lloT Edge/Cloud系列，第4部分:机器学习和模式识别

一(1)小时的认证专业发展(pdh)提供给所有与会者。

基于人工智能的机器学习算法可以自动监测和分析质量问题，包括检测、识别、预测和预防质量问题。

从这些数据洞察中获得的可操作情报通过优化生产流程、降低成本和废料浪费、防止保修索赔和召回来增强业务运营。

在本次网络广播中，我们将通过几个汽车和食品饮料行业的案例研究来研究机器学习和模式识别在预测质量解决方案中的使用，并指出它们解决了常见的行业痛点。我们还将研究在每个领域开始需要什么样的技术、基础设施和数据。

学习目标:

• 了解如何将机器学习和模式识别纳入预测性质量流程。
• 理解预测性质量解决方案对流程优化的价值，包括通过减少成本和报废和防止保修索赔和召回来获得投资回报。
• 配置预测性质量解决方案，包括常见的行业痛点、基础设施和启动所需的数据。

提出的:
Mohamed Abuali, IoTco总裁
David Siegel博士，Predictronics公司首席技术官。

由:
Kevin Parker, CFE媒体和技术的内容经理