製造設備や機械システムの異常検知・予知保全では、振動だけでなく、音響、画像、温度、電流等、多様なセンサ情報を利用できるようになっています。
　本セミナーでは、信号処理による特徴抽出から機械学習・深層学習による異常検知までを体系的に解説し、さらに複数のセンサ情報を統合するセンサフュージョン、マルチモーダルAIへと発展させます。「正常データしか十分に得られない」「異常データが少ない」という実際の設備診断で生じる問題についても取り上げます。
　特に、実際の設備診断では「異常データを十分に集められない」ことが、AI活用を進めるうえで大きな課題となります。正常データを中心とした異常検知や少量データへの対応、誤検知を減らすための考え方についても解説します。さらに、音響・振動・画像など複数の情報を組み合わせ、単一のセンサでは捉えにくい異常を検知するためのアプローチまで取り上げ、AIを実際の設備診断・予知保全へ活用するためのポイントを学んでいただきます。

1. 異常検知・予知保全の基礎
   1. 故障検知と予知保全
   2. Condition Based Maintenance
   3. センサデータから何が分かるか
   4. 正常/異常データの特徴
2. 音響・振動信号の処理
   1. 時間領域解析
   2. FFTと周波数解析
   3. スペクトログラム
   4. STFT
   5. Wavelet
   6. 雑音低減と前処理
   7. 異常を捉える特徴量
3. 機械学習による異常検知
   1. PCA
   2. SVM
   3. One-Class SVM
   4. Isolation Forest
   5. 正常データを中心とした異常検知
4. 深層学習による異常検知
   1. CNN
   2. Autoencoder
   3. LSTM
   4. Transformer
   5. Anomaly Scoreの考え方
   6. 少量の異常データにどう対応するか
5. 画像・音・振動を統合する マルチモーダルAI
   1. センサフュージョンとは
   2. Early Fusion / Late Fusion
   3. 音響+振動
   4. 画像+音響
   5. 複数センサを使うメリット
   6. 単一センサでは検出できない異常への対応
6. 実際の設備診断への適用
   1. モータ
   2. ポンプ
   3. ファン
   4. ベアリング
   5. 配管
   6. 生産設備
   7. データ収集時の注意点
   8. AIモデルの評価方法
   9. 誤検知をどう減らすか
7. これからの異常検知
   1. Explainable AI
   2. Foundation Model
   3. マルチモーダルAI
   4. Digital Twinとの融合
   5. 少量データ環境におけるAI
   6. 実設備導入へのロードマップ
8. まとめ
   • 質疑応答