本セミナーでは、まず、ヒューマンエラーはなぜ起こるのか、生産工程におけるヒューマンエラーの現状と対策を説明します。その上で機械学習によるヒューマンエラー予兆検知の有用性と必要性について触れます。これらを導入し、活用するための留意点について解説するとともに、質疑応答を通して理解を深めます。また、取得した時系列データをそのまま機械学習に入力するだけでは、ヒューマンエラーを予測することはできません。機械学習に入力する前処理の基礎とデータのノイズ除去技術を学びます。また、シンプルな機械学習パーセプトロンアルゴリズムから始まり、最近話題のディープラーニングまでを具体的な事例、人工知能による感情認識とともに解説し、人工知能に対する理解も深めます。
　本セミナーを受講することで、ヒューマンエラー予兆検知などの人工知能を活用した生産現場のスマートファクトリー化やインテリジェント製品の開発に役立ちます。

1. 生産工程におけるヒューマンエラー
   1. ヒューマンエラーの分類
      1. スリップとその対策
      2. ラプスとその対策
      3. ミステイクとその対策
   2. ヒューマンエラーはなぜ起こる
      1. 状況認識モデル
      2. m-SHELLモデル
      3. 注意とそのモデル
      4. ワーキングメモリ
   3. ヒューマンエラー事故と企業のリスク
   4. 現状のヒューマンエラー対策
      1. 危険予知トレーニング (KVT)
      2. 人間中心設計
      3. 人間信頼性評価
      4. 安全マネジメント
      5. レジリエンスエンジニアリング
2. 人間の心理状態の測定方法
   1. アンケートによる測定
      1. 職業性ストレスモデル
      2. ラッセルの円環モデル
      3. PANAS
   2. 生体信号による測定
      1. 心拍変動
      2. 唾液
      3. 発汗
   3. 行動による測定
      1. ダイナミックな意思決定における状況認識
      2. ワーキングメモリと注意
      3. 自動的処理と統制的処理
3. 機械学習とIoT技術
   1. 観測信号の取得
      1. Internet of Things (IoT) とは
      2. 空間分解能と時間分解能
      3. IoT技術の活用の留意点
   2. ノイズ除去
      1. 移動平均フィルタ
      2. ローパスフィルタとハイパスフィルタ
      3. カルマンフィルタ
   3. 特徴ベクトルの導出と要素の集約・選択
      1. 主成分分析による情報の集約
      2. 共分散分析 (ANOVA) による特徴ベクトルの分析・選択
   4. 機械学習によるモデルの構築
      1. 単純パーセプトロン
      2. 多層パーセプトロン
   5. モデルの選択・評価
   6. 精度向上のためのテクニック
      1. 不均等なサンプルサイズ
      2. スパースなデータ
      3. 欠損値の取り扱い
4. 生体信号と気象データを用いた近未来の快気分の予測
   1. ステップワイズ法による変数選択と回帰モデル
   2. 気象データと快・不快気分の関係
   3. 近未来の気分予測結果と予測因子
   4. 気分の分布と遷移
5. 腰の動きに基づいた認知負荷の推定
   1. 歩行の乱れの導出
   2. 歩行の乱れと認知負荷の関係
   3. 歩行者の認知負荷の推定精度
6. ヒューマンエラー予兆の検知
   1. Working Rhythmの乱れ
   2. Deep Neural Networkによる予兆検知
   3. ヒューマンエラー予兆が表れる部位