2018年10月12日（金）
10:00～16:30
Tel：03-5857-4811 E-mail：info@rdsc.co.jp
問い合わせフォーム
非会員：
50,906円
（本体価格：46,278円）
会員：
48,125円
（本体価格：43,750円）
学生：
11,000円
（本体価格：10,000円）
会員（案内）登録していただいた場合、通常1名様申込で49,980円（税込）から
★1名で申込の場合、47,250円（税込）へ割引になります。
★2名同時申込で両名とも会員登録をしていただいた場合、計49,980円（2人目無料）です。
学校関係者価格は、企業に在籍されている研究員の方には適用されません。
■ 会員登録とは？ ⇒
よくある質問
30名 ※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
昼食・資料付
※講師と同業者(技術コンサルタント・講師業)の方の受講はご遠慮ください。
・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
・特定の異常や不良状態を自動的に見つけるだけなく、未知の異常、不良状態（未定義の異常、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
・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（仮想検査技術、センサレスセンシング技術）
・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（異常検知技術）
・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
・最小のデータで予測精度の高い人工知能を構築するノウハウ
・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
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。
本講座では、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。本講座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。
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（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事例（レシピジェネレーター技術）
・設備の知能化技術開発事例（仮想検査技術、センサレスセンシング技術）
・設備の知能化技術開発 補足事例（未学習の未知の異常を検出技術、予防保全技術）
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
・簡単な関係性を人工知能に学習させ、その後推定させる
・複雑な関係性を人工知能に学習させ、その後推定させる
・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を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】・・・レシピジェネレーター技術
・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】・・・仮想検査技術、センサレスセンシング技術
・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
・人工知能活用の実施手順
・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
・システムの動作フローチャート
・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】・・・異常検知技術、予防保全技術
・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
・人工知能活用の実施手順
・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
・システムの動作フローチャート
・本事例を応用可能な別事例の紹介
【質疑応答・名刺交換】
人工知能,AI,ディープラーニング,IOT,データ,MTシステム,講習会,研修,セミナー
