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

機械学習・ディープラーニングによる異常検知/故障診断・欠陥予測解析とその手法

機械学習・ディープラーニングによる異常検知/故障診断・欠陥予測解析とその手法

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、製造加工業の中でも特に品質検査 (表面・外観検査) 、故障診断と欠陥予知という三つの分野に応用した最新鋭のディープラーニング技術を紹介いたします。
応用事例を取り上げながら、解析手法の原理、解析手法の解析プロセスの詳細、検証結果を詳解いたします。

開催日

  • 2021年10月25日(月) 10時30分 ～ 16時30分

受講対象者

  • ディープラーニングの研究と応用を真剣に検討されている方
  • 工業分野における品質検査、故障診断、寿命予測に興味をお持ちの方
  • 機械学習・ディープラーニングによる異常検知に興味を持たれている方
  • 画像認識・音声認識以外の分野でのディープラーニング応用の可能性に興味をお持ちの方 など

修得知識

  • 最新型ディープラーニング技術
  • 深層学習の基本原理と要素技術の基本知識
  • ディープラーニングと従来の機械学習手法の融合技術
  • 異常検知と予測手法を応用する際のノウハウ
  • 製造加工業におけるディープラーニングの応用例や今後の可能性

プログラム

　ディープラーニング手法は、画像認識や音声認識の分野では前人未到の識別精度を達成し、将来の有望技術として脚光を浴びている。これらの成功事例を受け近年、ディープラーニング手法は製造加工業界の様々な分野に応用され、新たな解析手法として研究されている。
　本セミナーでは、製造加工業の中でも特に品質検査 (表面・外観検査) 、故障診断と欠陥予知という三つの分野に応用した最新鋭のディープラーニング技術を紹介する。内容として、応用事例を取り上げながら、解析手法の原理、解析手法の解析プロセス詳細そして検証結果という流れで、説明と議論を重ね展開していく。

  1. はじめに
    1. 従来の機械学習の原理と手法を簡潔にわかりやすく説明
      • サポートベクトルマシン (SVM)
      • 主成分分析PCA/t-SNE/トポロジーデータ解析法 (TDA)
      • 競合学習・SOM・K-NN・EMアルゴリズムの原理と相互関連性
      • Extreme Learning machine手法の紹介
      • RNNとRNN-LSTMのわかりやすい説明
      • ベイズ原理からカルマンフィルターをわかりやすく説明
      • ベイズ原理から粒子フィルターをわかりやすく説明
    2. 各ディープラーニングの手法の紹介と原理を簡潔にわかりやすく説明
      • 畳み込みニューラルネットワーク (CNN)
      • 自己符号化器 (AE)
      • RBMとRBM-DBNの紹介
    3. 異常検知の考え方や手法の選択・適用のポイント等をわかりやすく説明
      • 異常検知の考え方
      • 異常検知への各手法の選択法
      • 異常検知への適用の際のポイントと留意点
  2. 品質検査 (表面・外観検査) におけるディープラーニングの手法の応用
    1. 最新技術と手法及び応用事例の紹介
      • 熱間圧延ストリップ鋼表面解析
      • 溶接欠陥解析
      • 航空機ファンプレート用チタン合金表面
    2. CNNに基づく転移学習の紹介
    3. 転移学習を用いたCNN学習モデルによる表面・外観検査の学習結果の解析
    4. 従来の機械学習手法の解析結果との比較
  3. 故障評価のための診断解析
    1. 技術の背景及び応用事例の紹介
      • 軸受故障解析
      • 変速機故障解析
      • 回転子故障解析
    2. CNNによる特徴抽出と故障診断
    3. AEによる故障診断
    4. Extreme Learning machine深層学習手法
    5. スパースフィルタリングによる故障診断
    6. RBM-DBNとSVMを融合したマルチモーダル手法
  4. 欠陥・寿命予測解析手法
    1. LSTM-RNNによる欠陥予測
    2. 融合学習とLSTMの融合による予測
    3. 双方向LSTMとCNNの融合による予測
    4. 粒子フィルターとRBM-DBNの融合による予測
    5. 欠陥・寿命予測解析応用事例
      • 転がり軸受長期寿命予測
      • 機械加工における工具摩耗寿命予測
      • ハイブリッド玉軸受寿命予測
  5. 展望
    1. 学習モデル選択
    2. データの高次元性・非構造多様性・不均衡性の対策
    3. 学習結果の可読性と可視化
    • 質疑応答
ページのトップヘ

講師

  • 曽我部 東馬 氏
    電気通信大学 i-パワードエネルギーシステム研究センター 基盤理工学専攻
    准教授
ページのトップヘ

主催

サイエンス＆テクノロジー 株式会社
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
: 30,400円 (税別) / 33,440円 (税込)
複数名
: 22,500円 (税別) / 24,750円 (税込)

複数名受講割引

  • 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 30,400円(税別) / 33,440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」とご記入ください。
  • 他の割引は併用できません。
  • サイエンス&テクノロジー社の「2名同時申込みで1名分無料」価格を適用しています。

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

  • 1名様あたり 10,000円(税別) / 11,000円(税込)
  • 企業に属している方(出向または派遣の方も含む)は、対象外です。
  • お申込み者が大学所属名でも企業名義でお支払いの場合、対象外です。

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