Studia podyplomowe Manager Industry 4.0

• Internet rzeczy (IoT) – Jak działa IoT w przemyśle? Przykłady zastosowań.
• Big Data i analityka danych: Zbieranie i przetwarzanie danych, analityka predykcyjna w utrzymaniu ruchu.
• Sztuczna inteligencja (AI) i uczenie maszynowe: Przykłady zastosowań.
• Symulacje i rzeczywistość wirtualna (VR) / rozszerzona (AR): Usprawnienie procesów dzięki cyfrowym bliźniakom.
• Druk 3D i produkcja addytywna.
• Robotyzacja i automatyzacja – nowoczesne roboty przemysłowe i ich zastosowania, współpraca robotów z ludźmi (coboty).

• Jak zacząć transformację cyfrową? – Ocena dojrzałości cyfrowej organizacji oraz planowanie strategii wdrożenia,
• Integracja systemów: ERP, MES, SCADA i ich rola w cyfryzacji,
• Wyzwania i bariery:
  • Kwestie bezpieczeństwa cybernetycznego,
  • Koszty i ROI (zwrot z inwestycji),
  • Zarządzanie zmianą i szkolenie zespołu,
• Dyskusja grupowa: Analiza barier i strategii ich pokonywania.

• Wprowadzenie do Internetu Rzeczy:
  • Definicja i znaczenie IoT w dzisiejszym świecie,
  • Historia rozwoju Internetu Rzeczy i jej główne koncepcje.
• Warstwy technologiczne Internetu Rzeczy: sensory, sieć, platformy i aplikacje.
• Technologie i urządzenia w IoT:
  • Przegląd typów sensorów i urządzeń,
  • Przykłady popularnych technologii i protokołów komunikacyjnych.
• Technologie sieciowe stosowane w IoT.
• Konfiguracja i zarządzanie sieciami w kontekście projektów Internetu Rzeczy.
• Bezpieczeństwo w kontekście Internetu Rzeczy:
  • Wyzwania związane z bezpieczeństwem,
  • Metody zabezpieczania urządzeń i danych w ekosystemie IoT.
• Zastosowania Internetu Rzeczy – omówienie przykładów.

• Fundamenty sztucznej inteligencji (podstawowe definicje, ewolucja modeli i algorytmów),
• Dylematy poznawcze i etyczne,
• Rodzaje sztucznej inteligencji:
  • Forecasting vs Image processing,
  • Oprogramowanie AI vs ucieleśniona AI,
• Sztuczna inteligencja w codziennym życiu,
• Sztuczna inteligencja w przemyśle – wprowadzenie:
  • Utrzymanie parku maszyn,
  • Forecasting – wsparcie procesu decyzyjnego / planowanie sprzedaży,
• Narzędzia budowania modeli sztucznej inteligencji – praktyczne ćwiczenia.

• Wstęp do ChatGPT i Google Gemini:
  • Czym jest ChatGPT/Google Gemini,
  • Rola i zastosowanie ChatGPT/Google Gemini – automatyzacja, analiza danych, wsparcie i prognozowanie.
• Wykorzystanie ChatGPT/Google Gemini.
• Wprowadzenie do techniki promptowania:
  • Co to jest promptowanie?
  • Proces tworzenia skutecznych zapytań do ChatGPT/Google Gemini,
  • Dlaczego dobre promptowanie jest kluczowe? Uzyskiwanie precyzyjnych odpowiedzi poprzez odpowiednie formułowanie zapytań.
• Techniki promptowania w ChatGPT/Google Gemini:
  • Podstawowe techniki,
  • Zaawansowane techniki,
  • Praktyczne wskazówki w korzystaniu z ChatGPT/Google Gemini.
• Zastosowanie promptów w ChatGPT/Google Gemini – omówienie przykładowych case study.
• Mini-warsztaty – praca własna uczestników szkolenia wspomagana przez Trenera.
• Przyszłość ChatGPT/Google Gemini.

• Wprowadzenie do agentów AI i narzędzi open-source:
  • Definicja agenta AI,
  • Przykłady zastosowań: chatboty, asystenci głosowi, automatyzacja procesów.
• Przegląd narzędzi open-source do tworzenia agentów AI:
  • LangChain: Framework do budowy aplikacji opartych na dużych modelach językowych (LLM)
  • SpinAI: Framework w TypeScript do tworzenia i monitorowania agentów AI
  • AutoGen: Framework od Microsoftu do budowy systemów multi-agentowych.
• Budowa prostego agenta AI:
  • Tworzenie agenta z LLM
  • Prompt engineering
• Testowanie i optymalizacja agenta
  • Monitorowanie użycia tokenów i kosztów,
  • Analiza logów i optymalizacja działania agenta,
  • Replit Agent: Platforma do tworzenia aplikacji za pomocą naturalnych opisów,
  • GAMA Platform: Środowisko do modelowania agentów w symulacjach.

• Dane dotyczące czasu, ruchu i zdarzeń w systemie produkcyjnym
• Pozyskiwanie i analiza danych dotyczących ruchu obiektów w funkcji czasu na hali produkcyjnej (system Real Time Location System):
  • budowa systemu,
  • case study,
  • implementacja i ograniczenia systemu.
• Pozyskiwania i analiza danych dotyczących pracy maszyny:
  • „inteligentne” sensory,
  • TiMES jako przykład systemu MES.
• Digital Twin jako narzędzie pozwalające na modelowanie 3D złożonych systemów produkcyjnych i usługowych oraz testowanie scenariuszy optymalizacyjnych:
  • przykłady wykorzystania symulacji komputerowej i modeli 3D w firmie przemysłowej,
  • symulacja komputerowa w praktyce – wykorzystanie programu FlexSim do przeprowadzanie eksperymentów symulacyjnych – case study.

• Wprowadzenie do technologii Augmented reality (AR) i Virtual Reality (VR).
• Rodzaje i typy urządzeń, trendy i zastosowanie wybranych rodzajów aplikacji, potencjalne zagrożenia dla użytkownika korzystającego z technologii rozszerzonej i wirtualnej rzeczywistości.
• Możliwości wykorzystania rzeczywistości rozszerzonej (Augmented Reality – AR).
• Praktyczne warsztaty z wykorzystaniem technologii VR. Symulacja procesu szkolenia w środowisku wirtualnym.
• Augmented Reality i Virtual Reality w branży przemysłowej – zakres i skala optymalizacji funkcjonowania przedsiębiorstwa z wykorzystaniem technologii AV/VR.

• Automatyzacja i robotyzacja – stan aktualny w Polsce i na świecie.
• Czym jest automatyzacja i robotyzacja.
• Zasady wyboru procesów do robotyzacji.
• Nowe trendy w robotyce Industry 4.0: coboty, AGV, roboty humanoidalne.
• Korzyści wdrożenia zrobotyzowanych systemów w produkcji wysokoseryjnej.
• Case studies.

• Wprowadzenie do technologii addytywnych:
  • Historia i rozwój druku 3D,
  • Klasyfikacja technologii: FDM, SLA, SLS, DMLS,
  • Zastosowania w przemyśle, medycynie, motoryzacji.
• Projektowanie modeli 3D:
  • Podstawy modelowania w CAD (np. Fusion 360, SolidWorks),
  • Zasady projektowania pod druk 3D (Design for Additive Manufacturing – DfAM),
  • Tworzenie modeli z myślą o minimalizacji podpór i optymalizacji materiałowej.
• Przygotowanie do druku:
  • Format plików: STL, OBJ, 3MF,
  • Slicing – konfiguracja parametrów (wysokość warstwy, wypełnienie, podpory).
• Technologie i materiały:
  • Charakterystyka materiałów: PLA, ABS, PETG, TPU, żywice, nylon, kompozyty,
  • Dobór materiału do zastosowania,
  • Właściwości mechaniczne i termiczne.
• Proces druku:
  • Obsługa drukarki FDM/SLA,
  • Kalibracja, poziomowanie stołu, wymiana filamentu,
  • Monitorowanie i rozwiązywanie problemów (np. warping, clogging).
• Przyszłość i trendy w druku 3D:
  • Druk 4D, bio-drukowanie, druk metali,
  • Automatyzacja i integracja z Przemysłem 4.0,
  • Ekologiczne aspekty i recykling materiałów.

• Wprowadzenie do Predykcyjnego Utrzymania Ruchu:
  • Cele i korzyści wykorzystywania Predycyjnego Utrzymania Ruchu w organizacji,
  • Główne metody i narzędzia wykorzystywane w Predycyjnym Utrzmaniu Ruchu,
• Wprowadzenie i kontekst przemysłowy:
  • Czym jest PdM na tle TPM i RCM.
  • Ewolucja metod utrzymania ruchu: reakcyjne → prewencyjne → predykcyjne.
• Aspekty organizacyjne i kompetencyjne:
  • Kto powinien być zaangażowany w PdM (maintenance, IT, inżynieria, produkcja),
  • Potrzeby kompetencyjne: data science, analiza danych, znajomość maszyn,
  • Rola szkoleń i zarządzania wiedzą.
• Identyfikacja kluczowych wskaźników do monitorowania oraz systemu zbierania danych,
• Strategie wdrażania predykcyjnych modeli utrzymania ruchu,
• Integracja systemów monitorowania i alarmowania,
• Zarządzanie zmianami i optymalizacja procesów:
  • Zarządzanie ryzykiem i adaptacja do zmian w środowisku produkcyjnym,
  • Optymalizacja procesów w oparciu o wyniki predykcyjnego utrzymania ruchu.

• Nowe wyzwania lidera w dobie transformacji cyfrowej,
• Industry 5.0 a human-centric leadership – technologia w służbie człowieka, nie odwrotnie,
• Zarządzanie zmianą technologiczną: modele (Kotter, ADKAR, McKinsey, Nuidge, Lewin’s CMM, Maurer R&C) i ich praktyczne zastosowanie,
• Budowanie kultury cyfrowej i innowacyjnej organizacji,
• Kompetencje przyszłości – jak rozwijać zespół w kontekście cyfryzacji?
• Cyfrowa komunikacja i praca zdalna/hybrydowa – jak zachować efektywność i zaangażowanie?
• Rola lidera w przeciwdziałaniu oporowi przed zmianą,
• Współpraca międzydziałowa w ekosystemie cyfrowym – silosy vs. przepływy danych,
• Warsztat: Diagnoza dojrzałości zespołu do transformacji + mapa zmian,
• Inspirujące przykłady transformacji z liderami w roli głównej,
• Jak mierzyć skuteczność zmian? KPI i mierniki transformacji,
• Podsumowanie i plan działania: jak być cyfrowym liderem od jutra?

• Charakterystyka zespołu w kontekście procesu wytwarzania oprogramowania – role vs. odpowiedzialność,
• Ewolucja i porównanie metodyk Waterfall, Scrum, Kanban,
• Wyzwania organizacji pracy z wykorzystaniem metodyk zwinnych w kontekście Data Science,
• Gra symulacyjna – doświadczenie pracy w zespole Scrumowym i przedyskutowanie wiele pytań oraz sytuacji które zdarzają się podczas codziennej pracy,
• Cyfrowe przestrzenie współpracy (backlog, kanban, ci/cd):
  • Synchroniczne vs. asynchroniczne podejście do współpracy,
  • Narzędzia organizacji pracy i koordynacji projektów wykorzystywane w branży wytwarzania oprogramowania i Data Science,
  • Wykorzystanie jednego z narzędzi chmurowych do utworzenia i zdefiniowania struktury projektu oraz ćwiczenia z komunikacji wewnątrz projektowej.
• Wykorzystanie jednego z narzędzi chmurowych do utworzenia i zdefiniowania struktury projektu oraz ćwiczenia z komunikacji wewnątrz projektowej – ćwiczenia praktyczne.

• Omówienie pojęcia cyberbezpieczeństwa, cyberprzestępczości i cyberataku: rodzaje zagrożeń, typy atakujących, motywacja.
• Czy warto dbać o bezpieczeństwo technologii informatycznych? Rachunek zysków i strat.
• Implementacja cyberbezpieczeństwa w przedsiębiorstwie.
• Poprawa bezpieczeństwa ludzi, procesów i technologii.
• Pryncypia cybersecurity.
• Technologia: Usługi audytu zerowego (security assesment) i stałego utrzymania cyberbezpieczeństwa przy użyciu Security Operations Center (SOC).
• Procesy i weryfikacja stanu aktualnego wraz z przygotowaniem roadmapy cyber dla 12 miesięcznego okresu.
• Ludzie: weryfikacja wiedzy dot. higieny cybersecurity.
• OSINT, socjotechnika i ataki typu phishing wraz z przykładami.
• Hasła dostępu: wytyczne, metody weryfikacji wycieku, menedżery haseł i Two-factor Authentication (2FA).
• Bezpieczeństwo urządzeń w firmie oraz w warunkach domowych.
• Dobre nawyki cybersecurity: wytyczne, szkolenia security awareness, symulowane kampanie phishingowe.

Na zajęciach zostaną przedstawione rzeczywiste przykłady projektów, w których zastosowano rozwiązania oparte na sztucznej inteligencji (AI), w różnych obszarach biznesu i przemysłu. Uczestnicy zapoznają się z mocnymi i słabymi stronami zaprezentowanych rozwiązań, a także z wyzwaniami związanymi z implementacją AI w praktyce. Przewidziano czas na dyskusję, analizę przypadków oraz wymianę doświadczeń uczestników związanych z wykorzystaniem nowoczesnych technologii w ich środowisku zawodowym.

• Zrównoważony rozwój a transformacja przemysłowa,
• Human-centric manufacturing,
• Współpraca z cobotami i interfejsy BCI (brain-computer),
• Rola empatii i wellbeing w nowoczesnym zakładzie produkcyjnym.