Faglig innhold

Dette emnet utforsker integrasjonen av kunstig intelligens (AI) i produksjonsindustrien, med vekt på datadrevet beslutningstaking og prosessoptimalisering. Kurset gir grunnlag for å forstå AI-konsepter og anvendelser. Gjennom en kombinasjon av teori, anvendte metoder/teknikker og casestudier vil studentene lære å bruke maskinlæring for å forbedre produksjonseffektivitet, kvalitetssikring og håndtering av komplekse datasett. Kurset dekker sentrale AI-konsepter, databehandling, statistiske grunnlag og maskinlæringsapplikasjoner spesifikke for produksjonssystemer.

Kurset begynner med en introduksjon til AI i produksjon, der grunnleggende AI-konsepter, historisk kontekst og spesifikke anvendelser i produksjon, som kvalitetsmonitorering og operasjonskontroll, blir dekket. Studentene vil utforske fordelene og utfordringene ved å implementere AI og få innsikt i hvordan det kan forbedre effektivitet og beslutningstaking i industrien.

Neste modul, Datahåndtering for maskinlæring, lærer studentene essensielle teknikker for data-"rengjøring", prosessering og forberedelse for å sikre datasett av høy kvalitet til AI. Modulen legger vekt på dataintegritet og hvordan datakvalitet direkte påvirker nøyaktigheten av maskinlæringsresultater.

I modulen Grunnleggende statistikkoppfriskning får studentene grunnleggende kunnskap om beskrivende statistikk, sannsynlighetsteori og regresjonsanalyse, samt teknikker for dimensjonsreduksjon. Disse ferdighetene er kritiske for å analysere produksjonsdata og støtte datadrevne beslutninger.

Kurset avsluttes med Maskinlæringsmodulen, hvor studentene lærer om klassifisering, prediksjon og andre typer maskinlæring. Gjennom å undersøke applikasjoner som prediktivt vedlikehold og kvalitetskontroll ser studentene hvordan maskinlæring kan drive forbedringer i produksjonsoperasjoner.

Læringsutbytte

Etter fullført kurs vil studentene ha tilegnet seg:

a. Kunnskap:

• Definere og forklare sentrale AI-konsepter og dens rolle i produksjonsindustrien.

• Forstå prinsipper for datakvalitet, forbehandlingsteknikker og deres betydning for maskinlæringsresultater.

• Forstå grunnleggende statistiske metoder og maskinlæringsalgoritmer som er anvendbare i datadrevet produksjon.

b. Ferdigheter:

• Anvende teknikker for datarengjøring, normalisering og transformasjon for å forberede datasett for maskinlæring.

• Bruke beskrivende statistikk, sannsynlighetsteori og regresjonsanalyse for å tolke data relevante for produksjonssammenhenger.

• Implementere maskinlæringsalgoritmer for prediktivt vedlikehold og kvalitetskontrollapplikasjoner innen produksjon.

c. Generell kompetanse:

• Utvikle kritiske tenkeferdigheter for å analysere potensialet og begrensningene til AI i produksjon.

• Demonstrere forståelse for datadrevne tilnærminger for prosessoptimalisering i produksjon.

• Samarbeide og kommunisere effektivt om AI-relaterte temaer, datahåndtering og maskinlæringsapplikasjoner, og bygge bro mellom tekniske og operasjonelle perspektiver i produksjon.

Læringsformer og aktiviteter

Undervisningsmetoder:

• Interaktive seminarer som benytter "flipped classroom"-tilnærming • E-læringsmoduler for fleksibel læring

• Prosjektbasert arbeid for å anvende teoretisk kunnskap

• Samarbeidsbasert gruppearbeid for å styrke teamarbeidsferdigheter

• Praktiske øvelser med eksisterende databaser

Kurset er utformet for å være tilgjengelig for både studenter på campus og fjernstudenter. Hver student kan velge den pedagogiske løsningen som passer best for deres behov. Seminarene vil bli avholdt på campus og er også tilgjengelige via streaming gjennom Blackboard Collaborate/MS Teams, med opptak tilgjengelig via NTNUs læringsplattform. Veiledning vil være tilgjengelig både på campus og online til oppsatte tider. Undervisningsspråket er norsk/engelsk, og alle oppgaver, rapporter og dokumentasjon må leveres på norsk/engelsk.

Spesielle vilkår

Anbefalte forkunnskaper

Grunnleggende konsepter i sannsynlighet og statistikk Grunnleggende konsepter i matematikk

Kursmateriell

Relevante artikler og rapporter vil bli utdelt ved kursstart