AI-2

Metody wykrywania anomalii w procesach produkcyjnych: AI vs. Statystyka

3 dni, 21 godz. Czas trwania

Tryb szkolenia

Szkolenie otwarte

Stopień kursu

AI-2

Wymagania wstępne

Bardzo dobra znajomość obsługi komputera w systemie MS – Windows oraz posługiwanie się programem Excel. Podstawowa wiedza statystyczna.

Cel kursu

Cel kursu:

Celem szkolenia jest zapoznanie uczestników z metodami wykrywania anomalii w danych procesowych, co pozwoli zrozumieć, kiedy stosować metody statystyczne, a kiedy algorytmy Machine Learning
Szkolenie dostarczy uczestnikom narzędzia do samodzielnego wyboru odpowiedniej metody analitycznej w kontekście różnych problemów produkcyjnych i biznesowych, a także do predykcji w utrzymaniu ruchu maszyn i urządzeń

Grupa docelowa:

Inżynierowie
Pracownicy utrzymania ruchu
Kadra techniczna

Program kursu

Dzień 1	Wprowadzenie do sztucznej inteligencji i jej zastosowań w inżynierii Definicja i podstawy AI Rola zaawansowanej analityki w procesach produkcyjnych Przykłady zastosowań AI do wykrywania anomalii w przemyśle Przewaga zaawansowanych metod statystycznych nad AI w rozwiązywaniu problemów inżynierskich Analiza porównawcza – kiedy AI może być przesadą i kiedy warto zastosować klasyczne podejścia statystyczne Studia przypadków – przykłady, gdzie klasyczne metody statystyczne przyniosły lepsze wyniki niż rozwiązania oparte na AI Jak ocenić, czy AI jest odpowiednie dla rozwiązania problemu inżynierskiego Jak skutecznie prowadzić projekty zaawansowanej analityki Kroki oceny potrzeby zastosowania AI w kontekście problemów inżynierskich Machine Learning vs. Statystyka - kiedy i którą metodę wybrać? Ocena dojrzałości procesu i dostępnych danych Rola ekspertów branżowych Etapy wdrażania Analiza danych i metody AI w kontekście wykrywania anomalii Definicja anomalii Rodzaje danych w procesach produkcyjnych: dane z sensorów, dane jakościowe, pomiary czasowe Wyzwania danych procesowych Rola jakości danych jak przygotować dane do analizy rodzaje danych eksploracyjna analiza danych walidacja i oczyszczanie danych przekształcenia danych Ćwiczenia praktyczne
Dzień 2	Omówienie metod statystycznych i AI w kontekście wykrywania anomalii Metody statystyczne wykrywania anomalii Analiza statystyczna Wizualna identyfikacja wzorców i anomalii: wykresy kontrolne, testy normalności, wykresy pudełkowe Testy wykrywania skoków i zmienności Analiza regresji Prognozowanie i analiza czasowa Przykłady zastosowań w przemyśle Ćwiczenia praktyczne
Dzień 3	Metody Machine Learning w wykrywaniu anomalii Algorytmy wykrywania anomalii w metodach nienadzorowanych: LOF, Isolation Forest, Onc-Class SVM Analiza skupień: K-means, DBSCAN Metoda PCA Metody rekonstrukcji: Autoencodery Przykłady zastosowań w rzeczywistych procesach produkcyjnych Zalety i ograniczenia Ćwiczenia praktyczne Porównanie podejść nienadzorowanych w Machine Learning i metod statystycznych w kontekście wykrywania anomalii Studium przypadku: jak w praktyce podejmować decyzje o wyborze metody

Wyposażenie laboratorium

Sale i laboratoria szkoleniowe - klimatyzowane, duże i przestronne. Stanowiska dla kursantów zostały specjalnie wyposażone.

Część praktyczna szkolenia polega na warsztatach prowadzonych na "żywym organizmie", realnych przykładach i danych z różnych przedsiębiorstw - stadium przypadków, analiza dokumentów.

Zapewniamy:

Salę z komputerami
Program Excel

NIE Online

Szkolenie otwarte Tryb szkolenia

TAK Certyfikat

Gliwice,
Siedziba EMT-Systems Miejsce szkolenia Zobacz mapę

3000 zł(netto) +23% VAT

Zapytaj o szkolenie

Płatność kartą

Online

W ratach 0%

Najbliższe terminy kursu

Nie znalazłeś terminu? Oferujemy szkolenia zamknięte,
z indywidualnym terminem,
kosztem, miejscem i programem. Zapytaj o kurs

Cele kursu

Po ukończeniu szkolenia uczestnik:

Celem szkolenia jest zapoznanie uczestników z metodami wykrywania anomalii w danych procesowych, co pozwoli zrozumieć, kiedy stosować metody statystyczne, a kiedy algorytmy Machine Learning
Szkolenie dostarczy uczestnikom narzędzia do samodzielnego wyboru odpowiedniej metody analitycznej w kontekście różnych problemów produkcyjnych i biznesowych, a także do predykcji w utrzymaniu ruchu maszyn i urządzeń

Inżynierowie
Pracownicy utrzymania ruchu
Kadra techniczna

Sprawdź termin kursu

Rok 2026

Grudnia

02-04 grudnia

Rok 2027

Stycznia

25-27 stycznia

Lipiec 2026

Pn	Wt	Śr	Cz	Pt	So	Nd
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31

Sierpień 2026

Pn	Wt	Śr	Cz	Pt	So	Nd
					1	2
3	4	5	6	7	8	9
10	11	12	13	14	15	16
17	18	19	20	21	22	23
24	25	26	27	28	29	30
31

Wrzesień 2026

Pn	Wt	Śr	Cz	Pt	So	Nd
	1	2	3	4	5	6
7	8	9	10	11	12	13
14	15	16	17	18	19	20
21	22	23	24	25	26	27
28	29	30

Październik 2026

Pn	Wt	Śr	Cz	Pt	So	Nd
			1	2	3	4
5	6	7	8	9	10	11
12	13	14	15	16	17	18
19	20	21	22	23	24	25
26	27	28	29	30	31

Listopad 2026

Pn	Wt	Śr	Cz	Pt	So	Nd
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30

Grudzień 2026

Pn	Wt	Śr	Cz	Pt	So	Nd
	1	2 Metody wykrywania anomalii w procesach produkcyjnych: AI vs. Statystyka 2 – 4 grudnia 2026 Zgłoś udział	3 Metody wykrywania anomalii w procesach produkcyjnych: AI vs. Statystyka 2 – 4 grudnia 2026 Zgłoś udział	4 Metody wykrywania anomalii w procesach produkcyjnych: AI vs. Statystyka 2 – 4 grudnia 2026 Zgłoś udział	5	6
7	8	9	10	11	12	13
14	15	16	17	18	19	20
21	22	23	24	25	26	27
28	29	30	31

Styczeń 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
				1	2	3
4	5	6	7	8	9	10
11	12	13	14	15	16	17
18	19	20	21	22	23	24
25 Metody wykrywania anomalii w procesach produkcyjnych: AI vs. Statystyka 25 – 27 stycznia 2027 Zgłoś udział	26 Metody wykrywania anomalii w procesach produkcyjnych: AI vs. Statystyka 25 – 27 stycznia 2027 Zgłoś udział	27 Metody wykrywania anomalii w procesach produkcyjnych: AI vs. Statystyka 25 – 27 stycznia 2027 Zgłoś udział	28	29	30	31

Luty 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
1	2	3	4	5	6	7
8	9	10	11	12	13	14
15	16	17	18	19	20	21
22	23	24	25	26	27	28

Marzec 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
1	2	3	4	5	6	7
8	9	10	11	12	13	14
15	16	17	18	19	20	21
22	23	24	25	26	27	28
29	30	31

Kwiecień 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
			1	2	3	4
5	6	7	8	9	10	11
12	13	14	15	16	17	18
19	20	21	22	23	24	25
26	27	28	29	30

Maj 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
					1	2
3	4	5	6	7	8	9
10	11	12	13	14	15	16
17	18	19	20	21	22	23
24	25	26	27	28	29	30
31

Czerwiec 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
	1	2	3	4	5	6
7	8	9	10	11	12	13
14	15	16	17	18	19	20
21	22	23	24	25	26	27
28	29	30

Lipiec 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
			1	2	3	4
5	6	7	8	9	10	11
12	13	14	15	16	17	18
19	20	21	22	23	24	25
26	27	28	29	30	31

Sierpień 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30	31

Wrzesień 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30

Październik 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
				1	2	3
4	5	6	7	8	9	10
11	12	13	14	15	16	17
18	19	20	21	22	23	24
25	26	27	28	29	30	31

Listopad 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
1	2	3	4	5	6	7
8	9	10	11	12	13	14
15	16	17	18	19	20	21
22	23	24	25	26	27	28
29	30

Grudzień 2027

Pn	Wt	Śr	Cz	Pt	So	Nd
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31

Godziny szkolenia

Dzień 19:00 – 16:00

Dzień 29:00 – 16:00

Dzień 38:00 – 15:00

Wymagania

Bardzo dobra znajomość obsługi komputera w systemie MS – Windows oraz posługiwanie się programem Excel.
Podstawowa wiedza statystyczna.

Program szkolenia

1. Wprowadzenie do sztucznej inteligencji i jej zastosowań w inżynierii

Definicja i podstawy AI
Rola zaawansowanej analityki w procesach produkcyjnych
Przykłady zastosowań AI do wykrywania anomalii w przemyśle

2. Przewaga zaawansowanych metod statystycznych nad AI w rozwiązywaniu problemów inżynierskich

Analiza porównawcza – kiedy AI może być przesadą i kiedy warto zastosować klasyczne podejścia statystyczne
Studia przypadków – przykłady, gdzie klasyczne metody statystyczne przyniosły lepsze wyniki niż rozwiązania oparte na AI

3. Jak ocenić, czy AI jest odpowiednie dla rozwiązania problemu inżynierskiego

Jak skutecznie prowadzić projekty zaawansowanej analityki
Kroki oceny potrzeby zastosowania AI w kontekście problemów inżynierskich
Machine Learning vs. Statystyka - kiedy i którą metodę wybrać?
Ocena dojrzałości procesu i dostępnych danych
Rola ekspertów branżowych
Etapy wdrażania

4. Analiza danych i metody AI w kontekście wykrywania anomalii

Definicja anomalii
Rodzaje danych w procesach produkcyjnych: dane z sensorów, dane jakościowe, pomiary czasowe
Wyzwania danych procesowych
Rola jakości danych
jak przygotować dane do analizy
rodzaje danych
eksploracyjna analiza danych
walidacja i oczyszczanie danych
przekształcenia danych

5. Ćwiczenia praktyczne

1. Omówienie metod statystycznych i AI w kontekście wykrywania anomalii

Metody statystyczne wykrywania anomalii
Analiza statystyczna
Wizualna identyfikacja wzorców i anomalii: wykresy kontrolne, testy normalności, wykresy pudełkowe
Testy wykrywania skoków i zmienności
Analiza regresji
Prognozowanie i analiza czasowa
Przykłady zastosowań w przemyśle

2. Ćwiczenia praktyczne

1. Metody Machine Learning w wykrywaniu anomalii

Algorytmy wykrywania anomalii w metodach nienadzorowanych: LOF, Isolation Forest, Onc-Class SVM
Analiza skupień: K-means, DBSCAN
Metoda PCA
Metody rekonstrukcji: Autoencodery
Przykłady zastosowań w rzeczywistych procesach produkcyjnych
Zalety i ograniczenia

2. Ćwiczenia praktyczne

3. Porównanie podejść nienadzorowanych w Machine Learning i metod statystycznych w kontekście wykrywania anomalii

4. Studium przypadku:

Dla kogo szkolenie?

Inżynierowie

Pracownicy utrzymania ruchu

Kadra techniczna

Certyfikat

Po zakończeniu szkolenia, każdy z Uczestników otrzymuje dwujęzyczny, imienny certyfikat opisowo potwierdzający nabyte umiejętności zgodnie z wdrożonym w EMT-SYSTEMS Sp. z o.o. systemem zarządzania jakością PN-EN ISO 9001:2015, nadzorowanym i certyfikowanym przez TUV Nord Polska.

Nasze laboratorium

Sale i laboratoria szkoleniowe - klimatyzowane, duże i przestronne. Stanowiska dla kursantów zostały specjalnie wyposażone.

Część praktyczna szkolenia polega na warsztatach prowadzonych na "żywym organizmie", realnych przykładach i danych z różnych przedsiębiorstw - stadium przypadków, analiza dokumentów.

Zapewniamy:

Salę z komputerami
Program Excel

Dowiedz się więcej

Nasi eksperci

Prowadzący szkolenia posiadają szeroką wiedzę techniczną oraz wieloletnią praktykę z udokumentowanym stażem pracy zawodowej oraz zrealizowanymi wdrożeniami. W trakcie szkoleń prezentują rzeczywiste sytuacje, z którymi spotkali się w pracy zawodowej.

Nasi trenerzy są otwarci na sugestie zgłaszane przez kursantów. Wielokrotnie w trakcie szkoleń rozwijane są zagadnienia odbiegające od standardowego programu, które obejmują specyficzne aspekty pracy kursantów.

Zrealizowane kursy prowadzą także do nawiązania współpracy pomiędzy firmą EMT Systems Sp. z o.o. oraz przedstawicielami zakładów przemysłowych, w zakresie: projektów, modernizacji, a także uruchomień linii technologicznych.

Dowiedz się więcej