時系列データ解析による異常検知および故障予測～MATLAB演習付き～

セミナー趣旨

時系列データにおける異常検知への期待が高まる中、機械学習の前処理、特に特徴抽出の難しさが指摘されている。

本セミナーでは、加速度データから生体信号までと多様な形状を有する時系列データを対象に、現場に基づいた即効性のある前処理の仕方や特徴抽出の方法を紹介する。更に、抽出された特徴量を用いて機械学習や深層学習による異常検知や、その一歩先を行く故障予測（残寿命予測）のためのワークフローを解説する。また異常検知を難しくする要因に、異常データが少ない（無い）ことが挙げられる。セミナーでは、故障データがなくても実現できる異常検知の手法を取り上げ、より実務に近いレベルの話をする。

なおセミナーでは、数値計算ソフトウェアMATLABを実際に体験し理解を深める。参加者には、実際のデータセットを用いて、MATLABを活用した具体的な解析手法を学ぶことにより、異常検知と故障予測の実務応用に向けたスキルを習得することを目指す。

＜備考＞
資料付き

■受講者の方へ：演習用PCご持参のお願い
　・本セミナーでは、PC演習を行います。当日、インターネット接続が可能なPCおよびACアダプターをご持参の上、ご参加ください。
　・推奨環境：以下のリンクをご参照ください。https://jp.mathworks.com/support/requirements/matlab-system-requirements.html
　・セミナー開催確定後、開催日1週間ほど前になりましたら、受講者の方々へMATLABの評価版ライセンスを発行いたします。（講師企業MathWorks社よりご連絡）
　　その際にライセンスのインストールの事前準備をお願い申し上げます。
　＊講師企業（MathWorks社）へも受講者様のメールアドレスを共有することとなります。ご了承の上、お申込みいただきますようお願いいたします。
　＊インストールにご不安がある方は、講師企業経由でサポートいたしますので、評価版ライセンス発行の際にお問い合わせください。

受講対象・レベル

・異常検知や予知保全に興味があり、AIを軸にそれらの解析手法を学びたいと考えている方
・AIを用いて時系列信号やデータを分析し、予知保全や効率化に活かしたいと考えている方
・MATLABを使用した実践的なデータ解析に取り組みたいと考えている方

必要な予備知識

演習を多く行いますので特に予備知識は必要ありません。
簡単な線形代数の知識があると理解の促進につながります。

習得できる知識

以下項目の習得を目指します
・時系列データに対する基本的な前処理
・時系列データにおける特徴抽出
・特徴量から機械学習・深層学習への応用
・AIを用いた異常検知・予知保全の考え方
・MATLABの使い方とアプリの活用術

セミナープログラム

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

２．データの前処理その１
 2-1　欠損値
 2-2　外れ値
 2-3　平滑化

３．データの前処理その２
 3-1　周波数解析
 3-2　時間－周波数解析
 3-3　特徴抽出
 （1）時間領域
 （2）周波数領域
 （3）時間－周波数領域
 （4）ウェーブレット領域
 （5）ドメイン知識の活用

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

５．故障予測：一歩先の異常検知
 5-1　確率過程モデル
 （1）健康指標（劣化度）の作成
 （2）モデルの構築と残寿命予測
 5-2　機械学習・深層学習モデルによる残寿命予測
 （1）1次元畳み込みニューラルネットワーク
 （2）LSTM（Long Short-Term Memory）
 （3）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
 6-1　ハイパーパラメーターの最適化
 6-2　モデル間の比較

７．教師なし異常検知
 7-1　オートエンコーダー
 7-2　クラスタリングと次元削減
 7-3　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
 8-1　簡単なアプリの作成
 8-2　MATLABを用いたモデルの展開方法
 8-3　他言語連携
 8-4　事例紹介

※上記は講演プログラムの一例です。
　当日は上記の内容を資料に含めた形でハンズオンをご体験いただきます。
　順不同である点をご留意ください。

キーワード：
時系列データ分析,故障予測,異常検知,予知保全,データ解析,セミナー,講演,研修

セミナー講師

MathWorks Japan　アプリケーションエンジニアリング部
シニア・アプリケーションエンジニア　博士（理学）　王　暁星　氏

【専門】
計算物理

【略歴】
2007年上海交通大学卒業（工学学士）。
シュルンベルジェ（株）物理エンジニアを経て，2019年MathWorks Japan入社，現在に至る。
予知保全をテーマに、AIの利活用を促進する業務に従事。
日本保全学会, 日本物理学会，日本応用物理学会会員。博士(理学)。

【専門誌】
王暁星, 計測技術, 6月号, 2020年
王暁星, 油空圧技術, 6月号, 2021年
王暁星, フルードパワー, Vol. 52, No. 6, 2021

【書籍】
王暁星、竹本佳充、「時系列データ解析における課題対応と解析例」、情報機構、2024年、pp. 271-281

【学会】
特徴抽出と物理モデルの適用で進化する異常検知，日本保全学会第17回学術講演会要旨集，pp.308-314, 2021
予知保全・異常検知のためのデータセントリックAI～データ処理から現場実装まで～，日本保全学会第18回学術講演会要旨集，pp.393-396, 2022
教師なし異常検知の実践的例題，日本保全学会第19回学術講演会要旨集，pp.377-381, 2023
物理モデリングによる異常データの生成と残寿命予測の実践的例題，日本保全学会第20回学術講演会要旨集，pp.180-185, 2024

セミナー受講料

55,000円（税込、資料付）
■ 会員（案内）登録していただいた場合、通常1名様申込で55,000円（税込）から
　・1名で申込の場合、49,500円（税込）へ割引になります。
　・2名同時申込で両名とも会員登録をしていただいた場合、計55,000円（2人目無料）です。

※ 会員登録とは
　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
　 すべて無料で年会費・更新料・登録費は一切かかりません。
　 メールまたは郵送でのご案内となります。
　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。