tech-seminar.jp

　実験計画法は、少ない実験回数で多くの構成要素が関係する現象の解析が可能です。その解析方法を使うと、本来、数千通りの実験が必要な場合でも、数十通りの実験回数で、構成要素間の最適な組合せ (因子ごとの最適条件) を見つけることが可能です。
　しかしながら、解析の前提として構成要素の組合せ効果が線形モデル (構成要素の影響が足し算で構成された単純なモデル) に基づくことを前提にしており、構成要素が複雑に絡みあう製造業の開発では、最適条件の推定が外れることが多々ありました。
　本セミナーでは、実験計画法の原理と問題点の解説を行い、その問題点を補うために人工知能の一種であるニューラルネットワークモデル (超回帰モデル) を併用した製造業の開発により適した非線形実験計画法を解説いたします。
　実験計画法の導入を考えている初学者の方、これまで実験計画法や品質工学 (タグチメソッド) を使ったが上手く行かなかったという方々に、具体的な解決策を詳細に説明します。

本セミナーは、コンピュータバリデーションの入門編、中級編のセミナーを2テーマセットにしたコースです。
セット受講で特別割引にてご受講いただけます。
通常受講料 : 92,340円(税込) → 割引受講料 71,820円(税込)

本セミナーでは、最も基本的な統計的検定・推定をExcel関数を利用して自力できるようになることを目標に、基礎知識を準備したうえで、統計的推定の原理と解釈について説明いたします。

本セミナーでは、統計/パラメータ基準値設定/機器バリデーションについて、各エキスパートが解説いたします。

　近年、高エネルギー蓄積デバイスとしてリチウムイオン蓄電池が注目されているが、温度特性や劣化特性の把握が難しいなど、効果的なバッテリーマネジメント手法が求められている。
　本セミナーでは、蓄電池やスマートグリッド関連の初学者、若手技術者を対象に、リチウムイオン蓄電池の基本特性と、そのモデル化手法を理解し、効果的な残量予測や劣化予測に関する基本的な方法を習得することを目的とする。蓄電池残量に関しては、モデル化とカルマンフィルタ手法を中心に概説し、蓄電池の温度特性や劣化特性も含めて正しく測定するための手法とマイコンを使った実装例をお話しする。理解を深めるためにExcelを用いた簡単な演習も行う。また、蓄電池劣化に関しても、基本的な、劣化のメカニズムを理解した上で、その測定方法と抑制方法について紹介する。また、組電池のバランス制御など、残量、劣化の扱いについて説明する。