Live-WebinaR

Hands-On Machine Learning für produzierende Unternehmen

In 4 Stunden haben Sie Ihr erstes eigenes Tool erstellt!

Kostenlose Einführung über 30 Minuten – Live-Webinar
16.04.2020 – 11.00 Uhr

Kursdurchführung über 4 Stunden – Interaktives Live-Webinar
Teil 1 27.04.2020 – 10.00-12.00 Uhr
Teil 2 28.04.2020 – 10.00-12.00 Uhr

Nutzen und Ziele

Dieses Webinar ist für Einsteiger konzipiert
Es sind keine Programmierkenntnisse oder zusätzliche Software nötig
Sie lernen die Vorteile von Data Science und Machine Learning für Ihr Unternehmen kennen
Sie erhalten Hands-On Übungen zum Mitmachen
In 4 Stunden haben Sie bereits mit Excel Ihre erste Machine-Learning-Anwendung erstellt

Mit dem erstellten Tool erzielen Sie sofort erste eigene Ergebnisse

Basics: Machine Learning und Data Science

Jeder spricht darüber, jeder will damit arbeiten: Machine Learning und Data Science
Doch der Einstieg in den Teilbereich der künstlichen Intelligenz (KI) stellt viele Techniker und Ingenieure vor große Herausforderungen.

Mit dieser Webinar-Reihe gelingt Ihnen der Einstieg garantiert.

Einfach, schnell und unkompliziert!!!

Kostenloses Webinar – 16.04.2020 11.00 Uhr

Definition und Einordnung von Begrifflichkeiten wie Machine Learning und Data Science
Machine Learning Workflow anhand eines Beispiels

Interaktives Live-Webinar – 27. und 28.04.2020 jeweils 10.00 – 12.00 Uhr

– Sie können Fragen zu Ihren ganz individuellen Herausforderungen stellen. Daher ist die Anzahl der Teilnehmer auf maximal 12 begrenzt.

Tag 1
Daten sammeln und aufbereiten

Daten aus internen und externen Quellen digitalisieren und importieren
– Angebote, technische Zeichnungen, Fertigungsprozessprotokolle, etc.
Zusammenführen von Daten aus Vertrieb/Kalkulation, Konstruktion, Produktion, Wartung
Filtern und Sortieren für konkrete Fragestellungen

Datenanalyse und -visualisierung

Auffälligkeiten und Besonderheiten in den eigenen Daten identifizieren, visualisieren und Handlungsmaßnahme ableiten
Zusammenhänge von Daten erkennen (Korrelation)
Prozessrobustheit mit Hilfe statistischer Kennzahlen bewerten

Tag 2
Maschinelles Lernen

Überwachtes Lernen
– Klassifizierung, z.B. Gut-/Schlechtteile
– Regression, z.B. zur Vorhersage konkreter Qualitätsmaße
Unüberwachtes Lernen zur Gruppierung von Bauteilgruppen
Ermittlung von Zielgrößen anhand Ihrer Daten durch Regression

Evaluierung

Fehlertypen und -matrix bei der Klassifizierung
Bewertung von Genauigkeit und Präzision
Bewertungsmöglichkeiten für Regression (Bestimmtheitsmaß)
Nächste Schritte zur Steigerung der Genauigkeit
– Sammeln und Verwenden weiterer Daten
– Feature Engineering
– Vergleich mit anderen Machine Learning-Modellen

Machine Learning und Data Science generieren enorme Vorteile für folgende Bereiche

Produktion: Geringerer Ausschuss durch optimierte Prozesse („Predictive Quality“)
Konstruktion: Datengestützte, fertigungsgerechtere Konstruktion
Vertrieb: Schneller und genauer Angebote kalkulieren
Logistik: Bedarfsermittlung für Materialien und Halbzeuge
Wartung: Ursachen für Ausfälle erkennen und Wartungsarbeiten vorhersagen („Predictive Maintenance“)

Ihr Referent

Jonas Triebel

Data- und IoT-Enthusiast mit mehr als 10 Jahren Erfahrung im Digital Manufacturing

Jonas Triebel hat Kunststofftechnik und Wirtschaftsingenieurwesen in Darmstadt und der University of Massachusetts, USA, studiert. Seitdem war er bereits als Trainer, Consultant und Speaker in den Bereichen Digital Prototyping und Manufacturing tätig.

Unter anderem war er maßgeblich an der Entwicklung einer Lösung zur automatisierten, digitalen Bauteiloptimierung für einen skandinavischen Medizintechnikproduzenten beteiligt.

Nach mehreren Jahren im Bereich der Digitalisierung und daten-getriebenen Optimierung von Bauteilen und -prozessen stellt Jonas Triebel sein enormes Fachwissen dem DIF für Webinare, Online-Seminare und Inhouse-Seminare zur Verfügung.