予備知識なしでも学べる実績ありの製造業AI活用ノウハウ

セミナー趣旨、ポイント

　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。
　また、ビッグデータにも誤解が多く、本来の意味とは異なる内容が一人歩きしている状況です。
本来のビッグデータの意味を理解し、適切な手法の応用や、要素技術者の皆さん自身の知見を活かすと、高性能な人工知能の開発に必要なデータの最小化や、限られたデータから大量のデータを作るデータ増殖も可能です。
　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、基礎的な解説を行った上で、製造業における具体的な事例を用いて応用ノウハウを解説します。
　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。
　なお、ニューラルネットワークモデルをExcel上で簡単に構築する方法も、デモンストレーションを併用して解説いたします。

こんな方におすすめ

• 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
• エクセルのように簡単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
• また、検査工程を作らず、加工工程自体が検査工程になる仮想検査技術を求めている方々
• 直接計測不可能な特性を代替え特性から推定するセンサレスセンシング技術を求めている方々
• 特定の不良状態を自動的に見つけるだけなく、未知の不良状態（未定義の不良品）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

※人工知能に関する予備知識は必要ありません
※技術コンサルタントの方や、講師業の方は、受講をご遠慮ください

得られる知識

• 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基礎知識と応用ノウハウ
• 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の知識
• エクセルのように簡単に使える人工知能構築ツールやアルゴリズム
• 「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
• 検査工程を作らず、加工工程自体が検査工程になる仮想検査の構築方法
• 直接計測不可能な特性を代替え特性から推定するセンサレスセンシングを構築する方法
• 学習していない未知の異常も検出する技術を活用した検査システム、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

※人工知能に関する予備知識は必要ありません