• 2026年11月20日(金) 10:00 ~ 17:00

１．データ収集とその方法

　　（１）．オンライン収集とオフライン収集

　　（２）．センサー選定と配置

　　（３）．サンプリング周波数と周期

　　（４）．実験計画法(DOE) によるデータ取得

　　（５）．データ量からデータ品質へ：使えるデータと使えないデータ

　　（６）．失敗実験・異常値・来歴情報の残し方

２．データ解析の概要

（数学的な詳細事項は扱いません）

　　（１）．データ解析のステップ

　　（２）．機械学習：教師あり学習、教師なし機械学習

　　（３）．時系列解析

　　（４）．特徴量エンジニアリング

　　（５）．モデル評価指標：過学習と外挿性

　　（６）．解釈可能性：現場で使えるモデルとは

３．プロセス最適化のためのデータ解析手法

　　（１）．最適化問題の一般的な定式化：目的関数・制約条件・探索空間

　　（２）．勾配ベース vs 勾配フリー手法

　　（３）．応答曲面法(RSM) での最適化

　　（４）．最適化を行うためのフロー例

　　（５）．ベイズ最適化、能動学習、組合せ最適化

　　（６）．現場の問題に応じた最適手法の選び方

４．生産性向上のための事例

　　（１）．自動・自律実験：再現性

　　（２）．実験条件の最適化

　　（３）．熟練者の判断の形式化：音・力・画像による状態推定

　　（４）．現場への段階的な導入と進め方

５．シミュレーション、機械学習活用の事例（フィルターを題材にした機械学習適用例）

※５章は講師が変わります

　　（１）．フィルター内部の流れ場を予測するサロゲートモデル

　　（２）．機械学習を用いたフィルター構造の多目的最適設計

　　（３）．フィルターの構造からフィルター性能を直接予測するデータ駆動型フレームワーク

オンラインセミナー