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、適切なツール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、最先端技術に対して「成熟した技術」があり、「成熟した技術」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。その成熟した安心して使える技術を用いた、製造業における人工知能活用法を、具体的な事例を用いて解説いたします。
　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、ツールとして使えることが理想的です。本セミナーで解説する成熟した人工知能技術を使うことで、解決すべき技術課題に集中することが可能になります。

• 受講者の習熟度ヒアリング
  • 単回帰式、重回帰式を知っている方、使ったことがある方
  • すでにディープラーニングを含むニューラルネットワークモデル、MTシステムを使ったことがある方
  • ニューラルネットワークモデル、MTシステムの違いを知っている方
  • ニューラルネットワークモデル、MTシステムを使ってみて、効果があった方

1. 人工知能活用による事例概要
   1. 製造業に特化した人工知能の活用の全体像
   2. 「製品設計条件と生産条件」の実験環境をパソコン上に再現する技術開発事例
      (レシピジェネレーターの事例)
   3. 設備の知能化技術開発事例
   4. 設備の知能化技術開発 補足事例
2. 人工知能技術の概要
   1. 要素技術者から見た開発ツールとしての人工知能技術の比較
   2. 補足:ニューラルネットワークモデルはブラックボックス?
   3. 要素技術者に適した人工知能構築ツールの比較
3. ニューラルネットワークモデル構築の実演
   1. 簡単な関係性の学習と推定
   2. 複雑な関係性の学習と推定
   3. 推定に問題ある場合の対処法1
   4. 難しい排他的論理和問題を人工知能に解かせる
   5. 品質工学、実験計画法の直交表を応用したデータセットの学習
   6. 推定に問題がある場合の対処法2
4. 【事例1】製品設計条件と生産条件の実験環境をPC上に再現する技術開発:

1. 背景:電磁石コイルの繰返し開発の紹介
2. 製品設計部門と工法開発部門、量産部門の役割分担
3. 汎用巻線技術の開発 – 設計条件と設備条件の密接な関係
4. 個別最適解を求める「設計条件×設備条件=性能の平均値とバラつき」方程式の探求
5. 人工知能活用の実施手順
6. データ収集の実験計画とその勘所
7. データの説明性確保の課題と解決策
8. データ数不足の解決策 要素技術を活かしたデータ増殖
9. 試作レス開発環境の構築例
10. 人工知能の推定が間違った場合の対処方法
11. 本事例を応用可能な別事例の紹介

1. 【事例2】設備の知能化技術開発:
   • 溶接の抜取り破壊検査工程を、溶接と同時に溶接強度を推定し、
     全数検査と量産品質トレンドや設備状態のモニタリングを可能にした事例を解説
   1. 背景:溶接と抜取り破壊検査の紹介
   2. 全数検査化に先立つ要素技術
   3. 溶接条件から溶接強度を予測・推定する人工知能技術
   4. データ収集、及び人工知能による強度推定のシステム構築例
   5. 人工知能活用の実施手順
   6. システムの動作フローチャート
   7. システムの判定結果例
   8. システムの判定を利用したモニタリング例
   9. 本事例を応用可能な別事例の紹介
2. 【事例3】設備の知能化技術開発 補足事例:
   • 事前に学習できない未知の不良を検出したい場合の対処方法を、
     エンジンの異常音など、聴感による人的官能検査工程を自動化した事例を元に解説
   1. 背景:異常音で判断する官能検査工程の紹介
   2. 定義できる不良音と定義できない不良音。未知の不良を見つける必要性
   3. MTシステム (MT法) とは
   4. データ収集、及び人工知能による異常音推定システム構築例
   5. 人工知能活用の実施手順
   6. システムの動作フローチャート
   7. システムの判定結果例
   8. 本事例を応用可能な別事例の紹介
• 質疑応答