du er omfattet af en af vores overenskomster, kan du søge om tilskud til kurset her

Dette kursus udbydes ikke i øjeblikket.

Du kan kontakte de skoler, der er godkendt til at udbyde kurset, hvis du vil vide mere.
Skoler som kan udbyde kurset

Nedenfor ser du en liste med skoler, som ikke har hold på holdlisten. Kontakt en af skolerne for at opfordre dem til at oprette hold.

  • TEC, Technical Education Copenhagen
    Stæhr Johansens Vej 7, 2000 Frederiksberg
  • 3817 7000
  • tec@tec.dk
  • Skriv mig op
  • Syddansk Erhvervsskole Odense-Vejle
    Munkebjergvej 130, 5230 Odense M
  • 7010 9900
  • sde@sde.dk
  • Skriv mig op
  • ZBC - Zealand Business College
    Ahorn Alle 3-5, 4100 Ringsted
  • 5578 8888
  • zbc@zbc.dk
  • Skriv mig op

Kursusagent

Modtag en e-mail når der oprettes nye hold for dette kursus!

Evejledning

Få hjælp hos eVejledning

eVejledning er klar til at rådgive dig om uddannelse. eVejledning har åbent både om dagen, aftenen og i weekenden.

Ring til eVejledning på 70 22 22 07.

Eller se, hvordan du ellers kan kontakte dem her:

Link til eVejledningen
Træ- og Møbelindustriens Kompetencefond TMKF

Træ- og Møbelindustriens Kompetencefond (TMKF) yder støtte til medarbejdernes selvvalgte uddannelse inden for Træ- og Møbeloverenskomsten og Piano- og Orgeloverenskomsten.

Industriens Kompetenceudviklingsfond IKUF

Industriens Kompetenceudviklingsfond (IKUF) yder støtte til medarbejdernes selvvalgte uddannelse inden for Industriens Overenskomst, Industriens Funktionæroverenskomst, Overenskomsten for slagteområdet mellem DI og Fødevareforbundet NNF samt Den fødevareindustrielle overenskomst mellem DI og Fødevareforbundet NNF.

Emballageindustriens Kompetenceudviklingsfond EKUF

EKUF står for Emballageindustriens KompetenceUdviklingsFond.

EKUF blev stiftet af DI – Dansk Industri, Fagligt Fælles Forbund (3F) and HK (Privat)  ved overenskomstfornyelsen i 2007.

Siden da har EKUF ydet tilskud til selvvalgt efteruddannelse og senere hen også aftalt uddannelse for ansatte i industrien. Formålet er at sikre udvikling af medarbejderes kompetencer for at kunne bevare og styrke virksomhedernes konkurrencekraft.

Fonden yder tilskud til medarbejdere, der arbejder under Emballageoverenskomsten.

AL Efteruddannelses Kompetencefond ALEU

AL Efteruddannelses Kompetencefond støtter selvvalgt uddannelse, der kan bruges inden for overenskomstens arbejdsområde (Industri- og VVS-overenskomsten).