智慧工廠落 地實施的10堂課：深入解析智慧製造案例與應用
智慧工廠
在過去， 智慧工廠的概念被視為一種遙不可及的奢侈幻想。然而，隨著人工智慧和生產制造技術的不斷進步和演進，智慧製造實施的夢想已經逐漸變得觸手可及。
在這堂課程裡，你將深入了解智慧製造的概念與技術，並帶你一步步實際操作進行應用，透過挑戰真實案例培養解決問題能力。尤其是在ESG(環境、社會和治理)主題興起的背景下，不再只是一個未來的畫餅，而是成為了現代製造業追求和實現的必然趨勢。這樣的轉變不僅是技術的巨大飛躍，更代表著全球製造業在追求可持續、高效和環保的生產模式上的決心和努力。
課程資訊
預計課堂
開課時間
課程對象
上課地點
預計時長
課程效益
課程效益
- 深入了解智慧工廠：獲得對智慧製造的全面認識，包括其概念、技術和在製造業中的作用。
- 問題解決能力：增強快速識別生產中的問題並設計出解決方案的能力。
- 探索演算法的應用：學習正確的工廠數據收集和整理，並透過合適的演算法解決廠內常見的問題。
- 自主發展智慧製造：掌握如何結合內部知識和外部算法技術來推動企業自主發展智慧製造。
本班通過AIGO計畫，政府補助 50% 學費
- 補助對象:
(一) 年滿20歲具中華民國國籍之自然人。
(二) 參訓學員不得以同一課程同時申領其他同類型之政府補助。 - 補助資格：
(一) 出席時數需達總培訓時數80%以上（至少出席24小時以上）
(二) 完成三份練習作業，及一份報告。
(三) 填寫參訓學員意見調查表 - 補助方式：
(一) 報名時須先繳交全額課程費用，結訓後符合資格退還50%
指導單位
主辦單位
課程簡介
智慧工廠 是製造業的必然趨勢
但聽到要將之落地實現，你是不是也...
智慧工廠是製造業的必然趨勢，但聽到要將之落地實現，你是不是也...
#覺得很難落地
我能看出工廠問題的所在，但缺乏智慧製造的實務經驗，無法有效解決問題。
#缺乏實務經驗
我能看出工廠問題的所在，但缺乏智慧製造的實務經驗，無法有效解決問題。
＃沒有專業技術
我有很多很好的想法和細節，但不會程式語言和演算法，不知道如何將想法與現實串接起來。
別擔心，這堂課將培養出能帶領公司發展智慧工廠的即戰力！
人人都可以成為發展 智慧工廠 的動力！
＃對於工程師:
透過的豐富的實戰經驗和學習資源，深入了解智慧工廠的概念，在短時間內掌握技術細節！
＃對於製造業高級主管:
了解在工廠數位轉型中需要考慮的事宜，以及如何透過宏觀和微觀的視角有效管理和解決相關問題。
＃對於公司經營者：
深化對智慧工廠和數位轉型的理解，立即掌握實施智慧製造所需的策略和技術，帶領企業在快速變化的商業環境中保持競爭力。
這堂課和一般學程式的課有什麼不同？
＃實務導向的實戰課程
不同於一般程式課程的理論灌輸，我們著重實演算法在工廠的應用，讓你在真實場景中學以致用。
＃課程直指核心立即上手
與一般冗長的課程不同，我們直指工廠中最常見的問題，學習後可立即上手，解決廠中實際問題。
＃真實案例培養問題解決能力
與一般程式課程不同，我們透過挑戰真實案例，磨練問題分析解決問題的能力，鞏固學到的技能。
＃宏觀的角度分析問題
與普通課程不同，我們結合講師的專業經驗，讓你能更全面的角度，找到工廠問題解法。
講師介紹 黃逸華Eric
＊臺灣人工智慧協會技術交流處長
＊中華亞太智慧物聯協會執行長
＊華實智造數據長
＊特靈空調系統(中國)有限公司工廠自動化總監
＊華科智造數據科技公司總經理
＊美商訊能集思智能科技公司副總裁
＊臺灣電子電機同業公會能源管理服務委員
專注宏觀數據戰略及流程規劃、工業領域資料採擷及分析、工業流程自動化、智慧製造、服務製造、運營管理體系設計等領域，協助客戶有效轉型資料驅動型企業。曾協助世界500企業、重要城進行資料服務頂層設計、導入大區域大範圍能來源資料管理專案。
課程中會解決的實際工廠情境
情境：
某工廠蒐集到數據往往品質不佳，無法有效利用數據來提升決策和運營效能？
解決方法：
引入數據清洗技巧，檢測和處理缺失值、異常值，並統一資料轉換後的規格，以確保數據的準確性和完整性。
情境：
傳統統計數據的方式難以滿足即時性需求，如何將數據即時呈現，並能作為決策的參考？
解決方法：
建立一個的「戰情中心」，統整所有數據，透過演算法雖時同步將數據轉化為可視化的介面，幫助管理團隊的即時作出決策。
情境：
某工廠設備都有按照規定定期保養，但設備還是會有故障發生，對生產線造成影響。
解決方法：
定期收集並分析設備運行數據，監控機器異常振動、過熱等預兆，建立機器運行狀態模型，以預測潛在故障，避免生產線停工。
情境：
某工廠在常在生產過程中產品品質的不一致，以及生產線上發現的不合格產品。
解決方法：
透過演算法讓機器實時監控生產線，自動檢測產品品質，及早發現和處理不合格品，確保生產出高品質的產品。
情境：
某工廠希望整合多處數據，提供管理團隊決策支援，提升運營效率。
解決方法：
實施工業物聯網系統，收集、傳送並分析設備數據，搭配雲計算技術整合多源數據，進行大數據分析和決策優化，以提升工廠運營效率。
情境：
某工廠因為有設備需要連接網路運作，加上員工操作不當，導致機密數據洩漏。
解決方法：
強化網絡安全，透過加密、身份驗證和監控，防止駭客入侵工廠系統，並提供員工定期的數據安全培訓，規範處理內部機密的標準流程，建立報告機制以通報潛在風險。
圖文搭配的教學手法
清楚的圖片搭配說明，馬上理解課程重點
課程主題架構圖
透過架構圖，系統性的講授課程內容
全方位的課程設計：
實例解說搭配作業練習，百分百吸收課程知識
個人實戰練習
期末考試評量
讓 智慧工廠 落地的十堂課，立即優化生產流程的算法實戰
線上直播課程
直播課程讓學員跟老師可以即時互動回饋，也提供錄影隨時隨地重複觀看複習
Notion教材存取區
使用Notion，將上課中的算法教材和作業放在上面，方便學員直接下載使用
共學社群
建立共學社群，定期傳播智慧工廠最新資訊，讓學員間能互相交流。
課程章節
- 「數位轉型」是策略解、管理解或技術解
- 數位工廠的發展歷程
- 基於問題意識的發展策略
- 數據科學在智慧工廠的角色
- 數據的生命週期管理
- 數據分析流
- 大話數位工廠組織
- 萬事照起工：基於問題意識的數據方法論
- 問題一不該是「數據在哪裡」
- 數據品質的重要性
- 統計學基本概念
- 貝葉斯 vs 費雪
- 迴歸分析
- 資料庫的基本概念
- 智慧工廠裡的普通話
- 問題的描述
- 設備故障帶來嚴酷挑戰。
- 可能的方案
- 一般做法
- 智慧工廠做法
- 涉及到的算法
- 時間序列分析
- 生存分析、Cox比例風險模型。
- 基於風險的檢測(RBI)簡介
- 問題的描述
- 早期識別和預測潛在異常
- 可能的方案
- 物理解
- 數據解與《監測強度評估表》
- 涉及到的算法
- 線性回歸 多元迴歸
- 時間序列
- 聚類分析
- 問題的描述
- 生產過程中產品品質的不一致性。
- 需要提前識別品質問題，以減少浪費和回收。
- 出現的場景
- 在生產線上發現的不合格產品。
- 客戶反饋產品存在的問題。
- 可能的解決方案
- 實時監控生產線，自動檢測產品品質。
- 通過分析生產數據，找出可能的品質問題源頭。
- 涉及到的算法
- 標準差、協方差
- 多變量分析、主成分分析(PCA)。
- 關聯分析
- 問題的描述
- 如何透過工業物聯網技術提高工廠的運營效率?
- 決策支援
- 可能的方案
- 實施工業物聯網系統，收集、傳送並分析設備數據。
- 利用雲計算技術，進行大數據分析和決策優化。
- 涉及到的算法
- 邊緣運算用於在設備端進行初步數據分析。
- 深度學習用於辨識複雜的模式和趨勢。
- 數據可視化的重要性
- 工廠的戰情中心概念
- 數據的即時運算與呈現
- 實際應用與案例分享
- 智慧工廠三要素：數據、算力、人
- 不止防火牆：資訊安全
- GPU 是關鍵資產
上課時數
上課時間：
上課日期
報名費用
前二十位報名可享政府補助50%學費
二人以上優惠價：$18000 /人
如何報名
2.來電洽詢細節：02-27363878 #136黃小姐＃168王小姐
相關文章
Related Articles
