Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés az AI-be a minőségellenőrzésben
- Áttekintés az AI szerepéről az ipari minőségfolyamatokban
- Alkalmazások az ellenőrzésben, hibakeresésben és megfelelésbiztosításban
- Az AI-alapú QA előnyei és korlátai
Minőségadatok gyűjtése és előkészítése
- Minőségellenőrzésben használt adattípusok (képek, érzékelők, gyártási naplók)
- Vizuális adathalmazok címkézése LabelImg segítségével
- Adat tárolása és struktúrája a modellképzéshez
Bevezetés a Computer Vision-be a QA-ban
- Képfeldolgozás alapjai a OpenCV-al
- Előkészítő technikák ipari képekhez
- Vizuális jellemzők kivonása az elemzéshez
Machine Learning hibakereséshez
- Egyszerű osztályozók kiképzése hibakeresésre
- Konvolúciós neurális hálózatok (CNN) használata
- Felügyelet nélküli tanulás anomáliák azonosítására
Hozam Forecasting AI-modellekkel
- Bevezetés a regressziós technikákba
- Modellok létrehozása a gyártási hozam előrejelzéséhez
- A prediktív pontosság értékelése és javítása
AI-integráció gyártási rendszerekkel
- Ellenőrzési modellök telepítési lehetőségei
- Edge AI vs. felhőalapú elemzés
- Figyelmeztetések és minőségjelentések automatikusítása
Pratikus esettanulmány és záróprojekt
- Egy végrehajtó AI-ellenőrzési prototípus kifejlesztése
- Kiképzés és tesztelés minta QA-adathalmazokkal
- Működő minőségellenőrzési AI-megoldás bemutatása
Összegzés és következő lépések
Követelmények
- Alapvető gyártási vagy minőségellenőrzési folyamatok megértése
- Tájékozott vagyok tábla vagy digitális jelentésformák használatában
- Adatvezérelt minőségellenőrzési módszerek iránti érdeklődés
Célközönség
- Minőségellenőrzési szakemberek
- Termelési vezetők
21 Órák