製造業におけるIoT・人工知能（AI）の 活用展開と今後 ～導入からデータの解析・活用の実践的ポイントまで～

品質改善、歩留まり向上、寿命予測、異常検知
★「何をどのように現場で使えるものにしていけばよいのか」「具体的にどのように分析していけば良いのか」等々、数々の事例シナリオをもとに解説します。

講師

テクノスデータサイエンス・エンジニアリング（株） コンサルティンググループ　執行役員常務 博士（理学）　 池田 拓史 先生

セミナーポイント

　近年、製造業ではIoTデータに対してAIを活用することにより、魔法のように品質改善やコスト削減が実現するのではないかという過大な期待がなされることが多いようです。しかし、世間で喧伝される（人間不在の）AIの成功事例は、すでにこれまで長年の研究が重ねられてきた特殊な状況に関するものであって、現実の多くの場面ではAIが問題を自動的に解決してくれるような状況は達成できていません。つまり、専門知識を持った人間がデータ解析に必要とされる状況は変わっていないと言えます。
　一方で、IoTによる大量で多様なビッグデータの収集は着実に進行しており、少ない量・少ない変数のデータを分析することを前提とした従来の統計解析のやり方では限界を感じることが多くなってきています。データ解析に対する世間の期待とは裏腹に、データ解析人材に対して要求される水準は昔とは別の意味で高いレベルになってきているともいえます。
　本講座では、IoT・人工知能（AI）を導入するにあたり、必要となる組織体制や人材等について言及した後、IoTなどのビッグデータの解析に進化した様々な技法（アルゴリズム）を、製造業の現場でどのように使っていけば良いのかを学びます。また、道具としてのAIの利用についても、現実的な観点から考えていきます。
　また、何をどのように現場で使えるものにしていけばよいのか、具体的にどのように分析していけば良いのか等、数々の事例シナリオをもとに解説します。

○受講対象：
　・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
　・品質改善などの立場から、製造装置から収集した多様なデータを分析する必要がある方。散布図作成や、単回帰などのような単純な分析方法では限界を感じている方。
　＊統計学に対する事前の知識は前提とはしませんが、講義では簡単な数式を含むスライドを使用します。

○受講後、習得できること：
　・IoT・人工知能（AI）の導入に必要となる技能・人材やその進め方
　・どの場合にどのような統計モデルやAIを適用すべきかを理解する
　・解析ツールの機能に振り回されるのではなく、解析ツールの機能を戦略的に利用するための実践的な知識を獲得する

セミナー内容

1. IoT・人工知能（AI）の導入に向けて
　　〜データサイエンスをビジネスに活用するための組織づくりと進め方〜
　1）IoT・AIの製造現場活用で、どのようなことが可能になるのか
　2）先行する他業界における導入の成功事例とフレームワーク
　3）IoT・AIを活かすための役割分担
　4）必要となる技能・人材とその採用・教育は？
　5）IoT・AI導入プロジェクトのプロセスモデル

2.データ分析に着手する前に考えるべきこと
　1）分析設計書の必要性
　2）ビジネスゴールは何か
　3）分析上のゴールは何か
　4）どのような場合にどのような手法を検討すべきか
　　a) 統計モデルとAI（＝機械学習）の思想の違い
　　b) データ行列から見た分析目的の分類とよく使われるアルゴリズム
　5）どのようなデータをどのくらい収集すれば良いのか
　6）変数設計の必要性

3. 各種モデルの設計と現場への適用戦略
　1）連続量に対する予測：線形回帰モデル
　　a) 線形回帰モデルとは一体何をやっているのか
　　　・シミュレーションから理解する
　　　・理論式から理解する
　　b) 変数設計のポイント
　　　・カテゴリ変数の取り扱いのポイント
　　　・非線形効果を解釈可能にする派生変数の導入
　　　・多時点での測定データをどう次元削減するか
　　　・L1正則化による有効な変数の選別
　　　・内部での数値計算を見据えた上での注意点
　　c) 結果の解釈
　　　・非線形効果や交互作用を含む回帰係数の解釈
　　　・コントロール境界を可視化するには
　2）２値量に対する予測：ロジスティック線形回帰モデル
　　a) ロジスティック回帰モデルとは一体何をやっているのか　　
　　b) 変数設計のポイント
　　c) 結果の解釈
　3）寿命に対する予測：COX回帰モデル
　　a) COX回帰モデルは一体何をやっているのか
　　b) データ加工設計のポイント
　　c) 変数設計のポイント
　　d) 結果の解釈
　4）その他のAI（機械学習）モデルの利用
　　a) AI系のモデルの利用が適する状況とは
　　b) 決定木系のモデルとその注意点
　　c) ニューラルネットワーク系のモデルとその注意点
　　d) 異常検知アルゴリズム

4. IoT・AIの製造現場への各種適用・分析事例シナリオ
　1）歩留まり向上への適用シナリオ
　　a) 要因の解明と制御を目指すケース
　　b) 異常予兆の検知を目指すケース
　2）品質改善への適用シナリオ事例
　　a) 要因の解明と制御を目指すケース
　　b) 異常予兆の検知を目指すケース
　3）予兆保守への適用シナリオ
　　a) 寿命予測を目指すケース
　　b) 異常予兆の検知を目指すケース

　　＜質疑応答＞