בינה מלאכותית בתעשייה ובניהול

קורס לסטודנטים שנה א׳ במגמת הנדסאי תעשייה וניהול. הקורס מלמד להשתמש ב-AI כעוזר מקצועי לאורך שרשרת הערך של המפעל: בכל מפגש הרצאה קצרה וסדנה מעשית עם נתונים סינתטיים, ולאורך הקורס פרויקט קבוצתי בשלוש אבני דרך.

מדיניות השימוש ב-AI

מותר ומומלץ

אסור

הרכב הציון

12 המפגשים

  1. מבוא ל-AI בתעשייה 4.0 ו-5.0

    יישור קו מושגי: AI, למידת מכונה, למידה עמוקה ו-AI גנרטיבי — ומיפוי שרשרת הערך במפעל

    לפני שבוחרים כלי, צריך לדעת על מה מדברים. במפגש הזה מסדרים ארבעה מושגים שנשמעים כמו מילים נרדפות אבל אינם כאלה, מבינים את ההבדל בין תעשייה 4.0 ל-5.0, ומסמנים לאורך שרשרת הערך של מפעל את המקומות שבהם AI יכול ליצור ערך — ואת המקומות שבהם הוא לא משתלם.

    תוצר: זיהוי 3 תהליכים ש-AI יכול לשפר

  2. הנדסת פרומפטים למנהל בתעשייה

    מבנה פרומפט נכון, זיהוי הזיות ואימות — ונוהל עבודה ודוח סטטוס בעזרת AI

    פרומפט טוב הוא ההבדל בין תשובה כללית לתוצר שאפשר להשתמש בו בעבודה. במפגש הזה בונים מבנה קבוע לפרומפט, מבינים למה מודלים "מזייפים" בביטחון מלא, ולומדים רשימת אימות שמלווה כל תוצר AI עד סוף הקורס.

    תוצר: ספריית 5 פרומפטים לתפקיד ההנדסאי

  3. AI כעוזר לפתרון בעיות

    ניתוח שורש עם 5 Why ואישיקאווה, Lean ו-Six Sigma — בעבודה מול צ'אטבוט

    טיפול בסימפטום מחזיר את התקלה. במפגש הזה לומדים שתי שיטות לניתוח שורש, מכירים בקצרה את Lean ו-Six Sigma, ומתרגלים עבודה נכונה עם צ'אטבוט על תקלת איכות בקו ייצור — כשהצ'אטבוט מאיץ את החשיבה, והבדיקה בשטח נשארת שלכם.

    תוצר: קבוצה ונושא לפרויקט המסכם

  4. הדלק של ה-AI — נתונים במפעל

    מקורות נתונים (ERP, MES, חיישנים), איכות נתונים, וניקוי קובץ ייצור בעזרת AI

    מודל טוב רק כמו הנתונים שלו. במפגש הזה מכירים את מקורות הנתונים במפעל, לומדים לבדוק איכות נתונים לפי שישה מדדים, ומנקים קובץ ייצור סינתטי עם בעיות מכוונות — בעזרת AI, ועם תיעוד של כל שינוי.

    תוצר: מערך נתונים לפרויקט

  5. ניתוח והדמיית נתונים — OEE

    סטטיסטיקה תיאורית, KPI ו-OEE, זיהוי חריגות ובניית דשבורד בעזרת AI

    מספר יחיד לא מספר סיפור. במפגש הזה מחשבים OEE ומדדי KPI נוספים, לומדים למה ממוצע לבד יכול להטעות, ובונים דשבורד שבו כל גרף עונה על שאלה עסקית — כשה-AI כותב נוסחאות ואתם בודקים אותן.

    תוצר: דשבורד ראשוני על נתוני הפרויקט

  6. למידת מכונה לחיזוי

    רגרסיה וסיווג, אימון ובדיקה, Overfitting ומדדי דיוק — ומודל חיזוי ביקוש בלי לכתוב קוד

    איך מודל לומד מנתונים לחזות ביקוש או תקלות — ואיך יודעים אם אפשר לסמוך עליו. במפגש הזה מבחינים בין רגרסיה לסיווג, מבינים למה בודקים על נתונים שהמודל לא ראה, ומפרשים מדדי דיוק על מודל אמיתי שרץ במחברת מוכנה. זה גם המפגש של אבן דרך 1: הצעת הפרויקט.

    תוצר: אבן דרך 1: הצעת פרויקט AI במפעל

  7. ראייה ממוחשבת ובקרת איכות

    תחזוקה חזויה, SPC חכם ומסווג תמונות תקין/פגום — ועלות השבתה מול חיסכון

    איך AI מזהה תקלות לפני שהן קורות, ופגמים לפני שהם מגיעים ללקוח. במפגש הזה משווים בין סוגי תחזוקה, מכירים גרף בקרה סטטיסטי, ומאמנים מסווג תמונות בדפדפן — ובסוף מחשבים אם זה בכלל משתלם.

    תוצר: ניתוח עלות השבתה מול חיסכון

  8. תכנון ייצור ואופטימיזציה

    שיבוץ עבודות ותכנון כוח אדם, תכנות ליניארי — ופתרון בעיית משמרות עם AI ו-Solver

    ניסוח נכון של הבעיה חשוב יותר מהכלי. במפגש הזה לומדים לפרק בעיית שיבוץ למשתנים, מטרה ואילוצים, פותרים אותה ב-Excel Solver, ומשתמשים ב-AI כדי לנסח ולהסביר — ובודקים בעצמכם שהמודל משקף את המציאות.

    תוצר: השוואת פתרון AI ו-Solver לפתרון ידני

  9. שרשרת אספקה ותאומים דיגיטליים

    חיזוי ביקוש, נקודת הזמנה ו-EOQ, תאום דיגיטלי — וסימולציית מלאי בגיליון

    מלאי גבוה כולא הון; מלאי נמוך יוצר חוסרים. במפגש הזה מחשבים נקודת הזמנה וכמות הזמנה כלכלית, מבינים מהו תאום דיגיטלי, ובונים בעזרת AI סימולציית מלאי שבה משנים פרמטרים ורואים מה קורה לעלות ולשירות. זה גם המפגש של אבן דרך 2: אב-טיפוס עובד.

    תוצר: אבן דרך 2: מודל או פתרון עובד

  10. אוטומציה של תהליכים עסקיים

    RPA ואוטומציות No-Code, מיפוי ב-BPMN — וזרימה: דיווח תקלה, סיווג AI, התראה

    אוטומציה טובה מתחילה במיפוי תהליך ברור — ו-AI הוא רכיב בזרימה, לא כל הזרימה. במפגש הזה ממפים תהליך כמו שהוא היום וכמו שהוא יהיה, ובונים בכלי No-Code זרימה שמקבלת דיווח תקלה, מסווגת אותו בעזרת מודל שפה ושולחת התראה לפי דחיפות.

    תוצר: מיפוי תהליך As-Is / To-Be

  11. סוכני AI ומערכות RAG בארגון

    צ'אטבוט מול סוכן, RAG על מסמכי הארגון ושילוב ב-ERP — ועוזר ידע על נוהלי ISO

    מודל שפה כללי לא מכיר את נהלי המפעל — ואם ישאלו אותו, הוא עלול להמציא. במפגש הזה מבינים איך RAG מחבר מודל למסמכים של הארגון, מה ההבדל בין צ'אטבוט לסוכן, ואיזו בקרה נדרשת כשנותנים ל-AI לבצע פעולות. בסדנה בונים עוזר ידע על נוהלי ISO סינתטיים ובודקים מתי הוא מודה שאינו יודע.

    תוצר: טיוטת מצגת הפרויקט

  12. ניהול פרויקטי AI ואתיקה

    אבטחת מידע, הטיות, רגולציה וניהול שינוי, חישוב ROI — והצגת הפרויקט המסכם

    איך מעריכים אם פרויקט AI כדאי, בטוח, חוקי ואחראי — ומציגים המלצה להנהלה. במפגש האחרון מסדרים את שיקולי האבטחה, ההטיות והרגולציה, מחשבים ROI עם הנחות מפורשות, ובונים מטריצת סיכונים. זה גם המפגש של אבן דרך 3: הצגת הפרויקטים, וחזרה למבחן.

    תוצר: אבן דרך 3: הצגת הפרויקט המסכם