1. ホーム
  2. セミナー
  3. 製造現場における正常／異常判定の考え方とデータ解析結果の使いこなし方【LIVE配信】

☆品質不良や設備・工程の異常兆候を早期に捉えるために、データを用いた正常／異常の判断基準をどう理解すればよいのか。
　AI・解析ツールの判定結果を鵜呑みにせず、判定根拠や精度の限界を理解し、現場で説明・活用するための実践ポイントを解説します。

製造現場における正常／異常判定の考え方とデータ解析結果の使いこなし方【LIVE配信】
〜判定根拠・誤判定・精度の限界をふまえ、現場で納得して使うための実践ポイント〜

Zoomを使ったWEBセミナーです。在宅、会社にいながらセミナーを受けられます。

セミナー概要
略称
正常／異常判定【WEBセミナー】
セミナーNo.
2607111
開催日時
2026年07月31日（金） 10:30～16:30
主催
(株)R&D支援センター
問い合わせ
Tel：03-5857-4811　E-mail：info@rdsc.co.jp　問い合わせフォーム
開催場所
【WEB限定セミナー】※会社やご自宅でご受講下さい。　
講師
滋賀大学　データサイエンス学部　教授　博士(数理学)　笛田 薫 氏
（一社）近江データサイエンスイニシアティブ　代表理事
https://www.ohmi-dsi.jp/

【専門】データサイエンス、品質管理、異常検知
【略歴】
2001年　博士（数理学）九州大学
2017年　滋賀大学データサイエンス学部教授
2020年　滋賀大学データサイエンス教育研究センター長
2020年　株式会社メタルアート社外監査役（2024年まで）
2024年　滋賀大学データサイエンス・AIイノベーション研究推進センター副センター長
価格
非会員：  55,000円 （本体価格：50,000円）
会員：  49,500円 （本体価格：45,000円）
価格関連備考
非会員の方は1名につき55,000円（税込）です。
会員の方もしくは新規会員登録していただいた方の受講料は以下の通りです。
　★1名で申込の場合、49,500円（税込）に割引になります。
　★2名以上同時申込の場合、1名につき半額の27,500円（税込）に割引になります。
　　※参加者全員の会員登録が必要です。登録料や年会費などは一切かかりません。
■会員登録とは？　⇒　よくある質問
備考
【Zoomを使ったWEB配信セミナー受講の手順】
１）Zoomを使用されたことがない方は、こちら からミーティング用Zoomクライアントを
　　ダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
２）セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたに
　　ついては こちら をご覧ください。
３）開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始
　　10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加
　　ください。

・セミナー資料は開催前日までにお送りいたします。
　ご自宅への送付を希望の方はコメント欄にご住所などをご記入ください。
　無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
講座の内容
習得できる知識
・データに基づいた判断の進め方
・判断過程を自分の言葉で社内に説明するための考え方
・正常／異常を判別する際の基本的な考え方
・異常値・異常兆候を検出する代表的な手法の概要
・解析結果の妥当性を確認するための視点
・誤検知・見逃しなど、異常検知の限界と注意点
・工程・設備・検査データを現場改善や原因分析につなげる考え方
趣旨
　この10年間、データサイエンスの活用が進み、異常検知など様々な目的で使われるようになりました。また各種ツールの充実、生成AIの登場により、高度なプログラミング能力がなくてもデータ解析が出来るようになりました。しかし、現場で活用するためにはツールの出力結果や生成AIの回答を鵜呑みにするのではなく、データ活用に詳しくない上司、同僚に自分の言葉で説明し、納得していただく必要があります。
　本講演では、複雑な数式は使わず、データを用いて正常／異常の判別、異常値の検出に関し、各種手法はどのようにして判断していくのかを説明します。データからの判断は、あくまで機械が学習することによる経験則ですので100%の精度は得られませんが、その限界の中で如何に使いこなすのか、ということも説明します。
プログラム

１．正常／異常をデータで判断するための基礎知識
　1-1　教師あり学習、教師なし学習とは?
　1-2　手法の複雑さと過学習
　1-3　複雑さの選定
　　(1)　交差検証法
　1-4　判別機の性能評価
　　(1)　ROC曲線

２．正常／異常の判定例がある場合のデータ判別手法
　2-1　線形判別
　2-2　2次判別
　2-3　Support Vector Machine (SVM)
　　(1)　ハードマージンとソフトマージン
　　(2)　カーネルトリック

３．判定例が少ない場合に、いつもと違う状態を見つける方法
　3-1　正規分布を用いた異常検知:単変量の場合
　3-2　正規分布を用いた異常検知:多変量の場合
　　(1)　マハラノビスの距離
　　(2)　MT法の問題点と解決策
　3-3　Local Outlier Factor
　3-4　One Class SVM
　3-5　時系列モデルにおける異常検知
　　(1)　変化点検知
　　(2)　Change Finder

４．判定結果の限界を踏まえた現場での使いこなし方

キーワード
品質不良,工程異常,異常判別,異常検知,判定根拠,誤判定,セミナー
関連するセミナー
関連する書籍
関連するDVD
関連する通信講座
関連するタグ
フリーワード検索
カテゴリ別検索
カテゴリ別検索