Live [AI역량강화] 디지털 전환 기반 조선 기자재 관리 및 불량탐지 실무
![](/upload/outside/pt/sl/crsthum/2024/06/25//9ad320e2-2c5a-45dd-b109-35b52ac01858.png)
교육일정 | |
---|---|
교육시간 | 6일, 48시간 / 1주차 화,금요일, 2~3주차 화,수요일 09:00~18:00 (8/13(화), 8/16(금), 8/20(화), 8/21(수), 8/27(화), 8/28(수)) |
교육장소 | 비대면 | 고용보험 | - |
교육비 | 무료 |
교육문의 | [조선해양산업AI역량강화 담당] 02-724-1824, smartship@kpc.or.kr |
교육시간
1주차 화,금요일, 2~3주차 화,수요일 09:00~18:00 (8/13(화), 8/16(금), 8/20(화), 8/21(수), 8/27(화), 8/28(수))
교육목적/특징
▶교육 시간: 총 6일 48시간(09:00~18:00)
▶[AI역량강화] 디지털 전환 기반 조선 기자재 관리 및 불량탐지 실무
- 스마트야드를 통해 조선 기자재를 관리하고 공정간 제품 불량 탐지의 효율을 극대화하는 실무 역량 향상
- 무선 네트워크 기술과 센싱 기술을 활용하여 데이터를 생산, 수집, 분석하고 이를 인공지능 알고리즘 기술을 이용하여 조선 기자재 관리와 제품 불량 탐지를 극대화하는 실무 역량 함양
▶교육혜택 (교육수료시)
-기업: 10명 이상 교육신청시 한국생산성본부 직무교육 1명씩 제공(3일 이하)
(경영기획/인사/노무/회계/원가/법무/마케팅/물류/생산/구매/품질 부문, 문의 02-724-1824)
-개인: 교육 수료시 3만원 상당의 기념품 제공
▶교육신청 방법
1. 한국생산성본부 홈페이지 회원가입 후 로그인(www.kpc.or.kr)
2. 희망교육과정/일자 "클릭"
3. 교육신청
4. 교육생 대상 자격 서류 제출: https://forms.gle/E15UxFMf6zE6Gig1A
*단체신청의 경우 smartship@kpc.or.kr로 일괄 제출해주시면 됩니다.
*수강신청 후 ①사업자등록증, ②재직증명서 or 건강보험자격득실확인서, ③개인정보이용동의서를 제출해 주셔야만 교육을 받을 수 있습니다.
교육대상
조선/해양산업 재직자 (3년차 혹은 대리급 이상 권장)
- 제출 서류 : ① 사업자등록증, ② 재직증명서 혹은 건강보험자격득실확인서, ③개인정보이용동의서
- 제출 링크: https://forms.gle/E15UxFMf6zE6Gig1A
- 단체신청의 경우 smartship@kpc.or.kr로 일괄 제출해주시면 됩니다.
* 교육대상이 아니신 경우 선발과정에서 신청여부와 상관없이 교육을 수강하실 수 없습니다.
교육내용
모듈1: 무선네트워크와 센싱데이터기반 조선기자재 관리 및 불량 탐지 시스템의 이해
- ICBMA기반 실시간 위험 탐지 시스템의 구조 설명
- 무선네트워크의 기초
- 무선네트워크의 분류 및 특징 고찰
- 무선 네트워크 프로토콜의 정의 및 특징 분석
- 무선 데이터 손상의 유형 및 문제의 처리
- 실시간 원격 장비 모니터링 시스템 구조
- 공정간 불량 탐지를 위한 시계열/이미지 기반 시스템 구조
- 조선기자재 관리를 위한 데이터 수집 및 수집을 위한 하드웨어/ 소프트웨어 운영 실습
모듈2: 공정장비 센싱 데이터 상관관계 분석 및 시계열 데이터 처리방법
- 공정장비간 센싱데이터 상관관계 분석
- AI 기반의 실시간 조선기자재 공정 상황 인지 및 불량 예측 모델
- 시계열 및 이미지 가반 불량 탐지 모델 소개
- 센싱 데이터(진동, 온도, 습도, 전압, 전류, 저항 등) 기반, 군집화(클러스터링) 알고리즘을 이용한 공정장비 이상탐지 모델 실습 (TensorFlow 활용)
- 센싱 데이터의 시계열(순차 데이터) 처리
- 시계열 진동, 온도, 습도, 전압, 전류, 저항 데이터의 AI 처리 모델
- 시계열, 이미지 데이터 분석 방법
- RNN, LSTM을 이용한 시계열 데이터 처리 실습 (TensorFlow 활용)
모듈3: 이미지 학습기반 불량 탐지 기술
- CNN, RNN 및 AI 융합 모델 기반 AI 개발을 위한 요소기술 특징 설명
- 객체 인식 기반 검사 서비스, 안전 서비스 모형 설명
- DEEP-SVDD, MASKRCNN, YOLO V7, Abnormal detection(SVDD, deep SVDD, deep SAD) 등 프로젝트 실습을 위한 핵심 모듈 설명 및 실습
모듈4: AI 기반 이미지, 시계열 데이터 통합처리기술
- 시계열 데이터와 이미지 데이터들의 상관관계 분석
- 실시간 장비 관리 및 불량 탐지 통합 예측 방법
- AI를 이용한 실시간 장비 및 불량 탐지 예측 모델
- AI를 위한 시계열, 이미지 데이터 전처리
- AI 기반 원격 기자재 상황인지 데이터의 군집화(Clustering), 분류(Classification) 방법 설명 및 실습
- AI 기반 기자재 및 불량 진단 및 예측 실습
모듈5: 실전 프로젝트
- 조선기자재 관리 및 불량 탐지 전체 시스템 구조 및 요소기술간 프로토콜 설계 기법 설명
- 시계열데이터와 이미지데이터 구현기법 설명
- 데이터별 특징 분석 및 적용 방법 설명
- RNN, LSTM, Abnormal detection(SVDD, deep SVDD, deep SAD)을 이용한 시계열, 이미지 데이터 처리 실습 (TensorFlow 활용)
모듈6: 구현 결과 발표 및 논의
- 각 조별 구현결과 발표
- AI 알고리즘 최적화 방안
- 각 조별 구현 결과물의 개선방안 토의
- 산업현장 문제의 AI 적용방안 토의
수강후기
연관 자격
자격증명 | 자격증관련링크 |
---|