Home
->  9月開催 その他セミナー 

工場データの収集・蓄積と"異常検知"システムの作り方

9月開催 その他セミナー  更新日:2018年8月 3日
 セミナー番号【809504】9/20 講師2名
★どんなデータをどのように集めるか!どのように分析し予知保全につなげるか!

工場データの収集・蓄積と"異常検知"システムの作り方


■ 講師
1.
(同)コンサランス 代表 中小企業診断士 高安 篤史 氏

2. 横浜国立大学 大学院工学研究院 教授 濱上 知樹 氏
■ 開催要領
日 時 :
平成30年9月20日(木)10:00~16:45

会 場 : [東京・五反田]技術情報協会 8F セミナールーム
聴講料 :
1名につき60,000円(消費税抜き、昼食、資料付) 
〔1社2名以上同時申込の場合1名につき55,000円(税抜)〕

※定員になり次第、お申込みは締切となります。


プログラム

<10:00~12:00>

【第1部】工場データの集め方、蓄積の仕方と 予知保全システムの構築

(同)コンサランス 代表 中小企業診断士 高安 篤史 氏


【講演趣旨】
IoT(Internet of Things) 時代においては、ものづくりを行う製造業にとって、製造現場のIoTによる改善/改革は避けることはできない必須項目です。しかしながら、IoTは定義が不明確で、その応用範囲も広いことから、ほとんどの企業において活用/導入において課題を抱えています。特に、工場におけるデータの集め方、蓄積の仕方と予知保全システムの構築などにおいて、そのノウハウが理解できない企業が多数有ります。
 当講演では、IoTの製造現場の導入に多数の経験があるコンサルタントとして活動している講師が、上記のIoTに関連する基本事項から具体的な活用・導入のポイントまでわかりやすく解説致します。

【講演項目】
1.IoT(Internet of Things)の概要
  1.1 IoT (Internet of Things)の本質と現場改善
  1.2 IoT/AI時代の第4次産業革命と無くなる仕事
  1.3 IoTの4つの段階(モニタリング/制御/最適化/自律化)

2.工場におけるIoT(Internet of Things)ノウハウ
  2.1 工場におけるデータの集め方(含むセンサー/PLC/通信方法)
  2.2 工場におけるデータの蓄積の仕方(IoTプラットフォームの活用)
  2.3 データ分析手法(機械学習)と予知保全システムの構築
  2.4 設備の予知保全の事例とポイント
  2.5 人作業、機械作業のデータ収集の項目と収集のポイント
  2.6 工場におけるデータの流れの分析方法とムダの排除
  2.7 IoT(Internet of Things)における生産管理システムの活用方法

3.IoT(Internet of Things)活用の実践と今後
  3.1 IoTボード(アルディーノ/ラズベリーパイ)の活用法
      (【デモ】光センサによる光度の確認)
  3.2 AI(人工知能)活用のノウハウと落とし穴
      「【デモ】機械学習(Python)紹介」
  3.3 産業用ロボットの今後(自律するロボット)
  3.4 IoTのアキレス腱であるセキュリティ(ITとIoTのセキュリティの違い)
  3.5 工場経営におけるリアルタイムマネジメント

【質疑応答】
-------------------------------------------------------------------------------------

<12:45~16:45>

【第2部】機械学習を用いた異常検知と機械、制御等への活用

横浜国立大学 大学院工学研究院 教授 濱上 知樹 氏


【講演趣旨】
CPS/IoT時代の到来により、現実世界の大規模データをリアルタイムで取得できるようになってきました。これらの大規模データから異常を予測・検知することで、大規模システムの安定運用や最適制御、経済的な保守計画を立てることができます。従来、異常検知の技術は信頼性工学や統計分野での検討が主流でしたが、近年の機械学習の発展を背景に、大量の高次元データの中に含まれる様々な異常をアルゴリズムが学習し、予測・発見する実用的なアプローチが注目されています。 本セミナーでは、異常検知の考え方から、異常検知に利用される基本的な機械学習アルゴリズムとその理論・応用について紹介し、機械学習による異常検知の全体像を掴むことを目的とします。

【講演項目】
1.異常検知概論
   
2.異常検知に必要な統計と機械学習の基礎
  2.1 ルール抽出
  2.2 クラスタリング分類・判別分析
  2.3 クラシフィケーション
    2.4 回帰・予測分析

3.異常検知の手法
  3.1 外れ検知
  3.2 変化検知
  3.3 コンテキスト検知

4.機械学習による異常検知
   4.1 統計的アプローチによる異常検知
   4.1.1 正規分布データの場合
   4.1.2 非正規分布データの場合
   4.1.3 高次元データの場合
   4.1.4 回帰モデル・判別モデル

  4.2 学習アルゴリズムによる異常検知
    4.2.1 単純ベイズ法
   4.2.2 k近傍法
    4.2.4 サポートベクターマシン
    4.2.5 ニューラルネットワーク、ディープラーニング

5.機器・制御・システムにおける機械学習異常検知事

【質疑応答】