現場から学ぶ！データサイエンスからみた予知保全手法の体系化

概要

寿命データならワイブル分布、異常検知なら機械学習・・・教科書でよく見る手法もいざやってみるとうまくいかない経験をお持ちはないですか？

「運転の環境や条件への依存性が大きく，教師データの作り方がよくわからない」「故障のラベル付けが難しいので教師付き学習が適用しにくい」など、対象が機器や設備である故の難しさもあります。機械学習のコモディティ化が進む現在においては特に、対象の構成・動作・故障に関する知識に基づいて変数選択や数理手法を工夫することが重要です。

本セミナーでは今村誠教授（東海大学情報通信学部）をお招きし予知保全に携わる技術者にとって必要な統計的な手法を概観して解説頂きます。信頼性工学、信号処理、制御工学などで扱われている手法も含めて故障予測のため知識を整理しましょう！

ハイライト

1. 予知保全のための統計手法俯瞰
2. 前処理として故障現象のモデル化
3. データ解析人材育成のためのヒント

講演者について

今村 誠

1986年三菱電機株式会社入社。自然言語インタフェース、製造業向け知識管理、Webマイニング等を経て、予知保全や生産性向上のためのデータ分析技術の研究・開発に従事。2016年4月より東海大学情報通信学部組込みソフトウェア工学科教授。予知保全関連の産学共同プロジェクトにも精力的に従事。

井上 道雄

MathWorks のシニアチームリーダとして「現場で使える AI」をモットーにデータ解析関連を担当。前職の NASA/JPL では数値流体力学（乱流）の研究に従事。より現場に近い数値計算の世界を求めて 2014 年に帰国し現職。MathWorks 公式ブロガー。Twitter で国内外の MATLAB ユーザーにしつこく絡みます（いいね/RT はすべて手動です）