セミナー

データサイエンティストによる技術相談会もあり!
自動車生産現場から学ぶ!
AI適用例とデータ活用の具体的な進め方

開催主旨

 ここ数年、AI(Artificial Intelligence、人工知能)の応用が急速に進展しています。劇的な認識率の向上をもたらしAI分野を発展させたのが、脳の働きからヒントを得た学習手法である「Deep Learning(深層学習)」のアルゴリズムであり、実装が容易なライブラリの登場により、画像認識を中心に利用例が報告されています。併せて、故障予測などへの機械学習(Machine Learning)の適用例も聞かれるようになっています。
 こうした動向を受け、製造業においては外観検査と故障予測にAIの適用を試みる現場が増えていますが、狙った識別精度や予測精度が得られず、導入に至らない例が聞かれます。学習データ(画像データ)の前処理(データクレンジング)にかかる負担や良品・不良品データの不均衡がおもな原因にあげられます。また、特にDeep Learningでは識別にかかる根拠がわかりにくく、品質保証の観点から導入を見送る現場も多いです。加えて、AI導入プロジェクトへの理解不足から必要な投資がなされず、「PoC死」に陥る現場も多いです。
 そこで、本講座は製造業の中でも、AI導入で先行する自動車分野で多数の導入実績を持つスカイディスクより講師を招き、自身の活動を通じて製造現場でのAI導入のコツを解説します。異音検査や生産計画の最適化、鋳造部品の不良品検出などの事例を通じて、AI導入プロジェクトの進め方からAIと人との協働による生産高度化までを紹介します。
講義の終盤には個別での技術相談を実施し、受講者の各要件に応じたAI導入を指南します。

概要

日時

2020年6月19日(金)

10:00~17:00(受付9:30)

会場 日刊工業新聞社 東京本社 セミナールーム
受講料

44,000円(テキスト代、技術相談料、税込)

※振込手数料は貴社でご負担願います。
※1社複数名のご参加の場合、2人目より10%割引(39,600円)致します。
ただし、同セミナーを受講される場合のみ適用させて頂きます。

主催 日刊工業新聞社
共催 株式会社スカイディスク
お問い合わせ先 日刊工業新聞社
大阪支社 事業出版部 セミナー係
TEL : 06-6946-3382
FAX : 06-6946-3389
E-mail : seminar-osaka@media.nikkan.co.jp

講師

井手 大奨 氏

会場アクセス

日刊工業新聞社 東京本社
セミナールーム
東京都中央区
日本橋小網町14ー1
住生日本橋小網町ビル
セミナー会場案内図

このセミナーを申し込む

プログラム

1.なぜ今、日本の製造業にAIが必要か?
1-1 なぜ今、日本の製造業にAIが必要か?
1-2 製造業におけるAI適用の可能性
1-3 いまさら聞けない「AI」
1-4 現代のAIに向いている課題・用途とは?
1-5 業界事情から紐解く最近のAI動向
2.AI導入前に知っておくべきこと
2-1 AI導入前に知っておくべきこと
 2-1.1 戦略的に導入後のバリューを見極める
 2-1.2 AI適用箇所は「暗黙知」「五感」
 2-1.3 最初から期待しすぎない
 2-1.4 人との共存を意識した業務設計
2-2 AIを使ったビジネス設計
2-3 成功するAIプロジェクトの取り組み方
3.自動車生産現場でのAIの適用例
3-1 官能検査(異音検査)へのAI適用
 ①人による異音検査の課題/②音分析「SkyAI for Sound」紹介/③正常・異常音を認識する特徴量抽出/
 ④音判定AIモデルによる不良品検知/⑤導入効果
3-2 自動車部品製造へのAI適応:生産計画の最適化(加工機器ごとの製品生産計画をAIが最適化)
 ①人による生産計画策定の課題/②システム化のハードル(制約条件)/③数理最適化とは(デモ)/④制約条件の洗い出しと最適化AI/⑤導入効果
3-3 製造現場で求められる説明可能性・解釈性(XAI)
 ①説明可能性・解釈性(XAI)に関する技術/②Deep Learningが着目しているところ(ネットワークの可視化、DrawNetなど)/
 ③着目領域の可視化手法(SmoothGrad、Lime、CAM デモ)/④着目領域を活用した精度向上方法(Attention Branch Network:ABN)/
 ⑤XAIの適用例
3-4 自動車部品製造へのAI適応:鋳造条件スコアリング(不良品検知のための鋳造条件スコアリングをAI化)
 ①ダイカストとは/②鋳造波形と不良品発生/③波形採点AIモデルによる不良品検知/④導入効果
4.少数データセットへの対応
 ①画像検査へのAI適用例/②学習用データセットの準備にかかる課題/③学習用データ拡張の一般手法/④転移学習による対応(デモ)
5.AI導入プロジェクトの失敗例とその対策
5-1 プロジェクトの失敗例とその対策
5-2 AIシステム開発のステップ
5-3 AI化できるデータの見極め
5-4 AI化のための「説明変数」の見極め方
6.技術相談会(事前登録制、1社15分)
※技術相談の実施にあたり事前のヒアリングにご協力いただきます。

このセミナーを申し込む

一覧へ戻る

日刊工業新聞社関連サイト・サービス

このサイトでは、アクセス状況の把握や広告配信などのためにクッキー(Cookie)を使用してしています。このバナーを閉じるか閲覧を継続した場合、クッキーの使用に同意したこととさせていただきます。なお、クッキーの設定や使用の詳細についてはプライバシーポリシーページをご覧ください。

閉じる