Osnove mehaničke proizvodnje uz SkillsMagazine

Sadržaji za učenje obuhvataju praktičnu izradu delova za modul „Magacin za slaganje“ uz primenu različitih mašina, alata i postupaka.

U fokusu su bušenje i oblikovanje sa poluproizvodima iz kompleta za učenje. Dodatno se prenose osnove glodanja i struganja, pri čemu se prilikom struganja izrađuju delovi za vežbanje.

Dodatni fokus je na aditivnoj proizvodnji: delovi se konstruišu u CAD-u a zatim aditivno proizvode.

Onda se ovi delovi spajaju sa dodatnim komponentama u funkcionalni modul. Kurs se završava mehaničkom i električnom montažom svih izrađenih delova i standardnih delova, kao i potpunim puštanjem u rad magacina za slaganje, tako da učenici dobijaju sveobuhvatno stručno obrazovanje u postupcima proizvodnje, montaže i puštanja u rad mehatroničkih sistema.

Osnove tehnike automatizacije sa SkillsConveyor-om

SkillsConveyor vam praktično prenosi osnove za puštanje u rad tehničkih sistema. Montirate i povezujete mehaničke i električne komponente, testirate signale i otklanjate smetnje.

Idite na video

Učite kako funkcionišu relej-programabilni logički kontroleri, gradite i testirate upravljačka kola sa kontaktorima, relejima, tasterima i graničnim prekidačima, i vežbate pronalaženje grešaka.

Vaše znanje o motorima naizmenične struje produbljujete povezivanjem i upravljanjem motorima pomoću zaštitnih i sklopnih uređaja.

Idite na video

Osim toga, programirate jednostavne zadatke upravljanja sa Siemens LOGO!, razumete Booleovu logiku i pokazujete svoje umeće u teoriji i praksi.

Na kraju, naučićete programiranje PLC-a, izrađivaćete programe za transportnu traku i integrisati senzore kako biste proverili svoje znanje.

Idite na video

Mašinsko učenje u automatizacionoj tehnologiji sa SkillsConveyor-om

Zajedno sa SkillsConveyor-om i IIOT Machine Learning kompletom naučićete osnove mašinskog učenja i primeniti ih u praksi.

Na didaktičkom proizvodnom sistemu učite osnove veštačke inteligencije i mašinskog učenja za obradu slika, kao i primenu konvolucionih neuronskih mreža (duboko učenje).

Primenićete metode nadgledanog učenja i učiti klasifikaciju slika za primenu u aplikacijama za kompjuterski vid.

Na kraju, saznaćete kako se sistemi u IoT-u mogu nadograditi i modernizovati.