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

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák