Skip to content

工业智能实战课程介绍

Jump to bottom
bettermorn edited this page Jul 14, 2022 · 21 revisions

课程对象

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。

课程目标

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。

课程内容

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。

课程形式

讲授基础知识、关键技术、典型案例

实际练习关键技术，需要逐步准备合适的案例，主要需要足够的数据

9天，每次包括多个案例和练习

课程内容

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

第一天大纲

1.工业智能基础知识

1.1 跨行业数据挖掘标准流程方法论CRISP-DM介绍

1.2 运用CRISP-DM方法解决问题的具体案例:业务问题、问题描述、 技术挑战、模型实现

1.3 工业智能应用误区及解决办法

1.4 工业智能团队组建方法

1.5 介绍工业互联网创新发展行动计划（2021-2023年）

1.6 工业智能参考书籍

2.设备及生产管理：计算机视觉技术的应用

2.1 基础知识

2.1.1. 深度学习原理

2.1.2. 计算机视觉概述

  • 机器视觉系统
  • 图像处理概述

2.2 关键技术

卷积神经网络

使用Keras构建神经网络

2.3 实际案例

图像分类：手写数字识别

参考链接：https://github.com/GoogleCloudPlatform/tensorflow-without-a-phd/blob/master/tensorflow-mnist-tutorial/

问题描述

包括难点与挑战

数据资源

具体的数据文件描述

建模方法

尝试多种调优方法

模型评价方法

第二天大纲：PHM

1 故障预诊断和设备健康管理

2 预测分析方法

基础知识：回归分析法、决策树

案例1：使用回归分析法预测销售量

案例2：使用随机森林预测商品销售量

案例3：预警风力发电机组变桨系统齿形带断裂

案例4：风力发电机叶片结冰预测

3 练习：预测COVID、手写数字识别

4 设备寿命预测

第三天大纲：设备及生产管理

1 设备及生产管理：计算机视觉技术的应用

2 对象检测基础知识和技术

2.1 CNN原理

2.2 faster RCNN

2.3 YOLO 以及YOLO预训练模型

3 实际案例

对象检测：实现faster RCNN用于对象检测或者使用YOLO进行物体检测

4 练习

  • 使用CNN实现多类识别
  • 使用simple faster rcnn 完成对象检测

第四天大纲：时间序列数据分析与运营优化

1 运营优化：预测生产参数

2 时序分类和预测基础知识

2.1 经典方法

特征抽取方法，数据相关性 SVD

ICA

特征抽取方法，数据独立DFT/DWT DCT ，傅里叶和小波变换，PyWavelets

线性预测 ARIMA， Vector ARIMA

2.2 新兴方法

Transformer-Based 模型

InceptionTime 模型

MiniRocket模型

3 案例

4 练习

  • 使用InceptionTime、MiniRocket和transformer模型分类和预测时序数据

第五天大纲：生产优化和机器翻译

1 排程排产

2 基础知识

运筹方法

遗传算法

seq2seq

transformer

3 案例：遗传算法排程排产

4 练习

  • 使用Seq2Seq和transformer实现机器翻译

第六天大纲：质量分析方法和用GAN生成数据

1 质量分析背景

2 基础知识

相关性分析、多因子分析方法

GAN的基本原理

3 案例：镀锡薄钢板质量分析

4 练习

  • 基于已有图片生成更多的图片

第七天大纲：生产管理识别异常

1 基础知识

预训练模型

Bert模型

无监督学习和auto-encoder原理

2 案例

3 练习

  • 使用Bert回答问题
  • 识别异常图像

第八天大纲：强化学习在工业中的应用

1 强化学习的实际案例

2 基础知识

  • 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

3 案例：

  • 机器人技术中的强化学习
  • Web导航和浏览器自动化
  • AlphaGo原理

4 讲解练习

  • 使用OpenAI完成游戏

第九天大纲：工业知识管理之故障预警知识库

  • 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

第十天大纲：总结、复习和考试

课程准备

基础知识

Python

工具

Anaconda、Pytorch，Keras

参考资料

Clone this wiki locally