DZIEŃ 1:
Moduł 1: Podstawowe miary oceny efektywności pracy i jakości, jako element niezbędny do zasilenia AI:
Współczynnik OEE jako podstawa oceny efektywności produkcji.
KPI do oceny jakości produkcji.
Ocena skuteczności działań konserwacyjnych i naprawczych (TPM) – pomiar awaryjności maszyn i urządzeń.
Moduł 2: Wprowadzenie do AI w przemyśle produkcyjnym:
Podstawowe pojęcia AI i uczenia maszynowego w kontekście produkcji.
Przykłady zastosowań AI w różnych branżach produkcyjnych.
Analiza danych produkcyjnych – identyfikacja potencjalnych obszarów optymalizacji.
Moduł 3: Predykcyjna konserwacja i optymalizacja procesów:
Wykorzystanie AI do przewidywania awarii maszyn i zapobiegania przestojom.
Optymalizacja procesów produkcyjnych – zwiększenie wydajności i redukcja kosztów.
Monitorowanie parametrów produkcji w czasie rzeczywistym i reagowanie na odchylenia.

DZIEŃ 2:
Moduł 4: Digitalizacja firm produkcyjnych - Pomiar efektywności procesów i analiza danych z wykorzystaniem MES – „od excela do analizy danych przez sztuczną inteligencję”:
MES – Manufacturing Execution System.
MES a systemy ERP.
Systemy automatycznego zbierania danych na potrzeby OEE (MDC – Maintenance Data Colection).
Moduł 5: Kontrola jakości i zapewnienie bezpieczeństwa:
Automatyzacja kontroli jakości – wykrywanie defektów i wadliwych produktów.
Zastosowanie AI w systemach bezpieczeństwa – monitorowanie i zapobieganie wypadkom.
Inteligentne roboty i automatyzacja – zastosowanie robotyki współpracującej (cobots).
Moduł 6: Wdrożenie AI w firmie produkcyjnej:
Wybór odpowiednich narzędzi i technologii AI.
Strategie wdrożenia i zarządzania projektami AI.
Kwestie bezpieczeństwa danych i etyczne aspekty AI w produkcji.