Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
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
Opinie uczestników (1)
szerokie podejście do tematu, wiedza praktyczna