機械学習 設備 異常検知

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
11月
12月
2020年1月
2月〜

化学・電気系 その他各分野
11月
12月
2020年1月
2月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/11/7更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


医薬・機器・化粧・食品系セミナー

*その他 機械学習・ディープラーニング・人工知能: 関連セミナー、書籍はこちら:

本セミナーへのご参加で、以下の様な実践的知識を身に付けることができます!
@異常検知と故障予知への応用 A機械学習の統計的手法
Bディープラーニングの使い分け C時系列データの取り扱い など。
学術的な話ではなく、「現場で役立つ内容を聞きたい」という方にオススメ!

機械学習を活用した設備機器異常検知の実践
〜仮想の工場設備データを用いたシナリオの検討を含む〜

講師

石田マネジメント事務所 代表 石田茂 先生

* 希望者は講師との名刺交換が可能です

講師紹介

■経歴
 慶應義塾大学大学院 電気工学 修士課程終了後、キャノンに入社し米国ベンチャーとの協同による同社初の北米向けワープロ開発担当。
 その後、経営コンサルタントとして電機メーカ等を中心としたコストダウンワークショップ、業務改革プロジェクトに従事。
 1990年より東芝にて情報システム開発のエンジニア及びプロジェクトマネージャを経験した後、同じく東芝 原子力計装制御システム開発・製造部門にて制御システムの開発マネジメント並びに米国規制対応プロジェクト等に10年間従事し、2014年に独立。

■専門および得意な分野・研究
・システム開発、ものづくり改善の業務コンサルテーションと教育研修指導
・機械学習の研修指導

→このセミナーを知人に紹介する

<その他関連セミナー>

機械学習・ディープラーニング・人工知能関連セミナー・書籍一覧
品質管理・分析関連セミナー・書籍一覧へ

日時・会場・受講料

●日時 2019年12月10日(火) 12:30-16:30
●会場 [神奈川・川崎]川崎市産業振興会館9階第3研修室 →「セミナー会場へのアクセス」
●受講料 1名41,800円(税込(消費税10%)、資料付)
 *1社2名以上同時申込の場合、1名につき30,800円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーポイント

■講座のポイント
 ディープラーニングや機械学習が話題になり、様々な分野で注目されていますが、製造現場への適用を考えた場合、何をどうするのかということに戸惑うのではないかと思います。
 最近の話題性もあり、人工知能といえばディープラーニングのイメージが先行しているきらいがありますが、伝統的な手法の価値がなくなったわけではなく今もって有用な手法がたくさんあります。
 そこで本講座では、機械設備の故障予知といった現場課題としてポピュラーなテーマを取り上げ、時系列データの統計的手法始めディープラーニングなどいくつかの解析手法の適用における要点を解説します。この際、理解をしやすくするために仮想の工場設備データに基づく検討を行うというシナリオで、それぞれの手法の理論的詳細よりも、それぞれの手法が持っている特徴や有効性に重きを置いた説明をします。

■受講後、習得できること
・異常検知と故障予知へ応用する際のポイント
・従来の機械学習の統計的手法、ディープラーニングの相違・使い分け
・設備機器時系列データを取り扱う上での留意事項

■講演中のキーワード
・異常検知
・機械学習
・故障予知
・ディープラーニング
・人工知能

セミナー内容

1. 機械学習の基礎
 1-1 AI発展の歴史
 1-2 最近の応用
 1-3 機械学習が行なっていることの本質

2. 異常検知と故障予知
 2-1 基本的な考え方
 2-2 はずれ値検知
 2-3 変化点検知
 2-4 時系列データ分析
 2-5 適用上の留意事項

3. 仮想の工場設備データによる検証
 3-1 仮想の設備時系列データ
 3-2 分析のデモストーリ
 3-3 統計的手法を用いた分析デモ
 3-4 ニューラルネットワークを用いた分析デモ

4. まとめ
 4-1 実践上の課題
 4-2 成果を得るためのポイント
 4-3 質疑応答

セミナー番号:AA191242

top

注目の新刊

雑誌 月刊化学物質管理

動画配信 統計学入門

異常検知技術と応用提案

各社の化学物質管理

分散技術

中分子医薬品

5G

洗浄バリ 2019

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.