セミナー

【ライブ配信セミナー】
実用レベルの【打音検査へのAI活用法】を解説

【事例で学ぶ】製造ラインの製品の打音検査におけるAI活用方法と装置化

開催主旨

 コンクリート建造物などの打音検査などにAIを活用する例は報告され始めています。一方、製造ラインに直結した全製品の打音検査にAIを適用して、実用レベルの性能を達成する例に関する報告は未だありません。本講座では、自動車部品の全数検査において、1製品の打音検査を数秒以内に完了させる問題にAIを活用し、実用レベルの検査精度を達成するまでの方法とAIを含む検査装置の開発に関して解説します。打音検査では、打音の正確な取得が大きな課題です。また特にデータを分類する自己組織化マップは、教師なし機械学習アルゴリズムとして有効な応用が可能です。これらの可能性についても実例をもとに解説します。取り扱う例は打音検査ですが、内容は信号認識に広く適用可能なものになります。
 AI(機械学習)は、まず使ってみることが重要です。実用レベルの性能を達成することはそう簡単ではありません。打音の採取は非常に難しく、一瞬の打音そのものを正確に録音して切り取ること、適切な信号処理を行うこと、AIを活用する際のアルゴリズムの選定と打音の特徴量を正確に抽出して利用すること、いずれも多大なノウハウが必要であり、それらはほとんど公開されていません。本講座では、講師が5年間の試行錯誤で得てきたノウハウを全て公開するので、現場で実用レベルの性能を達成してください。

受講対象者・レベルなど
AIを打音検査に活用したい人、AIの実用性能を確保するためには何が必要かを知りたい人、
AIを適用したがうまく行かなかった人、実際にAIができること、できないことを知りたい人
※AIに関して初心者でも受講可能

習得できる知識など
 打音検査は、外観検査等に比べると、ばらつきの小さい高品質な打音自体の採取が非常に困難です。講師は、打音のサンプリング、信号処理、AIのひとつであるサポートベクターマシンを適用する際の種々の問題解決を約5年間行ってきました。さらに検査過程全体を定められた時間以内に終了させるための処理の設計と装置化を試行錯誤により実現しました。大学レベルの知識と、我々が実問題に対してどこで失敗し、どう解決してきたかを習得していただき、今後、実際に打音検査と信号認識にAIを活用できることを目的とします。

概要

日時 2020年 12月 10日(木) 14:00~17:00
(13:30 ログイン開始 )
会場 WEBセミナーは、WEBミーティングツール「Zoom」を使用して開催いたします。
※当日の録音・録画は固くおことわり申し上げます。
ブラウザとインターネット接続環境があれば、どこからでも参加可能です。
受講料

お一人様:22,000円(資料含む、消費税込)

受講にあたり
開催決定後、受講票並び請求書をご郵送いたします。
申込者が最少催行人数に達していない講座の場合、開催を見送りとさせて頂くことがございます。(担当者より一週間前を目途にご連絡致します。)
受講料
セミナー開催日1週間前までに銀行振込にてお支払いください。
振込手数料は貴社でご負担願います。
キャンセルについて
開催日1週間前までの受付とさせて頂きます。1週間前までにご連絡がない場合はご欠席の方もキャンセル料として受講料全額を頂きます。

主催 日刊工業新聞社
申込締切日について 講座開催の3営業日前17:00〆切
※セミナーによって締切が異なる場合もございます。早めにお申込みください。
原則、資料を受講者の方へ郵送するため、お手元に届く猶予を頂いております。予めご了承ください。

【営業日】について
営業日は平日になります。 ※土曜/日曜/祝祭日は、休業日です。

(例)6/16(火)開催の場合、6/11(木)が締切日となります。
問合せ先 日刊工業新聞社 総合事業局
セミナー事業部 技術セミナー係
TEL: 03-5644-7222 
FAX: 03-5644-7215
E-mail : j-seminar@media.nikkan.co.jp
TEL受付時間:平日(土・日・祝日除く) 9:30-17:30

講師

白石 洋一 氏

このセミナーを申し込む

プログラム

1.人工知能とは何か
 1.1 人工知能の概要
  ・人工知能研究開発の歴史
  ・人工知能アルゴリズム
 1.2 機械学習,サポートベクターマシン
  ・教師あり学習,教師なし学習,トレイニングと推論
  ・サポートベクターマシンアルゴリズムと特徴
2.信号処理と機械学習
 2.1 ビッグデータ解析
  ・機械運転における予知保全
  ・センサデータによる信号認識
  ・打音信号による検査
 2.2 前処理と機械学習の適用
  ・高速フーリエ変換とスペクトル分布
  ・自己組織化マップによるデータの分類
  ・画像データとしてのディープラーニング適用
3.打音検査に対するサポートベクターマシンの適用
 3.1 自動車部品の打音検査問題
  ・打音検査問題の概要
  ・リアルタイム処理:1部品の打音検査時間の上限
 3.2 打音採取と打音に対する前処理
  ・マイコンを用いた打音採取の方法
  ・打音採取における課題とサンプリングの方法
  ・フーリエ変換による打音のスペクトル分布
 3.3 サポートベクターマシンのトレイニング
  ・トレイニングのためのデータ加工
  ・トレイニングによって得られるモデル
 3.4 不良品打音データの増大方法と特徴量の有効利用
  ・不均衡データの取り扱い方
  ・非常に有効なスペクトル値の変換方法,これで実用化の見通し
 3.5 実験評価結果
  ・実際の自動車部品を対象とした実験
  ・不良品の検出率の評価,検出率100%と歩留まりのトレードオフ
 3.6 研究室における最新の研究
4.打音検査の装置化
 4.1 打音検査装置の概要
  ・プログラマブルロジックコントローラをもとにした打音検査装置の設計
  ・最も重要な打音ハンマ設計開発
 4.2 打音取得から検査終了まで
  ・検査の全工程
  ・各工程のハード/ソフト実装方法
  ・エッジAIデバイス
 4.3 運用上の課題
  ・打音取得の難しさ
  ・検査装置の時間変化による劣化
5.鋼管柱に対する打音検査
 5.1 打音検査問題と実験結果
  ・鋼管柱に対する打音検査問題
  ・サポートベクターマシンの適用と実験結果
 5.2 トレイニング結果の汎化性能
  ・サポートベクターマシンの汎化
  ・外観とアルゴリズムによる認識の相違
 5.3 自己組織化マップによる検査可能性
  ・教師データ作成の前に自己組織化マッピング
  ・自己組織化マップ上へのマッピング
 6.まとめ
  ・打音信号の認識に機械学習は有効である
  ・IoTによる信号認識のニーズが大きい
  ・高速性優先のサポートベクターマシンでも打音検査が可能である
  ・打音取得では,精度,録音タイミング,等,安定した打音採取方法が必須で,
   実用化はこれに尽きる
  ・打音は環境に非常に敏感である
  ・打音取得装置の時間劣化への対応も必須である
 【ライブ配信セミナーに伴う注意事項について】⇒ 【詳細はこちら】
※必ずお読みください
(お申込みを頂いた時点でご同意頂いたとみなします)

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