AI・IoT技術の進展に伴い、製造業においても多くの企業で技術導入に向けた取り組みが活発です。実際に手を動かしている方は痛感していることが多いかと思いますが、AI技術に対して過度な期待や誤解も多く、データを蓄積し機械学習を適用すれば、劇的な改善が期待できると考えておられる方も少なくありません。
　実際の現場において、AI技術を活用するためには最新の優れた手法のみに着目するのではなく、課題の整理、適切なセンシング・データ採取、必要十分な解析手法の選択・適用といった基本的なアプローチこそが重要となります。
　そこで、本セミナーでは異常検知の分野において、長年の実績を有するMTシステムや機械学習 (深層学習) 手法をJuter Notebookを使いながら基礎からビジュアルに解説し、各手法の長所・短所に関して基本的な理解を深めていただきます。また、適用事例としてAE (Acoustic Emission) センサを用いた回転機械の状態モニタリングおよび異常診断について紹介いたします。

1. 異常診断技術の考え方
   1. 異常診断とは
   2. 異常診断が対象とする様々な問題
   3. 異常診断の基本的なアプローチ
2. 異常診断でのデータサイエンスの活用
   1. データサイエンスの基礎
   2. データ採取における注意点
   3. 可視化の重要性
3. MTシステムの基本的な考えと異常診断への応用
   1. MTシステムとは
   2. MTシステムの本質的な考え方
   3. MTシステムの体系
      • MT法
      • MTA法
      • T法 (1)
      • T法 (2)
      • T法 (3) 等
   4. 各手法の狙いと処理の流れ
4. 学習手法の基本的な考えと異常診断への応用
   1. 機械学習の歴史とその体系
   2. 異常診断で活用される機械学習手法
   3. 各手法の狙いと処理の流れ
5. 異常診断技術の適用事例紹介
   1. 振動センサ (AEセンサ) を用いた状態モニタリング
   2. 回転機械に対する異常診断技術の活用
   3. 事例1:MTシステムと産業用組込みコントローラによる軸受け装置の異常検知
   4. 事例2:機械学習を用いた真空ポンプの異常検知