レーザー加工分野における機械学習の活用手法 : 特に少ない実験データ数を用いた場合

現在、AI技術を様々な産業へ応用する例が増えてきており、レーザー加工による産業へも同じ傾向が生じています。特に、AI技術の1つであるディープラーニング (深層学習) に代表される機械学習を用いた応用が盛んです。これらを応用した例として、多くのレーザー加工条件を同時に最適化する、加工中に得られた計測データから加工状態のインプロセスモニタリングを実現するなどがあります。これを可能とする技術の1つが、IoTなどを活用することによる製造工程や加工現象に関連する計測データを簡便かつ大量に取得できることです。これらのデータはビックデータとなるために有効活用するためには強力な解析ツールが必要です。その1つが機械学習技術です。しかしながら、生成AIなど様々なAI関連技術が報告され、どの技術が自分の業務に向いているのかを検討することが困難となっているのが現状です。 　本セミナーでは、機械学習技術の中でもデータ数がある程度少ないデータでも活用できる『教師あり学習』手法をレーザー加工へ応用する実例を学ぶことで、皆様の業務に機械学習技術を適用できるかどうか、もし適用できるのであればどのような機械学習技術を適用すればよいかを理解できるような知識の習得を目指します。特に、データ数が少ない初期開発段階で機械学習を適用した際の問題点も解説いたします。本セミナーのみで完全な機械学習技術の適用方法を理解をできるわけではありませんが、皆様が業務へ機械学習技術を含むAI関連技術を適用する際の理解度が上がるでしょう。

1. はじめに
   1. レーザー加工とは:概要
   2. レーザー加工の産業応用時の問題点
2. レーザー加工に応用されているAI関連技術:機械学習技術
   1. AI技術および機械学習技術とは:概要
   2. レーザー加工技術へ応用されている機械学習技術:教師あり学習
   3. 実際の適用例:論文および産業適用例の紹介
   4. 機械学習技術をレーザー加工技術へ適用するメリット・デメリット
3. 実際のレーザー加工への機械学習応用事例:適用過程を中心に
   1. 機械学習を用いた場合のデータ解析結果グラフの読み方
   2. 実際の適用過程:講演者の研究開発結果を中心に
      1. レーザー加工条件の最適化時
      2. データ数が少ないときの機械学習応用時
      3. で得られた機械学習適用方法の注意点
4. まとめ