このサイトではJavaScriptを使用しています。ブラウザの設定でJavaScriptを有効にしてからお使いください。 エンジニアリングのための導入事例で学ぶ技術課題解決手段としての人工知能活用法 [講習会詳細] | テックデザイン
FAXでのお申し込みはこちらから

製造業における人工知能の活用についての基本的な考え方・方法を確認した後、ニューラルネットワークモデル構築の実演および具体的な活用事例について詳しく解説することで、実践のための具体的な手法を身につけます。

エンジニアリングのための 導入事例で学ぶ

技術課題解決手段としての人工知能活用法

~ニューラルネットワークとMTシステム、両手法の基礎から具体事例まで~

【日 程】

2019年1月18日(金) 10:00~17:00

【会 場】

テックデザイン会議室(サガフラット2階)(東京 門前仲町駅)

【受講料】

29,980円(税込/テキスト付)

【備 考】

※技術コンサルタントの方や、講師業を本務としている方の受講はご遠慮ください

講師: MOSHIMO研 代表 福井 郁磨

[元オムロン㈱/元パナソニック㈱/元東レ㈱/元LG Electrics Japan Lab㈱] 

経歴: 1993年にオムロン㈱に入社。2006年にパナソニック㈱に入社。2007年後半に東レ㈱に入社。その後、2010年にLG Electronics Japan Lab㈱に入社。各会社にて、新事業企画、技術・製品の企画、それらの研究開発とマネジメントを担当。多変量解析、実験計画法、品質工学(タグチメソッド)、人工知能に関して、電子部品・ロボット・加工、検査技術・生活家電などの分野で約20年の経験を持つ。2015年にMOSHIMO研を開業。現在、品質工学・人工知能技術を中心とした製造業に対する技術課題解決支援を行っている。

 1.人工知能活用による事例概要
  ① 製造業に特化した人工知能活用(本講義)の全体像
  ② 「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)
  ③ 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)
  ④ 設備の知能化技術開発 補足事例(未学習の未知の異常検出技術、予防保全技術)

 2.人工知能技術の概要
  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 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?
  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
  ① 簡単/複雑な関係性を人工知能に学習させ、その後推定させる
  ② 難しい排他的論理和問題を人工知能に解かせる
  ③ 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
  ④ 推定に問題ある場合の対処法

 4.【事例1 ニューラルネットワークモデル活用】
 「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…レシピジェネレーター技術
 ⇒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

  自動開発を可能にした事例
  ① 背景:電磁石コイルの繰返し開発の紹介
  ② 製品設計部門と工法開発部門、量産部門の役割分担
  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 「設計条件×設備条件=性能の平均値とバラつき」方程式探求
  ⑤ 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
  ⑥ データの説明性確保の課題と解決策
  ⑦ データ数不足の解決策 要素技術を活かしたデータ増殖
  ⑧ 試作レス開発環境の構築例
  ⑨ 人工知能の推定が間違った場合の対処方法
  ⑩ 本事例を応用可能な別事例の紹介

 5.【事例2 ニューラルネットワークモデル活用】
  設備の知能化技術開発…仮想検査技術、センサレスセンシング技術
 ⇒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モニタリングを可能にした事例
  ① 背景:溶接と抜取り破壊検査の紹介
  ② 全数検査化に先立つ要素技術
  ③ 溶接条件から溶接強度を予測・推定する人工知能技術
  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 人工知能活用の実施手順
  ⑥ システムの動作フローチャート
  ⑦ システムの判定結果例
  ⑧ システムの判定を利用したモニタリング例
  ⑨ 本事例を応用可能な別事例の紹介

 6.【事例3 MTシステム活用】

   ニューラルネットワークモデルでは対応できない設備の知能化技術開発…未知異常

  検知技術、予防保全技術

 ⇒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、エンジン異常音検査

  を自動化した事例を元に解説
  ① 背景:異常音で判断する官能検査工程の紹介
  ② 定義できる不良音と定義できない不良音
  ③ 未知の不良を見つける必要性
  ④ MTシステム(MT法)とは
  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 人工知能活用の実施手順
  ⑦ システムの動作フローチャート
  ⑧ システムの判定結果例
  ⑨ 本事例を応用可能な別事例の紹介

 7.全体質疑応答

<習得知識>
・要素技術、センシング技術、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り推定全数検査化する方法
・学習していない未知の異常も検出する技術を活用した検査システム、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

<講義概要>
 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。


  • 講習会一覧(日付順)
  • 受講のしおり
  • 会場案内
  • お問い合わせ
  • よくある質問


  • facebook
       
ページTOPへ