セミナー 印刷

【Live配信(Zoom使用)セミナー】
機械学習・ディープラーニングによる
異常検知/故障診断・欠陥予測解析とその手法

本セミナーは、都合により中止となりました。(10.18.16:00更新)
★ ディープラーニングと従来の機械学習手法の融合技術へ!異常検知と予測手法の応用へ!
日時 2021年10月25日(月)  10:30~16:30
会場 Live配信セミナー ※会社・自宅にいながら受講可能です※  
会場地図
受講料(税込)
各種割引特典
49,500円 ( E-Mail案内登録価格 46,970円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体45,000円+税4,500円
E-Mail案内登録価格:本体42,700円+税4,270円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともE-mail案内登録必須​/1名あたり定価半額24,750円)
テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】
1名申込みの場合:受講料( 定価:35,200円/E-mail案内登録価格:33,440円 ) 

35,200円 ( E-mail案内登録価格 33,440円 ) 
 定価:本体32,000円+税3,200円
 E-mail案内登録価格:本体30,400円+税3,040円
1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。
※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
※他の割引は併用できません。
配布資料製本テキスト(開催前日着までを目安に発送)
※セミナー資料はお申込み時のご住所へ発送させていただきます。
※開催日の4~5日前に発送いたします。

※開催まで4営業日~前日にお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性が
 ありますこと、ご了承下さい。
オンライン配信ZoomによるLive配信 ►受講方法・接続確認(申込み前に必ずご確認ください)
・本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信セミナーとなります。
■最近よくあるお問い合わせ■
1.受講中の、カメラのON/OFF、マイクのON/OFFについて。
  → カメラは任意です、カメラが付いていなくても受講できます(OFFで構いません)。
  → 講義中はマイクOFF(ミュート)にしてください。質疑応答は、音声/チャット どちらでも質問ができます。
2.他の受講者に、所属を知られたくない。
  → Zoom入室の際、会社名を入れる必要はありません。名字(出席確認のため)だけで結構です。
3.開催日までに振込み(入金)が間に合わない。
  → 受講後でも構いません。お申込み時に振込み予定日を記入いただくか、決まり次第のご連絡で構いません。
備考※資料付
※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

セミナー趣旨

 ディープラーニング手法は、画像認識や音声認識の分野では前人未到の識別精度を達成し、将来の有望技術として脚光を浴びている。これらの成功事例を受け近年、ディープラーニング手法は製造加工業界の様々な分野に応用され、新たな解析手法として研究されている。
 本セミナーでは、製造加工業の中でも特に品質検査(表面・外観検査)、故障診断と欠陥予知という三つの分野に応用した最新鋭のディープラーニング技術を紹介する。内容として、応用事例を取り上げながら、解析手法の原理、解析手法の解析プロセス詳細そして検証結果という流れで、説明と議論を重ね展開していく。

セミナー講演内容

<得られる知識・技術>
・最新型ディープラーニング技術の習得
・深層学習の基本原理と要素技術の基本知識の習得
・ディープラーニングと従来の機械学習手法の融合技術の習得
・異常検知と予測手法を応用する際のノウハウの習得
・製造加工業におけるディープラーニングの応用例や今後の可能性 など

<プログラム>
1.はじめに
 1.1 従来の機械学習の原理と手法を簡潔にわかりやすく説明

   ・サポートベクトルマシン(SVM)
   ・主成分分析PCA/t-SNE/トポロジーデータ解析法(TDA)
   ・競合学習・SOM・K-NN・EMアルゴリズムの原理と相互関連性
   ・Extreme Learning machine手法の紹介
   ・RNNとRNN-LSTMのわかりやすい説明
   ・ベイズ原理からカルマンフィルターをわかりやすく説明
   ・ベイズ原理から粒子フィルターをわかりやすく説明
 1.2 各ディープラーニングの手法の紹介と原理を簡潔にわかりやすく説明
   ・畳み込みニューラルネットワーク(CNN)
   ・自己符号化器(AE)
   ・RBMとRBM-DBNの紹介
 1.3 異常検知の考え方や手法の選択・適用のポイント等をわかりやすく説明
   ・異常検知の考え方
   ・異常検知への各手法の選択法
   ・異常検知への適用の際のポイントと留意点

2.品質検査(表面・外観検査)におけるディープラーニングの手法の応用
 2.1 最新技術と手法及び応用事例の紹介

   ・熱間圧延ストリップ鋼表面解析
   ・溶接欠陥解析
   ・航空機ファンプレート用チタン合金表面
 2.2 CNNに基づく転移学習の紹介
 2.3 転移学習を用いたCNN学習モデルによる表面・外観検査の学習結果の解析
 2.4 従来の機械学習手法の解析結果との比較

3.故障評価のための診断解析
 3.1 技術の背景及び応用事例の紹介

   ・軸受故障解析
   ・変速機故障解析
   ・回転子故障解析
 3.1 CNNによる特徴抽出と故障診断
 3.2 AEによる故障診断
 3.3 Extreme Learning machine深層学習手法
 3.4 スパースフィルタリングによる故障診断
 3.5 RBM-DBNとSVMを融合したマルチモーダル手法

4.欠陥・寿命予測解析手法
 4.1 LSTM-RNNによる欠陥予測
 4.2 融合学習とLSTMの融合による予測
 4.3 双方向LSTMとCNNの融合による予測
 4.4 粒子フィルターとRBM-DBNの融合による予測
 4.5 欠陥・寿命予測解析応用事例

   ・転がり軸受長期寿命予測
   ・機械加工における工具摩耗寿命予測
   ・ハイブリッド玉軸受寿命予測

5.展望
 5.1 学習モデル選択
 5.2 データの高次元性・非構造多様性・不均衡性の対策
 5.3 学習結果の可読性と可視化


  □質疑応答□