近年、AI分野の一つである機械学習は、IT分野にとどまらず産業現場へと急速に広がっており、製造現場や商業ビルにおける設備のシステム制御や異常検知などへの応用ニーズが高まっています。一方で、実際の現場実装においては、現場環境の制約、情報セキュリティ、収集データの偏りなど、さまざまな現実的課題に直面することが一般的です。

本セミナーでは、機械学習の基礎であるニューラルネットワークおよび強化学習の原理から、産業現場への実装方法までを丁寧に解説します。特に、対象設備から取得した時系列データを収集し、学習データとして活用可能な状態に整えるための実践的なノウハウに重点を置きます。

あわせて、データ収集用IoTシステムの実装・構築手法や、機械学習ツールの動作を理解するためのポイントについても、講師の長年の経験をもとに紹介します。

最後に、最先端技術として注目される生成AIのTransformerの原理と、産業現場への適用に関する研究事例についても解説します。

本セミナーは、機械学習をこれから産業現場へ導入したい方はもちろん、すでに導入を進めているものの課題を感じている方にも有益な内容となっています。理論と実装の両面から、現場で本当に役立つ知識と考え方を体系的に学べる機会ですので、ぜひご参加ください。

主な受講対象者

• 産業現場への機械学習の具体的な導入方法や導⼊事例を学びたい方
• システム制御に関わる開発設計・生産管理に携わる技術者やチームリーダーの方
• 設備･機器メーカー，インフラ･産業システムメーカー，土木･建築およびそれらの関連企業の方

期待される効果

• AI機械学習の産業応用，とくに製造現場への適応事例の概観
• 機械学習の基本であるニューラルネットおよび強化学習の産業現場への適用原理
• 実機から時系列学習データを収集する手法としてIoTを使ったシステム実装法の知識
• 現実の実機収集データから，サンプル数補強，データ分布偏りの補正など実用的な対処知識

セミナープログラム（予定）

１．機械学習の産業応用の概観
（１）最先端研究例の動画
（２）機械学習の産業現場適用
（３）産業応用の現場実例のサンプル集

２．制御対象のモデル化
（1）ニューラルネットワークの基礎
（２）実例１：機器制御動作のステップ応答
ａ．実測データから入出力制御変数の選定
ｂ．多変数制御のブラックボックスモデル

３．設備保全の予測
（１）過去を記憶する機械学習
ａ．LSTMニューラルネットとは
（２）実例２：設備動作の突発事象の予測
ａ．保全運転発生予測の有用性と精度
ｂ．保全運転予測精度の評価指標と使い方

４．設備管理の強化学習
（１）．教師データ不要の強化学習
ａ．強化学習の代表Qラーニングの原理
ｂ．学習期間課題を解決する転移学習
（２）．実例３：設備の最適経済運転
ａ．本来機能と電気代削減の両立
ｂ．マルチ転移学習法による学習期間短縮

５．学習データ収集の実際
（１）実際に収集できる学習データの量と質
ａ．理想的な学習データ収集分布
ｂ．欲しいデータ少ないときのSMOTE法
（２）学習ツールか自作学習ソフトか

６．現実的なシステム設計のコツ
（１）最初のプロジェクト試行の戦略
ａ．設計手順概要
ｂ．対象選定とチーム編成
（２）機械学習ツールの使い方と限界

７．生成AI技術の先端産業応用
（１）生成AIの技術基盤：Transformer
ａ．革新的ニューラルネット：Transformerとは
ｂ．Transformerの内部原理の概観
（２）Transformerの産業応用例
ａ．Transformerによる時系列傾向予測
ｂ．Transformerによるイベント発生予知

８．まとめと質疑応答

備考

※【LIVE配信】をお申込みの方は、追加料金なしでアーカイブ配信の受講が可能です。
　セミナー開催日当日（5/26）に受講可能な方は、LIVE配信での受講をお勧めします。
　開催日当日の受講が難しい方は、アーカイブ配信受講のお申込みをご検討ください。