Weiterbildungsprogramm in Predictive Maintenance für Roboter- und Zellen-Engineering
Online-Weiterbildungsprogramm mit 1.900 Stunden in Predictive-Maintenance-Engineering für Roboter und Zellen. 12 Module zu Ausfallmechanismen von Robotern, Datenerfassung in Zellen, Signalverarbeitung, Komponentendiagnose, physikalischen Modellen und digitalen Zwillingen, Anomalieerkennung, Prognose der Restnutzungsdauer, Einsatzplattformen und vorausschauender Planung, mit einem zugewiesenen technischen Tutor.
Weiterbildungsprogramm in Predictive Maintenance für Roboter- und Zellen-Engineering — Studium aus Österreich
Robotik, Automatisierung und Regelungstechnik sind in der österreichischen Industrie tief verankert. Hersteller von Maschinen und Anlagen setzen auf automatisierte Produktionslinien, und Forschungseinrichtungen wie das Austrian Institute of Technology entwickeln Mensch-Roboter-Kollaboration und intelligente Steuerungen. Universitäten in Linz, Graz und Wien bieten einschlägige Studiengänge. Normen für Maschinensicherheit werden über Austrian Standards und europäische Regelwerke vorgegeben.
Gebühren für Österreich: € 5.920 (Euro), mit Ratenzahlung und Kostenbeteiligung durch den Arbeitgeber.
Zuständige Stellen in Österreich
Typische Tätigkeitsfelder
Fragen aus Österreich
Welche Berufsvertretung in Österreich ist für Automatisierung und Regelungstechnik relevant, und wird SEIUM anerkannt?
Relevante Fachverbände sind in Österreich unter anderem der Verband der Elektrotechnik, Elektronik und Informationstechnik (OVE) und die Fachgruppen der Wirtschaftskammer. Der Titel Ingenieur ist in Österreich nach dem Ziviltechnikergesetz oder dem Ingenieurgesetz für bestimmte Bereiche geregelt. SEIUM-Abschlüsse sind private Qualifikationen und nicht akkreditiert. Die Anerkennung liegt bei Arbeitgebern oder den Stellen.
Welche Arbeitgeber in Österreich suchen Fachkräfte für Robotik und Automatisierung?
Gefragt sind Industrieunternehmen in Maschinenbau, Automobilzulieferung, Elektronik und Verpackung sowie Systemintegratoren und Forschungseinrichtungen. Gesucht werden Kenntnisse in Steuerung, Sensorik und Systemintegration. Ein privater Abschluss kann diese Kompetenzen dokumentieren, die Einstellung hängt aber von Erfahrung ab. Projektnachweise sind ein wichtiger Pluspunkt.
Ist das Programm neben dem Beruf zeitlich machbar, und gibt es Zahlungs- oder Förderoptionen?
Das Studium ist vollständig online und auf Englisch, ein Visum ist für das Lernen von zu Hause nicht erforderlich. Ein Weiterbildungsprogramm umfasst 1.900 Stunden und erfordert eine gute Zeitplanung. Die Gebühren sind in Raten zahlbar, und Arbeitgeberförderung ist möglich. Ein persönlicher technischer Tutor begleitet Sie.
Übernehmen Sie die Kontrolle.
Führen Sie einen echten ingenieurtechnischen Zielkonflikt aus diesem Fachgebiet durch. Bewegen Sie die Regler, beobachten Sie die Reaktion des Modells in Echtzeit und meistern Sie die Herausforderung.
Was Sie danach können
Die Ausfallmechanismen von Robotern und robotischen Zellen verstehen.
Datenerfassungssysteme für die Diagnose von Robotern entwerfen.
Verfahren der Signalverarbeitung auf robotische Komponenten anwenden.
Modelle zur Anomalieerkennung auf Basis von Steuerungsdaten entwickeln.
Die Restnutzungsdauer von Getrieben und Antrieben abschätzen.
Vorausschauende Lösungen einsetzen, die mit dem CMMS integriert sind.
Den wirtschaftlichen Nutzen von Predictive-Programmen in der Robotik bewerten.
Für wen es gedacht ist
- Ingenieure für Predictive Maintenance.
- Spezialisten für Industrierobotik.
- Industrielle Data Scientists.
- Zuverlässigkeitsingenieure für Zellen.
- Integratoren robotischer Systeme.
- Manager für Maintenance 4.0.
- Absolventen der Ingenieur- oder Naturwissenschaften, die in die Automobilbranche einsteigen möchten.
Womit Sie arbeiten
- ISO 13374-1 (Zustandsüberwachung und Diagnose: Datenverarbeitung, Kommunikation und Darstellung)
- ISO 17359 (Zustandsüberwachung und Diagnose von Maschinen: allgemeine Leitlinien)
- ISO 10218-1 (Sicherheitsanforderungen für Industrieroboter)
- ISO 13381-1 (Zustandsüberwachung und Diagnose: Prognose)
- IEC 62443-3-3 (Anforderungen an die Systemsicherheit in der industriellen Automatisierung)
- ISO/TS 15066 (kollaborative Roboter)
- IEC 63278-1 (Asset Administration Shell für industrielle Anwendungen)
- ISO 20816-1 (Messung und Bewertung von Maschinenschwingungen)
- MATLAB Predictive Maintenance Toolbox
- Python mit scikit-learn und PyTorch
- InfluxDB
- Node-RED
- ROS 2
12 Module · 1900 Std.
1.1Mechanische Architektur von Gelenkarmrobotern1.2Harmonic- und Zykloidgetriebe1.3Servomotoren, Encoder und Bremsen1.4Robotersteuerungen und Schaltschränke1.5Verkabelung, Schlauchpakete und Schlauchermüdung1.6Robotikzellen: Peripherie und Werkzeuge1.7Typische Ausfallarten von Industrierobotern1.8Vom Hersteller empfohlene vorbeugende Wartung1.9Sicherheit bei Eingriffen gemäß ISO 102181.10Fallstudie: Stillstandshistorie einer Schweißzelle
2.1Interne Signale der Robotersteuerung2.2Motordrehmoment, Strom und Schleppfehler2.3Externe Schwingungs- und Temperatursensoren2.4OPC-UA-Protokolle und die Companion Specification für Robotik2.5MQTT und Edge-Architekturen2.6Abtastraten und Synchronisation2.7Kontextualisierung mit Programm und Zyklus2.8Speicherung in Zeitreihendatenbanken2.9Datenqualität und Ereigniskennzeichnung2.10Labor: Erfassung des Achsdrehmoments über OPC UA
3.1Spektralanalyse mit FFT3.2Fensterung, Auflösung und Spektralleckage3.3Hüllkurvenanalyse für Lager3.4Ordnungsanalyse bei drehzahlveränderlichen Achsen3.5Wavelet-Transformation und Zeit-Frequenz-Analyse3.6Statistische Kennwerte: RMS, Kurtosis und Crestfaktor3.7Filterung und Detrending3.8Normierung nach Bahn und Last3.9Merkmalsextraktion pro Zyklus3.10Praktische Übung: Erkennung von Spiel in einem Getriebe
4.1Getriebeverschleiß und Steifigkeitsverlust4.2Schmierstoffalterung in Getrieben4.3Lagerschäden an den Achsen4.4Encoder-Drift und -Ausfälle4.5Degradation der Motorbremse4.6Kabel- und Steckverbinderausfälle durch Biegebeanspruchung4.7Verschleiß von Greifern, Saugnäpfen und Werkzeugwechslern4.8Probleme an Brennern und Prozessköpfen4.9Diagnose von Servoantrieben4.10Workshop: Symptom-Ursache-Matrix für einen 6-Achs-Roboter
5.1Dynamisches Modell von Manipulatoren5.2Identifikation der Reibungsparameter5.3Modelle für Steifigkeit und Spiel5.4Residuen zwischen Modell und Messung5.5Digitaler Zwilling der Zelle5.6Simulation von Bahnen und Lasten5.7Beobachterbasierte Erkennung5.8Hybride Physik-Daten-Modelle5.9Validierung des Zwillings mit realen Daten5.10Labor: Reibungsidentifikation an einer Achse
6.1Basislinie des normalen Verhaltens6.2Multivariate statistische Regelung nach Hotelling (T²)6.3Hauptkomponentenanalyse6.4Isolation Forest und One-Class SVM6.5Autoencoder für Drehmomentsignale6.6Adaptive Schwellenwerte und Fehlalarme6.7Erkennung pro Zyklus gegenüber kontinuierlicher Erkennung6.8Erklärbarkeit von Alarmen6.9Bewertung bei unausgewogenen Daten6.10Praktische Übung: Autoencoder für Pick-and-Place-Zyklen
7.1Gesundheitsindikatoren und ihre Konstruktion7.2Stochastische Degradationsmodelle7.3Wiener- und Gamma-Prozesse7.4Partikelfilter für die Prognose7.5LSTM-Netze für die Restnutzungsdauer7.6Unsicherheit in der Prognose7.7Metriken zur Bewertung von Prognosen7.8Referenzdatensätze in der Prognostik7.9Übertragung zwischen ähnlichen Robotern7.10Labor: Schätzung der Restnutzungsdauer eines Getriebes
8.1Referenzarchitektur RAMI 4.08.2Edge, Fog und Cloud in der Predictive Maintenance8.3Predictive-Services der Robotikhersteller8.4Orchestrierung von Modellen in der Produktion8.5Integration mit CMMS und automatischen Arbeitsaufträgen8.6Dashboards zum Flottenzustand8.7Cybersicherheit gemäß IEC 624438.8Management des Modell-Lebenszyklus8.9Skalierung auf mehrere Werke8.10Workshop: Edge-to-Cloud-Pipeline für eine Roboterflotte
9.1Punkt- und Lichtbogenschweißzellen9.2Lackierzellen und ihre spezifischen Merkmale9.3Palettier- und Handhabungszellen9.4Kollaborative Roboter gemäß ISO/TS 150669.5In Zellen integrierte FTF und AMR9.6Maschinelles Sehen und seine Degradation9.7Pneumatische Peripherie und Förderbänder9.8Verfügbarkeit der Zelle als System9.9Verwaltung kritischer Ersatzteile für Roboter9.10Fallstudie: Predictive-Plan für eine Lackierzelle
10.1Von der Prognose zum Arbeitsauftrag10.2Risikobasierte Planung10.3Produktionsfenster und geplante Stillstände10.4Kosten von Fehlalarmen und unerkannten Fehlern10.5Optimierung der Eingriffe in der Flotte10.6Priorisierung nach Kritikalität der Anlagen10.7Rückmeldung der Techniker und Neukennzeichnung10.8Return on Investment der Predictive Maintenance10.9Serviceverträge auf Verfügbarkeitsbasis10.10Praktische Übung: optimaler Interventionsplan
11.1Pilotprojekte und Skalierung der Predictive Maintenance11.2Auswahl der Pilotroboter und -zellen11.3Change Management mit den Instandhaltungstechnikern11.4Schulung und neue Rollen11.5Erfolgsindikatoren des Programms11.6Maschinenverordnung und Haftung11.7Daten-Governance im Werk11.8Erfolgsbeispiele aus Automobil und Logistik11.9Gewonnene Erkenntnisse und Einsatzrisiken11.10Fallstudie: Business Case für ein Predictive-Programm
12.1Festlegung des zu untersuchenden Roboters oder der Zelle12.2Plan zur Datenerfassung12.3Explorative Analyse und Kennzeichnung12.4Entwicklung von Gesundheitsindikatoren12.5Erkennungs- und Prognosemodell12.6Vorgeschlagene Einsatzarchitektur12.7Technische und wirtschaftliche Validierung12.8Schlussfolgerungen und künftige Arbeiten12.9Bericht zur Abschlussarbeit12.10Abschlussarbeit: Verteidigung vor einem Gremium
Wie Sie lernen
100 % Online-Training auf dem Campus von SEIUM, mit herunterladbarem Material, aufgezeichneten Vorlesungen und einem zugewiesenen technischen Tutor. Es gibt keine festen Stundenpläne: Sie arbeiten innerhalb des Jahrgangs in Ihrem eigenen Tempo, sodass sich das Studium mit dem Beruf vereinbaren lässt.
Jedes Modul verbindet Theorie, angeleitete Lektüre der Originalnorm und praktische Übungen. Die eingesetzte Software ist das MATLAB Predictive Maintenance Toolbox, Python mit scikit-learn und PyTorch, InfluxDB, Node-RED und ROS 2, in kostenlosen, akademischen oder Testversionen. Die Übungen basieren auf realen Verfahren zur Drehmoment- und Stromüberwachung an Gelenkarmrobotern, der frühzeitigen Erkennung von Getriebeverschleiß und der Prognose der Restnutzungsdauer in Robotikzellen. Die Bewertung erfolgt modulweise kontinuierlich sowie durch die abschließende Abschlussarbeit.
Abgedeckte Normen: ISO 13374-1, ISO 17359, ISO 10218-1, ISO 13381-1, IEC 62443-3-3, ISO/TS 15066, IEC 63278-1, ISO 20816-1.
Von Anfang bis Ende umsetzen
Ihr Abschlussprojekt folgt dem realen Ingenieursablauf Schritt für Schritt und wird von Ihrem Tutor begleitet und geprüft.
Wohin es Sie führt
Voraussetzungen
- Hochschulabschluss in Ingenieurwesen, Naturwissenschaften oder Architektur oder gleichwertige, nachweisbare Berufserfahrung.
- Internetverbindung und ein Computer, auf dem sich die Software des Programms ausführen lässt.
- Englischkenntnisse, die zum Lesen technischer Normen ausreichen.
Bereit zu starten?
Senden Sie noch heute Ihre Bewerbung. Unser Zulassungsteam antwortet Ihnen innerhalb von 72 Stunden mit Ihrem Studienplan und den Finanzierungsmöglichkeiten.
Häufig gestellte Fragen
Das Programm umfasst insgesamt 1.900 Stunden über 12 bis 14 Monate. Ihr Lerntempo bestimmen Sie innerhalb jedes Durchgangs selbst, und Ihr Tutor hilft Ihnen, den Arbeitsaufwand an Ihre berufliche Tätigkeit anzupassen.
Sie arbeiten mit MATLAB Predictive Maintenance Toolbox, Python mit scikit-learn und PyTorch, InfluxDB, Node-RED und ROS 2, und zwar in kostenlosen, akademischen oder Testversionen. Wo es eine kostenlose Alternative gibt, zeigt Ihnen Ihr Tutor diese auf.
Ein Zertifikatsprogramm des SEIUM Institute, das nach bestandener kontinuierlicher Leistungsbewertung und der Abschlussarbeit verliehen wird. Es handelt sich um einen eigenen Abschluss von SEIUM und nicht um einen staatlichen Studienabschluss; seine Anerkennung hängt vom absolvierten Programm und den Vorschriften des jeweiligen Landes ab.
Ja. In demselben Fachgebiet in einem Kurs oder Postgraduiertendiplom bestandene Module werden im weiterführenden Programm anerkannt. Erkundigen Sie sich bei der Einschreibung nach der Anerkennungsregelung.
Ein Hochschulabschluss in Ingenieurwesen, Naturwissenschaften oder Architektur (oder gleichwertige berufliche Erfahrung), ein Computer, der die Software ausführen kann, sowie Englischkenntnisse, die für das Lesen technischer Normen ausreichen.
Die Startdaten werden für jeden Durchgang von der Fakultät von SEIUM festgelegt. Unser Zulassungsteam bestätigt Ihnen bei Ihrer Bewerbung den nächsten verfügbaren Termin.
Verwandte Programme
Máster en Lean Six Sigma para la ingeniería de líneas automatizadas
Máster online de 1.900 horas en ingeniería Lean Six Sigma para líneas automatizadas. 12 módulos que abarcan la fabricación esbelta en automatización, Six Sigma y DMAIC,…
Weiterbildungsprogramm in Edge Computing für OT-Engineering
Online-Weiterbildungsprogramm mit 1.900 Stunden in Edge-Computing-Engineering für OT, gegliedert in 12 Module, die Edge-Hardware und Betriebssysteme, Container und Orchestrierung, Datenerfassung in der Anlage, Stream-Verarbeitung, Edge-KI, virtualisierte…
Weiterbildungsprogramm in Kraft- und Konformitätsregelungstechnik
Online-Weiterbildungsprogramm mit 1.900 Stunden in Kraftregelung und Konformitätstechnik. 12 Module zu Roboter-Umgebungs-Interaktion, Kraft- und Drehmomentmessung, Impedanz- und Admittanzregelung, hybrider Kraftregelung, passiver Nachgiebigkeit, kontaktbasierter Montage, Oberflächenbearbeitung, physischer…
Mehr im Bereich Robotik, Automatisierung & Regelungstechnik
Alle Programme im Bereich Robotik, Automatisierung & Regelungstechnik → · So bewerben Sie sich · Gebühren & Finanzierung · Stipendien