Kursy

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Program kursu

AI w firmach produkcyjnych – praktyczne zastosowanie

Informacje ogólne
Nazwa usługi: AI w firmach produkcyjnych – praktyczne zastosowanie Rodzaj usługi: Szkolenie Forma realizacji: Szkolenie stacjonarne / zdalne Liczba godzin szkoleniowych: 24 godziny dydaktyczne (możliwa wersja 16 h) Grupa docelowa:
  • kadra zarządzająca i kierownicy produkcji
  • inżynierowie, technolodzy, planiści
  • pracownicy działów jakości, utrzymania ruchu, logistyki
  • specjaliści ds. optymalizacji procesów
Wymagania wstępne: Podstawowa znajomość procesów produkcyjnych i obsługi komputera
Cel główny szkolenia
Celem szkolenia jest rozwinięcie kompetencji uczestników w zakresie praktycznego, bezpiecznego i efektywnego wykorzystania narzędzi sztucznej inteligencji do optymalizacji procesów produkcyjnych, planowania, kontroli jakości oraz wspierania decyzji operacyjnych i menedżerskich.
Cele szczegółowe
Uczestnik szkolenia:
  • rozumie możliwości i ograniczenia AI w środowisku produkcyjnym,
  • wykorzystuje AI do analizy procesów i danych produkcyjnych,
  • wspiera planowanie i optymalizację produkcji,
  • automatyzuje wybrane zadania analityczne i raportowe,
  • zna zasady bezpieczeństwa danych i odpowiedzialnego wdrażania AI,
  • potrafi zaprojektować zastosowanie AI w swojej firmie.
Efekty uczenia się (BUR)
Wiedza
Uczestnik:
  • opisuje zastosowania AI w firmach produkcyjnych,
  • rozumie ograniczenia AI w procesach technologicznych,
  • zna ryzyka organizacyjne, prawne i operacyjne,
  • rozumie rolę danych w systemach AI.
Umiejętności
Uczestnik:
  • wykorzystuje AI do analizy danych produkcyjnych i raportów,
  • wspiera planowanie i harmonogramowanie produkcji,
  • identyfikuje obszary do optymalizacji z użyciem AI,
  • tworzy prompty do analiz i raportów,
  • weryfikuje rekomendacje generowane przez AI.
Kompetencje społeczne
Uczestnik:
  • odpowiedzialnie korzysta z AI w środowisku produkcyjnym,
  • współpracuje przy wdrażaniu rozwiązań AI,
  • inicjuje usprawnienia procesów,
  • krytycznie ocenia rekomendacje systemów AI.
Program szkolenia (24 godziny)
  1. Wprowadzenie do AI w firmach produkcyjnych (3 h)
    1. Czym jest AI i uczenie maszynowe
    2. Rola AI w nowoczesnej produkcji (Industry 4.0 / 5.0)
    3. Przykłady wdrożeń AI w produkcji
    4. Korzyści i ograniczenia AI
    5. AI a bezpieczeństwo i odpowiedzialność
  2. Dane i AI w produkcji (4 h)
    1. Dane produkcyjne jako fundament AI
    2. Jakość danych i ich przygotowanie
    3. AI w analizie danych procesowych
    4. Raportowanie i wizualizacja wyników
    5. Ćwiczenia praktyczne na przykładowych danych
  3. AI w planowaniu i optymalizacji produkcji (4 h)
    1. Wsparcie planowania produkcji przez AI
    2. Harmonogramowanie i optymalizacja zasobów
    3. Analiza wąskich gardeł
    4. Scenariusze „co jeśli”
    5. Ograniczenia AI w planowaniu
  4. AI w kontroli jakości i utrzymaniu ruchu (4 h)
    1. AI w kontroli jakości (koncepcyjnie)
    2. Wykrywanie niezgodności i anomalii
    3. Predictive maintenance – podstawy
    4. AI jako wsparcie decyzji UR
    5. Studium przypadku
  5. Automatyzacja analiz i raportów (4 h)
    1. AI jako asystent analityczny
    2. Automatyczne raporty produkcyjne
    3. Analiza KPI i wskaźników efektywności
    4. Wsparcie decyzji operacyjnych
    5. Ćwiczenia praktyczne
  6. Bezpieczeństwo, prawo i governance AI (3 h)
    1. Bezpieczeństwo danych produkcyjnych
    2. AI a RODO i poufność informacji
    3. Ryzyka wdrożeń AI
    4. Role i odpowiedzialności w organizacji
    5. Tworzenie zasad korzystania z AI
  7. Projekt wdrożeniowy – AI w firmie produkcyjnej (1,5 h)
    1. Wybór procesu do wsparcia przez AI
    2. Projekt rozwiązania
    3. Konsultacje i omówienie rezultatów
  8. Podsumowanie szkolenia (0,5 h)
    1. Wnioski praktyczne
    2. Dobre praktyki wdrażania AI
    3. Dalszy rozwój kompetencji
Metody dydaktyczne
  • warsztaty praktyczne
  • studia przypadków produkcyjnych
  • praca projektowa
  • analiza danych
  • dyskusje moderowane
Metody weryfikacji efektów uczenia się
  • zadania praktyczne
  • obserwacja pracy uczestników
  • projekt wdrożeniowy
  • dyskusja podsumowująca