-
Notifications
You must be signed in to change notification settings - Fork 13
工业智能实战课程介绍
bettermorn edited this page Jul 14, 2022
·
21 revisions
专业及学科背景:最好是数学、计算机科学、工业工程、人工智能、专业,具备程序语言开发能力(Python优先);岗位:制造企业需要进一步深入了解工业智能、智能制造算法的岗位(从事数据分析及应用、流程优化、工业仿真建模、应用场景探索、等),如算法工程师、数据分析师、设备管理工程师、生产业务工程师、工业工程师等。
帮助学员理解工业大数据分析和人工智能的基本理论和技术,通过案例理解相关理论和技术的具体应用,掌握用理论和技术解决工业问题的基本方法。
以工业场景为模块,包括基础知识、关键技术、实际案例。实战案例课程深入浅出解释工业大数据以及工业人工智能的体系、方法和案例。通过案例,从问题描述、数据资源和解决方案三个方面,解释工业问题,如故障预诊断和设备健康管理PHM、基于计算机视觉的智能质检、基于时序数据分析技术的生产运营优化、排程排产、生产质量分析方法、生产故障缺陷检查与定位、质量故障树、质量测试数据分析、化工过程影响因子分析。
编号 | 主题 | 理论和技术 | 参考案例 | 练习 |
---|---|---|---|---|
1 | 工业智能、设备及生产管理 | CRISP-DM跨行业数据挖掘标准流程方法论、工业智能应用误区、计算机视觉基础知识、Pytorch基础知识 | 使用CRISP-DM预测工艺参数的案例、智能质检 | 识别手写数字 |
2 | 故障预诊断和设备健康管理 | 监督学习、无监督学习、设备健康管理的基本方法、设备寿命预测方法 | 风力发电机叶片结冰预测、预警风力发电机组变桨系统齿形带断裂 | 预测COVID案例 |
3 | 计算机视觉技术在设备及生产管理中的应用 | CNN原理、对象检测基础知识、FasterRCNN、YOLO、半监督学习原理 | FasterRCNN和YOLO检测对象的案例 | 使用CNN实现多类识别,用FasterRCNN检测对象 |
4 | 生产运营优化:时序分析技术的应用 | 软测量方法、时间序列数据分析的经典方法和新兴方法、隐马尔可夫原理 | 利用PCA简化半导体制造数据、预测生产工艺参数、小波变换去除高频信息和压缩图像、异常点检测、故障诊断、地震和爆炸的聚类分析、语音特征提取 | 用TSAI分类时序数据和预测时序数据 |
5 | 生产优化之排程排产 | 排程排产、运筹学、遗传算法、Seq2Seq(RNN、Transformer) | 基于遗传算法的汽车零配件生产排程问题、遗传算法和深度学习融合在FinTech的应用 | 使用遗传算法解决TSP问题、使用RNN和Transformer实现机器翻译 |
6 | 生产质量分析方法 | 相关性分析、多因子分析方法、GAN原理 | 镀锡薄钢板质量分析、IC测试分析 | 使用GAN基于已有图片生成图片 |
7 | 生产管理与异常检测 | 预训练模型,Bert、auto-encoder原理 | 反欺诈应用、癌症检测 | 识别异常图像、使用Bert回答问题 |
8 | 强化学习在工业上的应用 | 强化学习、深度强化学习 | 机器人技术中的强化学习、Web导航和浏览器自动化、AlphaGo原理 | 用强化学习完成对抗游戏 |
9 | 工业知识管理之故障预警知识库 | 构建知识图谱的流程、运用的前沿理论 | 质量故障树 | 构建简单的知识图谱 |
- 机器视觉系统
- 图像处理概述
包括难点与挑战
具体的数据文件描述
- 使用CNN实现多类识别
- 使用simple faster rcnn 完成对象检测
- 使用InceptionTime、MiniRocket和transformer模型分类和预测时序数据
- 使用Seq2Seq和transformer实现机器翻译
- 基于已有图片生成更多的图片
- 使用Bert回答问题
- 识别异常图像
- 策略迭代法:Policy Gradient策略梯度法
- 价值迭代法:SARSA,Q学习
- Actor Critic策略迭代法和价值迭代法的融合
- 深度强化学习:DQN,A2C
- 机器人技术中的强化学习
- Web导航和浏览器自动化
- AlphaGo原理
- 使用OpenAI完成游戏
- 1 预警知识库
- 2 基础知识:知识图谱的构建流程和实现原理
- 2.1 知识图谱案例
- 2.2 工业知识图谱应用场景
- 2.3 知识图谱构建流程
- 2.4 知识图谱到认知图谱
- 2.5 在图上轻松学习深度学习
- 3 案例:质量故障树和知识图谱应用系统建设与管理过程
- 4 练习:用Elasticsearch搭建简单知识问答系统
Python
Anaconda、Pytorch,Keras
- 工业大数据分析实践 田春华等
- 化学数据挖掘方法与应用 陆文聪等
- 从大数据到智能制造 李杰等
- 工业互联网:打破智慧与机器的边界 GE
- 工业人工智能 李杰
- 工业互联网产业联盟网站 http://aii-alliance.org/
- 工业大数据产业创新平台 http://www.industrial-bigdata.com/ 中国信息通信研究院主办
- 其他工业数据集可以参考:
- Kaggle上的数据集
- https://www.kaggle.com/tags/manufacturing
- Production in industry - manufacturing
- https://data.europa.eu/euodp/en/data/dataset/PDT9cECVQI6rw6EBrE0e4w