1口(1社3名まで受講可能)でのお申込は、

 受講料 57,000円(税別)/1口 が格安となります。




『機械学習によるヒューマンエラー予兆検知』 


~人工知能を活用した生産現場のスマートファクトリー化や
 インテリジェント製品の開発に役立てる~


 S190531A


 
 

開催日時:2019年5月31日(金)11:00-17:00

会  場:オーム ビル(千代田区神田錦町3-1)

受 講 料:1人様受講の場合 47,000円[税別]/1名

     1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)


画像認識セミナー日程表  
新宣伝セミナー日程表

 ***関連セミナー*** 『機械学習とウェアラブルセンサを用いた人間の心理状態の可視化』(2019年7月9日(火))

 

 講 師

 

 梶原祐輔(かじわらゆうすけ) 氏 

  公立小松大学 生産システム科学部 准教授(博士(工学))

 <略歴>   2009年 東京電機大学 理工学部 情報システム工学科 卒業
 2011年 金沢大学大学院 自然科学研究科 電子情報工学専攻 博士課程前期課程 修了
 2013年 金沢大学大学院 自然科学研究科 電子情報科学専攻 博士課程後期課程 修了
 2013年 立命館大学 情報理工学部 助教
 2018年 公立小松大学 生産システム科学部 准教授
  現在に至る
 <研究テーマ>   IoT技術を活用したシステムの研究開発
 <所属学会等>   情報処理学会会員、電気学会会員。
 平成25年~平成26年 情報処理学会 関西支部幹事補佐
 平成27年~平成28年 システム制御情報学会 SCI'16実行委員
 平成28年~平成29年 システム制御情報学会 SCI'17実行委員
 <受賞学術賞>   2016年 International Conference of Universal Researchers SESSION BEST PAPER
 2014年 情報処理学会 情報処理学会優秀論文賞(MBL研究会推薦)
 2013年 金沢大学 金沢大学大学院自然科学科長賞

 セミナーの概要

 

 

 本セミナーでは、まず、ヒューマンエラーはなぜ起こるのか、生産工程におけるヒューマンエラーの現状と対策を説明します。その上で機械学習によるヒューマンエラー予兆検知の有用性と必要性について触れます。これらを導入し、活用するための留意点について解説するとともに、質疑応答を通して理解を深めます。また、取得した時系列データをそのまま機械学習に入力するだけでは、ヒューマンエラーを予測することはできません。機械学習に入力する前処理の基礎とデータのノイズ除去技術を学びます。また、シンプルな機械学習パーセプトロンアルゴリズムから始まり、最近話題のディープラーニングまでを具体的な事例、人工知能による感情認識とともに解説し、人工知能に対する理解も深めます。
 本セミナーを受講することで、ヒューマンエラー予兆検知などの人工知能を活用した生産現場のスマートファクトリー化やインテリジェント製品の開発に役立ちます。

 講義項目

 1 生産工程におけるヒューマンエラー

  1.1 ヒューマンエラーの分類
   1.1.1 スリップとその対策
   1.1.2 ラプスとその対策
   1.1.3 ミステイクとその対策
  1.2 ヒューマンエラーはなぜ起こる
   1.2.1 状況認識モデル
   1.3.2 m-SHELLモデル
   1.3.3 注意とそのモデル
   1.3.4 ワーキングメモリ
  1.3 ヒューマンエラー事故と企業のリスク
  1.4 現状のヒューマンエラー対策
   1.4.1 危険予知トレーニング(KVT)
   1.4.2 人間中心設計
   1.4.3 人間信頼性評価
   1.4.4 安全マネジメント
   1.4.5 レジリエンスエンジニアリング

 2 人間の心理状態の測定方法

  2.1 アンケートによる測定
   2.1.1 職業性ストレスモデル
   2.1.2 ラッセルの円環モデル
   2.1.3 PANAS
  2.2 生体信号による測定
   2.2.1 心拍変動
   2.2.2 唾液
   2.2.3 発汗
  2.3 行動による測定
   2.3.1 ダイナミックな意思決定における状況認識
   2.3.2 ワーキングメモリと注意
   2.3.3 自動的処理と統制的処理

 3 機械学習とIoT技術

  3.1 観測信号の取得
   3.1.1 Internet of Things(IoT)とは
   3.1.2 空間分解能と時間分解能
   3.1.3 IoT技術の活用の留意点
  3.2 ノイズ除去
   3.2.1 移動平均フィルタ
   3.2.2 ローパスフィルタとハイパスフィルタ
   3.2.3 カルマンフィルタ
  3.3 特徴ベクトルの導出と要素の集約・選択
   3.3.1 主成分分析による情報の集約
   3.3.2 共分散分析(ANOVA)による特徴ベクトルの分析・選択
  3.4 機械学習によるモデルの構築
   3.4.1 単純パーセプトロン
   3.4.2 多層パーセプトロン
  3.5 モデルの選択・評価
  3.6 精度向上のためのテクニック
   3.6.1 不均等なサンプルサイズ
   3.6.2 スパースなデータ
   3.6.3 欠損値の取り扱い


 4 生体信号と気象データを用いた近未来の快気分の予測

  4.1 ステップワイズ法による変数選択と回帰モデル
  4.2 気象データと快・不快気分の関係
  4.3 近未来の気分予測結果と予測因子
  4.4 気分の分布と遷移


 5 腰の動きに基づいた認知負荷の推定

  5.1 歩行の乱れの導出
  5.2 歩行の乱れと認知負荷の関係
  5.3 歩行者の認知負荷の推定精度


 6 ヒューマンエラー予兆の検知

  6.1 Working Rhythmの乱れ
  6.2 Deep Neural Networkによる予兆検知
  6.3 ヒューマンエラー予兆が表れる部位




 お1人様      受講申込要領 1口(1社3名まで) 受講申込要領  セミナー 総合日程 画像認識 セミナー日程 新宣伝 セミナー日程