Základy strojárskej výroby pomocou SkillsMagazine

Obsah výuky zahŕňa praktickú výrobu komponentov pre zostavu „stohovací zásobník“ s využitím rôznych strojov, náradia a postupov.

Zameranie je na vŕtanie a tvárnenie s polotovarmi zo súpravy na výuku. Okrem toho sa študenti oboznámia so základmi frézovania a sústruženia, pričom pri sústružení vznikajú cvičné diely.

Ďalšou prioritou je aditívna výroba: komponenty sa navrhujú v CAD a následne sa vyrábajú aditívnou technológiou.

Následne sa tieto diely spolu s ďalšími komponentmi zložia do funkčného celku. Kurz sa zakončuje mechanickou a elektrickou montážou všetkých vyrobených dielov a štandardných komponentov, ako aj kompletným uvedením zásobníka do prevádzky, čím študenti získajú komplexné vzdelanie v oblasti výrobných postupov, montáže a uvádzania mechatronických systémov do prevádzky.

Základy automatizačnej techniky so SkillsConveyor

SkillsConveyor vám praktickým spôsobom sprostredkuje základy uvedenia technických systémov do prevádzky. Montujú a zapájajú mechanické a elektrické komponenty, testujú signály a odstraňujú poruchy.

Prejsť k videu

Naučíte sa, ako fungujú reléové riadenia, zostavujú a testujú riadiace obvody so stýkačmi, relé, tlačidlami a koncovými spínačmi, a precvičíte si vyhľadávanie porúch.

Svoje vedomosti o striedavých motoroch si prehĺbite zapájaním a prevádzkou riadiacich systémov motorov s ochrannými a spínacími zariadeniami.

Prejsť k videu

Okrem toho programujete jednoduché riadiace úlohy pomocou Siemens LOGO!, porozumiete Booleovej logike a preukážete svoje zručnosti v teórii aj praxi.

Na záver sa naučíte programovanie PLC, vytvoríte programy pre dopravný pás a integrujete snímače, aby ste si overili svoje znalosti.

Prejsť k videu

Strojové učenie v automatizačnej technike s nástrojom SkillsConveyor

Vďaka SkillsConveyor a súprave IIOT Machine Learning Kit sa naučíte základy strojového učenia a uplatníte ich v praxi.

Na didaktickom produkčnom systéme sa naučíte základy umelej inteligencie a strojového učenia v oblasti spracovania obrazu, ako aj využitie konvolučných neurónových sietí (hlboké učenie).

Používajú metódy učenia s dohľadom a osvojujú si klasifikáciu obrázkov pre aplikácie počítačového videnia.

Na záver sa dozviete, ako je možné systémy v rámci IoT dodatočne vybaviť a modernizovať.