利用生產現場產生的數據進行異常檢測與生成AI在產業現場的導入及應用要點
本課題針對如何有效導入和應用，生產現場產生的數據進行異常檢測技術，並介紹最近熱門的生成AI在生產現場中的應用。將重點探討異常檢測中的數據預處理的重要性，並介紹克服數據不足的具體方法，解釋如何通過數據預處理生成數據或在收集不足數據時的關鍵要點。此外，雖然生成AI被認為是解決當前生產/維護現場問題的方案，但其應用的推進仍面臨挑戰。講演將分析為何推進受阻，並提出推動生成AI應用的方案，包括有效的導入方法、應用方案以及如何建立相應的推進體制。
一、前言
二、異常檢測技術基礎
2-1 異常檢測技術的基本概念與重要性
2-2 來自現場的數據在異常檢測中的挑戰
三、收集缺失數據時的要點
3-1 收集缺失數據時需要注意的事項
3-2 如何以最低成本收集所需數據
四、數據收集設備與儲存系統
4-1 WiFi振動傳感器
4-2 利用聲音進行異常檢測
五、數據預處理的重要性與方法
5-1 數據預處理在異常檢測中的作用
5-2 雜訊去除與數據清洗的實踐
5-3 從少量數據中提取有用訊息的方法
六、生成AI在生產現場的應用
6-1 生成AI用於數據補全及其技術可能性
6-2 生成AI如何幫助解決生產現場的問題
6-3 實際應用案例介紹
七、生產/維護現場推進生成AI應用的障礙與突破方案
7-1 分析生成AI應用推進的障礙
7-2 提出有效的導入方法與應用建議
7-3 建立生產/維護現場的推進體制
八、Real-Time異常檢測的新方法
8-1 利用邊緣計算進行異常檢測
8-2 通過Real-Time數據應用提升生產力
九、推進AI現場導入的挑戰與對策
9-1 現場導入時的要點
9-2 為何會失敗？
9-3 人才培育的要點
十、總結與未來展望
三建可為企業規劃專屬內訓課程，含客製化大綱、講師派遣與教材配套。