LOADING

表單送出中，請勿關閉視窗！

跨出智慧製造的第一步-以ERP/MES為基礎的機器學習應用(2020/11/20)

如何跨出智慧製造的第一步，一直是企業惱人的問題。本課程在設計上，以ERP/MES做為基礎的機器學習應用，直接切入智慧製造。企業過去多年在ERP/MES基礎上，已經累積大量的BOM物料表(Bill of Material)、配方(recipe)與機台設備參數資料，卻不知道這些資料的價值所在。本課程應用資料驅動與機器學習，將這些有價值的資料轉變為競爭者優勢，並協助企業轉型為智慧製造。結合管理面(情境、效益)、技術面(資料準備、簡單的模型、佈署到雲端與本地)、實作面(提供Data，Python程式設計、自動機器學習工具)與兩個實務案例(預測配方(Recipe)、設備預測維修(PHM))，學員對於智慧製造與機器學習，將會有更進一步的了解，並且有能力在公司內部啟動一個先導專案(Pilot Project)，將所學應用於公司的智慧製造上面。
工欲善其事，必先利其器。人工智慧機器學習工具(AI tools)日漸成熟，如何使用這些成熟的工具，以解決產業問題，是台灣產業面臨國際化的競爭力最大考驗與挑戰。本課程著重於AI工具的介紹、選用與練習實作，以手把手教學的方式，讓學員先了解AI工具的運作原理，再透過實例分析，應用這些AI工具來解決產業問題。課程著重在機器學習應用在數據分析上：提升產品良率、解決物料表與配方預測問題、異常關鍵因素分析及等等。

課程與研討會內容介紹

  • 日期

    講題

    講師

  • 11/20

  • 09:30~12:30

    1.人工智慧機器學習應有的認識、基本素養與思維的轉變
    ●機器學習原理? 如何訓練機器學習? 需要何種專業人才? 需要很多筆資料? 資料需要清洗整理? 需要很powerful的電腦? 在地產業的應用面?
    ●本課程建立人工智慧最基本的素養，並從管理面與技術面，回答學員在機器學習人工智慧應用上的迷失，並能在AI整體規劃上，訂定出明確的方向。
    ●策略思維的轉變：從大數據、人工智慧到人類進化論。
    2.產業供應鏈的主要大廠：目前實施人工智慧的狀況
    ●電子業、紡織業、金融業、半導體業
    3.數據分析基礎概念
    ●數據分析是甚麼:找出行為模式與關鍵影響因素
    ●數據分析不是甚麼
    ●數據分析的效益
    ●自動化數據分析
    4.深入探究數據分析流程自動化
    ●數據分析方法論介紹
    ●數據分析最適合的功能、場域
    ●數據分析的挑戰及風險
    5.主流數據分析工具和平台
    ●如何挑選數據分析工具
    ●數據分析工具分析比較:手動寫程式與自動分析工具
    6.數據分析在企葉的應用
    ●決定哪一個流程要做數據分析
    ●Manually vs. Automatically
    ●進行數據分析的概念驗證(Proof of Concept, Poc)
    ●創立持續機器學習機制:資料收集、清理、特徵工程、訓練、驗證與預測;演算法的選取:隨機深林、XGBoostAdaBoost
    ●管理制度上的改變

    北科工業4.0顧問團隊
    陳專案經理

  • 12:30-13:30

    午餐

  • 13:30-16:30

    7.以EP/MES為基礎的機器學案例:預測配方(Recipe)·設備預測維修(PHM)
    ●管理面:CasesStudy、智慧製造流程切入點(PoC:Proof of Concept)
    效益與競爭攻擊策略
    ●技術面:訓練模型並解釋數據分析與機器學習的結果與其應用、測試與怖署,結合訓練與驗證在雲端(Cloud)推論與預測在地端(Edge)的
    解決方案。也會帶入使用RPA工具(Robotic Pocess Automation)來自動收集訓練資料、處理資料不平均所造成的過度擬合與時序數列資料所
    使用的LSTM模型
    ●實作面:提供Dat使用Python程式設計、自動機器學習工具來實作
    8.其它產業AI化實務案例介紹:視時間與學員需求擇要授課
    ●虚擬量測:半導體產業品質異常關鍵因素分析/加工件公差品質分析
    ●預測顧客網路購買商品的行為
    ●保險業客戶索賠分析興預測、營行業信用卡盜刷偵測
    ●跨製程產品不良關鍵因素分析、預測配方與生產品質

    北科工業4.0顧問團隊
    陳專案經理

報名資訊

  • 主辦單位

    社團法人台灣電子設備協會

  • 上課地點

    台北市＊實際地點依上課通知為準＊

  • 課程日期

    109年11月20日

  • 報名日期

    即日起至109年11月18日止，額滿提前截止。

  • 課程目標

    本課程著眼在人工智慧機器學習工具(AI tools)的學習，透過人工智慧工具的應用，讓學員由淺入深了解對提升生產力的幫助，透過實務案例介紹：包括電子業、紡織業、金融業、半導體各種不同產業的應用(預測配方(Recipe Forecast)、設備預測維修(PHM))，回到工作崗位後，定能應用於現實工作中。

  • 課程特色

    掌握工具！ 你就比別人強。 我們團隊
    (1)教你善用日漸成熟的人工智慧機器學習工具，包含需要寫程式的Python與不需要寫程式的autoML自動機器學習工具，解決產業問題
    (2)使用實務案例教學，直接與業界應用接軌。
    1. 一次學兩個實務案例：預測配方(Recipe Forecast)、設備預測維修(PHM)。
    2. 人工智慧應用實務案例介紹：回到工作崗位後，定能應用於現實工作中。其他數據分析案例介紹：虛擬量測：半導體產業品質異常關鍵因素分析/加工件公差、預測顧客網路購買商品的行為、生產品質預測(跨製程產品不良分析)
    3. 業界資深顧問授課 (實務案例教學，非理論派)

  • 適合對象

    【修課條件】 ◎對此議題有學習興趣者。
    ◎想要了解與學習如何應用人工智慧機器學習工具來解決產業界的問題者。
    ◎欲透過業界人工智慧機器學習個案教學與實務案例介紹來學習新的技能者。
    【適合對象】
    ◎各產業人員、主管、儲備幹部及相關行業
    ◎中高階經理人、執行長、企業負責人
    ◎本課程適合從未學習過人工智慧機器學習，但需要有經驗者引領理論學習與實務演練的學員而設計
    ※備註：本課程學生不需要數學跟統計基礎
    ※備註：本課程會以python工具教學，以適合有程式基礎者
    ※備註：本課程同時也會以自動機器學習工具教學，以適合沒有程式基礎者

  • 課程注意事項

    上午：知識理論與實務案例介紹
    下午：搭配實作練習(請攜帶筆記型電腦並安裝好Google Chrome瀏覽器)

  • 報名費用

    原價：4,500元/人(費用請勿另扣除郵資及匯兌手續費)

  • 課程優惠

    1.11/6前報名且完成繳費者，享早鳥優惠價$4,000元。
    2.二人同行優惠價每人$3,500元。
    3.TEEIA會員優惠價$3,000元。
    ※請於開課前完成繳費，課程現場繳費 ，恕不享以上優惠資格。※

  • 繳費資訊

    因現場座位有限，以先繳費者為優先，額滿為止。(費用請勿另扣除郵資及匯兌手續費。)
    1.支票或匯票─請開立109年11月18日到期支票，“掛號”郵寄方式繳費並附線上報名通知影本
    ►支票或匯票抬頭─社團法人台灣電子設備協會(請務必寫全名)
    ►郵寄地址─11011台北市信義路五段5號3樓3E41室　鄭 小姐收
    2.電匯或ATM轉帳後“傳真”匯款收執聯或ATM轉帳記錄並註明報名課程及人員
    ►受款帳戶─社團法人台灣電子設備協會(請務必寫全名)
    ►受款銀行─土地銀行工研院分行 (土銀代碼：005)
    ►受款帳號─156-001-000951
    ►備　　註─請勿塗改轉出帳號，以利本會對帳核銷

  • 退費標準

    若欲取消報名， 請於開課前2日以傳真或email告知主辦單位， 並電話確認退費事宜，逾期將郵寄講義，恕不退費。
    未於期限內申請退費，則不得以任何因素要求退費，惟可轉讓與其他人參訓。

  • 聯絡人

    TEL：02-27293933 ext.17楊小姐, ext.22鄭小姐
    FAX：02-27293950
    E-mail：vivi@teeia.org.tw、anne@teeia.org.tw

※注意事項

1. 協會保有更改課程內容與上課時間之權利。
2. 因課前教材、講義及餐點之準備及需為您進行退款相關事宜，若您不克前來，請於開課三日前告知，以利行政作業進行並共同愛護資源。
3.若原報名者因故不克參加，但欲更換他人參加，敬請於開課前二日通知。
4.為尊重講師之智慧財產權益，恕無法提供課程電子檔。

top