セミナー 印刷

【Live配信(リアルタイム配信)】
MTシステムおよび機械学習による
異常診断技術の基礎と最適活用

~自社の課題に対して有効にアプローチするための本質理解と活用法~

自社の課題に有効な手法を選択・活用できるようになることを主眼に、
異常診断の本質や考え方、MTシステムと機械学習の異常診断への応用、
各手法の長所・短所、適用事例などに関して解説します。
このセミナーの受付は終了致しました。
日時 2022年7月26日(火)  13:00~17:00
会場 Live配信セミナー(会社・自宅にいながら受講可能)  
会場地図
受講料(税込)
各種割引特典
44,000円 ( E-Mail案内登録価格 41,800円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体40,000円+税4,000円
E-Mail案内登録価格:本体38,000円+税3,800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44,000円 (2名ともE-Mail案内登録必須​/1名あたり定価半額22,000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。
配布資料電子媒体(PDFデータ/印刷可)
・弊社HPのマイページよりダウンロードいただきます。
・開催2日前を目安に、ダウンロード可となります。
・ダウンロードには会員登録(無料)が必要となります。
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)
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。
得られる知識・異常診断技術の枠組みおよび自身の課題に対する有効なアプローチの選択
・MTシステムや機械学習を用いた異常診断手法の流れ、その本質・狙い
対象異常診断に興味をお持ちで、自身の課題に実際にアプローチしてみたい方
MTシステムや機械学習などに対してそれぞれの長所・短所等の理解を深めたい方
予備知識:基礎的な統計用語等

セミナー講師

国立研究開発法人産業技術総合研究所 センシングシステム研究センター 生産プロセス評価研究チーム 主任研究員 博士(工学) 石田 秀一 氏
専門:生産プロセス評価(異常検知、機械学習)、品質工学、ロボット工学
民間企業との共同研究を中心とした生産現場における製品・プロセス評価
品質工学会(代議員)
エレクトロニクス実装学会 官能検査システム化研究会(主査)

セミナー趣旨

 AI・IoT技術の進展は目覚ましく、多くの分野での活用・検討が進んでいます。製造業においてもAI技術の導入に向けた取り組みが活発であり、その技術動向が注目されています。しかしながら、現状では過度な期待や誤解も多く、データを蓄積しAI技術を適用すれば、劇的な改善が期待できると考えておられる方も少なくありません。
製造現場では多くの泥臭い対象に対して、課題の整理、適切なセンシング・データ採取、必要十分な解析手法の選択・適用といった基本的なアプローチこそが重要となります。
 そこで本セミナーでは、異常検知の分野において長年の実績を有するMTシステムや近年注目される機械学習(深層学習)手法を基礎から解説し、各手法の長所・短所に関して基本的な理解を深めていただきます。また、適用事例として振動センサを用いた状態モニタリングおよび異常診断手法の適用についても解説いたします。

セミナー講演内容

1.センシングデータ分析の基礎
 1.1 データサイエンスの基礎
 1.2 データ採取における注意点
 1.3 データの前処理手法
 
2.異常診断技術の考え方
 2.1 異常診断とは
 2.2 異常診断が対象とする様々な問題
 2.3 異常診断の基本的なアプローチ
 
3.MTシステムの基本的な考えと異常診断への応用
 3.1 MTシステムとは
 3.2 MTシステムの本質的な考え方
 3.3 MTシステムの体系(MT法、MTA法、T法(1)、T法(2)、T法(3) 等)
 3.4 各手法の狙いと処理の流れ
 3.5 MT法の適用事例と運用上の注意
 
4.機械学習手法の基本的な考えと異常診断への応用
 4.1 機械学習の歴史とその体系
 4.2 異常診断で活用される機械学習手法
 4.3 各手法の狙いと処理の流れ
 4.4 時系列データに対する異常診断
 
5.異常診断技術の適用事例紹介   
 5.1 振動センサ(AEセンサ)を用いた状態モニタリング
 5.2 回転機械に対する異常診断技術の活用
 5.3 事例1:MTシステムと産業用組込みコントローラによる軸受け装置の異常検知
 5.4 事例2:オートエンコーダを用いた真空ポンプの異常診断

 □質疑応答□