Cursusaanbod

Inleiding tot AI in Kwaliteitscontrole

  • Overzicht van AI in kwaliteitsprocessen in de fabrikage
  • Toepassingen bij inspectie, defectdetectie en naleving
  • Voordelen en beperkingen van AI-gestuurde kwaliteitscontrole

Verzamelen en Voorbereiden van Kwaliteitsgegevens

  • Typen gegevens gebruikt in kwaliteitscontrole (afbeeldingen, sensors, productielogboeken)
  • Visual datasets labelen met LabelImg
  • Gegevensopslag en structuur voor het trainen van modellen

Inleiding tot Computer Vision voor Kwaliteitscontrole

  • Basis van beeldverwerking met OpenCV
  • Voorbewerkingstechnieken voor industriële afbeeldingen
  • Visuale kenmerken extraheren voor analyse

Machine Learning voor Anomalie-detectie

  • Eenvoudige classificatoren trainen voor defectdetectie
  • Convolutional neural networks (CNNs) gebruiken
  • Onbeheerd leren voor anomalie-identificatie

Opbrengst Forecasting met AI-modellen

  • Inleiding tot regressietechnieken
  • Modellen bouwen om productieopbrengsten te voorspellen
  • Voorspellingsnauwkeurigheid evalueren en verbeteren

AI integreren met productiesystemen

  • Implementatie-opties voor inspectiemodellen
  • Edge AI versus cloudgebaseerde analyse
  • Alerts en kwaliteitsrapportage automatiseren

Praktisch casestudy en eindproject

  • Een eind-op-eind AI-inspectieprototype ontwikkelen
  • Trainen en testen met voorbeeldkwaliteitsgegevens
  • Een functionele kwaliteitscontrole AI-oplossing presenteren

Samenvatting en volgende stappen

Vereisten

  • Begrip van basisproductie- of kwaliteitszorgprocessen
  • Kennis van spreadsheets of digitale vormen van rapportage
  • Interesse in data-gedreven kwaliteitscontrolemethoden

Doelgroep

  • Kwaliteitszorgspecialisten
  • Productieleiders
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën