• 2025年10月09日(木) 10:30 ~ 17:30

１．はじめに：異常検知・予知保全の必要性と課題
　　（１）．異常検知・予知保全の必要性
　　（２）．異常検知・予知保全で直面する課題
　　（３）．データ解析のワークフロー

２．時系列データの前処理技術とそのポイント
　　（１）．欠損値
　　（２）．外れ値
　　（３）．平滑化
　
３．時系列データの前処理と特徴抽出技術およびそのポイント
　　（１）．周波数解析
　　（２）．時間－周波数解析
　　（３）．特徴抽出
　　　　ａ．時間領域
　　　　ｂ．周波数領域
　　　　ｃ．時間－周波数領域
　　　　ｄ．ウェーブレット領域
　　　　ｅ．ドメイン知識の活用

４．異常検知への応用とデータ処理
　　（１）．時間とともに徐々に変化するデータ（振動データ）
　　（２）．突発的な変化を有するデータ（AEセンサー）
　　（３）．広い周波数成分を有し振幅が変動するデータ（音データ）
　　（４）．周期的な変化点を有するデータ（心電図）

５．故障予測への応用技術：一歩先の異常検知と残寿命予測
　　（１）．確率過程モデル
　　　　ａ．健康指標（劣化度）の作成
　　　　ｂ．モデルの構築と残寿命予測
　　（２）．機械学習・深層学習モデルによる残寿命予測
　　　　ａ．１次元畳み込みニューラルネットワーク
　　　　ｂ．LSTM（Long Short Term Memory）
　　　　ｃ．アプリ・回帰学習器を用いたモデルの自動作成

６．モデルの精度向上技術
　　（１）．ハイパーパラメーターの最適化
　　（２）．モデル間の比較

７．教師なし異常検知
　　（１）．オートエンコーダー
　　（２）．クラスタリングと次元削減
　　（３）．半教師あり学習によるデータのラベリング

８．実装と展開：MATLABを用いたモデルの展開方法
　　（１）．簡単なアプリの作成
　　（２）．MATLABを用いたモデルの展開方法
　　（３）．他言語連携
　　（４）．事例紹介

日本テクノセンター研修室