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。 製造業における実験計画法の基本と実施手順 [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

実験計画法の基本的な考え方・方法を確認した後、製造業の開発現場で有効活用するための非線形モデル(構成要素が複雑に絡みあう現象)への対応方法について詳しく解説し、実践のための具体的な手法を身につけます。

製造業における実験計画法の基本と実施手順

~統計学・品質工学を知らなくてもできる AIを応用した新しい実験計画法~

【日 程】

2019年5月14日(火) 10:00~17:00

【会 場】

都内中心部で調整しております。

【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 郁磨氏 [web] [Facebookページ]
[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、技術や製品の企画、それらの研究開発とマネジメントを担当。実験計画法、多変量解析、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23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。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。

 1.典型的な既存の開発方法の問題点
  ・解説用事例 洗濯機 振動課題の説明
  ・既存の開発方法とその問題点
 ※上記の事例は、業界を問わず誰にでもイメージできるモノとして選択しており、
  洗濯機の振動技術の解説が目的ではありません

 2.実験計画法とは
  ・実験計画法の概要
  ・本来必要な実験回数よりも少ない回数で結果を出す方法の概念
  ・分散分析とF検定の原理
  ・実際の解析方法
  ・実験計画法の原理的な問題点
  ・検討要素が多い場合の実験計画
  ・実験計画法の実施手順
  ・ステップ1 『技術的な課題を整理』
  ・ステップ2 『実験条件の検討』
  ・直交表の解説
  ・ステップ3 『実験実施』
  ・ステップ4 『実験結果を分析』
  ・分散分析表 その見方と使い方
  ・工程平均、要因効果図 その見方と使い方
  ・構成要素の一番良い条件組合せの推定と確認実験
  ・解析ソフトウェアの紹介
  ・実験計画法解析のデモンストレーション

 3.実験計画法の問題点
  ・推定した最適条件が外れる事例の検証
  ・線形モデルと非線形モデル
  ・非線形性現象(開発対象によくある現象)に対する2つのアプローチ
 
 4.実験計画法の問題点解消方法 ニューラルネットワークモデル(超回帰式)の活用
  ・複雑な因果関係を数式化するニューラルネットワークモデルとは
  ・ニューラルネットワークモデルを使った実験結果のモデル化
  ・非線形性が強い場合の実験データの追加方法
  ・ニューラルネットワークモデル構築ツールの紹介

 5.ニューラルネットワークモデルを使った最適条件の見つけ方
  ・直交表の水準替え探索方法
  ・直交表+乱数による探索方法
  ・遺伝的アルゴリズム(GA)による探索方法
  ・確認実験と最適条件が外れた場合の対処法
  ・ニューラルネットワークモデル(超回帰式)の構築と最適化 実演

 6.その他、製造業特有の実験計画法の問題点
  ・開発対象(実験対象)の性能を乱す客先使用環境を考慮した開発
  ・客先使用条件による動的な変化を矛盾なく解析する方法
  ・客先使用環境を考慮した開発実験方法 品質工学概要

 7.学習用参考文献 紹介
 
 8.質疑応答

/images/noimage.png

<習得知識>
・従来の開発方法の問題点と解決策
・数多くの要因の組合せを効率的に実験し、最適条件を導き出す方法
・製造業における実験計画法の基本的な考え方から実践手順
・製造業における実験計画法の原理的な問題点と解決方法
・非線形性が強い現象の場合に有効なニューラルネットワークモデル(超回帰式)を併用する解析手順
・Excel上で、簡単にニューラルネットワークモデルを構築する方法と実験計画法への応用ノウハウ
・複数の特性値(多特性)を同時に最適化する実験デザイン、解析方法
・各構成要素の条件に関して、飛び飛びの値での最適条件化ではなく、連続値として(水準の間も含めて)最適条件を求める解析方法
・複雑な関係を持つ構成要素間の最適な組合せ条件を見つける具体的手順
・実験計画法や応答曲面法、品質工学(タグチメソッド)を開発で使ったが、上手く行かなかった方々への解決策
※実験計画法、ニューラルネットワークモデル、品質工学(タグチメソッド)に関する予備知識は必要ありません。

<講義概要>
 実験計画法は、少ない実験回数で多くの構成要素が関係する現象の解析が可能です。その解析方法を使うと、本来数千通りの実験が必要な場合でも、数十通りの実験回数で、構成要素間の最適な組合せ(因子ごとの最適条件)を見つけることが可能です。
 しかしながら、解析の前提として構成要素の組合せ効果が線形モデル(構成要素の影響が足し算で構成された単純なモデル)にもとづくことを前提にしており、構成要素が複雑に絡みあう製造業の開発では、最適条件の推定が外れることが多々ありました。
 本講座では、まず、実験計画法の原理と問題点の解説を行います。その上で、実験計画法の問題点を補うために人工知能の一種であるニューラルネットワークモデル(超回帰式)を併用した、製造業の開発により適した非線形実験計画法を解説します。
 実験計画法の導入を考えている初学者の方、これまで実験計画法や応答曲面法、品質工学(タグチメソッド)を使ってみたが上手く行かなかったという方々に、また、多目的最適化が必要な方々に、具体的な解決策を詳細に説明します。
 なお、非線形現象をモデル化(数式化)するニューラルネットワークモデルを、EXCEL上で簡単に構築する方法もデモンストレーションを併用して解説します


  • 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