「異常データが少ない」設備診断にどうAIを活用するか
AIによる異常検知・予知保全の基礎と実践
～音響・振動・画像の特徴抽出、機械学習・深層学習からセンサフュージョン、マルチモーダルAIまで～

【WEB受講（Zoomセミナー）】＊Live配信のみ（録画視聴はありません）

WEB受講のみ

　※本セミナーは、Zoomシステムを利用したオンライン配信となります。

　※Live配信のみ（録画視聴はありません）

設備保全、生産技術、品質管理、機械、電気、
センサ、IoT、AI・データ解析等に携わる技術者・研究者

特に必要ありません。

１）FFT・スペクトログラム・STFT・Waveletなど、音響・振動データの信号処理と特徴抽出
２）PCA・SVM・Isolation Forestなど、機械学習による異常検知手法と使い分け
３）Autoencoder・CNN・LSTM・Transformerを活用した深層学習による異常検知
４）音響・振動・画像を組み合わせたセンサフュージョン／マルチモーダルAIの活用方法
５）異常データが少ない環境でのモデル構築、誤検知低減、評価方法と実設備への導入ポイント　　など

　製造設備や機械システムの異常検知・予知保全では、振動だけでなく、音響、画像、温度、電流等、多様なセンサ情報を利用できるようになっています。
　本セミナーでは、信号処理による特徴抽出から機械学習・深層学習による異常検知までを体系的に解説し、さらに複数のセンサ情報を統合するセンサフュージョン、マルチモーダルAIへと発展させます。
「正常データしか十分に得られない」「異常データが少ない」という実際の設備診断で生じる問題についても取り上げます。

　特に、実際の設備診断では「異常データを十分に集められない」ことが、AI活用を進めるうえで大きな課題となります。正常データを中心とした異常検知や少量データへの対応、誤検知を減らすための考え方についても解説します。さらに、音響・振動・画像など複数の情報を組み合わせ、単一のセンサでは捉えにくい異常を検知するためのアプローチまで取り上げ、AIを実際の設備診断・予知保全へ活用するためのポイントを学んでいただきます。