Kerangka Materi

Pengenalan AI dalam Pengendalian Kualitas

  • Tinjauan AI dalam proses kualitas produksi
  • Aplikasi dalam inspeksi, deteksi kerusakan, dan ketaatan
  • Keuntungan dan kelemahan QA berbasis AI

Mengumpulkan dan Menyiapkan Data Kualitas

  • Jenis data yang digunakan dalam QA (gambar, sensor, log produksi)
  • Memetik dataset visual dengan LabelImg
  • Penyimpanan data dan struktur untuk melatih model

Pengenalan Computer Vision untuk QA

  • Dasar pemrosesan gambar dengan OpenCV
  • Teknik pra-pemrosesan untuk gambar industri
  • Mengambil fitur visual untuk analisis

Machine Learning untuk Deteksi Anomali

  • Melatih klasifikasi sederhana untuk deteksi kerusakan
  • Menggunakan jaringan sarung (CNNs)
  • Belajar tanpa pengawas untuk identifikasi anomali

Hasil Forecasting dengan Model AI

  • Pengenalan teknik regresi
  • Membangun model untuk memprediksi hasil produksi
  • Menevaluasi dan meningkatkan akurasi prediksi

Mengintegrasikan AI dengan Sistem Produksi

  • Opsi pelaksanaan untuk model inspeksi
  • Edge AI vs. analisis berbasis cloud
  • Mengotomatiskan pemberitahuan dan laporan kualitas

Studi Kasus Praktis dan Proyek Akhir

  • Mengembangkan prototipe inspeksi AI end-to-end
  • Melatih dan menguji dengan dataset QA sampel
  • Membawa solusi kontrol kualitas AI yang berfungsi

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengertian dasar tentang proses manufaktur atau QA
  • Kemampuan menggunakan lembar kerja atau bentuk digital untuk melaporkan
  • Minat pada metode kontrol kualitas berbasis data

Penonton

  • Spesialis asuransi kualitas
  • Pemimpin produksi
 21 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait