證照課程



智慧製造系統證照班第二梯次原訂1019號開班,現將延期至112日開班。

智慧製造系統證照班

 
面對全球化的競爭,借助目前蓬勃發展的資通訊技術來提升製造業的生產效率和提高產品良率,是全球製造業共同追求的目標。透過雲端及網路與消費者快速連結,讓使用者或外部系統可以透過網路(On Demand)訂閱,提供可接受大量客製化之產品訂單的能力,形成聯網製造服務體系,並協助業界建構全球售後智慧服務的能力。如此,即可順遂達成提升我國未來與智慧製造相關的所有產業之競爭力與獲益的目標。本課程特別聘請產學研專家,講授與智慧製造系統相關的如智慧工廠導論等之入門課程和如高等智慧工廠自動化等之進階課程;運用實際案例互動教學,期望對智慧製造產業有所幫助,並強化學員在智慧自動化系統上的整合能力。研習本學程中任何一門基礎或進階課程,並通過認證考試後,將頒發該門課程之合格證書。另外,若選修其中3門基礎課程和2門進階課程並通過認證考試後,主辦單位將頒發「智慧製造系統工程師」證書。
 
  • 主辦單位:國立成功大學 智慧製造研究中心    
  • 協辦單位:臺灣機械工業同業公會      財團法人成大研究發展基金會
  • 執行單位:國立成功大學 智慧製造研究中心

開設課程:
開設課程 任課教師 時數 基礎/進階 必/選修
智慧工廠導論 邱煜程 30小時 基礎 必修
電腦系統架構與
巨量資料平台
蕭宏章 30小時 基礎 選修
Python機器學習概論 楊浩青
許志華
30小時 基礎 選修
最佳化方法概論 蔡進聰
何文獻
30小時 基礎 選修
金屬積層製造概論 羅裕龍
張景閔
30小時 基礎 選修
高等智慧工廠自動化 鄭芳田
謝昱銘

丁  顥

林祐全
30小時 進階 必修
應用深度視覺技術之
智慧製造
胡敏君
陳文正
30小時 進階 選修
列印製程參數3D金屬
模擬與分析
羅裕龍
陳紅章
30小時 進階 選修
 
開課日期:


第一梯次:20180803日~1013


第二梯次:20181102日~20190105


考試日期:

第一梯次:20181019 & 20

第二梯次:20190111 & 12
上課地點:國立成功大學/自強校區 照坤儀器大樓(4樓)405 & 416
最低開班人數:12
每班報名人數上限: 60
培訓對象:對於本課程有興趣者

上課時段:
第一梯次
20180803~1006
第二梯次
20181102~20190105
星期五 星期六 星期五 星期六
  9:10~12:00

智慧工廠導論
  9:10~12:00

高等
智慧工廠自動化
  14:10~17:00

金屬積層製造
概論
  14:10~17:00

應用深度視覺
技術之智慧製造
19:10~22:00

電腦系統架構與巨量資料平台
18:10~21:00

Python機器學習概論
19:10~22:00

列印製程3D金屬
參數模擬與分析
18:10~21:00

最佳化方法
概論

 
報名資格:
對本課程有興趣者均可報名參加


成績評定:
各門課程以一百分為滿分,七十分(含)以上者為及格,單科成績得保留3年。 
凡參加「智慧製造系統證照班」之學員,研習任何門基礎或進階課程期滿,該科成績達到70分且出席率超過80%(含)以上,即可獲得該課程之「課程研習證書」。
若學員同時研習1門必修基礎課程+2門選修基礎課程及1門必修進階課程+1選修進階課程,共5門課程,各科成績達到70分且出席率高過80%(含)以上,即可獲得「智慧製造系統工程師」證書。
成績有效期計算方式:自當年度當梯次考試成績單寄發日起算3年為止。例如:2018年度考試成績單寄發日為2018111日,當梯次各考試科目之成績有效期為2018111日至20211031日止,以此類推。

授證單位:
國立成功大學智慧製造研究中心與臺灣機械工業同業公會共同授予「課程研習證書」及「智慧製造系統工程師」證書。
 
授證標準:
單門課程研習期滿且考試成績通過標準者,授予該課程之合格證書。
於成績有效期限內,至少修完3門基礎課程和2門進階課程,且各個課程的考試成績均達通過標準者,授予「智慧製造系統工程師」證書。(註:基礎課程:必修為「智慧工廠導論」及選修其它2門;進階課程:必修為「高等智慧工廠自動化」及選修其它1門,於成績有效期內通過此3+2課程的考試標準者,將可獲證)

課程摘要:
類別 基礎課程 進階課程
必修課程 智慧工廠導論 高等智慧工廠自動化
選修課程 電腦系統架構與巨量資料平台
Python機器學習概論
最佳化方法概論
金屬積層製造概論
應用深度視覺技術之智慧製造
金屬3D列印製程參數模擬與分析
授證標準 (1) 單門課程研習期滿且考試成績通過標準者,授予該課程之合格證書。
(2) 於成績有效期限內,至少修完3門基礎課程和2門進階課程,且各個課程的考試成績均達通過標準者,授予「智慧製造系統工程師」證書。

(註:基礎課程:必修為「智慧工廠導論」及選修其它2門;進階課程:必修為「高等智慧工廠自動化」及選修其它1門,於成績有效期內通過此3+2課程的考試標準者,將可獲證)
 
項目 科目/講師 基礎課程大綱 時數 備註
1
智慧工廠導論
(eMRC組)

 

講師:邱煜程
智慧工廠已成為全球製造產業的必要配備,運用新興資訊科技達到產量、良率、效率、以及成本兼顧的生產線,來解決需求快速變動、產品生命週期縮短、勞動力減少等競爭挑戰。本課程將介紹建置智慧工廠之規劃、步驟、及方案,如產品生命週期管理(PLM)、製造執行系統(MES)、統計品質管制(SPC)、配方管理系統(RMS)、工業物聯網(IIoT)、戰情中控系統、工程資料分析(EDA)平台、及先進製程控制(APC)系統等;使學員更清楚了解資訊科技如何運用在生產工廠中,並在理論與實際的搭配講授下,協助學員規劃自己未來的職涯發展。 30 必修
2
電腦系統架構與巨量資料平台
(IBDI組)

 

講師:蕭宏章
本電腦系統架構與巨量資料平台(Computer Architecture and Big Data Platform)課程,教授分散式基礎設施平台相關ICT技術背景與應用課程,其涵蓋從分散式系統基本理論乃至廣為業界實務上所使用的Apache Hadoop系統,等等技術背景介紹。藉由本課程學員得對巨量資料處理與運算平台技術有廣泛性的認識,以及對Hadoop有基本的架設、管理、服務及應用程式開發之概念。本課程亦將搭配實際運用Hadoop於產業界案例來說明Big Data StorageComputing中令人有感之關鍵性技術及門檻,學員得參考並規劃未來投入方向上的優先次序。 30 選修
3
機器學習概論
Python
(RO組)

講師:楊浩青
      許志華
本課程以Python為工具,介紹製造現場所需之機器學習之分類理論與方法,包含巨量資料分類、主成分分析、支援向量機、與類神經網路等。從資料匯入、訊號處理、資料前處理、特徵選擇、模型訓練、到模型驗證與應用等。課程目標在於使學者可藉由方便的Python語言與其豐富套件,達到有效熟習機器學習方法的需求。
30 選修
4
最佳化方法概論
(RO組)

 


講師:蔡進聰

      何文獻
最佳化方法中之田口方法使用主要兩個工具:直交表和訊號雜音比,可有效率地製造高品質、低成本的產品,採用參數設計的觀念,利用直交表(orthogonal array,用來配置設計參數水準)的實驗設計來進行實驗收集資料,以最經濟的實驗次數而獲得更可靠的因子估算值,將整個實驗計畫的實驗次數完成後,再將實驗之反應值平均分析每一個因子的影響,獨立予以評估。將實驗的品質特性轉換成訊號雜音比(signal-to-noise ratio,S/N比,用來衡量品質的優劣)進行分析,經由統計的推定,決定參數的最佳水準組合。透過參數設計,訂定對操作環境較不敏感之製程,純化變數的影響,降低雜訊對產品的干擾,使產品品質變異降低,達到穩健設計的目標。 30 選修
5
金屬積層製造概論
(AM組)

 


講師:羅裕龍

      張景閔
本智慧製造系統證照班,教授積層製造技術與應用概述、選擇性雷射熔融(SLM)設備介紹、選擇性雷射燒結(SLS)設備介紹、直接能量沉積(DED)設備介紹、電子束積層製造(EBAM)設備介紹、及金屬粉末材料特性分析介紹…等技術。藉由金屬積層製造概論課程可讓學員對金屬3D列印技術有初步的認識,使其未來進入相關產業,可對設備、檢測分析和軟硬體應用,能快速適應且具備一定程度的能力,達成符合業界招募人才所需之要求。 30 選修
項目 科目/講師 進階課程大綱 時數 備註
6
高等智慧工廠自動化
     (eMRC組)

 

講師:鄭芳田
      謝昱銘
      丁  顥
      林祐全
本智慧工廠自動化(Intelligent Factory Automation)課程,教授全自動虛擬量測(AVM)、刀具磨耗壽命管理(TLM)、智慧型預測保養(IPM)、智慧型良率管理(IYM)、智慧物聯網元件(CPA)、及先進製造物聯雲(AMCoT)…等技術。藉由智慧工廠自動化課程可讓學員應用於高科技及傳統產業的各式機台與生產線,使其具備產品零缺陷和生產機台高效率與高妥善率之各項(包括單機智慧、產線智慧、及整廠智慧等之)智慧能力,達成所有生產產品接近零缺陷之所謂工業4.1的境界。 30 必修
7
應用深度視覺技術之智慧製造
(IBDI組)

 


講師: 胡敏君

      陳文正
之簡單範例,一步步地帶領學員實作建構各種深度學習模型。本課程也將介紹近年來發展成熟的各種深度視覺技術與模型,並應用於物件偵測與分類、語意分割、和動作辨識與預測等實際案例。TensorflowPython智慧監控技術可應用於分析工廠之作業員動作、產品之製作流程與良率辨識,以節省人力成本並提升製造效率。其中之關鍵核心技術為基於深度學習之電腦視覺模型。本課程將深入淺出機器學習與深度學習之基本觀念,並透過
(建議先修習Python機器學習概論)
30 選修
8
列印製程參數模擬與分析
3D金屬
(AM組)

 


講師:羅裕龍

      陳紅章
金屬積層製造所牽涉的物理現象十分複雜,其製程參數可分為以下四個類型: (1)雷射相關參數 (2) 掃描相關參數 (3) 粉末相關參數 (4) 溫度相關參數。這些參數交互作用將對成品的品質產生極複雜影響,藉由實驗試誤法尋找最佳製程參數將花費高昂成本以及時間。由於以上因素,使用模擬尋找適合的製程參數是較佳的方法。此課程將介紹積層製造電腦模擬的背景知識,以及如何準備製程所需要的檔案。此課程將更進一步教導學生使用電腦模擬尋找適合用於積層製造製成的參數。藉由模擬軟體此課程可以使學生對於積層製造的基礎知識更加了解。
30 選修
 

 



 

課程大綱:

 

繳費說明&前往報名連結


第一梯次課程大綱下載


第二梯次課程大綱下載