第1部 データベース構築、データ活用のための“前処理・クレンジング”と最適手法の選択

(2022年8月9日 10:30〜12:00)

　実際に収集されたデータを分析する際には、前処理・クレンジングといわれるデータに対する処理が必要となります。センサー、音、画像等を想定し、前処理の方法を概観しつつ、どのような手法をとるべきか、を解説していきます。また、前処理、特徴量エンジニアリングの手法違いにより、分析結果にどの程度の差異が生まれるかを画像、音データにより確認していきます。

1. データに関して
   1. どのようなデータを収集可能か?
      1. 想定と実際
      2. 想定とのギャップを埋められるか?
   2. データの前処理
      1. データ共通の処理
         • 正規化
         • ワンホットベクトル
         • その他
      2. 画像データに対する処理
         • 色情報の扱い
         • データオーギュメンテーション
         • 他
      3. 時系列データに対する処理
         • 差分の抽出
         • 他
      4. 音データに対する処理
         • 波形データと周波数特性
         • データオーギュメンテーション
         • 他
   3. 特徴量エンジニアリング
      1. 特徴量とは
         • 概要
         • 分析の目的を見据えた特徴量
         • 他
      2. 様々な手法
         • 分散表現
         • CNN
         • 他
2. 実際に何ができるか?
   1. 活用事例
      1. 画像データでの分類
      2. 音データでの異常検知
   2. 前処理を実施した場合としない場合の差異
      1. 画像データ
      2. 音データ
• 質疑応答

第2部 属人的データ共有状況を脱するためのデータ共有システムとプロジェクトチーム

(2022年8月9日 13:00〜15:00)

　IoT等で製造工程以降のデータ利活用は、急激に進展しています。一方、公的研究機関であれ、民間企業であれ、R&D部門におけるデータの取り扱いは、属人的のままであり、効果的な利用、活用が殆ど進んでいないのが実態です。
　本講演では、まず、R&D部門のデータ共有、利活用の実情をお話させていただき、データ共有状況を改善するために導入すべきデータ共有システムに必要な要件を説明させていただきます。最後に、データ共有システムを導入、運用した具体例を基に導入時及び運用後に陥りがちな落とし穴とそれらの回避するためのプロジェクトチームに必要な要件に関して、紹介させていただきます。

1. はじめに (講演者の会社、経歴紹介)
2. R&D部門の データ共有、利活用の実情
3. データ共有、利活用状況を改善するために必要な方策
4. データ共有システム構築
   1. データ共有システムに必要な要件
   2. 導入における効果
5. データ共有システム導入、運用に必要なプロジェクトチームの要件
   1. 導入時における落とし穴
   2. 運用時における落とし穴
   3. プロジェクトチームに必要な要件と落とし穴の回避方法
6. まとめ
• 質疑応答

第3部 研究開発領域でDXを活用するためのデータベース構築と運用

(2022年8月9日 15:15〜16:45)

　近年の材料開発プロセスでは、過去の実験データやシミュレーションデータを利用し、情報科学の手法と融合させた迅速かつ効率的な新素材開発の取り組みが活発になってきている。このような材料開発を加速させる上で、最も重要になるのがデータ活用基盤である。研究開発部門のDXにおけるデータ活用基盤は、「新しい材料 (価値) の創出」および「迅速な意思決定による開発スピードの向上」の観点から、機械学習連携、BIツールを利用した可視化分析を行うことができ、柔軟かつ拡張性を念頭においた設計・構築が必要である。
　本講では、実際に研究開発部門のDXで使われているシステム構成、データベース、機械学習、BIツール連携などのシステムの特長、および活用事例を合わせて紹介する。

1. 材料開発の加速について
   1. データ活用基盤の目指すべき姿・期待する効果
2. データ活用基盤プラットフォーム利用による材料開発
3. データ活用基盤を活用した事例紹介
   1. 迅速な意思決定による開発スピードの向上
   2. 新しい材料 (価値) の創出
• 質疑応答