AI a minőség-ellenőrzéshez és -biztosításhoz a gyártósorokon Képzés

Bevezetés az AI-ba a minőség-ellenőrzésben

• Az AI áttekintése a gyártási minőségi folyamatokban
• Alkalmazások az ellenőrzésben, hibadetektálásban és megfelelőségben
• Az AI-alapú minőségbiztosítás előnyei és korlátai

Minőségi adatok gyűjtése és előkészítése

• A minőségbiztosításban használt adattípusok (képek, szenzorok, gyártási naplók)
• Vizuális adatkészletek címkézése a LabelImg eszközzel
• Adattárolás és -struktúra a modellek betanításához

Bevezetés a számítógépes látásba a minőségbiztosításhoz

• A képfeldolgozás alapjai az OpenCV-vel
• Előfeldolgozási technikák ipari képekhez
• Vizuális jellemzők kinyerése elemzéshez

Gépi tanulás az anomáliadetektáláshoz

• Egyszerű osztályozók betanítása a hibadetektáláshoz
• Konvolúciós neurális hálózatok (CNN-ek) használata
• Felügyelet nélküli tanulás az anomáliák azonosítására

Hozamelőrejelzés AI-modellekkel

• Bevezetés a regressziós technikákba
• Modellek építése a gyártási hozamok előrejelzésére
• Az előrejelzési pontosság értékelése és javítása

Az AI integrálása a gyártási rendszerekkel

• Telepítési lehetőségek az ellenőrzési modellekhez
• Edge AI a felhőalapú elemzéssel szemben
• Riasztások és minőségi jelentések automatizálása

Gyakorlati esettanulmány és záróprojekt

• Végpontok közötti AI-ellenőrzési prototípus fejlesztése
• Betanítás és tesztelés minta minőségbiztosítási adatkészletekkel
• Működő minőség-ellenőrzési AI-megoldás bemutatása

Összefoglalás és következő lépések