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 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