効率的なモノづくりを実現！これから学ぶ実験計画法 -基礎からベイズ最適化を用いた適応的手法まで-

概要

時間やコストがかかるモノづくりのプロセスにおいて、試作回数を減らすことは開発コストの低減に繋がります。実験計画を行うと、少ない試行回数で、あるプロセスの結果 (応答) に対して特定の因子がどのような影響を与えるかを判別するのに役立ちます。

Statistics and Machine Learning Toolbox™ を利用すれば、完全実施計画、一部実施要因計画、D 最適計画、準乱数計画、応答曲面計画などの実験計画を立てたり、実験結果を可視化したりすることができます。

本セッションでは、実験計画に関する基本的な方法を例示し、確率的な予測を通じて最適な次の実験点を追求するベイズ最適化を活用した方法をご提案いたします。

ハイライト

サポートしている実験計画の種類

品質工学的観点における実験計画

ベイズ最適化を活用した適応的実験計画

講演者について

大開　孝文 MathWorks シニアアプリケーションエンジニア　

大学では、資源工学を専攻。MATLABでのプログラミング・データ解析を体験、感銘を受ける。2009年より現職。データ分析・解析処理に関連する業務を担当。近年では、企業のPoC/コンサルティング支援活動、教育機関における授業支援活動を実施中。

王　暁星 MathWorks シニアアプリケーションエンジニア　

Numerical Physics で博士学位取得。2019 年に MathWorks Japanに入社。時系列データを中心とした機器の異常検知・予知保全の業務を担当。顧客先や学会、技術専門誌で複数発表。日本保全学会, 日本物理学会，日本応用物理学会会員。