to top
Select language:    en ENGLISH  |  cs CZECH
Online seminář MATLAB & Simulink
Detekce anomálií, prediktivní analytika a vizuální inspekce
Datum:8.11.2022 (úterý), od 13:00 (95 min.)Nemůžete se zúčastnit? Alternativní termín je 9.11.2022 od 17 hod. >>
Místo:Online prostřednictvím Cisco Webex
Vstupné:ZDARMA
Přednášející:Jaroslav Jirkovský (HUMUSOFT)
Jazyk:Čeština
Co je online seminář?
Online seminář nabízí neformální virtuální setkání s možností seznámit se s inženýrským nástrojem MATLAB a Simulink formou praktických ukázek.
Zaměření online semináře
Seminář Vás seznámí s možnostmi využití v prostředí MATLAB ve třech oblastech průmyslového nasazení moderních výpočetních metod založených na sběru provozních dat, matematickém modelování a umělé inteligenci. Jsou to detekce anomálií, prediktivní údržba systémů a vizuální inspekce.
Jak se připojit
Pro účast na online semináři vyplňte přihlašovací formulář. Obratem obdržíte informace k připojení. Odkaz ke stažení podkladových materiálů Vám zašleme před konáním semináře.
Program
13:00Prediktivní analytika a umělá inteligence v prostředí MATLAB
  • - základní pojmy a nástroje
13:15Detekce anomálií
  • - monitorování stavu technických zařízení
  • - detekci anomálií na základě dat z „normálního“ provozu
13:35Prediktivní údržba systémů
  • - klasifikace stavu technických zařízení
  • - využití historických dat k odhadu zbývající doby do poruchy
14:05Vizuální inspekce
  • - automatizovaná detekce defektů
  • - umělá inteligence pro vizuální kontrolu kvality
14:30Závěr, diskuze, dotazy
Seminář je určen pro všechny, kteří se chtějí formou praktických příkladů seznámit s prostředím MATLAB a Simulink.
Náplň semináře
Prediktivní údržba systémů, detekce anomálií a vizuální inspekce představují tři oblasti průmyslového nasazení moderních výpočetních metod založených na systematickém sběru provozních dat, matematickém modelování a umělé inteligenci.
Prediktivní analytika využívá historická data k předpovídání budoucích událostí. Historická data se používají k sestavení matematického modelu, který zachycuje důležité trendy. Model se pak aplikuje na aktuální data k předpovědi, co se bude dít dále, nebo k navržení opatření, která je třeba podniknout pro dosažení optimálních výsledků. Prediktivní analytika nachází uplatnění v tak různorodých odvětvích, jako jsou automobilový průmysl, letecký průmysl, výroba, energetika, finance, a další. Typickou úlohou pro prediktivní analytiku v průmyslových aplikacích je prediktivní údržba systémů a odhad zbývající doby do poruchy, umožňující efektivní plánování údržby a načasování odstávek výroby s minimálními náklady.
Druhou oblastí průmyslového nasazení datově analytických metod je monitorování a klasifikace stavu technických zařízení. Součástí takového systému mohou být nástroje pro detekci anomálií. Jedná se z principu též o klasifikační úlohu, ale lze ji využít i v případě, že o systému máme pouze data z „normálního“ provozu bez dopředu známých údajů z poruchových stavů.
Třetí průmyslovou aplikací je automatizovaná detekce defektů, která je zásadní pro výkonnou kontrolu kvality ve výrobních systémech. Vizuální inspekce jsou široce používány v mnoha průmyslových odvětvích pro detekci vad na různých typech vyrobených povrchů, jako jsou kovové součásti, polovodičové destičky, kontaktní čočky a tak dále. Nedávný vývoj v oblasti hlubokého učení přinesl nové nástroje pro automatizaci úkolů vizuální kontroly s nebývalou přesností a robustností. Nové metody umožňují najít libovolné defekty bez potřeby využití „defektních“ dat během učení detekčního algoritmu.