1～4 件を表示 ／ 全 4 件
トランスデューサーの校正サービスをIQ/OQ検証パッケージとともにご提供します！
医療機器および製薬会社殿において、ソフトウエアの検証は FDA21 CFR Part820 およびISO13485に準拠するために重要です。 IQ/OQソフトウエア検証のサポートをするために、当社のサービスは オンサイトのIQ/OQ検証及びドキュメントサービスを長年提供。 装置の製造メーカーからご提供するこのサービスは、お使いの当社 試験機が仕様に適応し、有効な結果を生成できることを保証するように つくられています。 【特長】 ■据付時適格性評価(IQ) ・据え付けチェックリスト ■運転時適格性評価(OQ) ・トランスデューサー検証 ・ソフトウエア機能チェック ・計算検証 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
DeepSeek-R1-Distill-Llama-70Bのコスト・性能・実用性を徹底検証！
DeepSeek-R1-Distill-Llama-70Bは、Llama 3.3 70Bをベースに 知識蒸留(Distillation)技術を活用したAIモデルです。 特に日本語処理に優れ、法務分野や業務効率化に強みを持つことから、 ビジネス用途での活用が期待されています。 しかし、実際のところコストパフォーマンスはどうなのか。他のAIモデルと 比べて導入する価値はあるのか。 本記事では、 ■DeepSeek-R1-Distill-Llama-70Bの性能と特長 ■GPT-4やLLaMA 70Bなどの競合AIとの比較 ■ビジネス活用におけるコスト対効果 ■導入するメリット・デメリットと好適な用途 を徹底検証し、このAIモデルが企業にとって本当に「使える」選択肢なのかを 明らかにします ※ブログの詳細内容は、関連リンクより閲覧いただけます。 詳しくは、お気軽にお問い合わせ下さい。
AI（ディープラーニング）における検証の進め方について説明します。
ディープラーニングによる画像認識・検査導入を検討する企業様からよく質問をいただくのが「何枚の画像を用意すれば検査できるのか？」という点。 結論から言うと、「明確には断定できない」が実情です。なぜなら、対象物の見た目（色・形・角度など）や変化する特徴の複雑さに応じて、必要なデータ量は大きく変動するからです。 本記事では、検証の基本プロセスを以下のように整理しています： 検査対象の製品を撮影し、まず数百枚程度の画像を収集（たとえば200枚を目安に） そのうちの半数を選び、対象物に対して「アノテーション」を付与 アノテーション済みデータを学習データとしてAIに学習させ、残り画像で検証（認識できるかテスト） 誤認識や認識漏れがあれば、画像数を増やしたり、アノテーションを見直したりして再試行 このような「データ拡張 → 学習 → 検証 → 再調整」を、満足できる精度が得られるまで繰り返す ※詳しくは関連リンク（ブログ）をご覧ください。
Q：寸法精度が5～10％程の誤差というのはほんとうなのっ？【 無電解ニッケルめっき 】
Q：寸法精度が5～10％程の誤差というのはほんとうなのっ？【 無電解ニッケルめっき 】 A：無電解ニッケルめっきでは、単純な形状のワークに対し±5～10% のめっき膜厚管理が可能です。よって、めっき膜厚が5 μmターゲットであれば4.50～5.50 μm以内での管理が可能です。
