1～2 件を表示 ／ 全 2 件
ワークフローの可視化を実現するツールを使用したサイクル寿命予測についてご紹介！
当資料では、Pipeline Pilotを用いて機械学習をした場合における Liイオン充電池のサイクル寿命予測についての報告を掲載しております。 「背景」、「流れ」、「結果」、「考察」をそれぞれご紹介。 Pipeline Pilotは、大量なデータ処理や解析、作業の自動化や ワークフローの可視化を実現するツールです。 【掲載内容】 ■背景：(1)Liイオン充電池とそのサイクル寿命予測、(2)機械学習とは ■流れ：(1)Pipeline Pilotにおける機械学習について ■結果：(1)Pipeline Pilotの操作画面の一部、(2)出力画面 (3)出力画面の比較 ■考察 ※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。
『Pipeline Pilot』を利用した機械学習の活用事例を紹介します【事例紹介】
今回は、特性値を予測することで最適な実験条件の傾向を掴むことを目的としました。 <背景> 従来から現代にかけて、どの分野に関わらずより良い特性値をもつ材料を開発することは重要な業務であり、かつ重要な課題でもあります。 また、材料の特性値は様々な要因によって左右されてしまうため材料開発の効率化も求められています。 例えば、材料開発時に使用された素材や反応時間、そして温度、ヒステリシスのような要因によっても左右されるかもしれません。 この条件全てに対して実験計画法を導入し、実際に実験、測定をしたうえで最適な条件を発見することは理想ですが、 それはコスト面や時間的観点から現実的ではありません。 そこで、 いくつかの実験条件（例えば、説明変数X1、X2、X3、X4、、、）とそれぞれの特性値（例えば、目的変数Y1、Y2）を記した少量のデータセットを使用して機械学習を実施いたしました。 今回の事例では、機械学習モデルの作成、予測精度の改善まで実現する事が「簡単に機械学習を行うこと」できました。 ※詳しくはお問い合わせください。
