SeAMK Foorumi: Tekoälyn teollisuussovellukset – käytännön hyötyä koneoppimisesta | SeAMK.fi

SeAMK Foorumi: Tekoälyn teollisuussovellukset – käytännön hyötyä koneoppimisesta

#

Seinäjoen ammattikorkeakoulu ja EcoAction-hanke järjestävät yhdessä yhteistyökumppaneiden kanssa tekoälyn teollisuussovelluksia käsittelevän seminaarin 1.12.2023 kello 12-15.

SeAMK Foorumi -sarjaan kuuluva seminaari järjestetään Frami F:n Lasipalatsissa (F144) ja sitä on mahdollista seurata myös suorana verkossa. Sekä paikan päällä osallistuvia että verkkolähetystä seuraavia pyydetään ilmoittautumaan 30.11.2023 mennessä osoitteessa: https://www.lyyti.in/seamk-foorumi-ai-teollisuus

SeAMK Foorumi on perinteikäs asiantuntijaluento- ja tapahtumasarja, jonka tilaisuudet ovat kaikille avoimia. Monimuotoisesti esitettävät, ajankohtaiset aiheet kytkeytyvät SeAMKin koulutukseen sekä tutkimus- ja kehittämistoimintaan, ja osallistujille on varmasti kotiinviemisinä uutta tietoa, ideoita ja näkökulmia.

Ohjelma

Alkusanat ja tilaisuuden juonto
Juho Heiska, tutkimus- ja kehittämispäällikkö, SeAMK

**

Tuotannon suunnittelu tekoälyllä
Jussi Mäntylä, yrittäjä, Skyplanner.ai
Tutustu etukäteen: http://skyplanner.ai

 

**

Asiakastarina tekoälyn roolista hävikin minimoimisessa: Kuinka tekoälyä voidaan hyödyntää teollisuudessa esimerkiksi prosessin optimoinnissa ja tehokkuuden parantamisessa
Joonas Isoketo, Lead Data Analyst, Siemens Osakeyhtiö


Samuli Metsälä, Technical Sales Support Professional, Siemens Osakeyhtiö

**

Kahvitauko ja demot

  • Demot valmistavan teollisuuden koneoppimissovelluksista. Esillä mm. konenäköön ja työstettävien kappaleiden muodon optimointiin liittyviä demoja –  SeAMKin Digital Factory -tutkimusryhmä
  • Demo kuljetusten optimoinnista – Seinäjoen yliopistokeskuksen tutkijaryhmä
  • Demot mm. Hitsauspalon muodon ennustamisesta – Tampereen yliopiston tutkijaryhmä

**

Koneoppiminen ohutlevytyöstökoneteollisuudessa: haasteista mahdollisuuksiin. Miten koneoppimista voidaan soveltaa tuotannon tehostamiseen.
Tomi Haanpää, FT, ohjelmistosuunnittelija (CAM- ja algoritmikehitys), Finn-Power Oy

**

How can manufacturing machines learn and teach us? Visions, ideas, and practical applications of manufacturing process optimization in machining, welding, injection molding, and additive manufacturing. 
Iñigo Flores Ituarte, TkT, EPANET-professori, dosentti, akatemiatutkija, Tampereen yliopisto

**

Keskustelua, yhteenveto ja loppusanat

**