製造業における工場やコンビナートのスマート化実例とAI・機械学習導入までのポイント

★工場・コンビナートにおけるAI・機械学習・ビッグデータの有効活用方法

データの収集〜解析例、課題解決の為の機械学習導入のポイントから、IoTにおいて広く適用されているAE（アコースティック・エミッション）の基礎まで学べます。

講師

京都大学経営管理大学院　特命教授
日本フィジカルアコースティクス株式会社　代表取締役会長　湯山 茂徳 先生

■略歴：
1976年：東京大学工学部卒業、1977－1978年：フランス国立原子力研究所にて研修、1982年：東京大学より工学博士号を授与される、1983年：MISTRAS Group, Inc.日本法人設立とともに代表取締役に就任、1999年：熊本大学より博士（学術）を授与される、2009年：MISTRAS Group, Inc. のニューヨーク証券取引所上場により日本担当VP就任、2011年：京都大学経営管理大学院 特命教授に就任
■専門および得意な分野・研究：
材料評価学、非破壊検査工学、コンクリート診断学、構造物診断学、IoT
■本テーマ関連学協会での活動：
・リスク評価：アセットマネジメントサマースクール、京都大学東京オフィス、2011年、2012年8月
・供用中陸上タンク底板裏面腐食状況確認技術：石油天然ガス・金属鉱物資源機構、2016年11月
・発電所他、プラント設備におけるAEの活用事例：非破壊検査総合シンポジウム、2017年6月
・国内外におけるアコースティック・エミッション（AE）によるIoT適用の現状：「IoTの機械工学へのインパクトを探る」、日本機械学会講習会、2017年7月

 
国立研究開発法人 産業技術総合研究所 機能材料コンピュテーショナルデザイン研究センター
研究員　安藤 康伸 先生

■略歴：
2009年 東京大学・理・物理卒.2012年 同大学院 博士課程了. 産業技術総合研究所 産総研特別研究員, 東京大学・工・マテリアル工学科 助教を経て2016年産業技術総合研究所 機能材料コンピュテーショナルデザイン研究センター研究員．理学博士. 専門は計算物質科学, 物質情報科学.
■専門および得意な分野・研究：
専門分野：計算物質科学・物質情報科学
これまでの研究テーマは、リチウムイオン電池や電気二重層キャパシタの電極?電解液界面の研究や、計算・計測データの高度解析のための機械学習応用など。
■本テーマ関連学協会での活動：
日本物理学会、
表面科学会 データ駆動科学研究部会,
NEDO 超先端材料超高速開発プロジェクト

受講料

1名46,440円(税込（消費税8％）、資料・昼食付)
＊1社2名以上同時申込の場合 、1名につき35,640円
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナーポイント

■はじめに
　2016年4月、政府が主催する産業競争力会議は、今後の成長戦略をまとめました。その中で、IoT（もののインターネット）、ビッグデータ、AIなどの先進技術により、新たな市場を創出することが大きな柱になっています。環境雑音に影響されない高周波数帯域を計測するAEは、スマート工場、スマートコンビナート、そしてインフラ構造物において、設備の診断を行い、健全性を連続的に評価することにより、構造物や機械装置の破壊を未然に防ぐなどしてリスクを軽減し、またメンテナンスコストを削減する目的で、IoTの切り札として、広く適用されています。本講演では、IoTの基礎について詳細に述べるとともに、国内外におけるAEによるIoT適用実例やAIへの展開の現状を紹介し、将来について展望します。

　また、工場のスマート化を推し進める上ではIoTを導入するだけではなく、IoTから取得された種々のセンシングデータの利活用が必要不可欠です。
　後半ではそのための基盤技術である「機械学習」に関して、非常に基礎的な原理及び、技術利用に向けた具体的な作業フローを例に解説します。

■受講対象者
・IoT／人工知能（AI）の導入を検討中、またはこれから検討したいとお考えの方
・キーワードとしてのAI／機械学習ではなく具体的な運用設計に興味のある方
・自動車工場、ロボット製作工場、半導体製造工場などで、品質管理、製品検査、設備診断などの仕事に従事している技術者
・高速道路会社や鉄道会社、あるいは各自治体において、橋梁、道路などインフラ構造物のメンテナンスに関わる仕事に従事している技術者
・化学プラントなどにおいて、設備診断やメンテナンスに関わる仕事に従事している技術者
・材料開発分野に機械学習技術の導入を検討されている方

■必要な予備知識
橋梁や道路、トンネルなどインフラ構造物の特徴、化学プラントや製油所を構成する圧力容器、貯蔵施設、配管、バルブなど各種設備に関する基礎的な知識、あるいは工場で運用されている各種機械システムに関する基本的な構造や運転に関する基礎知識があれば、本講演をより理解しやすいと思われる。
機械学習の部分については、高校レベルの数学知識程度があれば。

■本セミナーで習得できること
AEの基礎について十分な知識を持つことができ、現在急速に適用が広まりつつあるIoTを活用してビッグデータを採取し、AI化によりスマート工場、スマートコンビナート、社会インフラ構造物などの健全性評価を実施することができるようになる。
併せて、機械学習並びに機械学習とIoTの関係性に関する基礎知識から、機械学習を課題解決フローに組み込むためのノウハウを学んで頂きます。

セミナー内容

■ご講演中のキーワード
【アコースティック・エミッション（AE）、AI、IoT、データベース、スマート工場、スマートコンビナート、インフラ構造物、連続監視、機械学習、データ構造、課題設定、ニューラルネットワーク、ベイズ最適化】

■講演プログラム
●湯山先生（10：30〜12：00、14：45〜16：00）※途中お昼休憩挟む

１． IoT、ビッグデータ、AIとは何か？
（１） ITの現状
（２） ITとIoT
（３） Iotの歴史と将来
（４） ビッグデータ
（５） AI

２． IoTにおけるアコースティック・エミッション（AE）の役割
（１） アコースティック・エミッション（AE）の基礎
（２） AEの発生原理
（３） AEの発生源
（４） AE波の伝播と減衰
　(a) AE波形の特徴
　(b) 位置標定
（５） AE計測装置
　(a) AEセンサー
　(b) AE計測システム
　(c) AE信号処理パラメータ
（６） AEの計測手順
（７） AEのデータ解析と評価方法
（８） AEによる材料評価
　(a) 金属材料
　(b) 複合材料
　(c) セラミックス
（９） AEによる実構造物の健全性評価
　(a) 金属製構造物
　(b) FRP製構造物
　(c) 土木構造物
　(d) 宇宙・航空構造物
（１０） 設備診断
　(a) 歯車診断
　(b) 軸受診断
　(c) 金型プレス機
　(d) 射出成形装置
　(e) メカニカルシール
　(f) エレベータ・エスカレータ
　(g) 大型プレス機
　(h) 加工状態の評価
　(i) 製品検査
　(j) 漏洩（リーク）の評価

３．IoTの適用実例
（１） スマート工場におけるロボットのIoT
（２） スマート工場における各種機械装置のIoT
（３） スマートコンビナートにおけるIoT
（４） スマートグリッドのIoT
（５） 風力発電設備のIoT
（６） 海洋構造物のIoT
（７） 原子力発電所のIoT
（８） 鋼橋のIoT
（９） コンクリート橋のIoT
（１０） 吊り橋のIoT

４．IoTにより採取されたビッグデータのAI化
（１）　スマート工場
（２）　スマートコンビナート
（３）　インフラ構造物

●安藤先生（13：00〜14：30）

１．機械学習の原理
（１）　機械学習以前に大切な「課題設定」について
（２）　課題設定に基づいた課題解決フローについて
（３）　機械学習が担える「機能」の例
　　a）　分類・パターン認識
　　b）　予測・最適化

２．センシングデータに対するデータ解析例
（１）　実際のAEセンシングデータについて
（２）　センシングデータの事前処理
（３）　AEヒットの分類とシグモイド関数
（４）　ニューラルネットワークを用いた高次元データ処理

３．ベイズ最適化の基礎
（１）　計測データからの予測：「点を打って線を引く」
（２）　最適候補の推定：「探求と探索」
（３）　想定応用：プロセス最適化

４．機械学習を導入するヒント

＜質疑応答＞