B180223st 


人工知能(AI)で成果を出すための
最適活用法と導入事例
 

~ものづくり企業が技術課題を解決するツールとしての活用法を伝授~


   製造業で人工知能(AI)を活用して成果を出すにはどうすれば良いか?を実例を通して講義。
 
「人工知能(AI) を、具体的に自社開発テーマに活用する方法のイメージが出来ない」
「AIを活用しようと動きはじめたものの、具体的に何をしたらいいか……」
「要素技術とAIの連携ができずに失敗してしまう……」
― そんな方々におすすめしたい、「AI最適活用法」セミナーです!
 
「今までで最も分かりやすい講習」「非常に丁寧なご説明」 と評判の講師が解説します。もちろん、予備知識は必要ありません!
      
             外部ソフトウェアエンジニアに頼らず、
      要素技術者が自分自身でAIを簡単に応用活用する手順とノウハウの提供

-------------------------------------- 

開催日時:2018年2月23日(金)  10:30~17:00

会  場きゅりあん 5F 第2講習室【東京都品川区東大井5-18-1】
                       JR京浜東北線「大井町駅」より徒歩1分
                       
東急大井町線「大井町駅」より徒歩3分
                       
んかい線「大井町駅」より徒歩3分

受 講 料:1名につき48,600円(本体45,000円+税3,600円)、資料・昼食付

     会員登録していただけた場合は、46,170円(本体42,750円+税3,420円、資料・昼食付)
      といたします。

      
また、現在、創立記念キャンペーン期間中の特典として2名同時申込みで1名分無料
      (2名とも会員登録必須、1名あたり定価半額の24,300円)でご受講いただけます。

     
会員登録とは :セミナー・書籍などの最新情報を主催者からE-MailやDMにてご案内い
              たします。
              会員の方は会員価格(定価の約5%割引)にてご利用いただけるなどの
              特典がございます。お申込み時に「会員登録希望」とお書き添え下さ
              い。主催者より会員登録完了の連絡を差し上げます。(既に会員であ
              る方は自動的に会員価格となります)



主    催 : サイエンス&テクノロジー株式会社

※請求書、受講票等は、サイエンス&テクノロジーより送付いたします。

 


【講師】

 福井 郁磨 氏    MOSHIMO研 代表


         [略歴]
           元・オムロン(株)、パナソニック(株)、東レ(株)、LG Electronics Japan Lab(株)

              1993年にオムロン(株)に入社し、電子部品の原理開発、加工技術開発、ロボットの研究開発、人の
              聴感判定を機械化した検査装置開発などに従事。
              2006年にパナソニック(株)に入社し、生活家電の要素技術開発、新機能製品開発などに従事。
              2007年後半に東レ(株)に入社し、液晶ディスプレイなどの微細加工技術開発などに従事。
              その後、2010年にLG  Electronicsに入社し、生活家電研究所を京都で立ち上げた。研究所を立ち
              上げ後は、洗濯機チームリーダー、オープンイノベーション室長を歴任。部品・アッセンブル・材料・
              外資系の各会社で、新事業企画、技術や製品の企画、それらの研究開発を担当し、プレイヤー、
              マネージャーとして多面的な経験を積んだ。特に、機械の知能化技術を得意としており、生産システ
              ム・検査評価機器・設計開発ツール・家電要素技術等へのAI(人工知能)活用に関して約20年の経
              験を持つ。
              また、品質工学(タグチメソッド)に関しては、電子部品・加工技術・検査技術・ロボット・生活家電な
              どの分野で、AI活用と同じく約20年の経験を持つ。
              2015年にMOSHIMO研を開業。現在、人工知能と品質工学を中心とした製造業企業への技術課題
              解決支援と、生活関連用品などの研究開発を行っている。

              公益財団法人 京都産業21 登録専門家、滋賀県品質工学研究会 会員、品質工学会 会員

         [得られる知識]
           ・「製品設計条件(寸法仕様、材料仕様など)」と生産条件」から量産時の製品特性値をバラツキも含めて
            人工知能に精密に予測させる方法
           ・上記の量産時性能予測技術を利用した、製品設計条件と生産条件を 試作レスで最適化する技術の構
            築方法(レシピジェネレーターの開発方法)
           ・人的な官能(感性)検査を機械化(自動化)する方法
           ・要素技術、生産システム、加工技術の開発者に適した人工知能技術の応用知識とノウハウ
           ・未知の異常も検出する技術による設備の予防保全システムを構築する方法
           ・抜き取り検査しかできなかった工程を人工知能による推定全数検査化する方法
           ・製造業における人工知能の使いこなしノウハウ  など

                  注1:人工知能の予備知識は必要ありません
                  注2:人工知能の歴史や数理の詳細な説明は割愛し、エンジニアリング重視で解説いたします。

         [対象]
           ・要素技術、生産システム、加工技術などの分野で人工知能を活用したい開発者の方々
           ・製造業で実績があり、エクセルのように簡便に使える人工知能技術を求めている方
           ・事前に学習できない未知の不良を見つける技術が必要な方
           ・抜取り検査を全数検査に変え、量産品質トレンドや設備モニタリングを行い不良を未然に防ぎたい方
           ・毎年繰返し、同じような製品開発を行っていて、その開発効率を高めたい方

         [趣旨]
           最先端技術であるディープラーニングが話題になり、人工知能ブームが再来していると言われています。
          最先端の技術は重要ではありますが、製造業の技術者が開発実務に活用するには敷居が高いことが課題
          ではないでしょうか?

           このように人工知能には、活用が難しいイメージがありますが、ものづくり分野に絞れば、適切なツールと
          ノウハウで意外と簡単に活用可能です。ディープラーニングを含む人工知能にも、最先端技術に対して「成
          熟した技術」があり、「成熟した技術」はものづくりの開発現場で安心して使うことが可能です。その成熟した
          安心して使える技術を用いた、製造業における人工知能活用法を、具体的な事例を用いて解説いたします。

           ものづくり技術者にとって、人工知能は目的ではなく、技術課題を解決する手段、ツールとして使えること
          が理想的です。本セミナーで解説する成熟した人工知能技術を使うことで、解決すべき技術課題に集中す
          ることが可能になります。


0.受講者の習熟度ヒアリング 
   ・単回帰式、重回帰式を知っている方、使ったことがある方
   ・すでにディープラーニングを含むニューラルネットワークモデル、MTシステムを使ったことがある方
   ・ニューラルネットワークモデル、MTシステムの違いを知っている方
   ・ニューラルネットワークモデル、MTシステムを使ってみて、効果があった方

1.人工知能活用による事例概要
 ・製造業に特化した人工知能の活用の全体像
 ・「製品設計条件と生産条件」の実験環境をパソコン上に再現する技術開発事例
  (レシピジェネレーターの事例)
 ・設備の知能化技術開発事例
 ・設備の知能化技術開発 補足事例

2.人工知能技術の概要
   ・要素技術者から見た開発ツールとしての人工知能技術の比較
   ・補足:ニューラルネットワークモデルはブラックボックス?
   ・要素技術者に適した人工知能構築ツールの比較

3.ニューラルネットワークモデル構築の実演
   ・簡単な関係性の学習と推定
   ・複雑な関係性の学習と推定
   ・推定に問題ある場合の対処法1
   ・難しい排他的論理和問題を人工知能に解かせる
   ・品質工学、実験計画法の直交表を応用したデータセットの学習
   ・推定に問題がある場合の対処法2

4.【事例1】製品設計条件と生産条件の実験環境をPC上に再現する技術開発:
 
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 毎年繰返し行っていた電磁石コイルの開発を、人工知能により、
 設計条件(寸法仕様、材料仕様など)と生産条件を合わせてPC上で最適化した事例を解説

 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
   ・背景:電磁石コイルの繰返し開発の紹介
   ・製品設計部門と工法開発部門、量産部門の役割分担
   ・汎用巻線技術の開発-設計条件と設備条件の密接な関係
   ・個別最適解を求める「設計条件×設備条件=性能の平均値とバラつき」方程式の探求
   ・人工知能活用の実施手順
   ・データ収集の実験計画とその勘所
   ・データの説明性確保の課題と解決策
   ・データ数不足の解決策 要素技術を活かしたデータ増殖
   ・試作レス開発環境の構築例
   ・人工知能の推定が間違った場合の対処方法
   ・本事例を応用可能な別事例の紹介

5.【事例2】設備の知能化技術開発:
 
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 溶接の抜取り破壊検査工程を、溶接と同時に溶接強度を推定し、
 全数検査と量産品質トレンドや設備状態のモニタリングを可能にした事例を解説

 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
   ・背景:溶接と抜取り破壊検査の紹介
   ・全数検査化に先立つ要素技術
   ・溶接条件から溶接強度を予測・推定する人工知能技術
   ・データ収集、及び人工知能による強度推定のシステム構築例
   ・人工知能活用の実施手順
   ・システムの動作フローチャート
   ・システムの判定結果例
   ・システムの判定を利用したモニタリング例
   ・本事例を応用可能な別事例の紹介

6.【事例3】設備の知能化技術開発 補足事例:
 
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 事前に学習できない未知の不良を検出したい場合の対処方法を、
 エンジンの異常音など、聴感による人的官能検査工程を自動化した事例を元に解説

 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

   ・背景:異常音で判断する官能検査工程の紹介
   ・定義できる不良音と定義できない不良音。未知の不良を見つける必要性
   ・MTシステム(MT法)とは
   ・データ収集、及び人工知能による異常音推定システム構築例
   ・人工知能活用の実施手順
   ・システムの動作フローチャート
   ・システムの判定結果例
   ・本事例を応用可能な別事例の紹介

□質疑応答□


 お1人様      受講申込要領    セミナー 総合日程