技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

少ないデータによる異常検知技術の導入と活用方法

少ないデータによる異常検知技術の導入と活用方法

～Pythonを用いた、データ解析の実習講座～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

概要

本セミナーでは、生成AIを組み合わた少量データでの機械学習モデルの構築、最適なパラメータ、データ収集の留意点、スパースデータの防止策について詳解いたします。

開催日

  • 2024年12月16日(月) 10時30分 ～ 16時15分

プログラム

第1部 画像認識AIにおける異常検知と少量データに対する対応

(2024年12月16日 10:30〜12:00)

　機械学習を用いた画像認識AIに用いられる要素技術に関して、異常検知や少量データの対応も含めて幅広く解説します。機械学習の基本概念から始め、それを使った画像認識AIの処理フローや学習データ、特徴量、性能評価方法を紹介し、いくつか実際の応用例に関しても説明します。画像認識AIの開発や導入を検討している方におすすめします。

  1. 機械学習の基礎と画像認識
    1. 機械学習とは
    2. さまざまな機械学習アルゴリズム
    3. 異常検知
    4. 一般的な画像認識AIの処理フロー
    5. 学習データ
    6. 特徴量
    7. 性能評価
    8. 少量データに対する対応策
    9. データ拡張
    10. 転移学習
    11. ドメイン適応
    12. 機械学習を用いた開発のポイント
  2. 画像認識技術のアプリケーション例
    1. 鋳造部品の画像検査アルゴリズム例
    2. 路面凍結部検出アルゴリズム例
    3. 転移学習を使った欠陥検査例
    • 質疑応答

第2部 説明性の高い時系列波形データ分析向けAIの活用と異常データが少ない場合の評価指標

(2024年12月16日 13:00〜14:30)

　インフラや製造分野では、時系列波形データを用いたAIによる高信頼かつ効率的な設備診断が注目されている。このような産業分野では、AIの判定性能を向上させるだけでなく、波形を確認する現場の専門家がAIの判定根拠を解釈できるという説明性が求められる。また、高信頼な設備では異常データが得られる機会は稀である。
　本講演では、AIの説明性、異常検知、時系列波形データなどの基礎知識を説明し、我々の開発した正常波形のみで学習する説明性の高い異常検知AIを解説し、変電所開閉装置への適用事例も示す。

  1. AIによる一般的なクラス分類
    1. 問題設定
    2. 簡単なクラス分類方法
  2. AIの説明性
    1. AIの説明性における課題や要件
    2. AIで説明性を実現するアプローチ
  3. 時系列波形データ分析手法
    1. 時系列波形データの特徴や課題
    2. 公開データ (UCR Time Series Archive) の紹介
    3. 説明性の高い時系列波形クラス分類手法 (Shapelets学習法)
  4. AIによる一般的な異常検知
    1. 異常データが少ない場合の課題
    2. 異常データが少ない場合の対策
      • オーバーサンプリング
      • コストセンシティブ学習
      • 1クラス分類
  5. 異常データが少ない場合の評価指標
    1. 再現率、適合率、F値
    2. ROC曲線、AUC
  6. 正常波形データのみで学習する説明性の高い異常検知AI (OCLTS)
    1. 動作原理
    2. 変電所開閉装置への適用事例
    • 質疑応答

第3部 少量データでの異常検知と生成AIの産業現場導入、活用のポイント

(2024年12月16日 14:45〜16:15)

　本講演では、少ないデータでの異常検知技術の効果的な導入と活用方法を中心に解説するとともに、最近話題となっている生成AIの産業現場での応用について解説します。異常検知におけるデータ前処理の重要性と、データ不足を克服する具体的手法に焦点を当て、前処理によるデータ生成や足りないデータを集める際のポイントを解説します。
　また、巷で盛り上がっている生成AIは、現代の生産/保全現場で抱える課題の解決策と考えられますが、適用検討が進んでいるとは言えない状況です。なぜ進まないのかを考えるとともに、進めていくための方法や効果的な活用、体制などについて提案を交えてお話しします。

  1. はじめに
    1. 講演の目的と概要
  2. 異常検知技術の基礎
    1. 異常検知技術の基本的な概念と重要性
    2. 少量データでの異常検知における課題
  3. データ前処理の重要性とその手法
    1. 異常検知におけるデータ前処理の役割
    2. ノイズ除去とデータクレンジングの実践
    3. 少量データからの有用な情報抽出方法
  4. 少ないデータでの異常検知に対応する技術
    1. 転移学習の応用
    2. データオーグメンテーション (データ拡張) 技術の活用
    3. モデルのパラメータ調整と最適化の方法
  5. 生成AIの産業現場での活用
    1. 生成AIを用いたデータ補完とその技術的可能性
    2. 生成AIが生産現場の課題解決にどう貢献できるか
    3. 実際の応用事例紹介
  6. 生産/保全現場での生成AI導入が進まない理由とその打開策
    1. 生成AIが進展しない背景にある課題の分析
    2. 効果的な導入方法と活用の提案
    3. 生産/保全現場での推進体制構築
  7. リアルタイム異常検知の新しいアプローチ
    1. エッジコンピューティングを利用した異常検知
    2. リアルタイムデータ活用による生産性向上
  8. まとめと今後の展望
    • 質疑応答
ページのトップヘ

講師

  • 笠原 亮介 氏
    株式会社ブライトヴォックス
    取締役 CTO
  • 山口 晃広 氏
    株式会社 東芝 研究開発センター 知能化システム研究所 システムAIラボラトリー
    エキスパート
  • 相馬 知也 氏
    株式会社Argopilot
    代表取締役
ページのトップヘ

主催

株式会社 技術情報協会
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 55,000円 (税別) / 60,500円 (税込)
複数名
: 50,000円 (税別) / 55,000円 (税込)

複数名同時受講割引について

  • 2名様以上でお申込みの場合、1名あたり 50,000円(税別) / 55,000円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 55,000円(税別) / 60,500円(税込)
    • 2名様でお申し込みの場合 : 2名で 100,000円(税別) / 110,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 150,000円(税別) / 165,000円(税込)
  • 同一法人内による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 他の割引は併用できません。

アカデミック割引

  • 1名様あたり 30,000円(税別) / 33,000円(税込)

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

  • 学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院、短期大学、附属病院、高等専門学校および各種学校の教員、生徒
  • 病院などの医療機関・医療関連機関に勤務する医療従事者
  • 文部科学省、経済産業省が設置した独立行政法人に勤務する研究者。理化学研究所、産業技術総合研究所など
  • 公設試験研究機関。地方公共団体に置かれる試験所、研究センター、技術センターなどの機関で、試験研究および企業支援に関する業務に従事する方
  • 支払名義が企業の場合は対象外とさせていただきます。
  • 企業に属し、大学、公的機関に派遣または出向されている方は対象外とさせていただきます。

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • セミナー資料は郵送にて前日までにお送りいたします。
  • 開催まで4営業日を過ぎたお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますこと、ご了承下さい。
    ライブ配信の画面上でスライド資料は表示されますので、セミナー視聴には差し支えございません。
    印刷物は後日お手元に届くことになります。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/5/8 外観検査管理者のための実践講座 オンライン
2026/5/11 設計プロセスにおけるデジタル技術と生成AIの活用法 オンライン
2026/5/11 品質管理の基礎 (4日間) オンライン
2026/5/11 品質管理の基礎 (3) オンライン
2026/5/12 電気・電子機器の信頼性と安全性、発火防止における原理・原則と具体策 オンライン
2026/5/12 不良予測と予兆診断、予知保全へのAIおよびデジタル技術の導入と活用のポイント オンライン
2026/5/13 AIエージェントの基礎と業務導入のポイント オンライン
2026/5/15 製造業における外注品質向上のための管理ポイント オンライン
2026/5/15 化学工学における小規模データ + ニューラルネットワークの活用手法 オンライン
2026/5/15 品質管理の基礎 (4) オンライン
2026/5/18 本当に使えるFMEA・DRBFMの活用法 オンライン
2026/5/18 化学工学における小規模データ + ニューラルネットワークの活用手法 オンライン
2026/5/20 AIを使った非線形実験計画法と実験計画法 オンライン
2026/5/21 AIを使った非線形実験計画法と実験計画法 オンライン
2026/5/21 マテリアルズ・インフォマティクスと第一原理計算による材料研究の実践 オンライン
2026/5/21 マテリアルズインフォマティクスのための実験データ統合、データベース構築と活用例 オンライン
2026/5/21 不良予測と予兆診断、予知保全へのAIおよびデジタル技術の導入と活用のポイント オンライン
2026/5/21 機械学習を用いたスペクトルデータ解析と材料開発への適用 オンライン
2026/5/22 電子部品・機構部品の主要な故障100超のモード・メカニズムとその対策技術 東京都 会場・オンライン
2026/5/22 AIエージェントの基礎と業務導入のポイント オンライン
ページのトップヘ

関連する出版物

発行年月
2025/5/30 AI、シミュレーションを用いた劣化・破壊評価と寿命予測
2024/10/31 少ないデータによるAI・機械学習の進め方と精度向上、説明可能なAIの開発
2023/6/30 加速試験の実施とモデルを活用した製品寿命予測
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
2022/12/31 機械学習・ディープラーニングによる "異常検知" 技術と活用事例集
2022/1/12 製造DX推進のための外観検査自動化ガイドブック
2021/10/25 AIプロセッサー (CD-ROM版)
2021/10/25 AIプロセッサー
2021/10/18 医療機器の設計・開発時のサンプルサイズ設定と設定根拠
2021/7/30 マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例
2021/6/30 人工知能を用いた五感・認知機能の可視化とメカニズム解明
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2020/11/6 QC工程表・作業手順書の作り方
2020/8/11 化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート
2020/7/31 生体情報センシングと人の状態推定への応用
2020/4/30 生体情報計測による感情の可視化技術
2019/8/30 ヒューマンエラーの発生要因と削減・再発防止策
2019/1/31 センサフュージョン技術の開発と応用事例
2018/5/31 “人工知能”の導入による生産性、効率性の向上、新製品開発への活用
2015/10/22 FMEA・DRBFMの基礎と効果的実践手法
ページのトップヘ