セミナー 印刷

エンジニアのための実験計画法と
Excel上で構築可能な人工知能を併用する非線形実験計画法

経験と勘による開発から脱却する実験計画法と、
実験計画法が上手くいかない複雑な現象に対応する非線形実験計画法の
基礎と実施手順・ノウハウ

受講可能な形式:【Live配信(アーカイブ配信付)】のみ

開発のゴールを可能な限り少ない実験回数で実現するための「実験計画法」と、実務では避けられない構成要素が複雑に絡みあう場合に有効なニューラルネットワークモデル(超回帰式)を併用した「製造業の開発に適した非線形実験計画法」の基礎・実施手順・活用ノウハウについて、企業での実務経験豊富な講師が丁寧に解説します。

「実験計画法は化学・材料・医薬品・プロセス開発における配合設計や合成条件には適用しづらい?」
「求める製品性能や材料物性を実現したい。」「加工・生産・合成条件を最適化したい。」「これまでの開発方法で成果が出ない。」など。
上記のような疑問・課題を抱えている方や、これから実験計画法を実践されたい初学者の方など、幅広くご受講いただける内容です。

非線形実験計画法とは:
AIプログラミングができない要素技術者自身で実行できる、材料・プロセス開発以外にも適応可能な汎用的インフォマティクス (データ駆動型開発法)

※技術コンサルタントの方や、講師業の方は、受講をご遠慮ください。
 上記につきまして、お申込み後に確認のためご連絡させていただく場合がございます。
※受講者が変更になる場合(代理出席)は、必ず事前にご連絡をお願いいたします。
日時 2024年6月13日(木)  10:00~17:00
会場 オンライン配信セミナー  
会場地図
講師 MOSHIMO研 代表 福井 郁磨 氏 [web] [Facebook]
元オムロン(株)、元パナソニック(株)、元東レ(株)、元LG Electronics Japan Lab(株)
1993年にオムロン(株)に入社し、電子部品の原理開発、加工技術開発、ロボットの研究開発、人の聴感判定を機械化した検査装置開発などに従事。2006年にパナソニック(株)に入社し、生活家電の要素技術開発、新機能製品開発などに従事。2007年後半に東レ(株)に入社し、液晶ディスプレイなどの微細加工技術開発などに従事。その後、2010年にLG Electronicsに入社し、生活家電研究所を京都で立ち上げた。京都研究所立ち上げ後は、洗濯機チームリーダー、オープンイノベーション室長を歴任。部品・アッセンブル・材料・外資系の各会社で、新事業企画、技術や製品の企画、それらの研究開発を担当し、プレイヤー、マネージャーとして多面的な経験を積んだ。
特に機械の知能化技術を得意としており、生産システム・検査評価機器・設計開発ツール・家電要素技術等への多変量解析、実験計画法、品質工学、人工知能応用技術活用に関して約28年の経験を持つ。
2015年にMOSHIMO研を開業。人工知能・品質工学を中心とした製造業への技術課題解決支援と、生活関連用品などの研究開発を行っている。
●所属学会
日本品質管理学会会員/品質工学会会員
受講料(税込)
各種割引特典
55,000円 ( E-Mail案内登録価格 52,250円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体50,000円+税5,000円
E-Mail案内登録価格:本体47,500円+税4,750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55,000円 (2名ともE-Mail案内登録必須​/1名あたり定価半額の27,500円)
【テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】
1名申込みの場合:受講料( 定価:41,800円/E-mail案内登録価格:39,820円 )
  定価:本体38,000円+税3,800円
  E-mail案内登録価格:本体36,200円+税3,620円
※1名様でオンライン配信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(開催日の4、5日前に発送予定)
※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。
 Zoom上ではスライド資料は表示されますので、セミナー視聴には差し支えございません。
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)
※Zoomアプリをインストールせずに、ブラウザから参加することも可能です。
■アーカイブ配信について
 視聴期間:終了翌営業日から7日間[6/14~6/20中]を予定
 ※動画は未編集のものになります。
 ※視聴ページは、終了翌営業日の午前中にはマイページにリンクを設定します。
備考※講義中の録音・撮影はご遠慮ください。
得られる知識・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
・非線形性が強い複雑な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(水準)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。
対象・機械、電子電気部品、材料、家電、加工/生産装置、計測評価機器、医療医工分野等の製品や技術開発に携わり、
 開発効率を高めたい方
・問題に関係する要素が多く、体系的な実験解析手法を必要とする方
・開発難易度が上がった、未経験分野への進出等、従来のやり方では成果が出ない方
・安価な部品や装置で高い性能目標を達成する開発方法を求める方
・毎年繰返し、同じような製品開発(製品設計と検証、その生産条件出し)を行っていて、その開発効率を高めたい方
・多特性の最適化が必要で、従来方法では解決できなかった方
・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い方
・実験計画法や品質工学(タグチメソッド)などの離散的な探索では成果の出ない方

※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。

セミナー趣旨

 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。

 本セミナーでは、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ディープラーニング(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いたします。

 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、複雑な現象をモデル化(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いたします。

セミナー講演内容

1.典型的な既存の開発方法の問題点
 1.1 解説用事例 洗濯機 振動課題の説明
 1.2 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
 2.1 実験計画法の概要
  2.1.1 本来必要な実験回数よりも少ない実験回数で結果を出す方法の概念
   ・実際の解析方法
   ・実験実務上の注意点(実際の解析の前提条件) 
   ・誤差のマネジメント
   ・フィッシャーの三原則
  2.1.2 分散分析とF検定の原理
  2.1.3 実験計画法の原理的な問題点
 2.2 検討要素が多い場合の実験計画
  2.2.1 実験計画法の実施手順
  2.2.2 ステップ1 『技術的な課題を整理』
  2.2.3 ステップ2 『実験条件の検討』
   ・直交表の解説
  2.2.4 ステップ3 『実験実施』
  2.2.5 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
  2.2.6 解析ソフトウェアの紹介
  2.2.7 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
 3.1 推定した最適条件が外れる事例の検証
 3.2 線形モデル → 非線形モデルへの変更の効果
 3.3 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
 4.1 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(超回帰式)とは
 4.2 ニューラルネットワークモデル(超回帰式)を使った実験結果のモデル化
 4.3 非線形性が強い場合の実験データの追加方法
 4.4 ニューラルネットワークモデル(超回帰式)構築ツールの紹介

5.ニューラルネットワークモデル(超回帰式)を使った最適条件の見つけ方
 5.1 直交表の水準替え探索方法
 5.2 直交表+乱数による探索方法
 5.3 遺伝的アルゴリズム(GA)による探索方法
 5.4 確認実験と最適条件が外れた場合の対処法
 5.5  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
 
6.1 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
 6.2 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.全体に対する質疑応答


※説明の順序が入れ替わる場合があります。
 
講義内容に関するキーワード

実験計画法 回帰モデル ニューラルネットワークモデル 人工知能 非線形回帰式
品質工学(タグチメソッド) 遺伝的アルゴリズム
開発生産性 手戻り防止 性能確保 品質問題回避 低コスト化 コストダウン