開発生産性

セミナー概要 セミナーのテーマ 効率的な開発のための実験計画法 AIを活用した非線形実験計画法 経験と勘に頼らない最適条件探索 こんな方におすすめです 開発効率を高めたい技術者 複雑な現象の解析手法を探している方 従来の開発方法で成果が出ない方 最適解を効率的に導く『統計的組合せ最適化：実験計画法』 とExcelでできる人工知能を併用する『汎用的インフォマティクス：非線形実験計画法』 経験と勘による開発から脱却する実験計画法複雑な現象に対応する非線形実験計画法の基礎と実施手順・ノウハウ【希望者にソフトウェア・検討テンプレート提供】 「可能な限り少ない実験回数で、開発のゴールまで到達したい！」「求める製品性能や材料物性を実現したい」「加工・生産・合成条件を最適化したい。」「これまでの開発方法で成果が出ない。」などの方におすすめのセミナーです。また、これから実験計画法を実践されたい初学者の方など、幅広くご受講いただける内容です。開発のゴールを可能な限り少ない実験回数で実現するための「実験計画法」と、構成要素が複雑に絡みあう場合に有効なニューラルネットワークモデル(超回帰式)を併用した「製造業の開発に適した非線形実験計画法」の基礎・実施手順・活用ノウハウについてを解説。製造業の実務に特化させた活用方法の解説は、受講後の業務を強力にサポート！年間受講者が1000人を超える「初学者でもわかりやすい解説」と定評のある講師が解説します。非線形実験計画法とは：AIプログラミングができない要素技術者自身で実行できる、材料・プロセス開発以外にも適応可能な汎用的インフォマティクス （データ駆動型開発法）適応的最適化（ベイズ最適化）の仕組みも取り入れた、簡便にExcel上で実施できる実験計画法の一種でもある※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。 上記につきまして、お申込み後に確認のためご連絡させていただく場合がございます。 受講者が変更になる場合（代理出席）は、必ず事前にご連絡をお願いいたします。 講師 MOSHIMO研 代表 福井 郁磨 氏所属学会：日本品質管理学会会員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、実験計画法、品質工学に関して、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30年の経験を持つ。 セミナー趣旨、ポイント 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ます。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ディープラーニング（ニューラルネットワークモデル＝超回帰式）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応答曲面法、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という方々に、また、多目的最適化が必要な方々に、具体的な解決策を詳細に説明します。なお、複雑な現象をモデル化（数式化）する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 ・機械、電子電気部品、材料、家電、加工／生産装置、計測評価機器、医療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・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・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・多特性の最適化が必要で、従来方法では解決できなかった方・実験計画法や応答曲面法、品質工学(タグチメソッド)を使ってみたが上手く行かない方・実験計画法や品質工学（タグチメソッド）などの離散的な探索では成果の出ない方※実験計画法、ニューラルネットワークモデル、品質工学（タグチメソッド）に関する予備知識は必要ありません。 得られる知識 ・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・非線形性が強い複雑な現象の場合に有効なニューラルネットワークモデル（超回帰式）を併用する解析手順・Ｅｘｃｅｌ上で、簡単にニューラルネットワークモデルを構築する方法と実験計画法への応用ノウハウ・複数の特性値（多特性）を同時に最適化する実験デザイン、解析方法・各構成要素の条件に関して、飛び飛びの値（水準）での最適条件化ではなく、 連続値として（水準の間も含めて）最適条件を求める解析方法・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具体的手順・実験計画法や応答曲面法、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※実験計画法、ニューラルネットワークモデル、品質工学（タグチメソッド）に関する予備知識は必要ありません。 プログラム １．典型的な既存の開発方法の問題点 1.1 解説用事例 洗濯機 振動課題の説明 1.2 既存の開発方法とその問題点※上記の事例は、業界を問わず誰にでもイメージできるモノとして選択しており、 洗濯機の振動技術の解説が目的ではありません。２．実験計画法とは 2.1 実験計画法の概要 2.1.1 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 ・実際の解析方法 ・実験実務上の注意点（実際の解析の前提条件） ・誤差のマネジメント ・フィッシャーの三原則 2.1.2 分散分析とＦ検定の原理 2.1.3 実験計画法の原理的な問題点 2.2 検討要素が多い場合の実験計画 2.2.1 実験計画法の実施手順 2.2.2 ステップ1 『技術的な課題を整理』 2.2.3 ステップ2 『実験条件の検討』 ・直交表の解説 2.2.4 ステップ3 『実験実施』 2.2.5 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 2.2.6 解析ソフトウェアの紹介 2.2.7 実験計画法解析のデモンストレーション３．実験計画法の問題点 3.1 推定した最適条件が外れる事例の検証 3.2 線形モデル → 非線形モデルへの変更の効果 3.3 非線形性現象（開発対象によくある現象）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（超回帰式）の活用 4.1 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（超回帰式）とは 4.2 ニューラルネットワークモデル（超回帰式）を使った実験結果のモデル化 4.3 非線形性が強い場合の実験データの追加方法 4.4 ニューラルネットワークモデル（超回帰式）構築ツールの紹介５．ニューラルネットワークモデル（超回帰式）を使った最適条件の見つけ方 5.1 直交表の水準替え探索方法 5.2 直交表＋乱数による探索方法 5.3 遺伝的アルゴリズム（GA）による探索方法 5.4 確認実験と最適条件が外れた場合の対処法 5.5 ニューラルネットワークモデル（超回帰式）の構築と最適化 実演６．その他、製造業特有の実験計画法の問題点 6.1 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 6.2 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。

開発生産性

業務ですぐ活用できる品質工学（タグチメソッド）入門

最適解を効率的に導く『統計的組合せ最適化：実験計画法』とExcelでできる人工知能を併用する『汎用的インフォマティクス：非線形実験計画法』

業務ですぐ活用できる品質工学（タグチメソッド）入門

最適解を効率的に導く『統計的組合せ最適化：実験計画法』 とExcelでできる人工知能を併用する『汎用的インフォマティクス：非線形実験計画法』

最適解を効率的に導く『統計的組合せ最適化：実験計画法』とExcelでできる人工知能を併用する『汎用的インフォマティクス：非線形実験計画法』