
Kestirimci Bakım Eğitimi
Sensör seçiminden ve sinyal işlemeden yapay zeka destekli hata tespitine ve kalan faydalı ömür tahminine kadar kestirimci bakımın tüm yelpazesine hakim ol. Bu kurs, güvenilirlik mühendislerine ve bakım profesyonellerine, plansız duruş süresini azaltmak, maliyetleri düşürmek ve ölçülebilir sonuçlar veren veri odaklı bakım programları oluşturmak için gereken teknik derinliği ve pratik araçları sunar.
Neler öğreneceksiniz:
Güvenilirlik mühendisliği, hasar modları ve kestirimci bakım için iş gerekçesi konularında sağlam bir temel oluşturacaksın. Titreşim analizi, termografi ve ultrason dahil olmak üzere durum izleme teknolojilerini nasıl uygulayacağını ve sürekli veri toplama için sensör ağlarını nasıl yapılandıracağını öğreneceksin. Kurs, veri ön işleme, özellik mühendisliği ve hata tespiti için denetimli ve denetimsiz makine öğrenmesi yöntemlerini kapsamaktadır. Ekipman bozulmasını tahmin eden ve kalan faydalı ömrü hesaplayan prognostik modeller geliştireceksin. Son olarak, PdM çıktılarını CMMS ve ERP platformlarına nasıl entegre edeceğini, operasyonel gösterge panoları tasarlamayı ve bir sürekli iyileştirme programını yönetmeyi öğreneceksin.
Nasıl pratik şekilde çalışırsınız Kestirimci Bakım Eğitimi
Nasıl pratik yaparsınız Kestirimci Bakım Eğitimi
Şirketiniz için ekibinizi eğitmek isteyenlere özel
Dedika Kurumsal'da, kurs kendi işinize ve şirketinizin ihtiyaçlarına uygun egzersizler ve örneklerle gelir.
Kurs İçeriği
8 Bölüm • 39 Ders4 ile 360 saat arasında (siz karar verin)
Bölüm 1GizleDetayları GizleDetayları GörKestirimci Bakımın Temelleri
Kestirimci Bakımın Temelleri
Ders 1 • Bakım Stratejisi Manzarası
Reaktif, önleyici ve kestirimci bakım felsefelerini maliyet ve güvenilirlik ölçütlerini kullanarak karşılaştırır. Sonraki tüm Kestirimci Bakım kararları için stratejik bağlamı sağlar.
Ders 2 • Kestirimci Bakım Programları için İş Gerekçesi
Yatırım Getirisi, duruş süresi azaltımı ve güvenlik faydalarını ölçerek Kestirimci Bakım benimsenmesini gerekçelendirir. Öğrencileri paydaşlara veri odaklı teklifler sunmaya hazırlar.
Ders 3 • Güvenilirlik Mühendisliği Temelleri
Ortalama Arıza Süresi, Ortalama Onarım Süresi, kullanılabilirlik ve güvenilirlik dağılımlarını nicel temeller olarak tanıtır. Bu ölçütler, kurs boyunca Kestirimci Bakım programının etkinliğini ölçmek için kullanılır.
Ders 4 • Arıza Modları ve Mekanizmaları
Ekipmanın aşınma, yorulma, korozyon ve hizalama bozukluğu yoluyla nasıl bozulduğunu inceler. Arıza fiziğini, Kestirimci Bakımda kullanılan tespit edilebilir öncü sinyallere bağlar.
Bölüm 2GizleDetayları GizleDetayları GörDurum İzleme Temelleri
Durum İzleme Temelleri
Ders 1 • Termografi ve Termal İzleme
Kızılötesi termografi ilkelerini ve elektriksel ile mekanik varlıklar için termal anomali tespitini açıklar. Sıcaklık artışını öncü bir arıza göstergesi olarak tanımlar.
Ders 2 • Ultrason ve Akustik Emisyon
Kaçaklar, rulman kusurları ve elektriksel boşalma tespiti için hava ve yapı kaynaklı ultrasonu tanıtır. Kapsamlı kapsama için titreşim ve termal yöntemleri tamamlar.
Ders 3 • Titreşim Analizi İlkeleri
Titreşim sinyallerini yorumlamak için gerekli frekans, genlik ve dalga biçimi kavramlarını kapsar. Titreşim desenlerini 1. Bölüm'de tanımlanan belirli mekanik arızalarla ilişkilendirir.
Ders 4 • Yağ ve Yağlayıcı Analizi
Yağlayıcı ve bileşen sağlığını değerlendirmek için partikül sayımı, viskozite testi ve spektrometrik analizi öğretir. Yağ durumunu 1. Bölüm'deki aşınma ilerleme modellerine bağlar.
Ders 5 • Elektrik ve Motor Devre Analizi
Dönen makineler için motor akım imza analizi, yalıtım direnci ve güç kalitesi testini kapsar. Durum izlemeyi elektriksel arıza modlarına genişletir.
Bölüm 3GizleDetayları GizleDetayları GörSensör Sistemleri ve Veri Toplama
Sensör Sistemleri ve Veri Toplama
Ders 1 • Kablosuz ve Nesnelerin İnterneti Sensör Ağları
Uzaktaki veya dönen varlıklar için kablosuz sensör dağıtımını, güç yönetimini ve ağ topolojisini ele alır. Endüstriyel Nesnelerin İnterneti bağlantısını sürekli izlemenin bir etkinleştiricisi olarak tanıtır.
Ders 2 • Sinyal Koşullandırma ve Filtreleme
Sinyal bütünlüğünü sağlayan yükseltme, örtüşme önleyici filtreler ve gürültü azaltma tekniklerini açıklar. Öğrencileri, sonraki bölümlerde analiz için temiz veri üretmeye hazırlar.
Ders 3 • Veri Toplama Donanımı ve Protokolleri
Sensör verilerini güvenilir bir şekilde aktarmak için Veri Toplama kartlarını, Programlanabilir Lojik Denetleyicileri ve endüstriyel iletişim protokollerini kapsar. Donanım seçimlerini sistem ölçeklenebilirliği ve entegrasyon gereksinimlerine bağlar.
Ders 4 • Sensör Kalibrasyonu ve Bakımı
Veri kalitesini sürdürmek için kalibrasyon programları, kayma düzeltmesi ve sensör sağlığı doğrulaması oluşturur. Doğru teşhis için temel olarak ölçüm güvenilirliğini sağlar.
Ders 5 • Sensör Seçimi ve Özellikleri
İvmeölçerler, termokupllar, yakınlık probları gibi sensör türlerini ölçüm gereksinimleri ve ortamlarıyla eşleştirir. Teknoloji seçimlerini 2. Bölüm'deki arıza modu önceliklerine dayandırır.
Bölüm 4GizleDetayları GizleDetayları GörVeri Yönetimi ve Ön İşleme
Veri Yönetimi ve Ön İşleme
Ders 1 • Veri Etiketleme ve Açıklama
Arıza etiketleme stratejilerini, uzman açıklama iş akışlarını ve bakım veri kümelerinde sınıf dengesizliğini yönetmeyi kapsar. 5. Bölüm'de kullanılan denetimli öğrenme veri kümelerini hazırlar.
Ders 2 • Çoklu Kaynaktan Veri Entegrasyonu
Daha zengin bağlam için sensör akışlarını Bilgisayar Destekli Bakım Yönetimi iş emirleri, süreç geçmişleri ve çevresel verilerle birleştirir. Çok değişkenli analiz ve varlıklar arası karşılaştırmaları etkinleştirir.
Ders 3 • Endüstriyel Veri Depolama Mimarileri
Yüksek frekanslı sensör verileri için zaman serisi veri tabanlarını, veri geçmiş kayıtlarını ve bulut depolamayı karşılaştırır. Depolama stratejisini erişim hızı ve ölçeklenebilirlik ihtiyaçlarına göre hizalar.
Ders 4 • Veri Temizleme ve Aykırı Değer Yönetimi
Sensör verisi akışları için eksik değer atama, aykırı değer tespiti ve yinelenen veri kaldırma yöntemlerini öğretir. Takip eden makine öğrenmesi bölümlerinde model doğruluğunu doğrudan iyileştirir.
Ders 5 • Makine Verileri için Öznitelik Mühendisliği
Ham sinyallerden zaman alanı, frekans alanı ve zaman-frekans özniteliklerini çıkarır. Sensör okumalarını, teşhis ve prognoz modelleri için bilgilendirici girdilere dönüştürür.
Bölüm 5GizleDetayları GizleDetayları GörTeşhis Analitiği ve Arıza Tespiti
Teşhis Analitiği ve Arıza Tespiti
Ders 1 • Denetimsiz Anomali Tespiti
Etiketlenmiş arıza verisi olmadan sapmaları belirlemek için kümeleme, Temel Bileşen Analizi ve otokodlayıcıları uygular. Nadir arıza örnekleri gibi yaygın endüstriyel zorluğu ele alır.
Ders 2 • Denetimli Arıza Sınıflandırması
Belirli arıza türlerini sınıflandırmak için etiketlenmiş veri kümeleri üzerinde karar ağaçları, rastgele ormanlar ve Destek Vektör Makineleri eğitir. 4. Bölüm'deki öznitelik mühendisliği ve etiketlenmiş veri üzerine inşa eder.
Ders 3 • Durum Verileri için İstatistiksel Süreç Kontrolü
Anormal ekipman davranışını işaretlemek için kontrol çizelgeleri, eşik belirleme ve alarm yönetimini kullanır. Gelişmiş modellerden önce bir temel olarak kural tabanlı tespiti oluşturur.
Ders 4 • Model Doğrulama ve Dağıtım
Teşhis modellerinin eğitim-test ayrımını, çapraz doğrulamasını ve üretime dağıtımını kapsar. Modellerin operasyonel kullanımdan önce eğitim verisinin ötesinde genelleme yapmasını sağlar.
Ders 5 • Arıza Teşhisi için Derin Öğrenme
Spektrogram sınıflandırması için Evrişimli Sinir Ağlarını ve sıralı arıza deseni tanıma için Uzun Kısa Süreli Bellek ağlarını tanıtır. Teşhis yeteneğini karmaşık, yüksek boyutlu sensör sinyallerine genişletir.
Bölüm 6GizleDetayları GizleDetayları GörPrognoz ve Kalan Faydalı Ömür Tahmini
Prognoz ve Kalan Faydalı Ömür Tahmini
Ders 1 • Prognozda Belirsizlik Niceliği
Kalan Faydalı Ömür tahminlerini sınırlamak için Bayes yöntemlerini, Monte Carlo simülasyonunu ve uyumlu tahmin aralıklarını uygular. Nokta tahminlerini, risk bilgisine dayalı kararlar için güven aralıklarına dönüştürür.
Ders 2 • Bozulma Modelleme Kavramları
Sağlık endeksi oluşturma, bozulma yolu modelleme ve arıza eşiği tanımlamayı tanıtır. 5. Bölüm'deki arıza tespitini ileriye dönük prognoz tahminine bağlar.
Ders 3 • Hibrit Fizik Bilgili Veri Modelleri
Genellemeyi ve yorumlanabilirliği iyileştirmek için fizik kısıtlamalarını sinir ağı mimarileriyle birleştirir. Endüstriyel prognozda mevcut en son teknolojiyi temsil eder.
Ders 4 • Veri Odaklı Kalan Faydalı Ömür Tahmin Modelleri
Sensör yörüngelerinden Kalan Faydalı Ömür tahmini için regresyon modelleri, gradyan artırma ve Uzun Kısa Süreli Bellek ağları eğitir. 4. Bölüm'de hazırlanan etiketlenmiş arızaya kadar çalıştırma veri kümelerini kullanır.
Ders 5 • Fizik Tabanlı Prognoz Modelleri
Bileşen ömrünü temel ilkelerden tahmin etmek için Paris yasasını, Arrhenius modellerini ve yorulma ömrü denklemlerini uygular. Malzeme ve arıza fiziğine dayalı yorumlanabilir tahminler sağlar.
Bölüm 7GizleDetayları GizleDetayları GörKestirimci Bakım Sistemi Entegrasyonu ve Platformları
Kestirimci Bakım Sistemi Entegrasyonu ve Platformları
Ders 1 • Bilgisayar Destekli Bakım Yönetimi Entegrasyonu ve İş Emri Otomasyonu
Kestirimci Bakım uyarılarını Bilgisayar Destekli Bakım Yönetimi platformlarına bağlayarak otomatik iş emirleri oluşturur ve teknisyen görevlerini planlar. Tahmin ile fiziksel bakım eylemi arasındaki döngüyü kapatır.
Ders 2 • Sistem Ölçeklenebilirliği ve Mimarisi
Kestirimci Bakım'ı büyük varlık filolarına yaymak için mikro hizmetleri, konteynerleştirmeyi ve bulut yerel dağıtımı ele alır. Platformun organizasyonel ihtiyaçlarla birlikte büyümesini sağlar.
Ders 3 • Dijital İkiz Entegrasyonu
Fiziksel varlık verilerini dijital ikiz modellerle senkronize ederek arıza senaryolarını simüle eder ve müdahaleleri optimize eder. Kestirimci Bakım'ı izlemeden sanal deneye genişletir.
Ders 4 • Operasyonel Panolar ve Görselleştirme
Operatörler ve yöneticiler için varlık sağlık puanlarını, uyarıları ve Kalan Faydalı Ömür eğilimlerini gösteren gerçek zamanlı panolar tasarlar. Model çıktılarını, teknik olmayan kullanıcılar için sezgisel görsel formatlara dönüştürür.
Ders 5 • Kurumsal Kaynak Planlaması ve Tedarik Zinciri Bağlantısı
Kalan Faydalı Ömür tahminlerini Kurumsal Kaynak Planlaması sistemleri içinde yedek parça tedariki ve envanter yönetimine bağlar. Proaktif tedarik sağlayarak acil parça maliyetlerini azaltır.
Bölüm 8GizleDetayları GizleDetayları GörKestirimci Bakım Programı Yönetimi ve Sürekli İyileştirme
Kestirimci Bakım Programı Yönetimi ve Sürekli İyileştirme
Ders 1 • Mevzuata Uygunluk ve Denetim Hazırlığı
Kestirimci Bakım kayıtlarını, muayene günlüklerini ve bakım kanıtlarını endüstri güvenlik ve kalite standartlarıyla uyumlu hale getirir. Organizasyonları harici denetimlere ve sertifikasyon incelemelerine hazırlar.
Ders 2 • Sürekli İyileştirme ve Model Yeniden Eğitimi
Kestirimci Bakım doğruluğunu sürdürmek için geri bildirim döngüleri, model yeniden eğitim programları ve kök neden inceleme süreçleri oluşturur. Ekipman ve çalışma koşulları geliştikçe model bozulmasını önler.
Ders 3 • Temel Performans Göstergeleri ve Performans Ölçümü
Program sağlığını izlemek için öncü ve gecikmeli Temel Performans Göstergelerini—Genel Ekipman Etkinliği, yanlış alarm oranı, maliyetten kaçınma—tanımlar. Sürekli iyileştirme döngüleri için ölçüm çerçevesini sağlar.
Ders 4 • Organizasyonel Değişim Yönetimi
Kestirimci Bakım benimsenmesi için gereken teknisyen eğitimini, kültürel direnci ve fonksiyonlar arası iş birliğini ele alır. Teknoloji başarısının insan ve süreç uyumuna bağlı olduğunu kabul eder.
Ders 5 • Varlık Kritikliği ve Program Kapsamı Belirleme
Kestirimci Bakım kapsamını önceliklendirmek için risk matrisleri ve arıza sonuç analizi kullanarak varlıkları kritikliğe göre sıralar. Kaynakların önce en yüksek değerli fırsatları hedeflemesini sağlar.
Geçerli tamamlama sertifikanız
Bu kurs sizin için:
Bakım Mühendisi: planlı denetimlerin ötesine geçerek veri odaklı kararlar almak istiyor.
Güvenilirlik Teknisyeni: erken müdahale önerilerini haklı çıkarmak için yapılandırılmış yöntemlere ihtiyaç duyar.
Endüstriyel Veri Analisti: sensör verisi projelerini daha etkili kılmak için alan bağlamı arar.
Tesis Operasyonları Yöneticisi: varlık filoları genelinde maliyetli acil durum kapatmalarını azaltmayı hedefler.
Makine Mühendisliği Mezunu: durum izleme ve prognostik alanında uzmanlaşmak isteyen.
IT'den kariyer değiştiren: yazılım becerilerini getirir ve bunları endüstriyel ortamlarda uygulamak ister.
Öğrencilerimiz ne diyor
Dersleriniz mükemmel. Bir yıllık paketi aldım ve sonunda ilgilendiğim çeşitli konuları platform değiştirmek zorunda kalmadan takip etme fırsatım var... yaptığınız her şey için teşekkür ederim, sizi başkalarına da tavsiye ettim...

Derslerin doğrudan konuya odaklanmasını ve bölümleri değiştirebilmemi, ihtiyacım olmayan içerikleri atlayabilmemi seviyorum.

İçeriği ve video sunumu ile transkripsiyon yöntemini seviyorum, bu süreci hızlandırıyor!

Platform hızlı, kullanımı kolay. İçerik çeşitliliği ve tamamlayıcı videolar öğrenmeye çok yardımcı oluyor.

Başlıca yetkinlikler
SSS
Dedika kimdir?
Sertifika Türkiye’de geçerli mi?
Kurslar ücretsiz mi?
Kursların ders yükü nedir?
Kurslar nasıl bir yapıya sahip?
Kurslar nasıl çalışıyor?
Kursların süresi nedir?
Kursların maliyeti veya fiyatı nedir?
Eğitimde uzaktan eğitim (EAD) veya online kurs nedir ve nasıl çalışır?
PDF Kursu




















