Digitalisering av Vannkraftverk og utstyr
Beskrivelse
Beskrivelse
Datasikkerhet
- Gjeldende rammer ihht lover og regler
- Problematikk ved sammenstilling av gjeldende teknologi
- Løsningsskisser for sikker deling
- Eksempler på sikker maskindataanalyse
Byggeklosser i et typisk system
- Implementasjon av digitale tvillinger
- Applikasjons eksempler
- Ressurstyper
- Datamodell
- Diagrammer - beregne KPIer
- Datavisualisering
Datavisualisering - Grafana
- Installasjon konfigurasjon
- Lage Dashboard
- Hente data fra andre programmer CDF
- Dele visninger
- Skape dashboard med data fra KRM lab
Vi kobler oss til KRMs Vannkraftverk og ser på følgende:
Manuell statistisk modellering
- Strukturering av data for bruk i manuell statistisk modellering
- Identifisering av utstyr som er hensiktsmessig for manuell statistisk modellering
Maskinlæring(ML) og Artificial intelligence (AI)
- AI maskinlæring og dyp maskinlæring
- Strukturering av data for bruk av dyp maskinlæring
- Identifisering av utstyr for bruk av digitalt prediktivt vedlikehold
- Prediktivt vedlikehold ved bruk av meta-modeller
- Datakvalitet og nøyaktighet
Avsluttende gruppeoppgave
- Lage et overvåkingssystem i Grafana
Program
Program
Klikk på bildet for bedre lesbarhet
Detaljer
Detaljer
Målgruppe:
Fagarbeidere, teknikere og ingeniører
Forkunnskaper:
Det kreves ingen forkunnskaper
Avsluttende prøve på kurset:
Det avholdes en avsluttende prøve på kurset som vurderes til bestått/ ikke bestått
Nettskole:
Etter endt kurs jobbes det videre på læringsplattformen Canvas med problemstillinger knyttet til tema gjennomgått på kurset.
Det er en obligatorisk innsendingsoppgave som karaktersettes.
Kursbevis:
Fullført kurs og nettskole gir 5 studiepoeng. Det utstedes kursbevis og karakterutskrift som dokumentasjon.
Læringsutbytte
Læringsutbytte
Kunnskap:
- har kunnskap om datasikkerhet i vannkraftbransjen, ulike skytjenester og vanlige tjenester disse tilbyr
- har kunnskap om hvordan datafangst til et felles system kan gjøres
- har kunnskap om hva som ligger av muligheter ved å samle store datamengder over til, såkalt big data
- har kunnskap om ulike systemer for Machine Learning
- har kunnskap om hvordan man setter grenseverdier og lager datamodeller for ulike deler av et større system med ulike maskiner
- har kunnskap om viktigheten av datasikkerhet knyttet til lagring og transportering av signaler og datapakker
- har kunnskap om front end programmering for å visualisere, konfigurere og kontrollere utstyr
Ferdigheter:
- kan hente og tolke ulike maskindata og sette dette inn i en større modell
- kan anvende tjenester for å samle data fra maskiner
- kan systematisere og sette grenseverdier for ulike deler maskiner i en større prosess
- kan anvende ulike tjenester som sikrer datatransport og signalbehandling
- kan anvende ferdiglagde apper til å hente data og visualisering
Generell kompetanse:
- har forståelse for industriens utfordringer knyttet til effektivisering og digitalisering
- har et forhold til hvilke datamengder som skal til for å trende og analysere
- kan utføre vurderinger for digitalisering etter målgruppens behov
- kan bygge relasjoner med fagfeller og på tvers av fag, samt med eksterne målgrupper
- kan utvikle arbeidsmetoder, produkter og/eller tjenester av relevans for yrkesutøvelsen
Varighet
5 dager
Kursavgift
Kr 1,-