セミナー：3月25日 製造業ＤＸにおける 異常検知技術の活用 | 曽我部研究室 SogabeLab 国立大学法人電気通信大学│AI 人工知能 量子

曽我部准教授が製造業ＤＸ（デジタルトランスフォーメーション）における異常検知技術の活用

～DX・AIの基礎からAIによる異常検知技術の適用展開まで～にて講演を行います。

■開催要領

日時：2022年3月25日（金）10:30-16:30

開催形式：オンライン開催 (Zoom)

主催：(株)情報機構

詳細はこちら  https://johokiko.co.jp/seminar_chemical/AD220386.php

※講師の紹介で受講しますと参加費が割引されます。受講希望の方は当HPのCONTACTよりご一報ください。

■講演概要

第Ⅰ部：DX（デジタルトランスフォメーション）に求められることとその要件

1. DXとは？
2. DX注目の契機「2025年の崖」
3. DX-Ready―DXに取り組むための準備が整っている状態とは―
4. DXにおけるUX・CXの重要性
5. DXにおけるデータの重要性
6. DXとSDGsとのかかわり
7. DXのメリットと DXのデメリット（懸念点）
8. DXから考える：As a Service化（XaaS）
9. DX人材に必要な基礎知識・スキル
10. ビジネスでのDX推進法

第Ⅱ部：DXを支える要素技術とAI技術とのかかわり
～製造業DXへのAI・データ活用展開～

1. ビッグデータ
2. AI（人工知能）
3. IoT・センサー
4. ５G（次世代通信）
5. VR・AR
6. クラウドサービス
7. 量子コンピュータ
8. ロボティクス
9. 製造業におけるデジタル技術のインパクト
10. 製造業企業のデータ活用
11. 応用事例：
・DX事例１
・DX事例２

第III部：製造業DXに向けたAI技術
～機械学習・ディープラーニングの基礎と異常検知適用の考え方～

1. 製造業DX適用に向け、機械学習の原理と手法を簡潔に分かりやすく説明
・サポートベクトルマシン(SVM)
・主成分分析PCA/t-SNE/トポロジーデータ解析法(TDA)
・競合学習・SOM・K-NN・EMアルゴリズムの原理と相互関連性
・決定木の各手法・ランダムフォレスト
・Extreme learning machine手法の紹介
・RNNとRNN-LSTMのわかりやすい説明
・ベイズ原理からカルマンフィルターをわかりやすく説明
・ベイズ原理から粒子フィルターをわかりやすく説明

2. 製造業DX適用に向け、各ディープラーニングの手法と原理を簡潔にわかりやすく説明
・畳み込みニューラルネットワーク(CNN)の原理及び有用性・限界等
・graph-CNNについて
・時系列データに対するCNN
・自己符号化器(AE)
・RBMとRBM-DBNの紹介

3. 異常検知の考え方や手法の選択・適用のポイント等をわかりやすく説明
・異常検知の考え方
・異常検知への各手法の選択法
・異常検知への適用の際のポイントと留意点

第Ⅳ部：製造業DXにおけるAI型異常検知技術の応用事例

1. 品質検査（表面・外観検査）におけるディープラーニングの手法の応用
(1) 最新技術と手法及び応用事例の紹介
・熱間圧延ストリップ鋼表面解析
・溶接欠陥解析
・航空機ファンブレード用チタン合金表面
(2) CNNに基づく転移学習の紹介
(3) 転移学習を用いたCNN学習モデルによる表面・外観検査の学習結果の解析
(4) 従来の機械学習手法の解析結果との比較

2. 故障評価のための診断解析
(1) 技術の背景及び応用事例の紹介
・軸受故障解析
・変速機故障解析
・回転子故障解析
(2) CNNによる特徴抽出と故障診断
(3) AEによる故障診断
(4) Extreme learning machine深層学習手法
(5) スパースフィルタリングによる故障診断
(6) RBM-DBNとSVMを融合したマルチモーダル手法

3. 欠陥・寿命予測解析手法
(1) LSTM-RNNによる欠陥予測
(2) 競合学習とLSTMの融合による予測
(3) 双方向LSTMとCNNの融合による予測
(4) 粒子フィルターとRBM-DBNの融合による予測
(5) 欠陥・寿命予測解析応用事例
・転がり軸受長期寿命予測
・機械加工における工具摩耗寿命予測
・ハイブリッド玉軸受寿命予測

4. 学習モデル
(1) 学習モデル選択
(2) データの高次元性・非構造多様性・不均等性の対策
(3) 学習結果の可読性と可視化

＜質疑応答＞