RECHERCHER
VOTRE FORMATION
Vous voulez :
– Donner du sens aux données historisées de la production.
– Assimiler le vocabulaire de l’intelligence artificielle, du machine learning et démystifier des techniques pouvant apparaître complexes en milieu industriel. Ce sont bel et bien les objectifs de ce stage qui vous présentera aussi des exemples d’applications industrielles.
– Donner du sens aux données historisées de la production.
– Assimiler le vocabulaire de l’intelligence artificielle, du machine learning et démystifier des techniques pouvant apparaître complexes en milieu industriel. Ce sont bel et bien les objectifs de ce stage qui vous présentera aussi des exemples d’applications industrielles.
OBJECTIFS
• ConnaÎtre les opportunités et technologies de l’intelligence artificielle au service de l’industrie des procédés continus.
• Être capable d’utiliser les outils de l’industrie 4.0 dans le domaine du process contrôle à des fins de maintenance prédictive.
• Comprendre par des exemples en modélisation du procédé, l’optimisation de la qualité.
• Savoir utiliser les données de production historisées pour construire des modèles non- linéaires (boîtes-noires).
• Être capable d’utiliser ces modèles pour anticiper le comportement du procédé.
• Comprendre les techniques de l’IA pouvant apparaître complexes en milieu industriel.
• Être capable d’utiliser les outils de l’industrie 4.0 dans le domaine du process contrôle à des fins de maintenance prédictive.
• Comprendre par des exemples en modélisation du procédé, l’optimisation de la qualité.
• Savoir utiliser les données de production historisées pour construire des modèles non- linéaires (boîtes-noires).
• Être capable d’utiliser ces modèles pour anticiper le comportement du procédé.
• Comprendre les techniques de l’IA pouvant apparaître complexes en milieu industriel.
MÉTHODE PÉDAGOGIQUE
• Alternance d’exposés sur les principes généraux et de mises en œuvre pratiques sur des cas concrets d’application.
• Exposés de la méthodologie de modélisation et de diagnostic par réseaux de neurones.
• Présentation de réalisations industrielles.
• Exposés de la méthodologie de modélisation et de diagnostic par réseaux de neurones.
• Présentation de réalisations industrielles.
PUBLIC
Techniciens supérieurs, Ingénieurs des services de contrôle de procédés, études process, ingénierie, recherche et développement, contrôle avancé.
PRÉREQUIS
Bonne connaissance de l’environnement du contrôle-commande des procédés industriels.
PROGRAMME
INTRODUCTION
Les techniques d’intelligence artificielle existent depuis plus de 30 ans : méthodes statistiques simples, régression PLS, réseaux de neurones, modèles de krigeage, algorithmes génétiques. Quelles raisons expliquent l’engouement généralisé pour l’IA ?
LES RÉSEAUX DE NEURONES
• Introduction aux réseaux de neurones.
• Définition d’un neurone formel et d’un réseau de neurones.
• Les algorithmes d’apprentissage adaptés aux réseaux de neurones.
• Intérêt des réseaux de neurones par rapport à des méthodes statistiques classiques.
• Utilisation de la connaissance physico-chimique d’un procédé pour structurer un réseau de neurones.
• Plan d’expériences : comment recueillir des données pour constituer une base d’apprentissage et base de test.
• Les stratégies expérimentales possibles pour minimiser le nombre d’essais lors d’une modélisation avec des réseaux de neurones.
EXEMPLES D’APPLICATIONS INDUSTRIELLES
• Mise en oeuvre de réseaux de neurones artificiels dans un cas industriel (méthodologie, configuration des données, gestion des bases de cas …).
• Retours d’expérience : les atouts de cette technique en production
TRAVAUX PRATIQUES (30 %)
• Méthodologie d’élaboration d’un plan d’expérience.
• Application d’un réseau de neurones sur des données industrielles en vue d’établir un modèle prédictif pouvant avoir des applications en maintenance prédictive.
Les techniques d’intelligence artificielle existent depuis plus de 30 ans : méthodes statistiques simples, régression PLS, réseaux de neurones, modèles de krigeage, algorithmes génétiques. Quelles raisons expliquent l’engouement généralisé pour l’IA ?
LES RÉSEAUX DE NEURONES
• Introduction aux réseaux de neurones.
• Définition d’un neurone formel et d’un réseau de neurones.
• Les algorithmes d’apprentissage adaptés aux réseaux de neurones.
• Intérêt des réseaux de neurones par rapport à des méthodes statistiques classiques.
• Utilisation de la connaissance physico-chimique d’un procédé pour structurer un réseau de neurones.
• Plan d’expériences : comment recueillir des données pour constituer une base d’apprentissage et base de test.
• Les stratégies expérimentales possibles pour minimiser le nombre d’essais lors d’une modélisation avec des réseaux de neurones.
EXEMPLES D’APPLICATIONS INDUSTRIELLES
• Mise en oeuvre de réseaux de neurones artificiels dans un cas industriel (méthodologie, configuration des données, gestion des bases de cas …).
• Retours d’expérience : les atouts de cette technique en production
TRAVAUX PRATIQUES (30 %)
• Méthodologie d’élaboration d’un plan d’expérience.
• Application d’un réseau de neurones sur des données industrielles en vue d’établir un modèle prédictif pouvant avoir des applications en maintenance prédictive.
DURÉE
15 h sur 2 jours
HORAIRES
mercredi 9 h – jeudi 17 h
TARIF
1 500 € HT
Nature des
connaissances
Perfectionnement des connaissances
Modalités d’évaluation
Non soumis à évaluation
Niveau acquis
Maîtrise
Responsable
Joëlle MALLET
Formateur principal
Joëlle MALLET
INFORMATIONS COMPLÉMENTAIRES
Formateur expert en Contrôle-Avancé.
À l’issue de la formation : Remise d’une attestation de formation avec ou sans évaluation des acquis.
Évaluation de la formation par les stagiaires.
Les repas sur Arles vous sont offerts.
À l’issue de la formation : Remise d’une attestation de formation avec ou sans évaluation des acquis.
Évaluation de la formation par les stagiaires.
Les repas sur Arles vous sont offerts.
Techniques et opportunités de l’intelligence artificielle au service de l’industrie
IA
Vous voulez :
– Donner du sens aux données historisées de la production.
– Assimiler le vocabulaire de l’intelligence artificielle, du machine learning et démystifier des techniques pouvant apparaître complexes en milieu industriel. Ce sont bel et bien les objectifs de ce stage qui vous présentera aussi des exemples d’applications industrielles.
– Donner du sens aux données historisées de la production.
– Assimiler le vocabulaire de l’intelligence artificielle, du machine learning et démystifier des techniques pouvant apparaître complexes en milieu industriel. Ce sont bel et bien les objectifs de ce stage qui vous présentera aussi des exemples d’applications industrielles.
OBJECTIFS
• ConnaÎtre les opportunités et technologies de l’intelligence artificielle au service de l’industrie des procédés continus.
• Être capable d’utiliser les outils de l’industrie 4.0 dans le domaine du process contrôle à des fins de maintenance prédictive.
• Comprendre par des exemples en modélisation du procédé, l’optimisation de la qualité.
• Savoir utiliser les données de production historisées pour construire des modèles non- linéaires (boîtes-noires).
• Être capable d’utiliser ces modèles pour anticiper le comportement du procédé.
• Comprendre les techniques de l’IA pouvant apparaître complexes en milieu industriel.
• Être capable d’utiliser les outils de l’industrie 4.0 dans le domaine du process contrôle à des fins de maintenance prédictive.
• Comprendre par des exemples en modélisation du procédé, l’optimisation de la qualité.
• Savoir utiliser les données de production historisées pour construire des modèles non- linéaires (boîtes-noires).
• Être capable d’utiliser ces modèles pour anticiper le comportement du procédé.
• Comprendre les techniques de l’IA pouvant apparaître complexes en milieu industriel.
MÉTHODE PÉDAGOGIQUE
• Alternance d’exposés sur les principes généraux et de mises en œuvre pratiques sur des cas concrets d’application.
• Exposés de la méthodologie de modélisation et de diagnostic par réseaux de neurones.
• Présentation de réalisations industrielles.
• Exposés de la méthodologie de modélisation et de diagnostic par réseaux de neurones.
• Présentation de réalisations industrielles.
PUBLIC
Techniciens supérieurs, Ingénieurs des services de contrôle de procédés, études process, ingénierie, recherche et développement, contrôle avancé.
PRÉREQUIS
Bonne connaissance de l’environnement du contrôle-commande des procédés industriels.
PROGRAMME
INTRODUCTION
Les techniques d’intelligence artificielle existent depuis plus de 30 ans : méthodes statistiques simples, régression PLS, réseaux de neurones, modèles de krigeage, algorithmes génétiques. Quelles raisons expliquent l’engouement généralisé pour l’IA ?
LES RÉSEAUX DE NEURONES
• Introduction aux réseaux de neurones.
• Définition d’un neurone formel et d’un réseau de neurones.
• Les algorithmes d’apprentissage adaptés aux réseaux de neurones.
• Intérêt des réseaux de neurones par rapport à des méthodes statistiques classiques.
• Utilisation de la connaissance physico-chimique d’un procédé pour structurer un réseau de neurones.
• Plan d’expériences : comment recueillir des données pour constituer une base d’apprentissage et base de test.
• Les stratégies expérimentales possibles pour minimiser le nombre d’essais lors d’une modélisation avec des réseaux de neurones.
EXEMPLES D’APPLICATIONS INDUSTRIELLES
• Mise en oeuvre de réseaux de neurones artificiels dans un cas industriel (méthodologie, configuration des données, gestion des bases de cas …).
• Retours d’expérience : les atouts de cette technique en production
TRAVAUX PRATIQUES (30 %)
• Méthodologie d’élaboration d’un plan d’expérience.
• Application d’un réseau de neurones sur des données industrielles en vue d’établir un modèle prédictif pouvant avoir des applications en maintenance prédictive.
Les techniques d’intelligence artificielle existent depuis plus de 30 ans : méthodes statistiques simples, régression PLS, réseaux de neurones, modèles de krigeage, algorithmes génétiques. Quelles raisons expliquent l’engouement généralisé pour l’IA ?
LES RÉSEAUX DE NEURONES
• Introduction aux réseaux de neurones.
• Définition d’un neurone formel et d’un réseau de neurones.
• Les algorithmes d’apprentissage adaptés aux réseaux de neurones.
• Intérêt des réseaux de neurones par rapport à des méthodes statistiques classiques.
• Utilisation de la connaissance physico-chimique d’un procédé pour structurer un réseau de neurones.
• Plan d’expériences : comment recueillir des données pour constituer une base d’apprentissage et base de test.
• Les stratégies expérimentales possibles pour minimiser le nombre d’essais lors d’une modélisation avec des réseaux de neurones.
EXEMPLES D’APPLICATIONS INDUSTRIELLES
• Mise en oeuvre de réseaux de neurones artificiels dans un cas industriel (méthodologie, configuration des données, gestion des bases de cas …).
• Retours d’expérience : les atouts de cette technique en production
TRAVAUX PRATIQUES (30 %)
• Méthodologie d’élaboration d’un plan d’expérience.
• Application d’un réseau de neurones sur des données industrielles en vue d’établir un modèle prédictif pouvant avoir des applications en maintenance prédictive.
DURÉE
15 h sur 2 jours
HORAIRES
mercredi 9 h – jeudi 17 h
TARIF
1 500 € HT
Nature des
connaissances
Perfectionnement des connaissances
Modalités d’évaluation
Non soumis à évaluation
Niveau acquis
Maîtrise
Responsable
Joëlle MALLET
Formateur principal
Joëlle MALLET
INFORMATIONS COMPLÉMENTAIRES
Formateur expert en Contrôle-Avancé.
À l’issue de la formation : Remise d’une attestation de formation avec ou sans évaluation des acquis.
Évaluation de la formation par les stagiaires.
Les repas sur Arles vous sont offerts.
À l’issue de la formation : Remise d’une attestation de formation avec ou sans évaluation des acquis.
Évaluation de la formation par les stagiaires.
Les repas sur Arles vous sont offerts.
RECHERCHER
VOTRE FORMATION