제조 산업과 AI 활용 과정 3차(21H)
제조 현장의 실무자 및 구직자를 대상으로 현장의 노하우를 데이터화하고, 비전 AI와 예지 정비 등을 활용해 스마트팩토리 공정을 최적화하는 실무 역량 강화 교육 과정
● 강의 개요
- 교육분야: 스마트팩토리 + AI
- 교육목적
- 현장의 “숙련도”를 “데이터”로 체득하고 인사이트까지 얻는 과정을 이해한다.
- 스마트 팩토리와 제조 데이터의 구조적 이해
- 이미지 데이터를 활용한 비전 AI 검사 기술 습득
- 노코드 AI를 이용한 공정 관리 및 불량 검출 모델 구현
- 설비 예지 정비(PdM) 및 이상 탐지 체계 구축 역량 강화
- 가상 공정 시뮬레이션 및 유연 생산 시스템의 이해
- 교육대상: 해당 분야 관심있는 재직자 혹은 구직자
- 제조 현장에 AI 도입을 검토 중인 현업 실무자
- 데이터 기반의 공정 최적화를 원하는 생산 관리자
- 설비 유지보수 및 예지 정비 시스템 구축 담당자
- 스마트 팩토리 전환 프로젝트 리더 및 기획자
- 제조 분야 AI 알고리즘 적용에 관심 있는 엔지니어
- 강의기간: 2026.07.27~07.29 (09:00 ~ 17:00) (21H)
- 운영방식: 오프라인 대면 강의
● 강의 내용
1일차
스마트 제조와 AI 개요 이해
제조 데이터 수집, 정제 및 분석 기초
- 데이터 개요 및 기초
- 제조 데이터 유형 및 특성
- 제조 데이터 구조 이해
- (PLC-센서-클라우드 기반) 제조 데이터 수집 구조
- 데이터 전처리 및 정제 방법 (결측치, 이상치 처리)
- 데이터 통합 및 품질 관리 방법
- EDA(탐색적 데이터 분석) 기반 패턴 분석
- 공정 데이터 기반 인사이트 도출
2일차
비전 AI 기반 품질 검사
- 비전 AI 기반 검사 시스템 구조
- 이미지 데이터 수집 및 라벨링 프로세스
- 불량 검출 모델 개념 및 적용 방식
- 품질 검사 자동화 사례 분석
- 불량 검출 결과 해석 및 개선 포인트 도출
공정 최적화를 위한 AI 모델 적용
- 노코드/로우코드 기반 AI 활용 구조 이해
- Orange 기반 데이터 분석 실습
- 공정 데이터 기반 예측 모델 개념
- 예측 결과를 공정 개선에 연결하는 방법
- AI 모델 운영 흐름(MLOps) 기초 이해
- 공정 개선 시나리오 설계
- PyTorch 기반 DNN 예제
3일차
설비 데이터 분석과 스마트 운영
- 설비 센서 데이터 기반 이상 탐지
- 예지보전(Predicted Maintenance) 개념
- KPI 기반 공정 모니터링 및 대시보드 설계
- 실시간 데이터 기반 의사결정 구조
- 사례 분석: 현장 적용 운영 전략
스마트 공장 확장과 미래 제조 전략
- 디지털 트윈 및 가상 공장 개념과 활용
- 물류 자동화 및 제조 로봇(AVR, 협동로봇) 이해
- 유연 생산 시스템(FMS) 및 스마트 생산 전략
- 제조 AI 도입 로드맵 및 조직 변화
- 미래 제조 트렌드 및 산업 전망
- 참고
- 실습은 주로 Orange 등의 무료도구를 사용함
- 실습 데이터는 가상의 데이터를 사용함
- 실습의 목적은 실질적인 기술을 익히는 것이 아니라 관리자와 실무자로서 데이터의 흐름을 이해하고 의사결정에 활용하는 법을 중심으로 함