Kurzusleírás

Bevezetés az MI-be a minőségellenőrzésben

  • Az MI áttekintése a gyártási minőségfolyamatokban
  • Alkalmazások a vizsgálatban, hibafelismerésben és megfelelőségben
  • Az MI-alapú minőségbiztosítás előnyei és korlátai

Minőségi adatok gyűjtése és előkészítése

  • A minőségbiztosításban használt adattípusok (képek, érzékelők, gyártási naplók)
  • Képi adathalmazok címkézése LabelImg segítségével
  • Adattárolás és -struktúra a modellek tanításához

Bevezetés a számítógépes látásba a minőségbiztosításban

  • Képfeldolgozás alapjai az OpenCV segítségével
  • Előfeldolgozási technikák ipari képekhez
  • Vizualitási jellemzők kinyerése elemzéshez

Gépi tanulás anomália észlelésre

  • Egyszerű osztályozók tanítása hibafelismerésre
  • Konvolúciós neurális hálózatok (CNN) használata
  • Felügyelet nélküli tanulás anomália azonosításra

Hozam-előrejelzés MI modellekkel

  • Bevezetés a regressziós technikákba
  • Modellek építése a termelési hozamok előrejelzésére
  • Előrejelzési pontosság értékelése és javítása

MI integrálása gyártási rendszerekbe

  • Üzembe helyezési lehetőségek vizsgálati modellekhez
  • Edge AI vs. felhőalapú elemzés
  • Automatikus riasztások és minőségjelentések

Gyakorlati esettanulmány és záróprojekt

  • Egy végponttól végpontig tartó MI vizsgálati prototípus fejlesztése
  • Tanítás és tesztelés mintaminőségbiztosítási adathalmazokkal
  • Egy funkcionális minőségellenőrzési MI megoldás bemutatása

Összefoglalás és következő lépések

Követelmények

  • Alapvető gyártási vagy minőségbiztosítási folyamatok ismerete
  • Ismeret a táblázatkezelők vagy digitális jelentéskészítési formák terén
  • Érdeklődés az adatvezérelt minőségellenőrzési módszerek iránt

Közönség

  • Minőségbiztosítási szakemberek
  • Gyártási vezetők
 21 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák