最先端技術であるディープラーニングが話題になり、人工知能ブームが再来していると言われています。最先端の技術は重要ではありますが、製造業の技術者が開発実務に活用するには敷居が高いことが課題ではないでしょうか? このように人工知能には、活用が難しいイメージがありますが、ものづくり分野に絞れば、適切な手法の使い分けとノウハウで意外と簡単に活用可能です。
　ディープラーニングを含む人工知能にも、アカデミックな最先端技術に対して成熟した「エンジニアリングに適した技術」があり、その技術はものづくりの開発現場で安心して使うことが可能です。また、ビッグデータにも誤解が多く、本来の意味とは異なる内容が一人歩きしている状況です。本来のビッグデータの意味を理解し、適切な手法の応用や、要素技術者の皆さん自身の知見を活かすと、高性能な人工知能の開発に必要なデータの最小化も可能です。また、適切な手法を使用すれば、学習していない未知の不良や異常を見つける人工知能を用いた検査技術やセンシング技術も、要素技術者自身で開発可能です。
　本講座では、エンジニアリングに適した人工知能技術であるMTシステムに関して、基礎的な解説を行った上で、製造業における具体的な事例を用いて応用ノウハウを解説します。ものづくり技術者にとって、人工知能は目的ではなく、技術課題を解決する手段として使えることが理想的です。本講座で解説するエンジニアリングに適した人工知能技術を使うことで、技術者は、解決すべき技術課題に集中することが可能になります。なお、MTシステムをExcel上で簡単に構築する方法も、計算過程も含めて紹介いたします。

1. 人工知能技術の概要
   1. 要素技術者から見た開発ツールとしての人工知能技術
   2. 参考:データ採取のポイント (ビッグデータの誤解)
   3. 要素技術者に適した人工知能構築ツール
2. 【事例 MTシステム活用】未学習の未知異常検知技術 (異常モニタリング、予防保全技術)
   • 事前に学習できない未知の異常・不良を検出したい場合の対処方法を、エンジンの異常音など、聴感による官能検査工程を自動化した事例を元に解説
   1. 背景:異常音で判断する官能検査工程の紹介
   2. 定義できる不良音と定義できない不良音。未知の不良を見つける必要性
   3. MTシステム (MT法) とは
   4. 人工知能活用の実施手順
   5. データ収集、及び人工知能による異常音推定システム構築例
   6. システムの動作フローチャート
   7. 本事例を応用可能な別事例の紹介
3. 全体質疑応答

参考資料: MTシステムと対比で理解促進のための事例掲載 (解説なし)

• 事例 ニューラルネットワークモデル活用
  • 加工状況データから加工品質を推定する検査機レス検査技術 (仮想検査技術、センサレスセンシング技術)
  • 溶接の抜取り破壊検査工程を、溶接と同時に溶接強度を推定し、全数検査と量産品質トレンドや設備状態のモニタリングを可能にした事例を解説
    • 背景:溶接と抜取り破壊検査の紹介
    • 全数検査化に先立つ要素技術
    • 人工知能活用の実施手順
    • データ収集、及び人工知能による強度推定のシステム構築例
    • システムの動作フローチャート
    • 本事例を応用可能な別事例の紹介