2017年7月10日(月)に『製造業におけるIoT・人工知能(AI)の活用展開と今後 ~導入からデータの解析・活用の実践的ポイントまで~』を開催いたします。

★品質改善、歩留まり向上、寿命予測、異常検知・・・
★「何をどのように現場で使えるものにしていけばよいのか」「具体的にどのように分析していけば良いのか」等々、数々の事例シナリオをもとに解説します。

是非この機会にご参加ください。

開催日 2017年7月10日(月) 10:30~16:30
 会 場 きゅりあん4階第1特別講習室(東京都品川区東大井5-18-1)アクセス
費 用 1名 46,440円(税込)

*1社2名以上同時申込の場合、1名につき35,640円
*学校法人割引;学生、教員のご参加は受講料50%割引

詳 細 情報機構 Webサイト(http://www.johokiko.co.jp/seminar_chemical/AC170767.php
事前登録 参加のお申込みは こちら
セミナー内容 【講師】

テクノスデータサイエンス・エンジニアリング(株)
コンサルティンググループ 執行役員常務 博士(理学)  池田 拓史

【セミナー内容】

1. IoT・人工知能(AI)の導入に向けて
~データサイエンスをビジネスに活用するための組織づくりと進め方~
1)IoT・AIの製造現場活用で、どのようなことが可能になるのか
2)先行する他業界における導入の成功事例とフレームワーク
3)IoT・AIを活かすための役割分担
4)必要となる技能・人材とその採用・教育は?
5)IoT・AI導入プロジェクトのプロセスモデル

2.データ分析に着手する前に考えるべきこと
1)分析設計書の必要性
2)ビジネスゴールは何か
3)分析上のゴールは何か
4)どのような場合にどのような手法を検討すべきか
a) 統計モデルとAI(=機械学習)の思想の違い
b) データ行列から見た分析目的の分類とよく使われるアルゴリズム
5)どのようなデータをどのくらい収集すれば良いのか
6)変数設計の必要性

3. 各種モデルの設計と現場への適用戦略
1)連続量に対する予測:線形回帰モデル
a) 線形回帰モデルとは一体何をやっているのか
・シミュレーションから理解する
・理論式から理解する
b) 変数設計のポイント
・カテゴリ変数の取り扱いのポイント
・非線形効果を解釈可能にする派生変数の導入
・多時点での測定データをどう次元削減するか
・L1正則化による有効な変数の選別
・内部での数値計算を見据えた上での注意点
c) 結果の解釈
・非線形効果や交互作用を含む回帰係数の解釈
・コントロール境界を可視化するには
2)2値量に対する予測:ロジスティック線形回帰モデル
a) ロジスティック回帰モデルとは一体何をやっているのか
b) 変数設計のポイント
c) 結果の解釈
3)寿命に対する予測:COX回帰モデル
a) COX回帰モデルは一体何をやっているのか
b) データ加工設計のポイント
c) 変数設計のポイント
d) 結果の解釈
4)その他のAI(機械学習)モデルの利用
a) AI系のモデルの利用が適する状況とは
b) 決定木系のモデルとその注意点
c) ニューラルネットワーク系のモデルとその注意点
d) 異常検知アルゴリズム

4. IoT・AIの製造現場への各種適用・分析事例シナリオ
1)歩留まり向上への適用シナリオ
a) 要因の解明と制御を目指すケース
b) 異常予兆の検知を目指すケース
2)品質改善への適用シナリオ事例
a) 要因の解明と制御を目指すケース
b) 異常予兆の検知を目指すケース
3)予兆保守への適用シナリオ
a) 寿命予測を目指すケース
b) 異常予兆の検知を目指すケース

<質疑応答>