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

エンジニアのための実験計画法 & Excel上で構築可能な人工知能を併用する非線形実験計画法入門

エンジニアのための実験計画法 & Excel上で構築可能な人工知能を併用する非線形実験計画法入門

~「製造業における実験計画法」と「実験計画法が上手くいかない複雑な現象に対応する、人工知能を使った非線形実験計画法」の基礎・実施手順~
東京都 開催 会場 開催

開催日

  • 2020年3月11日(水) 10時30分 17時00分

受講対象者

  • 機械、電子電気部品、材料、家電、加工/生産装置、計測評価機器、医工分野等の製品や技術開発に携わり開発効率を高めたい方
  • 問題に関係する要素が多く体系的な実験解析手法を必要とする方
  • 開発難易度が上がった、未経験分野への進出等、従来のやり方では成果が出ない方
  • 安価な部品や装置で高い性能目標を達成する開発方法を求める方
  • 実験計画法や品質工学 (タグチメソッド) を使ってみたが上手く行かない方

修得知識

  • 従来の開発方法の問題点と解決策
  • 数多くの要因の組合せを効率的に実験し、最適条件を導き出す方法
  • 製造業における実験計画法の基本的な考え方から実践手順
  • 製造業における実験計画法の原理的な問題点と解決方法
  • 非線形性が強い複雑な現象の場合に有効なニューラルネットワークモデル (超回帰式) を併用する解析手順
  • Excel上で、簡単にニューラルネットワークモデルを構築する方法と実験計画法への応用ノウハウ
  • 複数の特性値 (多特性) を同時に最適化する実験デザイン、解析方法
  • 各構成要素の条件に関して、飛び飛びの値 (水準) での最適条件化ではなく、連続値として (水準の間も含めて) 最適条件を求める解析方法
  • 複雑な関係を持つ構成要素間の最適な組合せ条件を見つける具体的手順
  • 実験計画法や応答曲面法、品質工学 (タグチメソッド) を開発で使ったが、上手く行かなかった方々への解決策

プログラム

 実験計画法は、少ない実験回数で多くの構成要素が関係する現象の解析が可能です。その解析方法を使うと、本来、数千通りの実験が必要な場合でも、数十通りの実験回数で、構成要素間の最適な組合せ (因子ごとの最適条件) を見つけることが可能です。しかしながら、解析の前提として構成要素の組合せ効果が線形モデル (構成要素の影響が足し算で構成された単純なモデル) にもとづくことを前提にしており、構成要素が複雑に絡みあう製造業の開発では、最適条件の推定が外れることが多々ありました。
 本セミナーでは、まず、実験計画法の原理と問題点の解説を行います。その上で、実験計画法の問題点を補うために人工知能の一種であるディープラーニング (ニューラルネットワークモデル=超回帰式) を併用した、製造業の開発により適した非線形実験計画法を解説いたします。
 実験計画法の導入を考えている初学者の方、これまで実験計画法や応答曲面法、品質工学 (タグチメソッド) を使ってみたが上手く行かなかったという方々に、また、多目的最適化が必要な方々に、具体的な解決策を詳細に説明します。
 なお、複雑な現象をモデル化 (数式化) するニューラルネットワークモデルをExcel上で簡単に構築する方法も、デモンストレーションを併用して解説いたします。

  1. 典型的な既存の開発方法の問題点
    1. 解説用事例 洗濯機 振動課題の説明
    2. 既存の開発方法とその問題点
      • ※上記の事例は、業界を問わず誰にでもイメージできるモノとして選択しており、洗濯機の振動技術の解説が目的ではありません。
  2. 実験計画法とは
    1. 実験計画法の概要
      1. 本来必要な実験回数よりも少ない実験回数で結果を出す方法の概念
        • 実際の解析方法
        • 実験実務上の注意点 (実際の解析の前提条件)
        • 誤差のマネジメント
        • フィッシャーの三原則
      2. 分散分析とF検定の原理
      3. 実験計画法の原理的な問題点
    2. 検討要素が多い場合の実験計画
      1. 実験計画法の実施手順
      2. ステップ1 『技術的な課題を整理』
      3. ステップ2 『実験条件の検討』
        • 直交表の解説
      4. ステップ3 『実験実施』
      5. ステップ4 『実験結果を分析』
        • 分散分析表 その見方と使い方
        • 工程平均、要因効果図 その見方と使い方
        • 構成要素の一番良い条件組合せの推定と確認実験
      6. 解析ソフトウェアの紹介
      7. 実験計画法解析のデモンストレーション
  3. 実験計画法の問題点
    1. 推定した最適条件が外れる事例の検証
    2. 線形モデル → 非線形モデルへの変更の効果
    3. 非線形性現象 (開発対象によくある現象) に対する2つのアプローチ
  4. 実験計画法の問題点解消方法 ニューラルネットワークモデル (超回帰式) の活用
    1. 複雑な因果関係を数式化するニューラルネットワークモデル (超回帰式) とは
    2. ニューラルネットワークモデル (超回帰式) を使った実験結果のモデル化
    3. 非線形性が強い場合の実験データの追加方法
    4. ニューラルネットワークモデル (超回帰式) 構築ツールの紹介
  5. ニューラルネットワークモデル (超回帰式) を使った最適条件の見つけ方
    1. 直交表の水準替え探索方法
    2. 直交表+乱数による探索方法
    3. 遺伝的アルゴリズム (GA) による探索方法
    4. 確認実験と最適条件が外れた場合の対処法
    5. ニューラルネットワークモデル (超回帰式) の構築と最適化 実演
  6. その他、製造業特有の実験計画法の問題点
    1. 開発対象 (実験対象) の性能を乱す客先使用環境を考慮した開発
    2. 客先使用環境を考慮した開発実験方法 品質工学概要
  7. 学習用 参考文献 紹介
  8. 全体に対する質疑応答

講師

会場

品川区立総合区民会館 きゅりあん

5F 第3講義室

東京都 品川区 東大井5丁目18-1
品川区立総合区民会館 きゅりあんの地図

主催

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
: 42,750円 (税別) / 47,020円 (税込)
複数名
: 22,500円 (税別) / 24,750円 (税込)

複数名同時受講の割引特典について

  • 2名様以上でお申込みの場合、
    1名あたり 22,500円(税別) / 24,750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 42,750円(税別) / 47,020円(税込)
    • 2名様でお申し込みの場合 : 2名で 45,000円(税別) / 49,500円(税込)
    • 3名様でお申し込みの場合 : 3名で 67,500円(税別) / 74,250円(税込)
  • 同一法人内 (グループ会社でも可) 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。
  • 請求書および領収書は1名様ごとに発行可能です。
    申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。
  • 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 10,000円(税別) / 11,000円(税込)

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、大学院の教員、学生に限ります。

本セミナーは終了いたしました。
講演順序・プログラムは変更となる場合がございます。予めご了承ください。
掲載している受講料は会員価格でございます。
お申し込み後はサイエンス&テクノロジーの会員登録をさせていただき、セミナー等のサービスのご案内を差し上げます。

これから開催される関連セミナー

開始日時
2020/4/10 利益を産みだす「開発時の安全係数と量産展開時の規格値」の論理的決定方法 愛知県
2020/4/15 化学研究と人工知能技術の融合に関する基礎と応用事例 東京都
2020/4/17 実務のための実験計画法入門 (基礎編) 東京都
2020/4/17 AIを利用した医療機器における国内外の市場動向および開発のポイント 東京都
2020/4/20 伝熱の基礎とExcelによる熱計算演習講座 東京都
2020/4/21 Pythonで学ぶ「外れ値検出」の基礎 東京都
2020/4/23 AI / IoT技術における日本・海外の特許動向と特許化のポイント 東京都
2020/4/24 メーカーにおけるAI・IoTに関するデータ利活用の法務の最新事情 東京都
2020/4/24 ベイズ最適化の基礎と応用およびPythonによる実装 東京都
2020/4/27 時系列データ分析の基礎・モデル化と異常検知・機械学習への応用 東京都
2020/4/28 スケールアップ・ダウン検討と失敗例/解決 (対処) 法と実験計画法による効率的なデータ収集 東京都
2020/4/28 カルマンフィルタの基礎から応用まで 東京都
2020/5/11 伝熱の基礎とExcelを用いた伝熱計算 東京都
2020/5/12 ドライバ状態モニタリング/センシング技術と統計処理・機械学習の活用 東京都
2020/5/13 音による故障検知および故障予知 東京都
2020/5/13 蒸留技術の要点とAIを活用した応用研究 東京都
2020/5/14 製造現場で使える実用的な人工知能技術とその実践 東京都
2020/5/14 効率的、確実に目的を達成できる実験の考え方と具体的方法 東京都
2020/5/14 AIによる顔画像識別技術の基礎原理と実際 東京都
2020/5/15 自然言語処理の基礎と活用方法 東京都