ディープラーニングによる異常検知・欠陥予測とその応用

再開催を依頼する / 関連するセミナー・出版物を探す
会場 開催

日時

開催予定

プログラム

ディープラーニング手法は、画像認識や音声認識の分野では前人未到の識別精度を達成し、将来の有望技術として脚光を浴びている。これらの成功事例を受け近年、ディープラーニング手法は製造加工業界の様々な分野に応用され、新たな解析手法として研究されている。  本セミナーでは、製造加工業の中でも特に品質検査 (表面・外観検査)、故障診断と欠陥予知という三つの分野に応用した最新鋭のディープラーニング技術を紹介する。内容として、応用事例を取り上げながら、解析手法の原理、解析手法の解析プロセス詳細そして検証結果という流れで、説明と議論を重ね展開していく。

  1. 第Ⅰ部 : はじめに
    1. 従来の機械学習の原理と手法を簡潔にわかりやすく説明
      • サポートベクトルマシン (SVM)
      • 主成分分析PCA/t – SNE/トポロジーデータ解析法 (TDA)
      • 競合学習・SOM・K – NN・EMアルゴリズムの原理と相互関連性
      • Extreme Learning machine手法の紹介
      • RNNとRNN – LSTMのわかりやすい説明
      • ベイズ原理からカルマンフィルターをわかりやすく説明
      • ベイズ原理から粒子フィルターをわかりやすく説明
    2. 各ディープラーニングの手法の紹介と原理を簡潔にわかりやすく説明
      • 畳み込みニューラルネットワーク (CNN)
      • 自己符号化器 (AE)
      • RBMとRBM – DBNの紹介
    3. 異常検知の考え方や手法の選択・適用のポイント等をわかりやすく説明
      • 異常検知の考え方
      • 異常検知への各手法の選択法
      • 異常検知への適用の際のポイントと留意点
  2. 第Ⅱ部 : 品質検査 (表面・外観検査) におけるディープラーニングの手法の応用
    1. 最新技術と手法及び応用事例の紹介
      • 熱間圧延ストリップ鋼表面解析~
      • 溶接欠陥解析
      • 航空機ファンプレート用チタン合金表面
    2. CNNに基づく転移学習の紹介
    3. 転移学習を用いたCNN学習モデルによる表面・外観検査の学習結果の解析
    4. 従来の機械学習手法の解析結果との比較
  3. 第Ⅲ部 : 故障評価のための診断解析
    1. 技術の背景及び応用事例の紹介
      • 軸受故障解析
      • 変速機故障解析
      • 回転子故障解析
    2. CNNによる特徴抽出と故障診断
    3. AEによる故障診断
    4. Extreme Learning machine深層学習手法
    5. スパースフィルタリングによる故障診断
    6. RBM – DBNとSVMを融合したマルチモーダル手法
  4. 第Ⅳ部 : 欠陥・寿命予測解析手法
    1. LSTM – RNNによる欠陥予測
    2. 融合学習とLSTMの融合による予測
    3. 双方向LSTMとCNNの融合による予測
    4. 粒子フィルターとRBM – DBNの融合による予測
    5. 欠陥・寿命予測解析応用事例
      • 転がり軸受長期寿命予測
      • 機械加工における工具摩耗寿命予測
      • ハイブリッド玉軸受寿命予測
  5. 第Ⅴ部 : 展望
    1. 学習モデル選択 :
    2. データの高次元性・非構造多様性・不均衡性の対策
    3. 学習結果の可読性と可視化

会場

ちよだプラットフォームスクウェア
101-0054 東京都 千代田区 神田錦町3-21
ちよだプラットフォームスクウェアの地図

受講料