讓智慧工廠落地的十堂課

用機器學習實現智慧製造的演算法實戰

　　在過去，智慧工廠的概念被視為一種遙不可及的奢侈幻想。然而，隨著人工智慧和生產制造技術的不斷進步和演進，這一夢想已經逐漸變得觸手可及。尤其是在ESG(環境、社會和治理)主題興起的背景下，智慧工廠不再只是一個未來的畫餅，而是成為了現代製造業追求和實現的必然趨勢。這樣的轉變不僅是技術的巨大飛躍，更代表著全球製造業在追求可持續、高效和環保的生產模式上的決心和努力。

提供機構：

亞太培訓顧問

加入收藏

轉寄

友善
列印

報名洽詢
機構資訊
授課講師
報名資訊
課程介紹

適合對象：專業人員、技術人員、一般職員

課程大綱

第一堂課:數據的生命週期與智慧工廠

• 數據的生命週期管理

• 數據科學方法論

• 數據工廠的發展與重要性

• 數據科學在智慧工廠的角色

• 工廠數據盤點

• 基本統計學概念

第二堂課:數據前處理、資料庫概念與分佈式運算

• 數據的品質與重要性

• 數據前處理技巧

• 資料庫的基本概念

• 資料庫類型與選擇

• 關聯式資料庫

• 分佈式運算介紹

• GPU運算與其在數據處理中的應用

• 爲什麼要同時掌握R與Python

• 實際應用與案例分享

第三堂課:數據可視化的藝術

• 數據可視化的重要性

• 工廠的戰情中心概念

• 數據的即時運算與呈現

• 深入了解數據可視化工具

• 實際應用與案例分享

第四堂課:設備預測性維護

• 問題的描述

-設備故障的頻繁發生和未能及時預測的挑戰。
-由於預期外的設備故障造成的生產損失。

• 出現的場景

-機器的異常振動、過熱或其他預兆。
-由於缺乏維護導致的生產線停工。

• 可能的解決方案

-定期收集和分析設備的運行數據。
-根據歷史數據和運行狀態預測設備的維護時間。

• 涉及到的算法

-時間序列分析
-生存分析、Cox比例風險模型。

• 基於風險的檢測(RBI)簡介

簡要描述RBI方法，它如何幫助優先考慮設備的檢測，以及其在預測性維護中的應用。

• R 與 Python 的實現

-使用R語言實現生存分析。
-使用Python的Lifelines庫進行設備預測性維護的分析。

第五堂課:生產監控與異常檢測

• 問題的描述

-實時監控生產線的重要性。
-早期識別和預測潛在的異常或中斷的挑戰。

• 出現的場景

-產品製造過程中的不規律性。
-設備故障、物料短缺等突發情況。

• 可能的解決方案

-使用傳感器收集實時數據。
-建立數據監控和報警系統。
-《監測強度評估表》的介紹

• 涉及到的算法

-線性回歸
-時間序列異常檢測。
-集群分析與異常檢測。

• R 與 Python 的實現

-使用R語言實現異常檢測。

-使用Python的Scikit-learn和PyOD庫實現異常檢測。

第六堂課:品質控制與優化

• 問題的描述

-生產過程中產品品質的不一致性。
-需要提前識別品質問題，以減少浪費和回收。

• 出現的場景

-在生產線上發現的不合格產品。
-客戶反饋產品存在的問題。

• 可能的解決方案

-實時監控生產線，自動檢測產品品質。
-通過分析生產數據，找出可能的品質問題源頭。

• 涉及到的算法

-標準差、協方差

-統計品質控制(如控制圖)。

-基於結果的檢測。

-基於概率的檢測。

-多變量分析、主成分分析(PCA)。

-交叉分析

• R 與 Python 的實現

-使用R語言進行統計品質控制分析和基於結果的檢測。 -使用Python的SciPy和Scikit-learn庫進行多變量分析和基於概率的檢測。

第七堂課:庫存優化

• 問題的描述

-如何優化庫存水平以滿足需求但不產生過多存儲?

-如何確保及時供應，減少過度存儲或短缺?

• 出現的場景

-季節性的需求波動導致的庫存問題。
-銷售與出貨之間的時間差如何理解

• 可能的解決方案

-實施精確的需求預測方法。
-建立庫存優化模型，考慮各種風險和成本。

• 涉及到的算法

-時間序列分析和預測(如ARIMA, LSTM)。

-最佳化模型(如線性規劃、整數規劃)。

• R 與 Python 的實現

-使用R語言進行時間序列分析和預測

-使用Python的SciPy庫實現最佳化模型和模擬。

第八堂課:生產流程優化

• 問題的描述

-如何提高生產效率和減少浪費?
-如何利用數據和算法優化生產流程?

• 出現的場景

-生產線的瓶頸導致生產速度受限。
-資源的過度或不足分配導致生產中斷或效率下降。

• 可能的解決方案

-利用數據分析找到生產瓶頸和非效益區域。
-基於預測數據重新設計和平衡生產線。

• 涉及到的算法

-線性規劃和整數規劃用於資源分配。
-隨機森林或神經網路用於預測模型。
-差異分析、因子分析或相關性分析用於找到影響效率的關鍵因素。

• R 與 Python 的實現

-使用R進行差異分析和因子分析

-利用Python的SciPy和Scikit-learn庫進行最佳化計算和預測模型構建。

第九堂課:智慧工廠與工業物聯網 (IoT)

• 問題的描述

-如何透過工業物聯網技術提高工廠的運營效率?
-如何整合多源數據，提供決策支援?

• 出現的場景

-需要實時監控工廠內各項設備的運作狀況。
-借助感測器和其他裝置收集數據，進行分析和預測。

• 可能的解決方案

-實施工業物聯網系統，收集、傳送並分析設備數據。
-利用雲計算技術，進行大數據分析和決策優化。

• 涉及到的算法

-邊緣運算用於在設備端進行初步數據分析。
-深度學習用於辨識複雜的模式和趨勢。
-網絡分析用於評估設備間的互動和依賴性。

• R 與 Python 的實現

-利用R進行邊緣運算中的數據清洗和初步分析。

-使用Python的TensorFlow或PyTorch進行深度學習模型的設計和訓練。

第十堂課:工廠數據安全與隱私

• 問題的描述

-如何保護工廠數據不被外部入侵?
-如何確保內部員工不洩露敏感信息?

• 出現的場景

-連接到網絡的工廠設備成為駭客的目標。
-員工無意中洩露了生產秘密。

• 可能的解決方案

-實施強大的網絡安全措施和防火墻。
-進行員工培訓和意識提高。

• 差分隱私的概念

-什麼是差分隱私?
-如何通過差分隱私保護個人數據?

• 大型語言模型上雲的風險

-為什麼大型語言模型存在隱私風險?
-如何減少這些風險?

報名資訊：

上課時數：
10堂線上上課，1堂實體活動，一次3小時，共33小時

報名班次：
早上班(週六9:30~12:30)
晚上班(周六19:00~22:00)

上課日期：
3/9、3/16、3/23、3/30(實體活動)、4/13、4/20、4/27、5/4、5/11、5/18、5/25

報名費用：
定價 $18000 本梯次報名優惠價：$15000/人
早鳥優惠價：$13500 /人（1/31前報名繳費享早鳥優惠價）
二人以上優惠價：$13500 /人

繳費資訊：
玉山銀行-古亭分行 0989-940002-886

帳戶/抬頭：智谷網絡股份有限公司

如何報名： 1.填寫報名表直接報名
2.來電洽詢細節：02-27363878 #136黃小姐＃168王小姐

回上方

白日班

我要洽詢

報名截止日：2024/03/04

開課日：2024/03/09結束日：2024/05/25定價： $15,000

時數：33 (小時) 時段：週六9:30~12:30