セミナー
【ライブ配信＆録画視聴可能】
工場データサイエンス超入門
DIY感覚で取り組む！IoTシステム構築、センシング、
データ解析・利活用
開催主旨
工作機械や周辺装置のIoT（Internet of Things）対応により製造まわりの大規模データの取得・蓄積が容易となっています。また、Raspberry Piに代表される安価に入手できるIoT機器（産業IoT機器）が普及し、これらを既存設備に付加することで故障予測や異常検知に取り組む現場が増えつつあります。このように、IoTデバイスによるエンジニアリングからセンシング、データ解析、データ視覚化、経営判断の支援までが行える人材の必要性が叫ばれ、その育成が始まっています。
本講座は、数人レベルの現場で、こうした取り組みを実践する講師が、IoTの基礎知識やマイコンボードセンサなどの周辺知識を網羅して解説。講師が取り組んだIoTシステム構築を例に、安価に（数万円レベル）簡単に取り組めるデータ取得からデータ分析までの一連の流れを紹介します。
自社工場でデータサイエンスに着手したい方はもちろん、自社システムのIoT化に取り組みたい方や、インテグレータ任せとなってコストアップとなった、現場の要件を満足できていない方の参加をお奨めします。
本セミナーは、オンライン配信ツールZOOMを使用します。ご視聴方法（参加用URL等）はご登録くださいましたメールにお知らせいたします。
概要
| 日時 | 2025年 11月 4日（火）、11月 5日（水） |
|---|---|
| 受講料 | 49,500円（テキスト代、録画視聴、税込、1名分） ※当日の参加が難しい方は録画での参加も可能です。録画での参加を希望される方は、申込フォームの備考欄にその旨をご記載ください。 |
| 主催 | 日刊工業新聞社 |
| 問い合わせ先 | 日刊工業新聞社 西日本支社 総合事業本部 セミナー係 TEL : 06-6946-3382 FAX : 06-6946-3389 E-mail : seminar-osaka@media.nikkan.co.jp |
講師
プログラム
| 1．IoT／工場データサイエンス概論（IoT×機械学習で何ができる？） |
| 1-1 IoTで何ができる？ 1-2 産業用イーサネット 1-3 IoTデバイスの機材構成例（マイコンボード／センサ／通信モジュールほか） 1-4 IoTシステムでよく使われるマイコンボード／センサ／通信モジュール） |
| 2．工場データサイエンスの第1歩：IoTデバイスの設計 |
| 2-1 IoTデバイスの設計の流れ 2-2 機械設計（自前と外部委託）、使える外部委託先（ケース設計など） 2-3 工場内機器の電気回路設計と試作開発（電源回路／安全率／ノイズ対策／AWG／ブレッドボードなど） 2-4 マイコンなど部品選定の勘どころ 2-5 マイコン仕様とプログラミング、開発環境 2-6 M5Stackを使った開発例（事前準備、マイコンボードの登録、ライブラリの追加、プログラム方法（C言語、python、Blockly）、デモなど） 2-7 MBEDと（を）使った開発例（開発環境、プログラム例、デモなど） 2-8 RaspberryPiを使った開発例（開発環境、プログラム例、デモなど） 2-9 そのほかのIoTシステムで使えるマイコンボード 2-10 IoTで使えるセンサと仕様の見方、通信方式 2-11 IoTで使えるセンサの失敗例と改善手法 2-12 使える！各種電子部品の調達サイト |
| 3．IoTシステム構築・データ分析の実例 |
| 3-1 既存設備のIoT化（生産数のカウントとサーバへのデータ保存） ①システム概要／②使用条件／③要件（シーケンサに干渉しないなど）／④検討課題／⑤作成したIoTデバイスほか ※既存の製造機械にデータログおよびサーバ上にデータをアップした事例をもとに解説を例に、データ分析を実施した例を紹介。実際にどのような分析ができ、自社の生産現場における品質および生産性向上につながるかを掴んでいただきます。 3-2 IoTシステムの新規構築 3-2-1 測位測定システム 3-2-2 GPSロガー 3-3-3 変化量測定バンド ①システム概要／②使用条件／③要件／④検討課題／⑤作成したIoTデバイスほか 3-3 IoTシステム構築時の留意点 3-3-1 既存設備のIoT化の場合 ①制御装置への変更／②センサへの影響／③講師が実施した対策 3-3-2 IoTシステムの新規構築の場合 ① 用環境／②通信環境／③電力管理／④講師が実施した対策 |
| 4．各種データ分析の手法 |
| 4-1 IoTデータの見える化・グラフ化 4-2-1 Ambient（クラウドサービス）の利用とデータの可視化 4-2-2 AWS（クラウドサービス）を利用したサーバーレスなデータの可視化 4-3 機械学習による各種分析（Jupyter Notebook、機械学習で多用されるライブラリ、） 4-4 クラウドAI（MatrixFlow、Google Colaboratoryなど） |
| 5．工場データ活用の応用例①：画像認識 |
| 5-1 OpenCVとDeep Learningの差異（識別器の設計方法） 5-2 OpenCVの方がメリットがある場合がある 5-3 OpenCVによる傷判定と物体検出デモ |
| 6．工場データ活用の応用例②：自動追尾台車の構築手法 |
| 6-1 市販されている様々な自動追尾（搬送）台車 6-2 自動追尾台車「カルガモちゃん」のシステム構成と特徴 6-3 カルガモちゃんのコストメリット 6-4 自動追尾台車による構内物流改善 |
| 【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） |
