Struttura del corso

Introduzione all'Intelligenza Artificiale nella Gestione della Qualità

  • Panoramica dell'IA nei processi di qualità della produzione
  • Applicazioni nell'ispezione, rilevazione dei difetti e conformità
  • Vantaggi e limiti della QA alimentata dall'IA

Raccolta ed Elaborazione dei Dati di Qualità

  • Tipi di dati utilizzati nella QA (immagini, sensori, registri di produzione)
  • Etichettatura dei dataset visivi con LabelImg
  • Archiviazione e struttura dei dati per l'addestramento dei modelli

Introduzione a Computer Vision per la QA

  • Nozioni di base del processing delle immagini con OpenCV
  • Tecniche di preprocessing per le immagini industriali
  • Estrazione dei caratteristiche visive per l'analisi

Machine Learning per la Detezione delle Anomalie

  • Addestramento di semplici classificatori per la rilevazione dei difetti
  • Uso di reti neurali convolutive (CNN)
  • Apprendimento non supervisionato per l'identificazione delle anomalie

Ottimizzazione della Produttività con i Modelli AI

  • Introduzione ai metodi di regressione
  • Costruzione dei modelli per prevedere la produttività
  • Valutazione e miglioramento dell'accuratezza delle previsioni

Integrare l'IA con i Sistemi di Produzione

  • Opzioni di distribuzione per i modelli di ispezione
  • Edge AI vs analisi basata sul cloud
  • Automazione degli allarmi e della segnalazione della qualità

Studio di Caso Pratico e Progetto Finale

  • Sviluppo di un prototipo di ispezione AI end-to-end
  • Addestramento e test con dataset QA di esempio
  • Presentazione di una soluzione AI per il controllo qualità funzionante

Riepilogo e Prossimi Passi

Requisiti

  • Comprendere i processi di produzione o QA di base
  • Familiarità con le fogli elettronici o forme digitali di reporting
  • Interesse nei metodi di controllo qualità basati sui dati

Pubblico

  • Specialisti in assicurazione qualità
  • Responsabili della produzione
 21 Ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative