Das CAS Predictive Maintenance ist interdisziplinär aufgebaut und vermittelt

• die IT-technischen Grundlagen der Digitalisierung mit Themen wie Data Warehousing und Big Data, Information Retrieval,
• Datenanalysemethoden wie Statistics und Machine Learning, explorative Datenanalyse, Datenvisualisierung, sowie
• Themen im Bereich der digitalen Geschäftsmodelle und rechtliche Aspekte

Das CAS Predictive Maintenance richtet sich an

• Operationelles Führungspersonal in Betrieb und Instandhaltung technischer Anlagen, wie Instandhaltungsleiter, Produktionsleiter, Asset und Facility Managers, Qualitätsmanager
• Strategische Entscheidungsträger wie Digital Strategy Officers, Information und Technology Officers, Geschäftsführer, Business Development Managers
• Entwicklungsleiter und Innovationsverantwortliche wie Produktmanager von Anlagenherstellern und Maschinenproduzenten, die neue digitalisierte Anlagen mit den zugehörigen Geschäftsmodellen entwickeln wollen
• Entwicklungsingenieure, Instandhaltungsingenieure, O&M-Manager

Die Studierenden erwerben sowohl theoretische Grundlagen als auch praktische Fähigkeiten in den folgenden Bereichen:

• Moderne datenbasierte Verfahren in der Instandhaltung, wie Predictive Maintenance, Condition Monitoring, Fault diagnosis verstehen und ihr Potential in Bezug auf Kosten und Verfügbarkeit abschätzen
• Potential von Digitalisierungstechnologien und von Anlagendaten erkennen und nutzen
• Neue digitale Geschäftsmodelle für Betrieb und Instandhaltung kennenlernen und konkret entwickeln können
• Digitalisierungsstrategie für die Instandhaltung und den Betrieb technischer Anlagen entwickeln

Das CAS Predictive Maintenance ist modular aufgebaut und besteht aus 4 Modulen.

Modul "Einführung in die Instandhaltung"

Inhalt

• Aufgaben und Ziele der Instandhaltung
• Konzepte: Abnutzungsvorrat, Instandhaltungsrate, Zuverlässigkeit, Verfügbarkeit, Ausfallratenmodelle
• Instandhaltungsstrategien: Reaktive und vorbeugende Instandhaltung, zeitabhängige, zustandsabhängige, vorausschauende Instandhaltung

Lernziele

• Methodische Grundlagen der Instandhaltung kennen
• Instandhaltungsstrategien entwickeln und in Bezug auf Kosten, Zuverlässigkeit und Verfügbarkeit optimieren können

Modul "Digitale Technologien, Digitalisierungsstrategien und neue Geschäftsmodelle"

Inhalt

• Digitale Transformation: Was bedeutet das? Was bedeutet das für die Instandhaltung? Bezug von Technologie und Instandhaltungsstrategien.
• Digitale Technologien für technische Anlagen verstehen: Sensoren, Cloud, IoT, Konnektivität, Netzwerke, Protokolle, Plattformen, XaaS etc.
• Ziele von Digitalisierungsprojekten in der Instandhaltung
• Neue Geschäftsmodelle im Bereich Anlagenbewirtschaftung und Instandhaltung
• Digitalisierungsstrategien für Anlagen, Instandhaltungs- und Betriebsprozesse,  Dienstleistungen, Kunden- und Mitarbeiterbeziehungen
• Erfolgsfaktoren: Geschäftsmodell, Kundenzentrierung, Kultur

Lernziele

• Potential von digitalen Technologien für die Instandhaltung erkennen und nutzen
• Digitalisierungsstrategien entwickeln, neue Geschäftsmodelle kennenlernen

Modul "Datenbasierte Verfahren in der Instandhaltung"

Inhalt

• Datengetriebene Anwendungsfälle in der Instandhaltung
• Datenquellen und Datenintegration
• Statistische und Machine Learning-Verfahren: multivariate Verteilungen, deskriptive Datenanalyse und Visualisierung, Anomaliedetektion, Clustering, Klassifikation, Regression, Fehlerraten, Performance
• Anomaliedetektion: abnormale Betriebszustände technischer Anlagen erkennen mittels Datenanalyse
• Predictive Maintenance: Voraussetzungen, Anwendungsfälle, Methoden und Beispiele
• Condition und Health Monitoring: Methoden und Tools für aussagekräftige Dashboards

Lernziel

• Potential von Anlagendaten und datenbasierten Verfahren für die Instandhaltung erkennen und nutzen

Modul "Projektarbeit"

Inhalt

• Anwendung der im CAS vermittelten Kenntnisse und erlernten Fähigkeiten auf ein selbstgewähltes Vertiefungsprojekt im Unternehmen (oder sonstigen Umfeld) der Studierenden

Lernziel

• Praxistransfer und Vertiefung anhand eines eigenen Digitalisierungsprojekts

Das Ausbildungsprogramm umfasst verschiedene Aktivitäten, wie etwa Vorlesungen, praxisorientierte Übungen und Fallbeispiele, Gruppenarbeiten, Selbststudium (Vor- und Nachbereitung) und Elemente des E-Learnings.

Der Unterricht findet berufsbegleitend einmal pro Woche jeweils am Montag von 9-17 Uhr (8 Lektionen) statt.

Den Stundenplan erhalten die Studierenden spätestens einen Monat vor Studienbeginn. Die schulfreie Zeit richtet sich nach den Schulferien der Stadt Zürich.

Das Team der Dozierenden besteht aus ausgewiesenen Fachpersonen mit Kompetenzen im akademischen und praktischen Bereich.

Zulassungsbedingungen für Personen mit Hochschulabschluss

Die Zulassung zum Lehrgang setzt voraus:

• Abschluss (Diplom, Lizentiat, Bachelor- oder Masterabschluss) einer staatlich anerkannten Hochschule beziehungsweise einer der Vorgängerschulen.
• 2 Jahre qualifizierte Berufserfahrung zum Zeitpunkt des Starts der Weiterbildung.

Zulassungsbedingungen für Personen ohne Hochschulabschluss

Die Zulassung zum Lehrgang setzt voraus:

• Nachweis eines Abschlusses in der höheren Berufsbildung (Tertiär-B): Berufsprüfung BP (eidgenössischer Fachausweis) oder Höhere Fachprüfung HFP (eidgenössisches Diplom) oder Höhere Fachschule HF. In Ausnahmefällen können weitere Personen zugelassen werden, wenn sich deren Befähigung zur Teilnahme aus einem anderen Nachweis ergibt.
• 3 Jahre qualifizierte Berufserfahrung zum Zeitpunkt des Starts der Weiterbildung.
• Bestehen eines Zulassungsgesprächs.

Zusätzliche Anforderungen

Grundkenntnisse der Programmierung in einer beliebigen Programmiersprache und Affinität zu Datenbanken und zur Datenanalyse sind von Vorteil.

Wir führen keine Wartelisten und bieten keine Platzreservationen an.

Sollte bei der vorangehenden Durchführung ein Platz frei werden, berücksichtigen wir die Reihenfolge gemäss Anmeldeeingang.