～ 保全技術と予知保全、異常検知の手順、判別モデルと時系列モデルによる異常検知手法、実務経験に基づく応用事例 ～
・異常検知の手順や注意点を具体的に修得し、設備や機械の効果的な保全や品質管理に活かすための講座！
・判別モデルや時系列モデルによるデータ解析手法を修得し、Pythonを使った異常検知の実務に活かそう！
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
※日本テクノセンター研修室で受講される方は、弊社にてPCを用意いたします
Pythonによる異常検知とデータ分析および活用のポイント ～PC演習付～ ＜オンラインセミナー＞
講師の言葉
データ計測技術やデータ分析技術の発達により様々な分野あるいは業務でのデータ活用が注目されています。インフラや設備・機器の監視業務においても、安全・安心な運用や効率的な保全計画を目的として、このような技術が注目されつつあります。
一方で、データを活用した業務運用では「データを使用することで何ができるのか、注意すべき点は何か」を正しく理解しておくことが非常に重要ですが、そのような観点は抽象的になりがちです。
本講座では、「異常検知の考え方」をご理解いただき、演習にて実際に分析をしていただくことで、皆様の業務における「データ活用の可能性」を考えるきっかけをご提供できればと思います。
※AnacondaとJupyter Notebookのインストールを事前にお願いいたします
セミナー詳細
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・自動車部品、機械、設備、エネルギー、プラント、電気、計測、輸送機関連の企業の方 |
| 予備知識 | ・何らかのプログラミング知識（Pythonの経験はなくても良い） |
| 修得知識 |
・データ分析技術の概要 ・データに基づく異常検知の手順と実現方法 |
| プログラム |
１．予知保全に関して （１）．保全技術と予知保全 （２）．よく聞く異常ケース
２．異常検知の手順 （１）．異常検知の考え方とアプローチ （２）．異常検知の手順 ａ．基本的な手順 ｂ．データ理解と前処理 ａ．手法の検討 ｃ．モデリング ｄ．性能評価
３．Pythonによる異常検知（演習） （１）．Pythonの基礎とJupyter－Notebookの使用方法 （２）．判別モデルによる異常検知 ａ．マハラノビス－タグチ法 ｂ．1－class SVM ｃ．オートエンコーダ （３）．時系列モデルによる異常検知 ａ．自己回帰モデル ｂ．LSTM
４．データ活用に関する技術の整理 （１）．データ分析技術に係る技術ワード （２）．統計・データマイニング・機械学習 （３）．目的に応じたアプローチ選択のポイント
５．講師の実務経験に基づく応用事例 （１）．プラント設備監視 （２）．回転機械振動データを用いた異常検知 （３）．製造設備運転データを用いた異常検知 （４）．設備健全度試験結果を用いた異常検知 （５）．水質検査データを用いた水質異常検知
※ 各章ごとに質疑応答時間を設けます。また、休憩時間やセミナー後に個別のご質問もお受けいたします |
| キーワード | 異常検知 判別モデル 時系列モデル オートエンコーダ LSTM データマイニング 機械学習 SVM |
| タグ | データ分析、機械、設備 |
| 受講料 |
一般 (1名)：51,700円(税込)
同時複数申込の場合(1名)：46,200円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日