Základy mechanické výroby se systémem SkillsMagazine

Obsah výuky zahrnuje praktickou výrobu součástí pro sestavu „stohovací zásobník“ s využitím různých strojů, nástrojů a postupů.

Důraz je kladen na vrtání a tváření polotovarů z výukové sady. Účastníci se navíc seznámí se základy frézování a soustružení, přičemž při soustružení vznikají cvičné obrobky.

Dalším hlavním tématem je aditivní výroba: součásti se navrhují v softwaru CAD a následně se vyrábějí aditivní technologií.

Díly se spojí s dalšími součástmi do funkčního celku. Kurz je zakončen mechanickou a elektrickou montáží všech vyrobených dílů a standardních komponentů, jakož i kompletním uvedením stohovacího zásobníku do provozu, takže účastníci získají komplexní vzdělání v oblasti výrobních postupů, montáže a uvádění mechatronických systémů do provozu.

Základy automatizační techniky se SkillsConveyor

SkillsConveyor vám prakticky zprostředkuje základy uvádění technických systémů do provozu. Budete montovat a zapojovat mechanické a elektrické součásti, testovat signály a odstraňovat poruchy.

Přejít na video

Naučíte se, jak fungují reléové řídicí systémy, sestavíte a otestujete řídicí obvody se stykači, relé, tlačítky a koncovými spínači a procvičíte si vyhledávání poruch.

Své znalosti o motorech na střídavý proud si prohloubíte zapojováním a provozováním řídicích systémů motorů s ochrannými a spínacími zařízeními.

Přejít na video

Kromě toho budete programovat jednoduché řídicí úlohy v jazyce Siemens LOGO!, porozumíte booleovské logice a prokážete své znalosti v teorii i praxi.

Na závěr se naučíte programování PLC, vytvoříte programy pro dopravní pás a integrujete čidla, abyste ověřili své znalosti.

Přejít na video

Strojové učení v automatizační technice se SkillsConveyor

Díky SkillsConveyor a sadě IIOT Machine Learning Kit se naučíte základy strojového učení a uplatníte je v praxi.

Na didaktickém výrobním systému se naučíte základy umělé inteligence a strojového učení v oblasti zpracování obrazu a také využití konvolučních neuronových sítí (deep learning).

Budete používat monitorované metody učení a naučíte se klasifikaci obrázků pro počítačové kamerové aplikace.

Na závěr se dozvíte, jak lze systémy v rámci IoT dodatečně vybavit a modernizovat.