Faglig innhold

Kurset undervises og veiledes på norsk.

Kurset fokuserer på innsamling av tilstandsdata og bruk av slike data i beslutninger om drift og vedlikehold av tekniske installasjoner.

Emnet er delt inn i følgende 4 moduler:

1. Prediktivt Vedlikehold (PV) med fokus på:

• Terminologi
• Å etablere mål og strategier for PV
• Styring av PV

2. Innsamling og behandling av tilstandsdata med fokus på:

• Utvalgte metoder for innsamling av tilstandsdata
• Behandling av tilstandsdata

3. Tilstandsdata brukt i diagnose og prognose med fokus på:

• Matematisk/statistiske modeller
• Kort innføring i maskinlæring
• Visualisering av diagnose og prognose

4. Drift og Vedlikeholds beslutninger:

• Bruk av diagnose og prognose utledet fra tilstandsdata, i vedlikeholds beslutninger

Læringsutbytte

Etter å ha gjennomført emnet skal kandidaten ha følgende grunnleggende kunnskaper om, ferdigheter i og generell kompetanse, knyttet til tilstandsbasert drift og vedlikehold.

Kandidaten har kunnskap om:

• Prediktivt vedlikehold
• Innsamling av tilstandsdata, digitalt og analogt, på tekniske installasjoner. Fokus er på:
  • Metoder for innsamling av analoge og digitale tilstandsdata
  • Utstyr for innsamling av tilstandsdata med særlig fokus på internett baserte løsninger
• Bruk av tilstandsdata i:
  • Diagnostisering av tilstand til tekniske installasjoner
  • Vurdering av restlevetid til tekniske installasjoner
  • Drift og vedlikeholdsbeslutninger

Kandidaten har følgende ferdigheter:

• Kan velge ut
  • metode for å måle tilstandsparameter
  • utstyr for å måle tilstandsparameter
• Kan gjennomføre
  • Innsamling av tilstandsdata
  • behandle tilstandsdata
  • analysere tilstandsdata
  • bruke tilstandsdata i beslutning om drift og vedlikehold

Generell kompetanse: Kandidaten har følgende kompetanse:

• Praktisk forståelse og innsikt i hvordan tilstandsbasert vedlikehold påvirker:
  • Driftssikkerhet
  • Levetid
  • Bærekraft
  • Helse og miljø
  • Økonomi
• Evne til på faglig grunnlag å formulere og diskutere tekniske løsninger innen prediktivt drift og vedlikehold med fagarbeidere og ledende personell.
• Forholde seg kritisk og reflekterende til tilstandsbasert drift og vedlikehold.

Læringsformer og aktiviteter

I tillegg til fysisk undervisning blir forelesninger strømmet og opptak lagt på NTNU sin digitale læringsplattform.

Læringsformer og aktiviteter inkluderer, men er ikke begrenset til:

• Interaktive forelesninger med bruk av digitale verktøy
• Digitale øvinger
• Øvinger i undervisningsrom
• Laboratorieøvinger i grupper
• Prosjektarbeid / problembasert læring i grupper (karaktergivende semesteroppgave)

Studentene skal gruppevis levere en karaktergivende semesteroppgave. Det forventes at studentene selv er den drivende kraften i gjennomføringen av semesteroppgaven.

Obligatoriske arbeidskrav:

For å gå opp til eksamen må kandidaten ha levert og fått godkjent følgende:

• Digitale Quizer - bestemt antall (individuell innlevering)
• Refleksjonsnotat - bestemt antall (individuell innlevering)
• Registrert seg i semesteroppgave gruppe (individuell innmelding)
• Samarbeidsavtale for semesteroppgave gruppe (gruppeinnlevering)
• A3 plakat med presentasjon av semesteroppgave (gruppeinnlevering)

De obligatoriske arbeidskravene skal leveres på den digitale læringsplattform til NTNU.

Obligatoriske aktiviteter

• A3 plakat av semesteroppgave
• Gruppeinnmelding semesteroppgave
• Samarbeidsavtale semesteroppgave gruppe
• Digital Quiz
• Refleksjonsnotat

Anbefalte forkunnskaper

Grunnleggende kunnskaper i programmering, python eller liknende.

MAST2003 eller tilsvarende.

Kursmateriell

Oppgis ved kursstart.

Nettbaserte ressurser funnet i NTNUbiblioteket og Nasjonalbiblioteket.

Boka - An introduction to predictive maintenance av R. Keith Mobley (1943-) anbefales. Den finnes i elektronisk utgave på NTNU biblioteket.