本セミナーでは、まず、ヒューマンエラーはなぜ起こるのか、生産工程におけるヒューマンエラーの現状と対策を説明します。その上で機械学習によるヒューマンエラー予兆検知の有用性と必要性について触れます。これらを導入し、活用するための留意点について解説するとともに、質疑応答を通して理解を深めます。また、取得した時系列データをそのまま機械学習に入力するだけでは、ヒューマンエラーを予測することはできません。機械学習に入力する前処理の基礎とデータのノイズ除去技術を学びます。また、シンプルな機械学習パーセプトロンアルゴリズムから始まり、最近話題のディープラーニングまでを具体的な事例、人工知能による感情認識とともに解説し、人工知能に対する理解も深めます。
本セミナーを受講することで、ヒューマンエラー予兆検知などの人工知能を活用した生産現場のスマートファクトリー化やインテリジェント製品の開発に役立ちます。
- 生産工程におけるヒューマンエラー
- ヒューマンエラーの分類
- スリップとその対策
- ラプスとその対策
- ミステイクとその対策
- ヒューマンエラーはなぜ起こる
- 状況認識モデル
- m-SHELLモデル
- 注意とそのモデル
- ワーキングメモリ
- ヒューマンエラー事故と企業のリスク
- 現状のヒューマンエラー対策
- 危険予知トレーニング (KVT)
- 人間中心設計
- 人間信頼性評価
- 安全マネジメント
- レジリエンスエンジニアリング
- 人間の心理状態の測定方法
- アンケートによる測定
- 職業性ストレスモデル
- ラッセルの円環モデル
- PANAS
- 生体信号による測定
- 心拍変動
- 唾液
- 発汗
- 行動による測定
- ダイナミックな意思決定における状況認識
- ワーキングメモリと注意
- 自動的処理と統制的処理
- 機械学習とIoT技術
- 観測信号の取得
- Internet of Things (IoT) とは
- 空間分解能と時間分解能
- IoT技術の活用の留意点
- ノイズ除去
- 移動平均フィルタ
- ローパスフィルタとハイパスフィルタ
- カルマンフィルタ
- 特徴ベクトルの導出と要素の集約・選択
- 主成分分析による情報の集約
- 共分散分析 (ANOVA) による特徴ベクトルの分析・選択
- 機械学習によるモデルの構築
- 単純パーセプトロン
- 多層パーセプトロン
- モデルの選択・評価
- 精度向上のためのテクニック
- 不均等なサンプルサイズ
- スパースなデータ
- 欠損値の取り扱い
- 生体信号と気象データを用いた近未来の快気分の予測
- ステップワイズ法による変数選択と回帰モデル
- 気象データと快・不快気分の関係
- 近未来の気分予測結果と予測因子
- 気分の分布と遷移
- 腰の動きに基づいた認知負荷の推定
- 歩行の乱れの導出
- 歩行の乱れと認知負荷の関係
- 歩行者の認知負荷の推定精度
- ヒューマンエラー予兆の検知
- Working Rhythmの乱れ
- Deep Neural Networkによる予兆検知
- ヒューマンエラー予兆が表れる部位