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

人工知能による異常検知技術とその導入、実用化のポイント

人工知能による異常検知技術とその導入、実用化のポイント

オンライン 開催

開催日

  • 2021年7月16日(金) 10時00分 17時00分

プログラム

第1部. 機械学習による異常検知技術と その導入、実装のポイント

(2021年7月16日 10:00〜12:00)

 近年、産業界において機械学習による異常検知が注目を集めています。本セミナーでは、機械学習による異常検知の基礎から始まり、代表的な異常検知法の概説、振動データを用いた回転機器の異常検知に関する研究事例紹介、そしてPythonによる異常検知の実装例とそのポイントを解説します。機械学習による異常検知の導入を考えている方や、検討を始めている方に最適なセミナーです。複雑な数式による説明は避け、概念的な理解や実際に使用する際に重要となる部分を中心に丁寧に説明します。

  1. 基礎編: 機械学習による異常検知
    1. 基本的考え方
    2. 評価指標
    3. 代表的な異常検知手法
      1. ホテリング理論による異常検知
      2. One – class SVM
      3. Local Outlier Factor
      4. Isolation Forest
  2. 事例紹介: 振動データに基づく回転機器の異常検知
  3. 実装編: Pythonによる異常検知実装例の解説
    1. 各種異常検知法の比較
    2. 振動データに基づく回転機器の異常検知への適用
    • 質疑応答

第2部. 未知の異常、故障を検出するインバリアント分析と導入の仕方

(2021年7月16日 12:45〜14:45)

 製造業やプラント運転の現場において人工知能を使った異常検知が脚光を浴びて数年が経過している。また経済産業省も産業界のDX化を進めようとスマート保安の導入政策を進めている。ここの背景にあるのが機械学習をはじめとする人工知能技術の発展である。しかしいざこのような技術を利用とすると異常データがほとんどないことに気づき、導入が壁に当たってしまうことも多いと思われる。
 本講演では異常データを必要としない、かつ未知の異常検知技術としてインバリアント分析技術とその派生となるモデルフリー分析を取り上げ導入事例やデモを交えて紹介する。またすでに導入している事業者がどのような目的/観点で導入を決めたのか、導入効果などについても紹介する。

  1. スマート保安の現状と今後の方向性
    1. 経産省におけるスマート保安への取り組み
    2. 各社の取り組み状況
  2. IoT×AI技術と現場活用
    1. AI/IoTを現場に適用するときの考え方と注意点
    2. AI技術の特徴
  3. 現場で活用できるインバリアント技術
    1. インバリアント分析技術とは
    2. インバリアント分析導入事例
      1. 導入事例一覧
      2. 各業種ごとの概要紹介
  4. 学習モデルを作らない異常検知技術
    1. モデルフリー分析とは
    2. 導入事例
  5. 現場導入のポイント
    1. 現場導入時に注意するポイント
    2. 失敗する原因
    3. 進め方の手順
    • 質疑応答

第3部. 正常時の波形データのみで異常を検知する 説明性の高いAIの開発とその使い方

(2021年7月16日 15:00〜17:00)

 近年、インダストリアルIoTの普及に伴い、インフラ設備や製造装置にセンサを取り付けて時系列波形データを収集する環境は整ってきた。しかし、このような設備や装置では異常の発生は稀なため、異常データの収集は正常データに比べて困難であり、正常データのみでAIを学習できることが求められる。一方、インフラ設備や製造装置で異常を検知した場合には、専門家が波形データを確認して原因究明や対策立案を行うことが多い。そのため、AIの結果を専門家が理解しやすい説明性も求められる。
 本講演では、時系列波形データの分析手法及び基本的な異常検知手法や評価方法などを説明し、我々の開発した正常波形データのみで学習する説明性の高い異常検知手法OCLTSを解説する。

  1. 一般的なAIによるクラス分類
    1. 問題設定
    2. 簡単なAIによるクラス分類のアプローチ
    3. 古典的なクラス分類手法 (サポートベクトルマシン; SVM)
  2. AIの説明性
    1. AIの説明性という課題
    2. AIの説明性に求められる要件
    3. AIで説明性を実現するアプローチ
  3. 説明性の高い時系列波形データ分類手法
    1. 時系列波形データの特徴や課題
    2. 説明性のある時系列波形分類手法 (shapelets学習法)
    3. 複数センサ (多変量) への拡張
  4. 異常検知手法
    1. 異常データが少ないという課題
    2. 異常データが少ない場合のアプローチ
      • オーバー&アンダーサンプリング及びコストセンシティブ学習
    3. 異常データを学習時に必要としない異常検知手法
      • 1クラスSVM; OCSVM
    4. 異常データが少ない場合の評価指標
      • 再現率
      • 適合率
      • F値
      • ROC曲線
      • AUC
  5. 正常波形データのみで学習する説明性の高い異常検知手法OCLTS
    1. 利用方法
    2. 学習アルゴリズム
    3. 公開時系列波形データセット
    4. 工場等の時系列波形データへの適用評価
    • 質疑応答

講師

  • 福井 健一
    大阪大学 産業科学研究所 知能アーキテクチャ研究分野
    准教授
  • 相馬 知也
    日本電気 株式会社 デジタルテクノロジー開発研究所
    シニアマネージャ
  • 山口 晃広
    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

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
: 60,000円 (税別) / 66,000円 (税込)
複数名
: 55,000円 (税別) / 60,500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 55,000円(税別) / 60,500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 60,000円(税別) / 66,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 110,000円(税別) / 121,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 165,000円(税別) / 181,500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

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。

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
2024/3/29 Pythonによるアンサンブル学習の基礎と応用 オンライン
2024/3/29 QC工程表・作業標準書の作り方 オンライン
2024/3/29 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
2024/3/29 表面観察・分析装置を用いた電子部品の不具合箇所の特定・観察・解析と不良対策 オンライン
2024/3/29 形骸化したFMEAを改善した実践演習セミナー (問題解決) オンライン
2024/3/29 形骸化したFMEAを改善した実践演習セミナー (問題発見 + 問題解決) オンライン
2024/3/29 抜取検査 オンライン
2024/3/29 マテリアルズインフォマティクス (MI) の最新動向と小規模データ駆動型MIの展開 オンライン
2024/4/4 多変量解析・データ処理 超入門 オンライン
2024/4/5 GMP文書および記録作成と手順書改訂時における具体的な品質照査 (レビュー) オンライン
2024/4/8 信頼性試験の基本と統計的手法の使い方 オンライン
2024/4/9 信頼性試験に役立つワイブル解析の基礎と実践 オンライン
2024/4/9 異物不良ゼロを実現する異物の正体 / 34の発生源 / 7つの伝達経路と現場の経験則 オンライン
2024/4/10 Pythonによる時系列データ分析とその活用 オンライン
2024/4/11 技術者・研究者のための多変量解析入門講座 オンライン
2024/4/11 不良ゼロへのアプローチ オンライン
2024/4/11 表面観察・分析装置を用いた電子部品の不具合箇所の特定・観察・解析と不良対策 オンライン
2024/4/12 機械学習/Deep Learningの画像データ前処理に活用できる画像フィルタリングの基本と最新動向 オンライン
2024/4/15 ディープラーニングの基礎と実践 オンライン
2024/4/15 少ないデータに対する機械学習、深層学習の適用 オンライン

関連する出版物

発行年月
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
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
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
2022/11/14 工作機械業界20社 (CD-ROM版)
2022/11/14 工作機械業界20社
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
2021/7/14 AIビジネスのブレークスルーと規制強化
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
2020/3/26 ビッグデータ・AIの利活用に伴う法的留意点
2020/3/24 リアルワールドデータの使用目的に応じた解析手法 - 各データベースの選択と組み合わせ -
2019/8/30 ヒューマンエラーの発生要因と削減・再発防止策