友情链接:
合作联系
|
ASPEN培训课程
培训对象： 工业AI算法工程师、智能制造研发人员、自动化工程师、生产优化分析师。
培训目标：
掌握工业AI的典型应用场景和落地方法。
能够开发基于深度学习的视觉缺陷检测系统。
实现工艺参数优化（响应曲面法、贝叶斯优化）。
具备智能排产（APS）算法设计能力。
培训内容介绍：
二、视觉缺陷检测-数据准备： 采集缺陷样本图像，使用数据增强（旋转、翻转、亮度调整）扩充数据集，标注缺陷位置和类型。
三、缺陷检测模型训练： 使用YOLOv5/v8或EfficientDet训练缺陷检测模型，调整锚框、损失函数、数据增强策略，优化检测精度。
四、缺陷检测模型部署： 将训练好的模型部署到工业计算机或边缘设备，使用TensorRT或OpenVINO加速推理，实现实时检测。
五、工艺参数优化问题： 识别影响产品质量和效率的关键工艺参数（温度、压力、速度、流量），收集历史生产数据。
六、响应曲面法（RSM）： 使用实验设计（DOE）选择参数组合，建立响应曲面模型，找到最优参数区域。
七、贝叶斯优化： 使用贝叶斯优化（高斯过程、采集函数）自动搜索最优参数，平衡探索与利用，减少实验次数。
八、遗传算法优化： 使用遗传算法（编码、选择、交叉、变异）在多参数空间中搜索全局最优解。
九、智能排产（APS）概述： 了解APS在生产计划中的作用，对比与ERP传统排产的差异。
十、排产算法-遗传算法： 使用遗传算法解决作业车间调度问题（JSP），优化完工时间、设备利用率、订单准时率。
十一、排产算法-禁忌搜索： 使用禁忌搜索算法避免陷入局部最优，提高排产方案质量。
十二、实战项目：工业AI应用开发： 选择缺陷检测、参数优化或智能排产场景，完成从数据准备到模型部署的全流程。
