セミナー
会場×ライブ配信セミナー
最短コースで実運用につなげる方法を学ぶ！
めっき屋が現場目線で指南する
生産設備担当のための画像処理AI内製化のススメ
開催主旨
ChatGPTに代表される生成AIの登場により、AI活用がより身近になっています。一方で、各製造現場ではより一層のコストダウンや、人員不足ならびに技能伝承にかかる課題が深刻となっています。さらには、品質管理の厳密化や帳票類対応など製造現場の負担がますます増大しています。
製造現場におけるAI活用例は、異常検知と外観検査が2大用途となっていますが、後者で用いられる「画像処理AI（AI画像処理）」は異物検知やワークのカウント（計数）、作業分析など幅広く活用することができます。
本講座ではAI活用による自動化支援で実績を持つ講師（めっき屋）が、現場目線で画像処理AIの内製化のための具体的手法を解説します。オープンソースで利用できる各種物体検出アルゴリズムが公開されており、特に処理速度の速さで定評のある「Yolo（You Only Look Once）」を用いてカメラによる画像取得～学習～推論の流れを講師により実演し、AI制作の雰囲気を掴んでいただきます。
また製造現場で運用するためにはAI以外にもハードウェアなど必要な知識が多く、最短コースで運用を実現するために勉強すべき項目のロードマップを示し、持ち帰って活用できるようサンプルプログラムや具体的な利用機器、配線方法なども紹介します。
講師の経験も含むAI活用事例から、ベンダーに依存しない内製化プロジェクトの進め方、画像処理AIの作成にかかるコツまでを紹介します。本セミナーへの参加を通じて貴社製造現場における課題解決に役立ててください。
【受講対象】
生産設備の自動化改善、品質改善を行う生産技術や品質部門の担当者
概要
| 日時 | 2024年 9月 30日（月） 13：00～17：00 （12：30 受付開始） |
|---|---|
| 会場 | 会場またはライブ配信の選択制 ライブ配信 ビデオ会議ツール「Zoom」 |
| 受講料 | お一人様：33,000円(資料・書籍含む、消費税込、1名分) ※日本金型工業会、中部プラスチックス連合会の正会員の方は１５％割引とさせていただきます。 |
| 主催 | 日刊工業新聞社
※弊社プライバシーポリシー（個人情報保護方針）をご一読いただき、申込みフォームより必要事項をご入力ください。 |
| 申込について | 受講にあたり 開催決定後、受講票並び請求書をメール（PDFファイル）にてお送り致します。 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。） 申し込み方法 各セミナーのお申込み画面から、またはチラシをダウンロードしご記入のうえFAXにてお申し込みください。 受講料 セミナー開催日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。 |
| 申込み締切日 | ライブ配信の申込み締切日 2024/9/25（水）17:00 受付締切 ※資料のご郵送に伴い、お申込み締切日が早くなります。 |
| 問合せ先 | 日刊工業新聞社 総合事業本部 イベント事業部・事業推進部（名古屋） TEL：052-931-6158 FAX：052-931-6159 E-mail：nk-event@media.nikkan.co.jp TEL受付時間：平日（土・日・祝日除く） 9：30-17：30 |
講師
会場アクセス
-
日刊工業新聞社名古屋支社
6階セミナー会場
名古屋市東区泉2-21-28 - セミナー会場案内図
プログラム
| 1．中小製図業の現場における画像処理AIの活用例 |
| 1-1 形状不良の識別（画像分類AI） 1-2 設備内残品の確認（物体検出AI①） 1-3 外観検査の支援・補助（物体検出AI②） 1-4 現場作業の安全確保の補助（物体検出AI③） 1-5 小物部品（製品）のカウント（計数）（物体検出AI④） 1-6 異物混入の検出（異常検知AI①） 1-7 めっき電流値波形の異常検知（異常検知AI②） 1-8 画像処理以外の活用事例（設備データ解析からの不良要因特定やAI-OCRなど） |
| 2．画像処理AIシステム内製化のススメ（講師の実体験を踏まえて） |
| 2-1 画像処理AI内製化のメリット・デメリット 【メリット】導入スピードが早い／導入コストが安い／ドメイン知識があると精度や品質で迷わない／他工場や、海外拠点への展開が可能 【デメリット】工場側が興味を持ってくれない／人材がなかなかいない／会社のバックアップが得られない、などのデメリットとその対策 2-2 画像処理AIの費用対効果の検討方法（内製だと2桁万円程度の予算内になる） 2-3 内製化を進めるための人員・組織・規模の考え方 2-4 製造現場の理解を得るためのアプローチ 2-5 ノーコードツールとプログラミングのメリット・デメリット 2-6 内製とベンダーの使い分け・ベンダー依存を回避する考え方 |
| 3．画像処理AIの効果を実感しよう（講師によるデモ） |
| 実際に画像を撮影しAIに学習させ推論するまでの一連の作業を体験しましょう 3-1 Yoloによる物体検出AIを作ってみよう（画像取得～学習～推論） |
| 4．内製化に向けて学ぶべき項目の最短ロードマップ（自習用プログラムを配布） |
| 4-1 内製化AIの構成例（具体的な使用機器や配線例を紹介） 4-2 AI用の環境構築（GPUの設定） 4-3 最低限のpythonプログラミング（pythonの基礎、OpenCVの基礎） 画像処理AI作成時のChatGPTや生成AIの活用 4-4 画像処理AIモデルの利用（分類モデルEfficientNet、検出モデルYolo） 学習画像のサイズ・枚数はどれくらい必要か？ 過学習・過検知・誤検知をどう扱うか？ 4-5 判定結果の外部への出力方法 ①デジタルI/Oによる出力と配線例 ②ソケット通信によるPLCへの出力 4-6 カメラ、レンズ、照明の知識 4-7 GUI（グラフィックユーザーインターフェース）の作成 4-8 ハードウェアの知識（パソコン、エッジデバイス、簡単な電気配線） 4-9 製造現場への展開方法（ローカルPC、クラウド、Webアプリ） 4-10 得意分野が異なる人によるチーム編成 |
| 5．画像処理AI活用の成功パターンと失敗パターン |
| 5-1 画像処理AIの説明可能性と品質保証の担保？ 5-2 PoC地獄など資金的課題 5-3 導入プロジェクトの破綻など経営的課題 5-4 成功のための定石「その1」 ①AIの特徴や限界をつかんでから工場内の問題点に当てはめる！ ②問題ありきでAIを無理に当てはめようとしない！ ③AIを使い倒しAIの特徴や限界を掴んでから工場で当てはまる問題を探す！ ほか 5-5 成功のための定石「その2」 ①まずは手を動かして小さいものを自分たちで構築してみる！ ②簡単なものをつくって工場で見てもらい理解を得る！ ③実物を見てもらうことで工場の理解を得て、工場側からもアイデアが出る！現場の改善が進む！ |
| ６．まとめと質疑応答 |
