KI für Qualitätskontrolle und -sicherung in Produktionslinien Schulung

Einführung in die KI in der Qualitätskontrolle

• Übersicht über KI in den Qualitätsprozessen der Fertigung
• Anwendungen in Inspektion, Fehlererkennung und Konformität
• Vorteile und Grenzen der KI-gestützten QA

Erfassung und Aufbereitung von Qualitätsdaten

• Datentypen, die in der QA verwendet werden (Bilder, Sensoren, Produktionsprotokolle)
• Labeling visueller Datensätze mit LabelImg
• Datenspeicherung und -strukturierung für das Training von Modellen

Einführung in Computer Vision für die QA

• Grundlagen der Bildverarbeitung mit OpenCV
• Vorbereitende Techniken für industrielle Bilder
• Extraktion visueller Merkmale für die Analyse

Machine Learning für die Anomalieerkennung

• Training einfacher Klassifizierer für die Fehlererkennung
• Verwendung konvolutioneller neuronaler Netze (CNNs)
• Unüberwachtes Lernen zur Anomalieidentifikation

Ausbeuteprognose mit KI-Modellen

• Einführung in Regressionsverfahren
• Erstellung von Modellen zur Prognose der Produktionsausbeute
• Bewertung und Verbesserung der Prognosesgenauigkeit

Integration von KI in Produktionssysteme

• Bereitstellungsoptionen für Inspektionsmodelle
• Edge AI im Vergleich zu cloud-basierter Analyse
• Automatisierung von Warnmeldungen und Qualitätsberichten

Praktisches Fallbeispiel und Abschlussprojekt

• Entwicklung eines end-to-end-KI-Inspektionsprototyps
• Training und Testen mit Beispieldatensätzen aus der QA
• Präsentation einer funktionsfähigen KI-Lösung für die Qualitätskontrolle

Zusammenfassung und nächste Schritte