9/11 製造条件・使用環境の変動に耐えうる最適設計仕様を導く非線形ロバストデザイン

製造条件・使用環境の変動に耐えうる最適設計仕様を導く非線形ロバストデザイン

開発実情に品質工学が合わない課題も、ＡＩと適応的最適化で解決する
汎用的かつ量産を考慮したデータ駆動型開発法

【希望者に解析サンプル・ソフトウェア・関連セミナーテキスト提供】

講師

MOSHIMO研 代表 福井 郁磨 氏

【略歴】
1993年4月～　　 オムロン(株)：電子部品の原理開発、加工技術開発、ロボットの研究開発、
人の聴感判定を機械化した検査装置開発などに従事
2006年6月～ パナソニック(株)：生活家電の要素技術、製品開発などに従事
2007年11月～ 東レ(株)：液晶ディスプレイなどの微細加工技術開発などに従事
2010年4月～ LG Electronics Japan Lab(株)：関西の新規研究所設立責任者、洗濯機チームリーダー、
オープンイノベーション室長を歴任
2015年5月～ MOSHIMO研：製造業支援、開発コンサルティング、生活関連用品などの研究開発に従事

※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・加工技術・検査技術・生活家電などの分野で、約31年の経験を持つ。

セミナー趣旨

量産時の製造条件や出荷先での使用状態の変動に耐え、高性能を発揮する最適設計仕様（最適条件）を導く開発手法として、品質工学（ロバストパラメータ設計）が知られています。
品質工学は、品質工学が要求する開発時の状況を満たせた場合、想定以上の成果を出せる開発手法です。
しかしながら、品質工学が要求する開発時の状況を満たせない事も多く、期待した成果が出ない場合があります。
その状況でも、量産時の製造条件や出荷先での使用状態の変動に耐え高性能を発揮する最適条件を導く開発手法が、非線形ロバストデザイン（非線形ロバスト最適化）です。

　非線形ロバストデザインは、品質工学で最適条件を特定できない（最適条件が再現しない）状態から、採取した実験データを無駄にする事なく、人工知能を使った非線形解析と適応的最適化を実施する事で、量産に耐えうる最適仕様を導くことが可能です。
なお、最初から非線形ロバストデザインを元に開発を行う場合は、通常の品質工学の実験数から、より少ない実験数からスタートし、実験対象を支配する現象の複雑さに応じて、実験データを適宜増やす手順を使用します。
この手順により、最小の実験数で、複雑な現象における安定的で高性能な最適仕様の特定を可能にします。
また、非線形ロバストデザインは、採取する実験データの自由度が高く、通常の品質工学が要求する実験データに対する制約（特性値の加法性）を考慮する必要がありません。そのため、技術者の思い通りに開発を進める事が可能となります。
本講では、非線形ロバストデザインの基本的な手順と解析手法を解説いたします。

セミナー講演内容

１．通常の品質工学（ロバストパラメータ設計）実施手順 概要

２．通常の品質工学（ロバストパラメータ設計）で最適条件を特定できない状況から
　 　非線形ロバストデザインを使用する手順・ノウハウ
　(1) 実施手順概要　※1
　(2) 非線形ロバストデザインにおける解析指標
　(3) 適応的最適化の手順　　※2
　(4) 手順と解析方法のデモ　※2

３．非線形ロバストデザインで開発を進める場合の手順・ノウハウ
　(1) 実施手順概要　※1
　(2) 最初の実験計画立案方法
　(3) 適応的最適化の手順　　※2
　(4) 手順と解析方法のデモ　※2

※1 洗濯機の脱水時の振動問題を事例に、実施手順概要を解説。事例は業界を問わず、誰にでもイメージできるモノとして選択しており、洗濯機の振動技術の解説が目的ではありません。

※2 通常の品質工学から非線形ロバストデザインに切り替える場合でも、最初から非線形ロバストデザインを使用する場合でも、この手順は共通です。

□ 質疑応答 □

※説明の順序が入れ替わる場合があります。