IIoT/云系列，第1部分:基于人工智能的预测性维护和质量的案例研究

一(1)小时的认证专业发展(pdh)提供给所有与会者。

不太成功的机器学习(ML)或人工智能(AI)项目之所以达不到要求，是因为它们未能整合领域知识，数据质量差，交付的业务案例不足，或者与缺乏健壮性的模型作斗争。
参加本次网络直播，了解如何应对这些挑战。我们还将回顾预测维护中的实际案例研究示例，重点是减少计划外停机时间，以及与预测质量和减少报废有关的其他案例，包括涉及冲压、铸造、CNC加工和工业机器人的过程。

演示和案例研究阐明了制造商如何从“故障-修复”过渡到“预测-预防”零停机和零缺陷操作。

学习目标:

• 如何定义涉及的业务和技术问题
• 数据收集的端到端分析平台
• 关于如何随着时间的推移维护和改进解决方案的课程

提出的:
Mohamed Abuali, IoTco管理合伙人
David Siegel博士，Predictronics公司首席数据科学家

由:
Kevin Parker, CFE Media & Technology的内容经理