メインカテゴリーを選択しなおす
以下は2019年度NPO法人自動化推進協会理事当時に機関紙の巻頭言として投稿した内容です。041自動化推進の課題の続編です。 以前、精密工学会の生産自動化専門委員会の研究会資料の中に、牧野先生(現自
「多変数関数の最適化と言っている問題がある。いくつかの入力変数があって、それに応じて変わる出力関数がある時、その出力関数を最大あるいは最小にするためには、それぞれの入力関数をどのような値にしたらよい
構想設計のポイントについてまとめます。・～する前に：自動化、IoT/AIに取り組む前にやるべきことを考え実行することは、それだけでも大きな効果となります。・ビジネス目標との紐づけ：投資効果 原価企画
ここでは データを活用した品質改善サイクルについて考えます。・品質改善サイクル 学習：過去データから予測モデル作成し、月1回更新します。 更新は期間中の製造条件の変更頻度によります。 予測：直近デー
ここではフィージビリティースタディーの結果について考えてみます。分析ツール：富士通COLMINA データ分析ナビゲーションサンプル数 ：過去1年分のデータを収集 300項目 30,000サンプルで予
ここでは データ統合について考えてみます。手順は次の通りとなります。標準フォーマット化：収集されるデータはフォーマットが異なるため統一する必要がある。 →カメラで読取るデータ収集方式で統一するとデ
ここではデータの収集方法として、大きく3つについて考えてみます。自動：設備から自動的にデータを収集→設備のデータストレージには製造に関わるデータ、設備に関わるデータなど多様な情報が含まれています。手
今までは組立系の工場を対象にした自動化ライン、設備についてお話してまいりましたが、ここからは、プロセス系工場のデータを活用した取り組みについて考えてまいります。基本的な流れはデータの棚卸、要因分析、デ
AI分析では、膨大なデータを使って、事前に問題の原因となる要因を絞り込まないで、予測する方法があります。この方法は従来の予見に左右されないといった点で有効ですが、膨大なデータを使って、多くの時間をか
前のページでお話した内容をまとめるとこちらの図の様になります。 従来からもデータを使った品質管理は行われてきました。データを見えるかして、異常が発生すると改善大対策を行うといった流れでした。また、統
