کتاب بهبود کیفیت با کنترل آماری و هوش مصنوعی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهبود کیفیت با کنترل آماری و هوش مصنوعی

موضوع کلی: مهندسی صنایع و هوش مصنوعی

موضوع میانی: بهبود فرآیندها

📋 سرفصل‌های دوره

• 1. آشنایی با کنترل کیفیت و اهمیت آن
• 2. مفاهیم آماری پایه در کنترل کیفیت
• 3. انواع نمودارهای کنترل کیفیت
• 4. نمودار کنترل برای داده‌های پیوسته
• 5. نمودار کنترل برای داده‌های گسسته
• 6. تحلیل قابلیت فرآیند
• 7. شاخص‌های قابلیت فرآیند (Cp, Cpk, Pp, Ppk)
• 8. نمونه‌برداری و برنامه‌های نمونه‌برداری
• 9. طراحی آزمایش‌ها (DOE) برای بهبود کیفیت
• 10. عوامل مؤثر در انتخاب طرح آزمایش
• 11. تحلیل واریانس (ANOVA) در کنترل کیفیت
• 12. آشنایی با شش سیگما
• 13. متدولوژی DMAIC در شش سیگما
• 14. مراحل تعریف مسئله (Define) در DMAIC
• 15. مراحل اندازه‌گیری (Measure) در DMAIC
• 16. مراحل تحلیل (Analyze) در DMAIC
• 17. مراحل بهبود (Improve) در DMAIC
• 18. مراحل کنترل (Control) در DMAIC
• 19. کنترل آماری فرآیند (SPC) پیشرفته
• 20. استفاده از نرم‌افزارهای آماری در SPC
• 21. آشنایی با هوش مصنوعی و کاربردهای آن در کنترل کیفیت
• 22. یادگیری ماشین در تشخیص عیوب
• 23. شبکه‌های عصبی مصنوعی و پیش‌بینی کیفیت
• 24. بینایی ماشین و بازرسی خودکار
• 25. پردازش زبان طبیعی (NLP) در تحلیل داده‌های کیفی
• 26. جمع‌آوری و پیش‌پردازش داده‌ها برای هوش مصنوعی
• 27. انتخاب مدل مناسب یادگیری ماشین برای کنترل کیفیت
• 28. ارزیابی عملکرد مدل‌های هوش مصنوعی
• 29. استفاده از الگوریتم‌های خوشه‌بندی برای شناسایی الگوهای عیوب
• 30. تحلیل سری‌های زمانی و پیش‌بینی روند کیفیت
• 31. بهینه‌سازی پارامترهای فرآیند با استفاده از الگوریتم‌های بهینه‌سازی
• 32. کنترل کیفیت مبتنی بر داده‌های بزرگ (Big Data)
• 33. امنیت داده‌ها و حریم خصوصی در کنترل کیفیت هوشمند
• 34. اثرات هوش مصنوعی بر نقش متخصصان کنترل کیفیت
• 35. مدیریت تغییر و پذیرش فناوری‌های جدید
• 36. استفاده از اینترنت اشیا (IoT) در جمع‌آوری داده‌های کیفیت
• 37. تحلیل ریشه‌ای با استفاده از تکنیک‌های هوش مصنوعی
• 38. پیش‌بینی خرابی تجهیزات با استفاده از یادگیری ماشین
• 39. کنترل کیفیت در زنجیره تأمین
• 40. استانداردهای بین‌المللی کنترل کیفیت (ISO 9001)
• 41. تحلیل هزینه کیفیت (Cost of Quality)
• 42. مقایسه روش‌های سنتی و هوشمند کنترل کیفیت
• 43. آینده کنترل کیفیت و نقش هوش مصنوعی
• 44. مطالعه موردی: پیاده‌سازی موفق سیستم کنترل کیفیت هوشمند
• 45. چالش‌ها و فرصت‌های پیاده‌سازی هوش مصنوعی در کنترل کیفیت