【セミナー開催報告】ディープラーニング手法による異常検知と製造加工業への応用展開

2025年9月2日（火）に、曽我部教授が『成果につながる異常検知 AI活用術ディープラーニング手法による異常検知と製造加工業への応用展開～品質検査（表面・外観検査）、故障診断、欠陥・寿命予測等～』と題した、ディープラーニング異常検知手法を体系的に解説するオンラインセミナーを行いました。

■開催要領

日時：2025/9/2（火） 10:00〜16:00

主催：TH企画

開催形式：オンライン開催 (Zoom)

セミナー詳細情報（外部サイト）

■受講対象者

ディープラーニングの研究と応用を真剣に検討されている方
工業分野における品質検査、故障診断、寿命予測に興味をお持ちの方
機械学習・ディープラーニングによる異常検知に興味を持たれている方
画像認識・音声認識以外の分野でのディープラーニング応用の可能性に興味をお持ちの方など

■習得知識

最新型ディープラーニング技術の習得
深層学習の基本原理と要素技術の基本知識の習得
ディープラーニングと従来の機械学習手法の融合技術の習得
異常検知と予測手法を応用する際のノウハウの習得
製造加工業におけるディープラーニングの応用例や今後の可能性についての知識　など

■プログラム

第I部：はじめに

(1)従来の機械学習の原理と手法
・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
・ 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

(2) 各種ディープラーニングの手法の紹介
・畳み込みニューラルネットワーク（CNN）
・自己符号化器(AE)
・ RBMとRBM-DBN

(3) 異常検知の考え方と適用法

第II部：品質検査（表面・外観検査）への応用

(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
・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

第III部：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

・変速機

・回転子の故障解析

(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

第IV部：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

第V部：展望

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

質疑・応答

NEWS ニュース

NEWS
ニュース