第1部. 故障予知・異常検知のための工場データの集め方、センサ選び方と設置の仕方

(2019年10月25日 10:00〜12:00)

　IoT/AI(人工知能)時代においては、ものづくりを行う製造業にとって、製造現場のIoT/AIによる改善/改革は避けることはできない必須項目です。しかしながら、IoT/AIは定義が不明確で、その応用範囲も広いことから、ほとんどの企業において活用/導入において課題を抱えています。特に、故障予知・異常検知のための工場データの集め方、センサ選び方と設置の仕方などにおいて、そのノウハウが理解できない企業が多数有ります。
　当講演では、IoTの製造現場の導入に多数の経験があるコンサルタントとして活動している講師が、上記のIoTに関連する基本事項から具体的な活用・導入のポイントまでわかりやすく解説致します。

1. IoT (Internet of Things) /AI (人工知能) の概要
   1. ・IoT (Internet of Things) の本質と現場改善
   2. AI (人工知能) でのデータ分析
   3. AI (人工知能) の分析結果の評価方法
   4. ディープラーニング (深層学習) の落とし穴
2. 工場におけるIoT (Internet of Things) ノウハウ
   1. 故障予知・異常検知の方法
   2. 必要データの収集方法
   3. センサの選択方法
   4. センサの設置方法のノウハウ
   5. 分析手法とAI (人工知能)
   6. AIプラットフォームの活用
3. AI (人工知能) の基本的な動作
   1. 機械学習の動作デモ
   2. ディープラーニング (深層学習) の動作デモ)
• 質疑応答

第2部. 工場設備の“異常音”検知と故障予知への応用

(2019年10月25日 12:45〜14:45)

　画像処理やコンピュータビジョンにおけるAI技術の成功から、次は音の利用だ、という流れができつつあります。特に、これまで産業界から重大な問題であると認識されていたにも関わらず、実際には人間の手に頼らざるを得なかった、機械の故障検知や故障予知の問題に、音が有効に利用できる可能性が出てきました。
　本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明します。音の特徴量の求め方を平易に解説した後、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介します。

1. はじめに
   1. 正常音と異常音
2. 音の特徴量
   1. 時間的特徴量
   2. 周波数的特徴量
3. 雑音除去技術
   1. 単一マイクの利用
   2. 複数マイクの利用
4. 故障検知の方法
   1. 特徴量の利用
   2. 距離尺度の利用
   3. ニューラルネットワークの利用
5. 故障予知の方法
   1. 時系列情報の利用
   2. 故障検知方法の有効利用
• 質疑応答

第3部. 機械学習による時系列データからの異常検知と予知保全技術

(2019年10月25日 15:00〜17:00)

　振動データに代表される時系列情報から機械学習によって異常検知および予防保全を行う技術を網羅する。機械や設備から取得される振動データは、物理的原因や過去の知見・経験との整合性がよいため、古くから異常検知に利用されている。特に近年の機械学習・人工知能技術の発展によって、多次元時系列・非線形・時間依存関係のある複雑なデータから、人による分析が困難な特徴を捉えた監視技術が応用されている。
　本講義では、異常検知や予防保全を対象とした時系列データの前処理と基本的な異常検知の手法と、機械学習による多次元時系列データからの代表的な特徴抽出手法を扱う。さらにこれらの技術を用いた応用事例について述べる。

1. 機械学習による異常検知・予防保全の概論
2. 機械学習のための時系列データの扱い
   1. 基本的信号処理
   2. 次元圧縮
   3. クラスタリング
3. 機械学習による異常検知技術
   1. 回帰
   2. One class SVM
   3. オートエンコーダ
   4. DNN
4. 機械学習による予防保全技術
   1. DNN
   2. RNN
   3. LSTM
   4. 強化学習
5. 精度を上げる工夫
   1. アンサンブル
   2. XGBoost
6. 応用事例と課題
• 質疑応答