三建技術課程
2025/07/08(二),09:30-16:30
台北+台南+視訊
本課題將以少量數據中的異常檢測技術的有效導入與應用為重點，介紹當前熱門的生成AI在製造現場的應用。重點解釋異常檢測中的數據預處理重要性，以及克服數據不足的具體方法，介紹數據生成及收集過程中的要點。
此外，儘管生成AI在現代生產／維護現場具有解決問題的潛力，但其應用進展尚不充分。本課題探討為何未能順利推進，並提出如何有效推動生成AI的應用、如何活用以及構建推進體系的建議。
一、前言：課題主旨與概述
二、異常檢測技術基礎
2-1 異常檢測技術的概念與重要性
2-2 少量數據中的異常檢測挑戰
三、數據「預處理」的重要性及方法
3-1 數據預處理在異常檢測中的角色
3-2 噪聲去除與數據清洗的實踐
3-3 從少量數據中提取有用資訊的方法
四、少量數據中異常檢測的應對技術
4-1 轉移學習的應用
4-2 數據擴增技術的活用
4-3 模型參數調整與優化方法
五、生成AI在產業現場的應用
5-1 利用生成AI進行數據補充的技術可能性
5-2 生成AI如何解決生產現場的問題
5-3 實際應用案例介紹
六、生成AI在生產／維護現場的導入困難與解決方案
6-1 生成AI進展緩慢的原因分析
6-2 有效導入與應用的建議
6-3 生產／維護現場的推進體系構建
七、Real-Time異常檢測的新方法
7-1 利用邊緣計算進行異常檢測
7-2 利用Real-Time數據提升生產力
八、總結與未來展望
日本業界退役專家
1988～2009年：
加入NEC軟體東北公司，負責銀行系統運營管理設計、網絡設計等工作。
參與電力公司網絡運營管理系統的設計/開發及項目管理。重構了24H不間斷機台/高性能系統的架構設計，實現了源代碼減少90%，並提高了系統擴展性至5倍。同時提供運營管理IT應用的顧問服務。
2009年：
首度應用AI技術在原子能發電站領域
2010～2023年：
主導了AI在製造業、大型工廠中的應用研究及分析引擎開發，從研究開發到現場應用，還進行了跨公司全方位的顧問服務。
為電力、製造、等領域的客戶提供工廠數據分析及技術支持，擔任分析項目的協調員；支持數據收集/分析系統的架構設計、IoT設備設計及商業模式建設。
在KEK機構(日本高能加速器研究機構)進行共同研究，探討加速器中電源設備狀態對實驗數據的影響及設備穩定運行的預警監控。
與東北大學、里昂大學、薩爾蘭大學等合作，進行機械學習在非破壞檢測及結構健康監測中的應用研究。
2023年：
擔任NEC日本電氣公司數位技術開發研究所的應用開發工作，負責結合獨特的分析技術與感應技術，開展面向產業的業務開發，並將多種AI技術應用於製造業及工廠領域。
2024年：退休
目前擔任JEITA（日本電子信息技術產業協會）智慧安全相關研究小組主席、日泰智慧安全聯盟幹事、航空機生命周期數位轉型（DX）聯盟運營委員。
6615、6300、5985元/團報1、2、3位
■團報3位可參加線上視訊
■多場次視訊方案優惠，敬邀HR來信索取
■額外加價630元，升級彩色版講義
| 報名1位 | 報名2位 | 報名3位 | |
|---|---|---|---|
| 原價 (+) | 6,615 | 6,300 | 5,985 |
| 自費 (=) | 6,615 | 6,300 | 5,985 |