IA para control y aseguramiento de la calidad en líneas de producción

Introducción a la IA en el control de la calidad

• Panorama general de la IA en los procesos de calidad de fabricación.
• Aplicaciones en inspección, detección de defectos y cumplimiento normativo.
• Beneficios y limitaciones de la QA impulsada por IA.

Recopilación y preparación de datos de calidad

• Tipos de datos utilizados en QA (imágenes, sensores, registros de producción).
• Etiquetado de conjuntos de datos visuales con LabelImg.
• Almacenamiento y estructura de datos para el entrenamiento de modelos.

Introducción a la visión por computadora para QA

• Fundamentos del procesamiento de imágenes con OpenCV.
• Técnicas de preprocesamiento para imágenes industriales.
• Extracción de características visuales para el análisis.

Aprendizaje automático para la detección de anomalías

• Entrenamiento de clasificadores simples para la detección de defectos.
• Uso de redes neuronales convolucionales (RNC).
• Aprendizaje no supervisado para la identificación de anomalías.

Predicción de rendimientos con modelos de IA

• Introducción a las técnicas de regresión.
• Construcción de modelos para predecir rendimientos de producción.
• Evaluación y mejora de la precisión de las predicciones.

Integración de la IA con los sistemas de producción

• Opciones de implementación para modelos de inspección.
• IA en el borde (Edge AI) frente al análisis en la nube.
• Automatización de alertas e informes de calidad.

Estudio de caso práctico y proyecto final

• Desarrollo de un prototipo de inspección de IA de extremo a extremo.
• Entrenamiento y prueba con conjuntos de datos de QA de muestra.
• Presentación de una solución funcional de control de calidad con IA.

Resumen y próximos pasos