การเรียนรู้เชิงลึกสำหรับการบำรุงรักษาเชิงคาดการณ์
4(4-0-12)
วิชาบังคับก่อน : ไม่มี
ศึกษาการเรียนรู้เชิงลึก และการใช้การวิเคราะห์ข้อมูลเพื่อสนับสนุนระบบการผลิตอัจฉริยะด้านการคาดการณ์การบำรุงรักษา การประมวลผลสัญญาณ การใช้ผลของการเรียนรู้เชิงลึกเพื่อปรับกระบวนการทำงานของกระบวนการผลิตอัจฉริยะ ลดระยะเวลาในการซ่อมบำรุงหรือการหยุดการผลิตแบบไม่ได้วางแผน ปัญหาเชิงวิศวกรรมด้านการผลิต รวมไปถึงมีความเข้าใจคุณลักษณะของอัลกอริทึมของการเรียนรู้เชิงลึกแบบต่าง ๆ
เค้าโครงรายวิชา
- ทฤษฎีเบื้องต้นของการเรียนรู้เชิงลึก (8 ชม.)
- การประมวลผลข้อมูลเบื้องต้นสำหรับข้อมูลประเภทสัญญาณ (8 ชม.)
- การเรียนรู้เชิงลึกกับข้อมูลประเภทสัญญาณ (8 ชม.)
- การเรียนรู้เชิงลึกเพื่อคาดการณ์การบำรุงรักษา (8 ชม.)
- การศึกษาการเรียนรู้เชิงลึกจากชุดข้อมูลจริงทางอุตสาหกรรม (16 ชม.)
ผลสัมฤทธิ์การเรียนรู้
- วิเคราะห์และเลือกใช้ข้อมูลให้เหมาะสมกับการคาดการณ์การบำรุงรักษาได้
- นำความรู้ด้านการเรียนรู้เชิงลึกและการวิเคราะห์ข้อมูลไปใช้สร้างสรรค์รูปแบบการทำงานเพื่อคาดการณ์การบำรุงรักษาได้ถูกต้อง
- เลือกใช้รูปแบบของการเรียนรู้เชิงลึกกับข้อมูลที่มีคุณลักษณะแต่งต่างกันได้
Deep Learning for Predictive Maintenance
Prerequisite : None
Deep learning theory and concept and use advanced data analysis techniques to support the smart manufacturing process in predicting machine maintenance. The course focus on deep learning for signal processing as well as using the result to prevent an unplanned downtime of the machine. Learner will be capable of choosing the appropriate deep learning algorithm for different situations.
Course Outline
- Introduction to deep learning. (8 hr.)
- Data pre-processing for signal processing. (8 hr.)
- Deep learning for signal processing. (8 hr.)
- Deep learning for predictive maintenance. (8 hr.)
- Study on deep learning models from industry data set. (16 hr.)
Learning Outcomes
- Analyze and evaluate suitable data for predictive maintenance.
- Apply deep learning and data analysis techniques to create a model for predictive maintenance.
- Choose and evaluate the deep learning algorithms with different characteristics.
