ニューラルワークスPredict

大量データと豊富な計算機資源を活用した機械学習に基づくAI開発は、現役最強棋士を破るほどの棋力を持つ囲碁AIが実現可能であることを証明し、それを契機として様々な未解決問題解決への活用の期待が大きく膨らんでいます。さらに、昨今の大規模言語モデルに基づく対話型AIは、知的生産のスピードと質を大きく変えてようとしています。一方、ビジネスの現場では消費者の多様なニーズに対応するために、経営・業務プロセスのデジタルトランスフォーメーション(DX)が進められていますが、圧倒的に多くの企業では、業務プロセスにデジタルツールを一部導入するに留まるか、データ活用を前提としたシステム基盤への投資判断の難しさやデータ分析技術、成果に繋げるための組織的運用に精通した人材の不在から、業務変革の機会を活かせていない現状があります。 本セミナーでは ・分析モデルに基づく問題解決プロセス ・分析モデルの活用において、課題となる少量データの取り扱い方と多様な事例 ・組織的なノウハウの共有に有効なExcelベースの分析モデル開発環境 ・経営課題解決に直結する、組織的分析モデルの活用事例 について、デモを交え実践的な知識を習得します。

製造業では、多くのデータを取扱いますが、データから価値ある情報を取り出し、解釈するためには各種統計的な解析を使用する必要があります。 統計解析、あるいは多変量解析は、データの要約、傾向の確認、原因分析、今後の予測などの解析が行えますが、目的に合わせて適切な手法を選択する必要があります。最近トピックスになっている人工知能に関しても、効率的な学習を行うためには、データの与え方の工夫や、学習に適した形にデータを加工する必要があります。その際にも、統計解析・多変量解析によるデータ分析が必要になります。一方で、統計・多変量解析を習得しようとすると、従来は、実務では実際には使用しない内容を無味乾燥な数式で学ぶ必要があります。また、データ分析には統計・多変量解析ソフトウェアが必要になります。しかしながら、統計・多変量解析ソフトウェアは、下記のように２極化しており、簡単に導入・活用するにはためらいがともなう状況です。本講座では、アカデミックな内容は最小化し、製造業の実務で使う各種データ分析の実践的な方法を中心に講義いたします。また、無味乾燥な数式の解説ではなく、具体的な事例を通して、データ分析の基礎と手順を解説いたします。

　最先端技術であるディープラーニングが話題になり、人工知能ブームが再来していると言われています。最先端の技術は重要ではありますが、製造業の技術者が開発実務に活用するには敷居が高いことが課題ではないでしょうか？このように人工知能には、活用が難しいイメージがありますが、ものづくり分野に絞れば、適切な手法の使い分けとノウハウで意外と簡単に活用可能です。ディープラーニングを含む人工知能にも、アカデミックな最先端技術に対して成熟した「エンジニアリングに適した技術」があり、その技術はものづくりの開発現場で安心して使うことが可能です。 　また、ビッグデータにも誤解が多く、本来の意味とは異なる内容が一人歩きしている状況です。本来のビッグデータの意味を理解し、適切な手法の応用や、要素技術者の皆さん自身の知見を活かすと、高性能な人工知能の開発に必要なデータの最小化や、限られたデータから大量のデータを作るデータ増殖も可能です。本講座では、エンジニアリングに適した人工知能技術であるニューラルネットワークモデルとMTシステムに関して、基礎的な解説を行った上で、製造業における具体的な事例を用いて応用ノウハウを解説します。

実験計画法は、少ない実験回数で多くの構成要素が関係する現象の解析が可能です。その解析方法を使うと、本来、数千通りの実験が必要な場合でも、数十通りの実験回数で、構成要素間の最適な組合せ（因子ごとの最適条件）を見つけることが可能です。しかしながら、解析の前提として構成要素の組合せ効果が線形モデル（構成要素の影響が足し算で構成された単純なモデル）にもとづくことを前提にしており、構成要素が複雑に絡みあう製造業の開発では、最適条件の推定が外れることが多々ありました。本講座では、まず、実験計画法の原理と問題点の解説を行います。その上で、実験計画法の問題点を補うために人工知能の一種であるディープラーニング（ニューラルネットワークモデル＝超回帰式）を併用した、製造業の開発により適した非線形実験計画法を解説いたします。実験計画法の導入を考えている初学者の方、これまで実験計画法や応答曲面法、品質工学（タグチメソッド）を使ってみたが上手く行かなかったという方々に、また、多目的最適化が必要な方々に、具体的な解決策を詳細に説明します。