以下の類似セミナーへのお申込みをご検討ください。
■AI活用人材育成講座■『機械学習(ディープラーニング)の基礎・活用・実践<全3回>』
Pythonによる時系列データ分析とその活用
小規模データに対する機械学習の効果的適用法
ディープラーニングに基づく外観検査AI技術 ~外観検査・目視検査の自動化に取り組む際に考えるべきこと~
AIプログラミングができない要素技術者自身で開発できる人工知能技術 ~深層学習とMTシステムの基礎・学習データ最小化・開発実務応用入門~【AI構築デモ付き(希望者にAI構築・計算方法Excel資料提供)】
機械学習を用いた画像認識技術の基礎とその応用
機械学習によるデータ分析の基礎知識と勘所
ベイズ統計から学ぶ統計的機械学習
【中止】機械学習・ディープラーニングによる異常検知技術 ~機器・設備からの時系列データの分析と各種事例等~
開催日 |
12:30 ~ 16:30 締めきりました |
---|---|
主催者 | 株式会社 情報機構 |
キーワード | 機械学習・ディープラーニング 官能検査 設備保全・TPM |
開催エリア | 東京都 |
開催場所 | 【北区】北とぴあ |
交通 | 【JR・地下鉄】王子駅 【都電】王子駅前 |
現場でどのように異常検知を適用・活用していけば良いのか
事例やデモを交えて勘所をお伝えします
セミナー講師
BULB(株) データサイエンティスト 足立 悠 先生
セミナー受講料
1名41,800円(税込(消費税10%)、資料付)
*1社2名以上同時申込の場合、1名につき30,800円
*学校法人割引;学生、教員のご参加は受講料50%割引。
セミナー趣旨
製造現場において、機器や設備の計画外停止は稼働率の低下を引き起こし、ひいては利益の損失につながります。このことを避けるための対策として、機器や設備の状態に合わせたメンテナンスの実施が挙げられます。機器や設備の状態把握・メンテナンスの最適化のためには、機械学習やディープラーニングの技術が大きく貢献しています。
本講演では、機器や設備から得られる時系列データを中心に、どのように現場で異常検知が適用され、またそれを実現し活用していくか、事例やデモを交えて勘所をお伝えします。
受講対象・レベル
・現場で集まる時系列データの活用にお悩みの方
・機械学習やディープラーニングを用いた異常検知方法に関心のある方など
習得できる知識
・異常検知を目的としたデータ分析の進め方
・時系列データから特徴量を作成する方法
・機械学習とディープラーニングを用いた異常検知モデルの作成方法
セミナープログラム
1.はじめに〜異常検知技術の適用にあたって〜
1)製造業におけるデータ活用
・どのようなデータが利用できるのか?
・データ収集のよくある失敗
・異常データ収集のポイント
2)異常検知を目的としたデータ分析の進め方
・分析の目標と成功の判定基準の決め方
・時系列データの理解
・時系列データの前処理
・異常検知モデル作成と評価
2.機械学習を利用した異常検知
1)異常の定義とアプローチ
・通常時と異常時の振る舞い
・異常スコアの定義
2)時間軸による特徴量の作成
・異常検出間隔の定義
・スライド窓統計量による特徴量
3)異常検知モデルの作成
・決定木を利用した学習
・SVMを利用した学習
3.ディープラーニングを利用した異常検知
1)時間軸による特徴量の作成
・異常検出間隔の定義
・部分時系列による特徴量
2)異常検知モデルの作成
・CNNを利用した学習
・RNNを利用した学習
3)異常データの作成
・k-NNを利用したデータ水増し
・RNNを利用したデータ水増し
4.異常検知の活用事例
1)製品の外観検査
・CNNモデルの転移学習
・データオーギュメンテーション
・外観検査ソリューション
2)機器の故障診断
・故障の定義と予測
・故障診断ソリューション
3)部品の寿命予測
・劣化の定義と予測
・寿命予測ソリューション
5.おわりに
<質疑応答>
*キーワード
CRISP-DM、時系列データ、非構造化データ、スライド窓、部分時系列、機械学習、教師あり学習、教師なし学習、ディープラーニング、ニューラルネットワーク、異常スコア