開催主旨

※年間の受講者数が1000名を超える、企業での実務経験豊富な講師が解説します

　実験計画法は、少ない実験回数で多くの構成要素が関係する現象の解析が可能です。その解析方法を使うと、本来、数千通りの実験が必要な場合でも、数十通りの実験回数で、構成要素間の最適な組合せ（因子ごとの最適条件）を見つけることが可能です。
　しかしながら、解析の前提として構成要素の組合せ効果が線形モデル（構成要素の影響が足し算で構成された単純なモデル）にもとづくことを前提にしており、構成要素が複雑に絡みあう製造業の開発では、最適条件の推定が外れることが多々ありました。
　本セミナーでは、まず、実験計画法の原理と問題点の解説を行います。その上で、実験計画法の問題点を補うために人工知能の一種であるディープラーニング（ニューラルネットワークモデル＝超回帰式）を併用した、製造業の開発により適した非線形実験計画法を解説いたします。 実験計画法の導入を考えている初学者の方、これまで実験計画法や応答曲面法、品質工学（タグチメソッド）を使ってみたが上手く行かなかったという方々に、また、多目的最適化が必要な方々に、具体的な解決策を詳細に説明します。
　なお、複雑な現象をモデル化（数式化）するニューラルネットワークモデルをＥｘｃｅｌ上で簡単に構築する方法も、デモンストレーションを併用して解説いたします。

【受講対象者】
・機械、電子電気部品、材料、家電、加工／生産装置、計測評価機器、医療医工分野等の製品や技術開発に携わり、開発効率を高めたい方
・問題に関係する要素が多く、体系的な実験解析手法を必要とする方
・開発難易度が上がった、未経験分野への進出等、従来のやり方では成果が出ない方
・安価な部品や装置で高い性能目標を達成する開発方法を求める方
・毎年繰返し、同じような製品開発（製品設計と検証、その生産条件出し）を行っていて、その開発効率を高めたい方
・多特性の最適化が必要で、従来方法では解決できなかった方
・実験計画法や応答曲面法、品質工学(タグチメソッド)を使ってみたが上手く行かない方
・実験計画法や品質工学（タグチメソッド）などの離散的な探索では成果の出ない方

※技術コンサルタントの方や、講師業の方は、受講をご遠慮ください。
（企業／大学等への所属有無を問わず、社外に対して技術指導・講演・発表・専門誌への寄稿等をされている方は、受講をお断りしております。）
※上記につきまして、申込後にご確認させていただく場合がございます。

※実験計画法、ニューラルネットワークモデル、品質工学（タグチメソッド）に関する予備知識は必要ありません。