製造業における 人工知能(AI)・IoTの活用展開セミナー

１０：３０－１２：１０　　東京大学　　稗方　和夫　先生

「製造業へのIoT・人工知能の導入・システムデザインとその指針
　～理論・適用事例と必要となる技術人材及びその育成等～」

○セミナーポイント：
　IoTや人工知能技術の普及が急激に進んでいる。一方で、これらの技術はインフラ的な要素を多分に含んでおり、どのように現業に生かしていくかが非常に重要である。
　本セミナーではIoTや人工知能技術、あるいはそのほかの新しい技術を現業に導入していくプロセス(Technology Infusion)を支える方法論の概論と適用事例について述べる。
　セミナーを通じて、これらの技術を適切に現業に導入する指針が得られる。また、IoT・人工知能等の新技術活用のために必要となる新しいタイプの技術人材の要件や、その育成のための産学連携の取り組み等にも触れる。
　なお、講師は東京大学のマサチューセッツ工科大(MIT)との連携プログラムの運営担当者であり、本セミナーはMITとの協業を通じた先端的な内容を含んでいる。

○受講対象：
　・製造業へのIoTや人工知能（Deep Learning）の活用に興味があるが、どのような工程に導入するべきか、その選定プロセスにお困りの方々。
　・製造業へのIoTや人工知能（Deep Learning）の活用にあたり、どのような人材が必要となるのか、どう育成したら良いのかを知りたい方。
　など

○受講後、習得できること：
　製造業における製品のライフサイクルなど、その全体像を理解することも困難な大規模複雑システムを改善するための計画を立案するための方法論の理解。また、関連技術情報の検索方法の理解。

○プログラム：

1. システム定義

2. 製品開発プロセス

3 .製品やサービスとソシオテクニカルシステム

4. 利害関係者分析

5. 多目的最適化問題の定義

6. マーケットにおけるシステムモデル

7. モーフォロジカルマトリクスによる意思決定

8 .システム思考のためのモデル定義

9. システムダイナミクスによる市場シミューレション

10. モデルの評価

11. シナリオベースのコンセプト設計

12. トレードスペースの構築

13. 複雑システムのプロジェクト設計

14. システムの再設計

15. IoT・人工知能等の導入・活用に必要となる技術人材とその育成

　　＜質疑応答＞

　　　　　　　　　　　　　　　　
１２：５５－１４：３５　　日本電気（株）　　相馬　知也　先生

「工場におけるIoT×AIの利活用と導入におけるポイント」

○セミナーポイント：
　製造工場、プラントにおけるIoT×AI技術の利活用における、課題や効果、規制緩和の整備状況を紹介する。
　また、導入を進めるにあたって現場で聞かれる社内への説明の難しさを取り上げ、社内でのプロジェクトの進め方のポイントなどについて解説する。

○受講対象：
　・プラントの運転監視、保全管理に携わってるかた
　・AI×IoTの導入を進めようとしているかた

○受講後、習得できること：
　プラントの保全監視へのAIの活用方法について実例を学ぶことで社内での導入推進における説明ができるようになる。
　また、導入時の手順と説明ポイントを習得する

○プログラム：

１．IoT×AIの概要と適用のポイント
　(１) IoT×AIを活用したあたらしい価値の創造とは
　(２) AI活用を推進する政府の取り組みと規制緩和の状況
　(３) AI適用における課題とその対応

２．生産設備／プラント設備保全の現場における課題
　(１) 保全現場において発生している課題
　(２) 技能伝承における課題（人が育たないにどう対応するか）
　(３) コスト削減における課題
　　① 蓄積されたデータの活用
　　② 業界内での差別化
　(４) 直積された運転ノウハウの活用

３．IoT×AIによる設備監視の高度化とは
　(１) IoTによる設備のモニタリングとは
　(２) 蓄積されたデータをAIによって活用する
　(３) IoTとAIを活用し監視を高度化する
　(４) インバリアント分析による設備監視の高度化

４．適用/検証事例
　(１) 発電設備による検証事例
　(２) 生産設備による検証事例
　(３) 化学プラントによる検証事例

５．おわりに
　(１) 社内における予算獲得のポイント
　(２) 新しいプロジェクトをどう進めるか

　　＜質疑応答＞

　　　　　　　　　　　　　　
１４：５０－１６：３０　（株）リコー　　田中　拓哉　先生

「機械学習・画像認識による外観検査」

○セミナーポイント：
　近年注目されている機械学習・画像認識技術の概要とその外観検査への応用について解説いたします。
　また、機械学習による外観検査の取り組み方についても解説いたします。

○受講対象：
　機械学習を用いた外観検査に興味がある方

○受講後、習得できること：
　・近年の機械学習・画像認識技術の概要
　・状況に合わせた適切な機械学習手法の選び方
　・機械学習による外観検査方法の適切な評価方法

○プログラム：

1.外観検査概要

2.画像認識技術概要
　2.1 なぜ伸びているか

3.画像の撮影
　3.1 撮影画像の課題

4.外観検査技術
　4.1 機械学習の概要
　　4.1.1 ルールベースと学習ベース
　　4.1.2 学習ベースの課題
　4.2 学習方法の種類
　　4.2.1 教師あり学習
　　4.2.2 教師なし学習
　　4.2.3 半教師あり学習
　　4.2.4 学習方法の選択方法
　4.3 特徴量の設計
　　4.3.1 特徴量の種類
　　4.3.2 特徴量の次元数とデータ数
　　4.3.3 データオーギュメンテーション
　4.4 性能評価方法
　　4.4.1 評価指標（未検出、過検出、ROC、AUC、DETなど）
　　4.4.2 オーバーフィットとアンダーフィット
　　4.4.3 未学習データに対する認識性能
　　4.4.4 交差検定
　4.5 実例
　　4.5.1 簡単な特徴量・モデル
　　4.5.2 少し複雑な特徴量・モデル

5.画像認識・機械学習による外観検査の今後

　　＜質疑応答＞