セミナー

【Live配信(リアルタイム配信)】
音による故障検知および故障予知

~ディジタル信号処理の基礎から、音の特徴量の求め方までを平易に解説、
 故障検知への利用および故障予知への発展の方法へのアプローチを紹介~ 

日時 2021年3月11日(木)  10:00~16:30
会場 Live配信セミナー(リアルタイム配信) ※会社・自宅にいながら学習可能です※  
会場地図
講師 埼玉大学大学院 理工学研究科 教授(工学博士)島村 徹也(しまむら てつや) 氏 
  

<経歴>     
1986年、慶應義塾大学 理工学部卒。
1991年、慶応義塾大学 大学院 博士課程修了、工学博士。
同年、埼玉大学 情報工学科 助手。
1995年ラフバラ大学、 1996年ベルファーストクイーンズ大学(ともに連合王国)客員研究員。
1998年、埼玉大学 助教授。
2007年、埼玉大学 教授。
受講料(税込)
各種割引特典
51,700円 ( E-Mail案内登録価格 51,700円 ) S&T会員登録について
定価:本体47,000円+税4,700円
E-Mail案内登録価格:本体47,000円+税4,700円
お1人様受講の場合 51,700円 (47,000円+税4,700円)
1口でお申込の場合  62,700円 (57,000円+税5,700円/1口(3名まで受講可能))
※S&T会員価格 S&T複数同時申込み割引対象外
※開催5日前までに主催会社(株)トリケップスから参加者に当日必要なURLとパスワードをメールにてお知らせします。
※開催7日前に請求書を発送します。
※開催日から9日前以降のキャンセルは受講料全額を申受けます。但し、セミナー終了後テキストを郵送します。
  ​一旦、納入された受講料はご返金できません。当日ご都合のつかない場合は代理の方がご出席下さい。
※サイエンス&テクノロジーが設定しているアカデミー価格・キャンセル規定対象外のセミナーです。
主催(株)トリケップス
オンライン配信★本セミナーは、Zoomウェビナーを使用して行います。
 受講者の通信回線にセキュリティなどの制限がある場合は参加できないことがあるため、
 事前に当日ご利用予定の通信回線にて、Zoom公式ページ(https://zoom.us)に
 アクセスできることをご確認していただくようお願いします。
 または、Zoomのテストミーティング(http://zoom.us/test)にアクセスできることをご確認ください。
 Zoomをダウンロードしている方はマイクとスピーカーのテストも可能です。
 ※こちらは接続テスト用のミーティングです。実際のセミナー参加者画面とは異なります。

★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。
 講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

★受講中の録音・撮影等は固くお断りいたします。
備考*受講申込者が必要定員に満たないセミナーは中止・延期させていただく場合があります。
 その場合は開催1週間前にご連絡します。

★1口でお申込の場合
 代表受講者を定めて下さい。請求書発送等の連絡は代表受講者へ行います。
 申込時に参加者全員の氏名・所属が明記されていない場合、ご参加できない場合があります。

セミナー趣旨

 画像処理やコンピュータビジョンにおけるAI技術の成功から、次は音の利用だ、という流れができつつあります。特に、これまで産業界から重大な問題であると認識されていたにも関わらず、実際には人間の手に頼らざるを得なかった、機械の故障検知や故障予知の問題に、音が有効に利用できる可能性が出てきました。
 本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明します。ディジタル信号処理の基礎から、音の特徴量の求め方までを平易に解説した後、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介します。また、実際の環境音、騒音などを鑑みて、比較的平易に取り組める雑除去手法の紹介も行います。画像では困難だが、音なら容易である例にも言及し、これからの音応用のイメージを膨らませて頂くことを目指します。

セミナー講演内容

1 はじめに
  1.1 正常音と異常音
  1.2 音による情景分析

2 音信号の基礎
  2.1 離散時間信号
  2.2 ディジタルフィルタ
  2.3 フーリエ変換
  2.4 パワースペクトル
  2.5 音の特性

3 音の特徴量
  3.1 パワー、周期
  3.2 スペクトル
  3.3 ケプストラム、メルケプストラム
  3.4 線形予測係数

4 雑音除去技術
  4.1 スペクトル引き算
  4.2 ウィナーフィルタ
  4.3 各種フィルタリング
  4.4 複数マイクの利用

5 故障検知の方法
  5.1 特徴量の利用
  5.2 距離尺度の利用
  5.3 ニューラルネットワークの利用
  5.4 最近の手法

6 故障予知の方法
  6.1 時系列情報の利用
  6.2 故障検知方法の有効利用
  6.3 最近の試み