Treści szkoleniowe obejmują praktyczną produkcję podzespołów do montażu „magazynu wysokiego składowania” przy użyciu różnych maszyn, narzędzi i procesów.
Nacisk położony jest na wiercenie i formowanie przy użyciu półproduktów z zestawu edukacyjnego. Dodatkowo nauczane są podstawy frezowania i toczenia, a w trakcie toczenia wykonywane są części praktyczne.
Kolejnym tematem jest produkcja addytywna: komponenty są projektowane w systemie CAD, a następnie produkowane metodą addytywną.
Części te są następnie łączone z innymi komponentami, tworząc działający zespół. Kurs kończy się montażem mechanicznym i elektrycznym wszystkich wyprodukowanych części i części standardowych, a także kompletnym uruchomieniem magazynu piętrowego, dzięki czemu uczestnicy otrzymują kompleksowe przeszkolenie w zakresie procesów produkcyjnych, montażu i uruchamiania systemów mechatronicznych.
SkillsConveyor oferuje praktyczne szkolenie w zakresie podstaw uruchamiania systemów technicznych. Montują i podłączają elementy mechaniczne i elektryczne, testują sygnały i usuwają usterki.
Uczniowie uczą się, jak działają przekaźniki sterujące, budują i testują obwody sterujące ze stycznikami, przekaźnikami, przyciskami i wyłącznikami krańcowymi oraz ćwiczą rozwiązywanie problemów.
Pogłębisz swoją wiedzę na temat silników prądu przemiennego, podłączając i obsługując układy sterowania silnikami za pomocą urządzeń zabezpieczających i przełączających.
Ponadto zaprogramujesz proste zadania sterujące za pomocą Siemens LOGO!, zrozumiesz logikę boolowską i wykażesz się umiejętnościami teoretycznymi i praktycznymi.
Na zakończenie nauczysz się programowania sterowników PLC, tworzysz programy dla przenośnika taśmowego i integrujesz czujniki, aby sprawdzić swoją wiedzę.
Korzystając ze SkillsConveyor i zestawu narzędzi IIOT Machine Learning Kit, poznasz podstawy uczenia maszynowego i nauczysz się stosować je w praktyce.
Pracując w dydaktycznym systemie produkcyjnym, nauczysz się podstaw przetwarzania obrazu za pomocą sztucznej inteligencji (AI) i uczenia maszynowego (ML), a także wykorzystania konwolucyjnych sieci neuronowych (głębokiego uczenia).
Stosują metody uczenia nadzorowanego i uczą się klasyfikacji obrazów na potrzeby zastosowań w dziedzinie widzenia komputerowego.
Na koniec dowiesz się, w jaki sposób można doposażać i modernizować systemy IoT.