Plan Szkolenia

Wprowadzenie do sztucznej inteligencji w kontroli jakości

  • Przegląd zastosowań AI w procesach kontroli jakości w produkcji
  • Zastosowania w inspekcji, wykrywaniu wad i zgodności
  • Korzyści i ograniczenia QA opartego na AI

Zbieranie i przygotowywanie danych jakościowych

  • Rodzaje danych stosowanych w QA (obrazy, czujniki, dzienniki produkcji)
  • Oznaczanie zbiorów danych wizualnych za pomocą LabelImg
  • Przechowywanie i struktura danych do trenowania modeli

Wprowadzenie do wizji komputerowej dla QA

  • Podstawy przetwarzania obrazów z OpenCV
  • Techniki wstępnego przetwarzania obrazów przemysłowych
  • Ekstrakcja cech wizualnych do analizy

Uczenie maszynowe do wykrywania anomalii

  • Trenowanie prostych klasyfikatorów do wykrywania wad
  • Zastosowanie sieci konwolucyjnych (CNN)
  • Uczenie nienadzorowane do identyfikacji anomalii

Prognozowanie wydajności z modelami AI

  • Wprowadzenie do technik regresji
  • Budowanie modeli do prognozowania wydajności produkcji
  • Ocena i poprawa dokładności predykcji

Integracja AI z systemami produkcyjnymi

  • Opcje wdrażania modeli inspekcyjnych
  • Analiza brzegowa (Edge AI) vs. analiza w chmurze
  • Automatyzacja alertów i raportowania jakości

Praktyczny przypadek studyjny i projekt końcowy

  • Tworzenie kompleksowego prototypu inspekcji AI
  • Trenowanie i testowanie na przykładowych zbiorach danych QA
  • Prezentacja funkcjonalnego rozwiązania AI do kontroli jakości

Podsumowanie i kolejne kroki

Wymagania

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

Grupa docelowa

  • Specjaliści ds. zapewnienia jakości
  • Kierownicy produkcji
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie