ИНТехнО • Повышение квалификации
Искусственный интеллект в промышленности и управлении качеством
Освойте современные технологии искусственного интеллекта и научитесь применять их для анализа производственных процессов, контроля качества продукции, прогнозирования дефектов и отказов, автоматизации рабочих операций и развития системы менеджмента качества.
Актуальность программы
Искусственный интеллект становится одним из ключевых инструментов цифровой трансформации промышленных предприятий. ИИ-технологии позволяют оперативно анализировать большие объёмы производственных данных, выявлять отклонения технологических параметров, прогнозировать дефекты и отказы оборудования, автоматизировать контрольные операции и повышать обоснованность управленческих решений.
Особенно востребовано применение ИИ в управлении качеством. Интеллектуальные системы помогают обрабатывать результаты измерений и испытаний, классифицировать несоответствия, анализировать причины брака, поддерживать проведение аудитов и формировать цифровые базы знаний предприятия.
Программа ориентирована на практическое применение ИИ в производственных условиях, оценку ограничений, рисков, требований к данным, человеческого контроля и экономической эффективности внедряемых решений.
Цель программы
Сформировать у слушателей профессиональные компетенции, необходимые для обоснованного, безопасного и эффективного применения технологий искусственного интеллекта при решении задач промышленного производства и управления качеством.
Задачи программы
- Изучить принципы работы современных систем искусственного интеллекта.
- Освоить постановку задач и подготовку эффективных запросов к генеративному ИИ.
- Научиться применять ИИ для работы с текстами, документами, таблицами, изображениями и производственными данными.
- Освоить выявление производственных отклонений и факторов, влияющих на стабильность технологических процессов.
- Изучить компьютерное зрение и интеллектуальный анализ результатов контроля качества.
- Научиться прогнозировать дефекты, отказы и производственные риски, использовать предиктивное обслуживание.
- Разработать прототип ИИ-решения для производственного процесса или системы управления качеством.
Целевая аудитория
- Руководители промышленных предприятий и производственных подразделений.
- Руководители и специалисты служб качества, инженеры по качеству.
- Специалисты отделов технического контроля, технологи и инженеры-технологи.
- Мастера производственных участков и начальники смен.
- Специалисты по автоматизации, цифровизации, производственным данным и аналитике.
- Инженеры по эксплуатации оборудования, внутренние аудиторы СМК и сотрудники, участвующие во внедрении цифровых решений.
Кто может поступить
- Лица, имеющие среднее профессиональное образование.
- Лица, имеющие высшее образование.
- Лица, получающие среднее профессиональное или высшее образование.
Программа особенно полезна слушателям, связанным с производством, контролем качества, техническим обслуживанием, цифровизацией, аналитикой, автоматизацией и управлением промышленными процессами. Углублённая подготовка в программировании или разработке ИИ-систем не требуется.
Итог обучения
Каждый слушатель разработает и представит прототип ИИ-решения для конкретного производственного процесса или задачи системы менеджмента качества.
Итоговый проект включает описание проблемы, данные, архитектуру решения, пользователей, показатели эффективности, риски, контрольные точки и критерии масштабирования.
После обучения вы будете знать
- Основные понятия и этапы развития технологий искусственного интеллекта.
- Особенности машинного обучения, генеративных, языковых и мультимодальных моделей.
- Критерии выбора ИИ-инструмента и правила подготовки качественных запросов.
- Способы подготовки производственных данных для интеллектуального анализа.
- Методы обнаружения отклонений и аномалий технологического процесса.
- Возможности компьютерного зрения, прогнозирования дефектов, отказов и простоев.
- Принципы предиктивного обслуживания, интеллектуальной поддержки СМК и человеческого контроля.
После обучения вы сможете
- Формировать паспорт производственных данных и выявлять аномальные значения технологических параметров.
- Проектировать раннее предупреждение о нарушениях производственного режима.
- Анализировать причины потерь производительности и создавать ИИ-помощников для технологов, мастеров и специалистов по качеству.
- Переводить требования стандартов и контрольных планов в систему проверяемых критериев.
- Автоматизировать классификацию результатов контроля и проектировать визуальное выявление дефектов.
- Прогнозировать риск брака, отказов оборудования и рассчитывать эффект прогнозной аналитики.
- Применять ИИ в 5 Why, диаграмме Исикавы, 8D и FMEA; готовить аудиты и цифровую базу знаний СМК.
Перспективы трудоустройства и карьерного роста
Полученные компетенции применимы для профессионального развития и карьерного роста в сфере промышленного производства, цифровизации и управления качеством.
- Специалист или инженер по качеству.
- Инженер-технолог.
- Специалист отдела технического контроля.
- Специалист по производственной аналитике.
- Специалист по цифровизации производства.
- Специалист по автоматизации бизнес-процессов.
- Внутренний аудитор системы менеджмента качества.
- Руководитель производственного участка или службы качества.
- Координатор или руководитель проектов внедрения ИИ.
- Аналитик производственных данных.
- Специалист по внедрению интеллектуальных систем.
- Участник проектов производственной эффективности, инноваций и интеллектуальной автоматизации.
Содержание программы
Общая трудоёмкость программы — 102 часа: общая часть — 40 часов, направление подготовки «ИИ в промышленности и управлении качеством» — 62 часа.
8 часов
- 1.1. Понятие искусственного интеллекта и основные этапы развития технологий — 2 часа.Сущность искусственного интеллекта и ключевые этапы развития ИИ-технологий.
- 1.2. Машинное обучение, генеративные, языковые и мультимодальные модели — 2 часа.Основные типы современных моделей и принципы их работы.
- 1.3. Возможности, ограничения и вероятностный характер результатов ИИ — 2 часа.Сильные стороны искусственного интеллекта, его ограничения и причины возможной неточности результатов.
- 1.4. Экосистема ИИ-инструментов и критерии выбора решения под задачу — 2 часа.Выбор подходящего ИИ-инструмента для решения конкретной профессиональной задачи.
8 часов
- 2.1. Декомпозиция профессиональной задачи и определение ожидаемого результата — 2 часа.Разделение сложной задачи на этапы и формулирование конкретного результата.
- 2.2. Структура качественного запроса: роль, контекст, данные, ограничения и формат — 2 часа.Основные элементы запроса, позволяющие получать более точные и полезные ответы.
- 2.3. Методы промптинга: примеры, шаблоны, критерии и пошаговое рассуждение — 2 часа.Практические методы составления запросов для решения профессиональных задач.
- 2.4. Итеративный диалог, управление контекстом и проверка качества ответа — 2 часа.Последовательное уточнение запросов, сохранение контекста и оценка качества результатов.
8 часов
- 3.1. Создание, редактирование, сокращение и структурирование текстов и документов — 2 часа.Применение ИИ для подготовки и улучшения текстовых материалов.
- 3.2. Поиск, обобщение и проверка информации с использованием ИИ — 2 часа.Поиск данных, выделение ключевой информации и проверка её достоверности.
- 3.3. Работа с таблицами: первичный анализ, выводы и визуальное представление данных — 2 часа.Базовые приёмы анализа табличных данных, подготовки выводов и создания визуализаций.
- 3.4. Создание и проверка изображений, аудиоматериалов и презентаций — 2 часа.Возможности ИИ при работе с визуальным, аудиальным и презентационным контентом.
8 часов
- 4.1. Описание рабочего процесса и поиск задач, пригодных для автоматизации — 2 часа.Анализ рабочих процессов и выявление операций, которые могут быть автоматизированы.
- 4.2. Архитектура ИИ-ассистента: инструкции, память, знания и инструменты — 2 часа.Основные компоненты ИИ-ассистента и принципы их совместной работы.
- 4.3. ИИ-агенты и многошаговые сценарии в no-code/low-code среде — 2 часа.Создание агентных систем и автоматизированных сценариев без сложного программирования.
- 4.4. Проектирование пилота: метрики эффекта, ограничения и человеческий контроль — 2 часа.Подготовка пилотного ИИ-проекта, оценка эффективности и организация человеческого контроля.
8 часов
- 5.1. Галлюцинации, неполнота, смещения и риски принятия решений на основе ИИ — 2 часа.Типичные ошибки ИИ и риски использования его результатов в профессиональной деятельности.
- 5.2. Персональные и конфиденциальные данные: правила безопасной передачи — 2 часа.Требования и практические правила работы с персональными и закрытыми данными.
- 5.3. Интеллектуальные права и ответственность за материалы, созданные с помощью ИИ — 2 часа.Авторские права и ответственность при создании и использовании ИИ-контента.
- 5.4. Проверка источников, человеческий контроль и правила использования ИИ в организации — 2 часа.Проверка результатов, организация человеческого контроля и разработка внутренних правил применения ИИ.
12 часов
- 6.1. Формирование производственного набора данных для решения прикладной задачи — 2 часа.Инвентаризация данных MES, ERP, SCADA, АСУ ТП, лабораторных систем и журналов оборудования. Подготовка паспорта данных выбранного процесса.
- 6.2. Анализ технологических параметров и выявление производственных отклонений — 2 часа.Сопоставление режимов работы с нормативными диапазонами, технологическими картами и контрольными пределами. Выявление аномалий и причин отклонений.
- 6.3. Интеллектуальный мониторинг состояния производственного процесса — 2 часа.Контроль температуры, давления, вибрации, скорости, расхода, времени цикла и других показателей. Разработка раннего предупреждения о нарушении режима.
- 6.4. Поиск факторов, влияющих на производительность и стабильность процесса — 3 часа.Анализ связей между сырьём, настройками оборудования, средой, действиями персонала и результатами производства. Ранжирование причин потерь.
- 6.5. Разработка прототипа ИИ-помощника производственного специалиста — 3 часа.Проектирование интерфейса для сводок по производственным показателям, отклонениям и рекомендуемым действиям для мастера, технолога или руководителя участка.
12 часов
- 7.1. Цифровизация критериев качества и контрольных операций — 2 часа.Перевод требований стандартов, чертежей, спецификаций и контрольных планов в структурированный набор проверяемых критериев.
- 7.2. Автоматизированный анализ результатов измерений и испытаний — 2 часа.Обработка данных входного, операционного, приёмочного и лабораторного контроля. Классификация результатов по степени соответствия.
- 7.3. Компьютерное зрение для выявления дефектов продукции — 2 часа.Подготовка изображений и описание классов дефектов поверхности, формы, сборки, маркировки и комплектации. Проектирование сценария визуального контроля.
- 7.4. Анализ причин брака и повторяющихся несоответствий — 3 часа.Группировка дефектов, сопоставление брака с партиями сырья, оборудованием, сменами, режимами и поставщиками. Формирование рейтинга причин.
- 7.5. Проектирование интеллектуального рабочего места контролёра качества — 3 часа.Формирование карточки проверки, фиксация результатов, подбор нормативных требований и подготовка заключения. Создание прототипа помощника ОТК.
12 часов
- 8.1. Определение признаков будущего дефекта или отказа — 2 часа.Выделение параметров, предшествующих браку, поломке оборудования или нестабильности процесса. Составление перечня ранних индикаторов риска.
- 8.2. Подготовка исторических данных для прогнозной модели — 2 часа.Связывание данных о режимах работы, обслуживании, ремонтах, простоях, дефектах и условиях эксплуатации. Формирование обучающей выборки.
- 8.3. Прогнозирование вероятности выпуска несоответствующей продукции — 2 часа.Оценка риска брака до завершения цикла, определение порогов предупреждения и логики риск-скоринга партии.
- 8.4. Предиктивное обслуживание производственного оборудования — 3 часа.Прогнозирование состояния по вибрации, температуре, нагрузке, энергопотреблению, аварийным сигналам и истории ремонтов.
- 8.5. Оценка экономического эффекта прогнозной аналитики — 3 часа.Расчёт предотвращённых простоев, снижения брака, затрат на ремонт и повышения готовности оборудования. Подготовка обоснования пилотного проекта.
12 часов
- 9.1. Анализ внутренних нормативных документов и требований к качеству — 2 часа.Сопоставление стандартов, регламентов, инструкций, технологической документации и локальных актов. Формирование матрицы требований и ответственности.
- 9.2. Автоматизированная обработка сообщений о несоответствиях — 2 часа.Классификация рекламаций, актов брака, замечаний аудиторов и сообщений сотрудников. Выделение объекта, вида дефекта и срочности реагирования.
- 9.3. Поддержка анализа коренных причин и разработки корректирующих действий — 2 часа.Применение ИИ в 5 Why, диаграмме Исикавы, 8D, FMEA и анализе причинно-следственных связей. Подготовка проекта анализа причины.
- 9.4. Подготовка и проведение аудитов с использованием ИИ — 3 часа.Формирование программы аудита, проверочных листов, выборки документов и вопросов. Анализ наблюдений и подготовка проекта отчёта.
- 9.5. Формирование цифровой базы знаний системы менеджмента качества — 3 часа.Структурирование стандартов, процедур, инструкций, решений по несоответствиям и опыта организации. Разработка базы знаний и сценариев использования.
14 часов
- 10.1. Выбор производственного кейса и описание исходной ситуации — 2 часа.Определение проблемы: высокий брак, нестабильность процесса, простои, длительный контроль или повторяющиеся несоответствия. Оформление паспорта кейса.
- 10.2. Разработка функциональной модели ИИ-решения — 3 часа.Описание пользователей, источников данных, операций, результатов системы и точек принятия решений. Разработка схемы решения и пользовательского сценария.
- 10.3. Создание и испытание прототипа на производственных данных — 3 часа.Подготовка ограниченного набора обезличенных данных, настройка обработки и тестирование на типовых ситуациях. Создание минимально работоспособного прототипа.
- 10.4. Проверка промышленной применимости и надёжности решения — 3 часа.Оценка точности, полноты выявления дефектов, ложных предупреждений, устойчивости к пропускам и ошибкам данных. Приёмочное тестирование.
- 10.5. Защита итогового проекта внедрения ИИ — 3 часа.Подготовка плана пилотной эксплуатации, ресурсов, показателей эффективности, рисков, контрольных точек и критериев масштабирования.
Стоимость обучения
11 800 ₽ 5 900 ₽
Рассрочка платежа — 0%.
В стоимость входят обучение по программе объёмом 102 часа, практические задания, разработка итогового проекта и выдача удостоверения о повышении квалификации установленного образца.
Записаться на программу
Оставьте заявку на обучение или получите консультацию по содержанию программы, условиям поступления и формату обучения.
Важная информация
- Формат программы: повышение квалификации.
- Общая трудоёмкость: 102 часа.
- Продолжительность обучения: 1 месяц.
- Документ по завершении: удостоверение о повышении квалификации установленного образца.
- Сведения о выпускниках и выданных документах об образовании вносятся в ФИС ФРДО.
