Kursplan

Introduksjon til AI i kvalitetskontroll

  • Oversikt over AI i produksjonskvalitetsprosesser
  • Anvendelser innen inspeksjon, feildeteksjon og overholdelse
  • Fordeler og begrensninger ved AI-drevet QA

Innsamling og forberedelse av kvalitetsdata

  • Typer data som brukes i QA (bilder, sensorer, produksjonslogger)
  • Merking av visuelle datasett med LabelImg
  • Datalagring og struktur for modelltrening

Introduksjon til Computer Vision for QA

  • Grunnleggende bildebehandling med OpenCV
  • Forbehandlingsteknikker for industrielle bilder
  • Ekstraksjon av visuelle egenskaper for analyse

Machine Learning for anomalioppdagelse

  • Trening av enkle klassifisatorer for feildeteksjon
  • Bruk av konvolusjonelle neurale nettverk (CNNs)
  • Uovervåket læring for anomaliidentifikasjon

Utbytte Forecasting med AI-modeller

  • Introduksjon til regresjonsteknikker
  • Bygging av modeller for å forutsi produksjonsutbytte
  • Vurdering og forbedring av prediksjonsnøyaktighet

Integrering av AI med produksjonssystemer

  • Utplassering av alternativer for inspeksjonsmodeller
  • Edge AI vs. skybasert analyse
  • Automatisering av varsler og kvalitetsrapportering

Praktisk tilfelle og sluttprosjekt

  • Utvikling av et end-to-end AI-inspeksjonsprototyp
  • Trening og testing med prøve-QA-datasett
  • Presentasjon av en funksjonell kvalitetskontroll AI-løsning

Oppsummering og neste trinn

Krav

  • En forståelse av grunnleggende produksjon eller QA-prosesser
  • Kjennskap til regneark eller digitale former for rapportering
  • Interesse for datadrevne kvalitetskontrollmetoder

Målgruppe

  • Kvalitetssikringsansvarlige
  • Produktionsledere
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories