★本セミナーは皆様にPCをご持参頂き、実際に数値計算ソフトウェアを動かしながら

学んでいただくハンズオンセミナーです

★様々な種類のデータ（振動・音・心電図…等）別の特徴抽出と異常検知とは？

データが少ない（無い）時の対処法も！

★AIの活用など、最新情報も満載！

＜データの声を聴け！MATLAB演習付き＞

時系列データからの特徴抽出と異常検知の新技術

≪AIの活用法からデータが少ない（無い）ときの対処法まで≫

【提携セミナー】

主催：株式会社情報機構

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故障予測（残寿命予測）を行う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も取り上げる。

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。

◆受講後、習得できること

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

◆講演中のキーワード

異常検知
予知保全
特徴抽出
AI（機械学習・深層学習）
教師なし

担当講師

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 王暁星 氏

＊ 希望者は講師との名刺交換が可能です

■経歴
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)．

■専門および得意な分野・研究
博士課程では計算物理を専攻。
前職では地下資源採掘装置の開発、設置、データの取得と解析に従事。
機器の故障予測に向けたデータ解析を得意とする。

■本テーマ関連学協会での活動
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：
王暁星，井上道雄，竹本佳充：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
竹本佳充, 王暁星，井上道雄：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
王暁星，竹本佳充：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
王暁星，竹本佳充：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

セミナープログラム（予定）

■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。

以下は講演プログラムの一例です。
当日は下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。

１．はじめに
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．データの前処理その１
１）欠損値
２）外れ値
３）平滑化

３．データの前処理その２
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
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：一歩先の異常検知
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
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
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

公開セミナーの次回開催予定

開催日

2025年2月27日（木）　10:30-16:00　※途中、お昼休みと小休憩を挟みます。

開催場所

【会場受講】[東京・大井町]きゅりあん4階第1特別講習室

受講料

1名47,300円(税込、資料付)
＊1社2名以上同時申込の場合、1名につき36,300円
※会場での昼食の提供サービスは中止しております。

＊学校法人割引；学生、教員のご参加は受講料50％割引。

備考

●録音・撮影行為は固くお断り致します。
●講義中の携帯電話の使用はご遠慮下さい。
●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
場合により、使用をお断りすることがございますので、予めご了承下さい。
＊ＰＣ実習講座を除きます。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。