So senken Sie Ihre Produktionskosten durch kontinuierliche Überwachung.
kompakt. kreativ. kostenlos.
Das nehmen Sie mit:
- Verständnis zum konkreten Nutzen von Künstlicher Intelligenz und Machine Learning-Modellen in der Industrie - auc für Ihr Szenario
- Azure Machine Learning: Was steckt dahinter?
- Fachliche Anforderung vs. technische Umsetzung: So gelingt's.
- Results-to-Go: Das benötigen Sie für die Erstellung eines Proof of Concept
Weil KI Ihre Expert*innen zu neuen Held*innen macht.
effizient. individuell. automatisiert.
Dieses Webseminar ist praxisnah! Erleben Sie anhand eines echten Use Cases, wie mittels Machine-Learning-Modellen der Produktionsprozess eines Rohmetall-Herstellers permanent optimiert wird. Die laufende Produktionsprozess-Überwachung sowie der Zugriff auf bereits gesammelte Parameter aus der Vergangenheit sind wesentliche Bestandteile dieses Praxiseinblicks.
Denn: Bleiben im Modell diagnostizierte Abweichungen unbeachtet, führen diese unweigerlich zu Problemen. Eine frühzeitige Erkennung dieser Abweichungen hilft, Produktionsteams das rechtzeitiges Eingreifen zu ermöglichen. Erst dann können ein erhöhter Energiebedarf beispielsweise oder auch ein steigender Produktionsausschuss vermieden werden.
Data Scientist Sascha Henzgen sowie Dr. Harald Lakatha, Sales Manager der pmOne zeigen Ihnen in 90 Minuten - inkl. umfangreicher Live-Demo - alle für einen Produktionsoptimierungsprozess notwendigen Schritte. Zudem erläutern sie fachliche Hintergründe und zeigen, wie die Modellierung in der Microsoft Azure Machine Learning-Umgebung erfolgt.
- Vorstellung der Aufgabenstellung: Der Produktionsprozess und was optimiert werden soll.
- Vorstellung der Machine-Learning Umgebung: Welche Phasen werden in diesem Use-Case durchlaufen?
- Erstellung des Machine Learning Modells
- Begleitende Erläuterung der fachlichen und technischen Hintergründe
- Validierung des Modells
- Abschätzung der erzielbaren Einsparungen
Dieses Webseminar richtet sich an Mitarbeiter*innen und Führungskräfte aus den Bereichen Produktion, Prozessmanagement und Qualitätsmanagement.
