Plan Szkolenia

Wprowadzenie do sztucznej inteligencji w kontroli jakości

  • Przegląd zastosowania sztucznej inteligencji w procesach kontrolno-jasnościowych w produkcji
  • Zastosowania w inspekcji, wykrywaniu wad i zgodności
  • Zalety i ograniczenia sztucznej inteligencji w procesach QA

Zbieranie i przygotowywanie danych jakościowych

  • Rodzaje danych używanych w QA (obrazki, czujniki, dzienniki produkcji)
  • Oznaczanie zestawów danych wizualnych za pomocą LabelImg
  • Przechowywanie i strukturowanie danych do treningu modeli

Wprowadzenie do Computer Vision dla QA

  • Podstawy przetwarzania obrazów z OpenCV
  • Techniki preprocesowania dla obrazów przemysłowych
  • Ekstrahowanie cech wizualnych do analizy

Machine Learning do wykrywania anomalii

  • Trening prostych klasyfikatorów do wykrywania wad
  • Używanie sieci neuronowych typu CNN (Convolutional Neural Networks)
  • Ucząc się bez nadzoru do identyfikacji anomalii

Wskaźnik wydajności Forecasting za pomocą modeli AI

  • Wprowadzenie do technik regresji
  • Budowanie modeli do prognozowania wydajności produkcji
  • Ocenianie i poprawianie dokładności przewidywań

Integrowanie sztucznej inteligencji z systemami produkcyjnymi

  • Opcje wdrażania modeli inspekcji
  • Edge AI vs. analiza oparta na chmurze
  • Automatyzacja ostrzeżeń i raportów jakościowych

Przegląd praktyczny i końcowy projekt

  • Rozwoj prototypu AI do końcowej inspekcji
  • Trening i testowanie z przykładowymi zestawami danych QA
  • Prezentacja funkcjonalnego rozwiązania AI do kontroli jakości

Podsumowanie i następne kroki

Wymagania

  • Znajomość podstawowych procesów wytwarzania lub kontroli jakości
  • Znałość arkuszy kalkulacyjnych lub cyfrowych form raportowania
  • Zainteresowanie metodami kontroli jakości opartymi na danych

Grupa docelowa

  • Specjaliści ds. kontroli jakości
  • Kierownicy produkcji
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie