課題解決、品質向上、技術向上のセミナーならTH企画セミナーセンター

製造業で人工知能を活用するための

製造業における技術課題を解決するツールとしての人工知能の導入および活用法
~ニューラルネットワークモデルとMTシステム、両手法の基礎から具体事例~

エレクトロニクスソフトウェア化学機械

製造業における人工知能活用についてエンジニアリングに適した人工知能技術であるニューラルネットワークモデルと
         MTシステムの2つの手法の具体的事例を用いて解説する特別セミナー!!

講師

MOSHIMO研 代表 福井 郁磨 先生
 オムロン(株)、パナソニック(株)、東レ(株)、LG Electronics Japan Lab(株)を経て現職
 人工知能応用技術に関して,電子部品・ロボット・加工技術・検査技術・生活家電などの分野で約20年の経験を持つ

日時
会場

連合会館 (東京・お茶の水)

会場案内

Googlemapでの表示はこちら

受講料
1名:48,600円 同時複数人数申込みの場合 1名:43,200円
テキスト

受講概要

受講対象

 ・要素技術、生産システム、加工技術などの分野で人工知能を活用したい開発者の方々
 ・最先端で未成熟な技術ではなく、製造業で実績があり、簡便に使える人工知能技術を求めている方々
 ・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
 ・破壊検査などの抜取り検査を全数検査に変え、量産品質トレンドや設備モニタリングを行い、不良を未然に防ぎたい方々
 ・エクセルのように簡単に使える人工知能ツールを求めている方々
 ・特定の異常や不良状態を自動的に見つけるだけなく、未知の異常、不良状態(未定義の異常、不良品)を見つける技術が必要な方々
 ・品質工学や実験計画法などで、離散的な探索では成果の出ない方々
 ・「革新的ものづくり・商業・サービス開発支援補助金」第四次産業革命型などIot&AI関係の補助金獲得を経営課題としてお考えの方々

予備知識

 人工知能に関する予備知識は必要ありません。

習得知識

 ・要素技術、生産システム、加工技術の開発者に適した人工知能技術の応用知識とノウハウ
 ・「製品設計条件(寸法仕様、材料仕様など)」と生産条件」から量産時の製品特性値をバラツキも含めて人工知能に精密に予測させる方法
 ・上記の量産時性能予測技術を利用した、製品設計条件と生産条件を試作レスで最適化する技術の構築方法(レシピジェネレーターの開発方法)
 ・抜き取り検査しかできなかった工程を人工知能による推定全数検査化する方法
 ・未知の異常も検出する技術による設備の予防保全システムを構築する方法
 ・人的な官能(感性)検査を機械化(自動化)する方法
 ・製造業における人工知能の使いこなしノウハウ
 ・第四次産業型の補助金申請に必要なIoT&AIシステム構成と処理フローの事例
などなど

講師の言葉

 最先端技術であるディープラーニングが話題になり、人工知能ブームが再来していると言われています。 
 最先端の技術は重要ではありますが、製造業の技術者が開発実務に活用するには敷居が高いことが課題ではないでしょうか?
 このように人工知能には、活用が難しいイメージがありますが、ものづくり分野に絞れば、適切な手法の使い分けと
ノウハウで意外と簡単に活用可能です。
 ディープラーニングを含む人工知能にも、アカデミックな最先端技術に対して成熟した「エンジニアリングに適した技術」があり、
その技術はものづくりの開発現場で安心して使うことが可能です。
 本講座では、エンジニアリングに適した人工知能技術であるニューラルネットワークモデルとMTシステムに関して、
製造業における具体的な事例を用いて解説します。
 ものづくり技術者にとって、人工知能は目的ではなく、技術課題を解決する手段、ツールとして使えることが理想的です。
 本講座で解説するエンジニアリングに適した人工知能技術を使うことで、技術者は、解決すべき技術課題に集中することが
可能になります。

プログラム

1.人工知能活用による事例概要
 1)「製品設計条件(寸法仕様、材料仕様など)と生産条件」の実験環境をパソコン上に再現する技術開発事例(レシピジェネレーターの事例)
 2)設備の知能化技術開発事例(抜取検査を全数検査化し、不良発生の予兆を捉えることも可能にした事例)
 3)設備の知能化技術開発 補足事例(未学習の未知の異常を検出させる事例)
2.人工知能技術の概要
 1)要素技術者から見た開発ツールとしての人工知能技術の比較
 2)要素技術者に適した人工知能構築ツールの比較
3.ニューラルネットワークモデル構築の実演
 1)簡単な関係性を人工知能に学習させ、その後推定させる
 2)複雑な関係性を人工知能に学習させ、その後推定させる
 3)難しい排他的論理和問題を人工知能に解かせる
 4)品質工学、実験計画法の直交表を応用したデータセットの学習
4.【事例1】「製品設計条件(寸法仕様、材料仕様など)」と生産条件」の実験環境をパソコン上に再現する技術開発:
 毎年繰返し行っていた電磁石コイルの開発を、人工知能により、設計条件と生産条件を合わせてパソコン上で最適化可能にした事例を解説
 1)背景:電磁石コイルの繰返し開発の紹介
 2)製品設計部門と工法開発部門、量産部門の役割分担
 3)汎用巻線技術の開発-設計条件と設備条件の密接な関係
 4)個別最適解を求める「設計条件×設備条件=性能の平均値とバラつき」方程式の探求
 5)人工知能活用の実施手順
 6)データ収集の実験計画とその勘所
 7)データの説明性確保の課題と解決策
 8)データ数不足の解決策 要素技術を活かしたデータ増殖
 9)試作レス開発環境の構築例
 10)人工知能の推定が間違った場合の対処方法
 11)本事例を応用可能な別事例の紹介
5.【事例2】設備の知能化技術開発:
 溶接の抜取り破壊検査工程を、溶接と同時に溶接強度を推定し、全数検査と量産品質トレンドや設備状態のモニタリングを可能にした事例を解説
 1)背景:溶接と抜取り破壊検査の紹介
 2)全数検査化に先立つ要素技術
 3)人工知能活用の実施手順
 4)データ収集、及び人工知能による強度推定のシステム構築例
 5)システムの動作フローチャート
 6)本事例を応用可能な別事例の紹介
6.【事例3】設備の知能化技術開発 補足:
 事前に学習できない未知の不良を検出したい場合の対処方法を、エンジンの異常音など、聴感による人的官能検査工程を自動化した事例を元に解説
 1)背景:異常音で判断する官能検査工程の紹介
 2)定義できる不良音と定義できない不良音。未知の不良を見つける必要性
 3)MTシステム(MT法)とは
 4)人工知能活用の実施手順
 5)データ収集、及び人工知能による異常音推定システム構築例
 6)システムの動作フローチャート
 7)本事例を応用可能な別事例の紹介
7.質疑応答

講師紹介

 1993年4月~ オムロン(株):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6月~ パナソニック(株):生活家電の要素技術、製品開発などに従事
 2007年11月~ 東レ(株):液晶ディスプレイなどの微細加工技術開発などに従事
 2010年4月~ LG Electronics Japan Lab(株):関西の新規研究所設立責任者、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
 2015年5月~ MOSHIMO研:製造業支援、開発コンサルティング、生活関連用品などの研究開発に従事
 ※人工知能応用技術に関して、電子部品・ロボット・加工技術・検査技術・生活家電などの分野で、約20年の経験を持つ。

・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
・日本品質管理学会 会員

関連セミナー

統計的機械学習を用いた異常検知とその応用

エレクトロニクス化学医薬機械

業務でAIを有効活用するための機械学習・ディープラーニングの基礎とAIの産業応用

エレクトロニクス化学医薬機械

深層強化学習の基本・最新アルゴリズムと応用~応用できる、実務に活かせる目線で、重要ポイントを理解・習得する講座~

エレクトロニクスソフトウェア化学機械

フレームワークによる機械学習及びディープラーニングの基礎と実践

エレクトロニクスソフトウェア化学機械

Pythonプログラミングの基本と機械学習入門(PC演習つき)

エレクトロニクスソフトウェア化学機械

機械学習MT法による異常検知システム構築に必要な信号処理技術と応用例

エレクトロニクスソフトウェア化学機械

機械学習による異常検知の基礎と応用事例

エレクトロニクス化学機械

人工知能の最新技術と応用そして今後の動向

エレクトロニクスソフトウェア化学医薬機械

機械学習の入門からディープラーニングまで~Python/Keras実習による機械学習の理解~

エレクトロニクスソフトウェア化学機械

機械学習の効率的学習手法~機械学習の基礎から最先端技術までの道筋~

エレクトロニクス機械

製造業における非線形現象に対応する人工知能を併用した実験計画法

エレクトロニクス化学機械