Formation IA pour le contrôle et l’assurance qualité sur les lignes de production

Introduction à l’IA dans le contrôle qualité

• Vue d’ensemble de l’IA dans les processus de qualité manufacturière
• Applications dans l’inspection, la détection des défauts et la conformité
• Avantages et limites de l’assurance qualité propulsée par l’IA

Collecte et préparation des données qualité

• Types de données utilisés en assurance qualité (images, capteurs, journaux de production)
• Étiquetage des jeux de données visuels avec LabelImg
• Stockage et structuration des données pour l’entraînement des modèles

Introduction à la vision par ordinateur pour l’assurance qualité

• Bases du traitement d’images avec OpenCV
• Techniques de prétraitement pour les images industrielles
• Extraction de caractéristiques visuelles pour l’analyse

Apprentissage automatique pour la détection d’anomalies

• Entraînement de classifieurs simples pour la détection des défauts
• Utilisation de réseaux de neurones convolutifs (RNN)
• Apprentissage non supervisé pour l’identification d’anomalies

Prévision du rendement avec des modèles d’IA

• Introduction aux techniques de régression
• Construction de modèles pour prédire les rendements de production
• Évaluation et amélioration de la précision des prédictions

Intégration de l’IA avec les systèmes de production

• Options de déploiement pour les modèles d’inspection
• IA en périphérie (Edge AI) par rapport à l’analyse cloud
• Automatisation des alertes et de la signalisation qualité

Étude de cas pratique et projet final

• Développement d’un prototype d’inspection par IA de bout en bout
• Entraînement et test avec des jeux de données QA d’échantillons
• Présentation d’une solution de contrôle qualité par IA fonctionnelle

Résumé et prochaines étapes