B260417:因子ごとの最適条件を少ない実験回数で見つける　統計的手法『実験計画法』＆汎用的インフォマティクス『非線形実験計画法』

実験計画法＆非線形実験計画法

因子ごとの最適条件を少ない実験回数で見つける統計的手法

ニューラルネットワークモデル（超回帰式）を併用した汎用的インフォマティクス

割引特典つき／ソフトウェア提供あり

開発のゴールを可能な限り少ない実験回数で実現するための「実験計画法」と、構成要素が複雑に絡みあう場合に有効なニューラルネットワークモデル（超回帰式）を併用した「非線形実験計画法」の基礎・実施手順・活用ノウハウを解説します。

AIプログラミングができない要素技術者自身で実行できる、材料・プロセス開発にも適応可能な汎用的インフォマティクスです。ベイズ最適化の仕組みも取り入れ、Excel上で簡便に実施できます。

開発効率を高めたい製品・技術開発担当者、体系的な実験解析手法を必要とする方、従来のやり方では成果が出ない開発担当者

実験計画法の基本的な考え方から実践手順、非線形性が強い複雑な現象に有効なニューラルネットワークモデルの構築方法と応用ノウハウ、多特性の同時最適化手法

1. 典型的な既存の開発方法の問題点
解説用事例と既存開発方法の問題点

2. 実験計画法とは
概要・分散分析とF検定の原理・直交表の解説・実験実施手順・解析デモンストレーション

3. 実験計画法の問題点
最適条件が外れる事例の検証・線形→非線形モデルへの変更効果

4. 問題点解消方法：ニューラルネットワークモデル（超回帰式）の活用
複雑な因果関係の数式化・実験結果のモデル化・データ追加方法

5. 超回帰式を使った最適条件の見つけ方
直交表の水準替え・乱数探索・遺伝的アルゴリズム・確認実験と対処法

6. 製造業特有の実験計画法の問題点
客先使用環境を考慮した開発・品質工学概要

MOSHIMO研代表

オムロン、パナソニック、東レ、LG Electronics Japan Labを経て現職。人工知能応用技術、実験計画法、品質工学に関して電子部品・ロボット・生活家電等の分野で約30年の経験を持つ。年間受講者1000人超の人気講師。

ライブ配信はZoomを使用。アーカイブ配信は終了翌営業日から7日間視聴可能。希望者にはソフトウェア・検討テンプレートを提供。

配布資料：PDFデータ（印刷可・編集不可）

複数名割引：2名同時申込で1名無料（E-Mail案内登録必須）