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

実験計画法を非線形現象に対応させるための

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
~実験計画法の原理と問題点、その問題点をニューラルネットワークモデルで補う解決法~

エレクトロニクス化学機械

実験計画法の原理,問題点,問題点を補うため人工知能の一種である
ニューラルネットワークモデル(超回帰モデル)を併用した非線形実験計画法につ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

 ・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
 ・人工知能を実験/評価に活用し、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
 ・実験計画法の基礎と、実務適応に関心を持つ方
 ・実験計画法や品質工学(タグチメソッド)を使ってみたが、上手く行かなかった方 等

 ※技術コンサルタントの方や、講師業を本務としている方の受講はご遠慮ください

予備知識

 実験計画法、人工知能に関する予備知識は必要ありません。

習得知識

 ・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(超回帰モデル)を併用する解析手順
・簡単に使えるExcel上で動くニューラルネットワークモデルツール
・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手法(直行表と乱数の応用、遺伝的アルゴリズム)
・実験計画法や品質工学(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 等

講師の言葉

 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、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ニューラルネットワークモデル(超回帰モデル)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品質工学(タグチメソッド)を使ったが
上手く行かなかったという方々に、具体的な解決策を詳細に説明します。

プログラム

1. 典型的な既存の開発方法の問題点
 •解説用事例 洗濯機 振動課題の説明
 •既存の開発方法とその問題点

2. 実験計画法とは
 ・実験計画法の概要
 ・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
 ・分散分析とF検定の原理
 ・実際の解析方法
 ・実験計画法の原理的な問題点
 ・検討要素が多い場合の実験計画
 ・実験計画法の実施手順
 ・ステップ1 『技術的な課題を整理』
 ・ステップ2 『実験条件の検討』
 ・直交表の解説
 ・ステップ3 『実験実施』
 ・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
 ・解析ソフトウェアの紹介
 ・実験計画法の解析実演

3. 実験計画法の問題点
 ・推定した最適条件が外れる事例の検証
 ・線形モデルと非線形モデル
 ・非線形モデル(非線形性現象)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(超回帰モデル)の活用
 ・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(超回帰モデル・非線形性多重多層回帰式)とは
 ・ニューラルネットワークモデル(超回帰モデル)を使った実験結果のモデル化
 ・非線形性が強い場合の実験データの追加方法
 ・超回帰モデル構築ツールの紹介

5. ニューラルネットワークモデル(超回帰モデル)を使った最適条件の見つけ方
 ・直交表の水準替え探索方法
 ・直交表+乱数による探索方法
 ・確認実験と最適条件が外れた場合の対処法
 ・ニューラルネットワークモデル(超回帰モデル)の実演

6. その他、製造業特有の実験計画法の問題点と開発手法
 ・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
 ・客先使用条件による動的な変化を矛盾なく解析する方法
 ・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

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

技術職・研究職に必要な実験計画法と統計活用術~入門編~

エレクトロニクス化学医薬機械

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

プラスチック製品の破面解析と破壊原因の究明、寿命予測と破損不具合の防止策

エレクトロニクス化学機械

実験・測定に必要な統計の基礎とデータ解析のポイント

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~深層学習とその問題点・解決策・今後のAIなど~

エレクトロニクスソフトウェア化学機械

開発時の安全係数と量産展開時の規格値決定法(PC演習付き)

エレクトロニクス機械

機械学習(深層学習)による画像認識技術の仕組みと最新動向

エレクトロニクスソフトウェア化学医薬機械

漏れのメカニズムとシールの効果的使い方およびシールトラブル対策

機械