طراحی نقشه‌ راه نگهداری پیش‌بینانه در صنایع فرآیندی و تولیدی

چرا این دوره شرکت کنم؟

• این دوره به جای تمرکز صرف بر تئوری یا نرم‌افزار، به شما کمک می‌کند یک نقشه‌راه واقعی و قابل اجرا برای سازمان خودتان طراحی کنید.
• محتوا کاملاً با شرایط واقعی صنایع  تطبیق داده شده و صرفاً ترجمه کتاب و اسلایدهای عمومی نیست.
• مدرس دوره سال‌ها تجربه میدانی در پایش وضعیت و نگهداری پیش‌بینانه در صنایع فرایندی دارد و دوره بر پایه تجارب واقعی طراحی شده است.
• در این دوره یاد می‌گیرید چطور زبان تکنیکی نگهداری را به زبان عدد، KPI و ROI برای مدیریت ارشد تبدیل کنید تا بتوانید از پروژه‌های PdM خود دفاع کنید.
• این دوره برای هر کسی که می‌خواهد از “فقط انجام تعمیرات” عبور کرده و به طراحی استراتژی نگهداری و مدیریت دارایی برسد، یک گام مهم است.

سرفصل ها اصلی:

• مبانی مدیریت دارایی و نقش نگهداری پیش‌بینانه

آشنایی با اصول مدیریت دارایی‌های فیزیکی (ISO 55000)

جایگاه CM، CBM،  PdM و RCM در استراتژی نگهداری

چرا PdM برای صنایع تولیدی و فرآیندی حیاتی است؟

• ارزیابی بلوغ نگهداری و تحلیل شکاف (Maturity Assessment)

مدل‌های بلوغ در قابلیت اطمینان و نگهداری

تشخیص وضعیت فعلی سازمان و اولویت‌های بهبود

• طراحی برنامه پایش وضعیت (Condition Monitoring Program)

اصول انتخاب تجهیزات پایش‌پذیر

انتخاب تکنیک مناسب (ارتعاشات، اولتراسوند، ترموگرافی، آنالیز روغن و …)

نقش استانداردهای ISO 17359 و ISO 14224 در ساختار داده و برنامه PdM

• نقش داده، تحلیل و هوش مصنوعی در نقشه‌راه PdM

داده‌های موردنیاز برای PdM در تجهیزات دوار و فرآیندی

مثال‌هایی از کاربرد Machine Learning و AI در پایش وضعیت

مفهوم Human-in-the-loop و هوش افزوده در تصمیم‌گیری‌های نگهداری

• طراحی Business Case و شاخص‌های کلیدی (KPIs & ROI)

شاخص‌های کلیدی نگهداری و قابلیت اطمینان (MTBF, MTTR, Availability, OEE و…)

محاسبه تقریبی ROI پروژه‌های PdM

مستندسازی منافع مالی، ریسک و قابلیت اطمینان

مدرس دوره : مهندس سعید حیاتـی

• سرپرست واحد پایش وضعیت و نگهداری پیش‌بینانه پالایشگاه
• کارشناس ارشد مهندسی مکانیک (تخصص در تجهیزات دوار و پایش وضعیت)
• بیش از ۱۰ سال سابقه میدانی در حوزه Condition Monitoring و Predictive Maintenance در صنایع نفت، گاز و پالایش
• متخصص در آنالیز ارتعاشات، اولتراسوند، و کاربرد هوش مصنوعی در نگهداری پیش‌بینانه تجهیزات دوار

Powered by Froala Editor