1口(1社3名まで受講可能)でのお申込は、

 受講料 59,000円(税別)/1口 が格安となります。


『技術課題を解決するツールとしての、
 ニューラルネットワークモデルとMTシステム、
 両手法の特徴と具体事例』


〜エンジニアリングにおける人工知能の最適活用法〜

 S181005A



 

開催日時:2018年10月5日(金)10:00-17:00

会  場:オーム ビル(千代田区神田錦町3-6)

受 講 料:1人様受講の場合 47,000円[税別]/1名

     1口でお申込の場合 59,000円[税別]/1口(3名まで受講可能)

※人工知能に関する予備知識は必要ありません。

新宣伝セミナー日程表

 講 師

 福井郁磨(ふくいいくま)  氏
   MOSHIMO研 代表…(元オムロン梶A元パナソニック梶A元東レ梶A元LG Electronics Japan Lab梶j
 

 <略歴>   1993年4月〜 オムロン梶F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6月〜 パナソニック梶F生活家電の要素技術、製品開発などに従事。
 2007年11月〜 東レ梶F液晶ディスプレイなどの微細加工技術開発などに従事。
 2010年4月〜 LG Electronics Japan Lab梶F関西の新規研究所設立責任者、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。
 2015年5月〜 MOSHIMO研:製造業支援、開発コンサルティング、生活関連用品などの研究開発に従事。

 *実験計画法、品質工学、人工知能応用技術に関して、電子部品・ロボット・加工技術・検査技術・生活家電などの分野で、約20年の経験を持つ。
 <所属学会等>   滋賀県品質工学研究会会員 / 品質工学会会員 / 日本品質管理学会会員。

 セミナーの概要

 

 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、適切な手法の使い分け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、アカデミックな最先端技術に対して成熟した「エンジニアリングに適した技術」があり、その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。
 本セミナーでは、エンジニアリングに適した人工知能技術であるニューラルネットワークモデルとMTシステムに関して、製造業における具体的な事例を用いて解説します。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エンジニアリングに適した人工知能技術を使うことで、技術者は、解決すべき技術課題に集中することが可能になります。

 

 

【受講対象者】
・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
・最先端で未成熟な技術ではなく、製造業で実績があり、簡便に使える人工知能技術を求めている方々
・毎年繰返し、同じような製品開発(製品設計と検証、その生産条件出し)を行っていて、その開発効率を高めたい方
・破壊検査などの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々
・エクセルのような簡単に使える人工知能技術を求めている方々
・特定の不良状態を自動的に見つけるだけなく、未知の不良状態(未定義の不良品)を見つける技術が必要な方々
・品質工学や実験計画法などで、離散的な探索では成果の出ない方々
・「革新的ものづくり・商業・サービス開発支援補助金」第四次産業革命型などIoT&AI関係の補助金獲得を経営課題としてお考えの方々

 

【受講することで得られる知識/ノウハウ】
・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
・「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)
・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
・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
・人的な官能(感性)検査を機械化(自動化)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
・第四次産業型の補助金申請に必要なIoT&AIシステム構成と処理フローの事例
 …など

 講義項目

 1 人工知能活用による事例概要
  1.1 製造業に特化した人工知能の活用の全体像
  1.2 「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)
  1.3 設備の知能化技術開発事例
  1.4 設備の知能化技術開発 補足事例
 
 2 人工知能技術の概要
  2.1 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
  2.2 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?
  2.3 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
  3.1 簡単な関係性を人工知能に学習させ、その後推定させる
  3.2 複雑な関係性を人工知能に学習させ、その後推定させる
  3.3 推定に問題ある場合の対処法1
   3.3.1 難しい排他的論理和問題を人工知能に解かせる
   3.3.2 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
  3.4 推定に問題ある場合の対処法2

 4 【事例1】「製品設計条件(寸法仕様、材料仕様など)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
 〜毎年繰返し行っていた電磁石コイルの開発を、設計条件と生産条件合わせてパソコン上で自動開発を可能にした事例を解説
  4.1 背景:電磁石コイルの繰返し開発の紹介
  4.2 製品設計部門と工法開発部門、量産部門の役割分担
  4.3 汎用巻線技術の開発:設計条件と設備条件の密接な関係
  4.4 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
   4.4.1 人工知能活用の実施手順
   4.4.2 データ収集の実験計画とその勘所
   4.4.3 データの説明性確保の課題と解決策
   4.4.4 データ数不足の解決策 要素技術を活かしたデータ増殖
   4.4.5 試作レス開発環境の構築例
   4.4.6 人工知能の推定が間違った場合の対処方法
   4.4.7 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
  5.1 背景:溶接と抜取り破壊検査の紹介
  5.2 全数検査化に先立つ要素技術
  5.3 人工知能活用の実施手順
  5.4 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
  5.5 システムの動作フローチャート
  5.6 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
  6.1 背景:異常音で判断する官能検査工程の紹介
  6.2 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
  6.3 MTシステム(MT法)とは
  6.4 人工知能活用の実施手順
  6.5 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
  6.6 システムの動作フローチャート
  6.7 本事例を応用可能な別事例の紹介

 7 質疑応答



 お1人様      受講申込要領 1口(1社3名まで) 受講申込要領  セミナー 総合日程 新宣伝 セミナー日程