• Jak efektywnie mierzyć wydajność i jakość pracy w kontekście AI – poznasz kluczowe wskaźniki, takie jak OEE i KPI, oraz dowiesz się, jak wpływają one na decyzje dotyczące wprowadzania AI.
• Jak działa sztuczna inteligencja w przemyśle produkcyjnym – zdobędziesz podstawową wiedzę o uczeniu maszynowym, algorytmach nadzorowanych i nienadzorowanych oraz o technologiach, takich jak systemy wizyjne czy sieci neuronowe.
• Gdzie AI znajduje zastosowanie w różnych branżach – odkryjesz przykłady wdrożeń AI w przemyśle, które zrewolucjonizowały procesy produkcyjne i logistyczne.
• Jak analizować dane produkcyjne w celu optymalizacji procesów – nauczysz się, jak gromadzić dane z wykorzystaniem IoT i systemów MES oraz jak wizualizować je za pomocą narzędzi analitycznych.
• W jaki sposób wykorzystać AI do predykcyjnej konserwacji – poznasz modele predykcyjne pozwalające na przewidywanie awarii maszyn i redukcję kosztownych przestojów.
• Jak AI pomaga w optymalizacji procesów produkcyjnych – dowiesz się, jak zastosować Digital Twin i symulacje procesów do monitorowania i automatycznego reagowania na odchylenia w produkcji.
• Jak systemy MES wspierają efektywność produkcji – zgłębisz funkcjonalności systemów MES i dowiesz się, jak ich integracja z ERP wpływa na wyniki firmy.
• Jak automatyzacja z AI wspiera kontrolę jakości – zobaczysz, jak AI wykrywa mikrouszkodzenia i defekty, zwiększając precyzję i bezpieczeństwo procesów produkcyjnych.
• Jak wdrożyć AI w firmie produkcyjnej – poznasz strategie wyboru technologii.
• Jakie korzyści przynosi współpraca człowieka z inteligentnymi robotami – dowiesz się, jak coboty wspierają procesy montażowe i poprawiają wydajność dzięki integracji z AI.

• Właściciele przedsiębiorstw, członkowie zarządu, dyrektorzy operacyjni, logistyki, jakości, produkcji
• Menadżerowie średniego i wyższego szczebla w firmach produkcyjnych i logistycznych
• Pracownicy działów zarządzania jakością
• Osoby związane z komórkami ciągłego doskonalenia w organizacji (kaizen/continuousimprovement)
• Wszyscy zainteresowani narzędziami podnoszącymi jakość wytwarzanych wyrobów i usług
• Kierownicy projektów chcących uzupełnić swój warsztat pracy i zwiększyć swoją skuteczność,
• Osoby odpowiedzialne za wdrożenie lean management oraz kaizen w organizacji

9.45   rejestracja
10.00 rozpoczęcie szkolenia

ekspert: Adam Baśkiewicz

Moduł I: Podstawowe miary oceny efektywności pracy i jakości w kontekście wprowadzania AI

• Współczynnik OEE – oceny efektywności produkcji i logistyki w kontekście AI
• KPI do oceny jakości produkcji w odniesieniu do AI
• Ocena skuteczności konserwacji i przeglądów – dlaczego to ważne w przypadku wprowadzania AI

12:15 – 13:00 przerwa

ekspert: Arkadiusz Skuza

Moduł II: Wprowadzenie do AI w przemyśle produkcyjnym

• Podstawy związane z AI i uczeniem maszynowym w kontekście produkcji
• Różnica między algorytmami nadzorowanymi i nienadzorowanymi
• Technologie AI stosowane w przemyśle (np. systemy wizyjne, sieci neuronowe)
• Przykłady zastosowań AI w różnych branżach
• Przemysł motoryzacyjny: predykcja jakości i kontrola produkcji
• Przemysł spożywczy: analiza sensoryczna i kontrola łańcucha dostaw
• Przemysł farmaceutyczny: optymalizacja procesów pakowania i monitorowanie jakości

Moduł III. Analiza danych produkcyjnych – identyfikacja potencjalnych obszarów optymalizacji

• Gromadzenie danych: czujniki IoT, systemy MES
• Metody wizualizacji danych: dashboardy, narzędzia analityczne
• Ćwiczenie praktyczne: Identyfikacja możliwości poprawy na podstawie analizy przykładowych danych

Moduł IV: Predykcyjna konserwacja i optymalizacja procesów

• Wykorzystanie AI do przewidywania awarii maszyn i zapobiegania przestojom
• Modele predykcyjne: zastosowanie algorytmów prognozowania awarii
• Zbieranie danych w czasie rzeczywistym z maszyn
• Studium przypadku: redukcja przestojów w zakładach produkcyjnych
• Optymalizacja procesów produkcyjnych
• Analiza przepływów produkcyjnych z wykorzystaniem AI
• Wpływ optymalizacji na koszty produkcji i czas realizacji zleceń
• Narzędzia do optymalizacji: symulacje procesów, Digital Twin
• Monitorowanie parametrów produkcji w czasie rzeczywistym
• Wdrażanie systemów monitorujących
• Automatyczne reagowanie na odchylenia i zapobieganie stratą jakości
• Warsztat: konfiguracja przykładowego systemu monitorowania

17.00 – zakończenie I dnia szkolenia

9.45   rejestracja
10.00 rozpoczęcie szkolenia​

• Kluczowe funkcjonalności MES: planowanie, śledzenie produkcji, raportowanie
• MES a systemy ERP
• Studium przypadku: poprawa efektywności dzięki integracji systemów
• Systemy automatycznego zbierania danych na potrzeby OEE (MDC)

(Maintenance Data Collection) i jej zastosowanie

12:15 – 13:00 przerwa

ekspert: Arkadiusz Skuza

Moduł VI: Kontrola jakości i zapewnienie bezpieczeństwa

• Automatyzacja kontroli jakości – wykrywanie defektów i wadliwych produktów
• Zastosowanie AI w wykrywaniu mikrouszkodzeń
• Przykłady z różnych branż: motoryzacja, elektronika, farmacja
• Zastosowanie AI w systemach bezpieczeństwa
• Zapobieganie wypadkom dzięki predykcyjnym systemom AI
• Przykłady wdrożeń systemów bezpieczeństwa z AI
• Inteligentne roboty i automatyzacja
• Coboty – współpraca ludzi z robotami
• Optymalizacja procesów montażowych z wykorzystaniem robotyki wspomaganej AI

Moduł VII: Wdrożenie AI w firmie produkcyjnej

• Wybór odpowiednich narzędzi i technologii AI
• Kryteria wyboru narzędzi AI dla przemysłu
• Przegląd popularnych platform i narzędzi AI
• Strategie wdrożenia i zarządzania projektami AI
• Kluczowe kroki wdrożenia: od pilotażu do pełnej integracji
• Zarządzanie zmianą i szkolenie pracowników
• Studium przypadku: sukcesy i wyzwania we wdrożeniu AI
• Kwestie bezpieczeństwa danych i etyczne aspekty AI
• Ochrona danych w systemach AI
• Etyka w zastosowaniach AI – odpowiedzialność i przejrzystość

17.00 – Zakończenie szkolenia

• liczne case study, które umożliwią wizualizację rozwiązań i zdobycie praktycznej wiedzy
• ciekawe i inspirujące przykłady
• praktyczne rozwiązania problemów