課程介紹｜AI品質工程師認證課程單元介紹(110.1.22更新)

AI品質工程師課程地圖

課程報名連結

甲單元

1. 人工智慧：人工智慧應用(110.4.10)

• 人工智慧概觀
• 人工智慧與資料分析實務案例
• 機器學習與人機協作應用
• 深度學習技術與AlphaGo的應用
• 人工智慧與機器人的五感
• 人工智慧與社群媒體網路分析
• 人工智慧服務創新工作坊 
• 結論

2. 智能製造與智慧工廠：智能製造與智慧工廠(110.3.20)

• 智慧製造簡介
• 智慧製造的組成要素
• 製造執行系統(MES)與生產系統(ERP)概論
• 智能化工具機與物聯網(IoT)製造
• 智慧製造數據分析與方法
• 智慧工廠生產模式與管理
• 精實管理與智慧製造在供應鏈層面的應用
• 智慧工廠技術在產業界之應用
   

3. 物聯網(感測應用)與互聯網：物聯網(感測應用)與互聯網(110.3.27)

• 從互聯網+到物聯網與智慧製造
• 智慧製造與工業互聯網核心-工業物聯網系統架構、協定與應用
• 物聯網感知層技術介紹與感測器原理介
• 物聯網標準與發展趨勢
• 課程總結與討論
   

4. 大數據與資料採礦(應用於智能製造)：大數據與資料採礦軟體(110.4.17)

• 大數據與資料採礦軟體國際趨勢 (1)開放源碼軟體特點 (2)開放源碼軟體功能 (3)與商業軟體的比較
• 大數據之應用 (1)智能製造的品管運作
• 總結與未來展望

乙單元

1. 智能製造之品管運作：智能製造之品管運作(110.5.8)

• 第四次工業革命到人工智慧(AI)
• 人工智慧的運用與帶來的改變
• 應用人工智慧的智能製造
• 智能製造所生產的產品品質
• 智能製造的品質管制
• Key factors的挖掘、最佳參數設計與控制
• 機器設備的自我控制、決策與調整
• 智能製造環境下品管人員的專業轉變
• 品管人員的技能要求
• 人工智慧的應用確能品質保證？
   

2. 智能品質之規劃：智能品質之規劃(110.5.29)

• 第四次工業革命到智能製造
• 智能製造之品質控管
• Smart Quality and DFSQ
• DFSQ之步驟與必要性
• Define階段之運作與重點說明
• Identify階段之運作與重點說明
• Measure階段之運作與重點說明
• Design階段之運作與重點說明
• Optimize階段之運作與重點說明
• Verify階段之運作與重點說明
• 智能製造設備商之配合   
• big data & AI運用典範
• 人工智慧的運用與帶來的改變
• 應用人工智慧的智能製造
• 智能製造所生產的產品品質
• 智能製造的品質管制
• Key factors的挖掘、最佳參數設計與控制
• 機器設備的自我控制、決策與調整
• 智能製造環境下品管人員的專業轉變
• 品管人員的技能要求
• 人工智慧的應用確能品質保證？
   

3. 實驗計畫法與最佳參數設計：實驗計畫法與最佳參數設定(110.5.15)

• 智能參數設定簡介
• 實驗設計的原理
• 田口式品質工程的原理
• 要因分析與因子水準選擇
• 因式設計
• 直交表
• S/N比分析
• 望大、望小、望目與多重品質特性分析
• 田口分析軟體之簡介
• 變異數分析
• 迴歸分析
• 反應曲面法
• 人工智慧技術(機器學習與深度學習)
• 智慧型最佳化參數設定
   

4. AI時代品質工程師之轉型：AI時代品質工程師(110.5.22)

• 當前品管工程師的主要功能: 製造過程的品質控制
• 未來品管工程師的主要功能: 重心轉移到產品開發階段
• 如何在產品開發階段就把產品在量產時的品質問題加以消除
• 如何由Inputs—Process—Outputs分析產品從開發到製造之影響因素
• 智能製造時代，品管工程師所扮演的角色與轉型
• 了解需要蒐集、分析那些data，以了解產品從開發到製造的品質問題
• 運用大數據與AI分析製程之關鍵品質之key factors
• 運用大數據與AI分析製程key factors之最適切的生產參數
• 製程品質有變異時，如何藉由大數據與AI找出關鍵影響因素，及進行調整