化学品の市場調査、研究開発の支援、マーケット情報の出版

 
* 本ウェビナーは開催済みです。再開催のご要望があれば、お知らせください。

        再開催を希望   

CMCリサーチウェビナー【ライブ配信】

       開催日時:2023年10月31日(火)10:30~16:30 
       受 講 料:55,000円(税込)  * 資料付
          *メルマガ登録者 49,500円(税込)
          *アカデミック価格 26,400円(税込)
         パンフレット

※ 本セミナーは、当日ビデオ会議ツール「Zoom」を使ったライブ配信セミナーとなります。
 お申し込み前に、下記リンクから視聴環境をご確認ください。
   → https://zoom.us/test
 ★ アカデミック価格:学校教育法にて規定された国、地方公共団体および学校法人格を有する大学、大学院の教員、学生に限ります。
 ★【メルマガ会員特典】2名以上同時申込かつ申込者全員メルマガ会員登録をしていただいた場合、1名あたりの参加費がメルマガ会員価格の半額となります。
 ★ お申込み後のキャンセルは基本的にお受けしておりません。ご都合により出席できなくなった場合は代理の方がご出席ください。

講 師

 倉地 育夫 氏  ㈱ケンシュー 代表取締役 工学博士

【講師経歴】
 1977年3月 名古屋大学 工学部 合成化学科卒業
 1979年3月  同 大学院 工学研究科 応用化学専攻 博士課程前期修了
 1983年4月 科学技術庁 無機材質研究所 留学(1984年10月まで)
 1992年9月 学位取得(工学博士; 私立 中部大学)
 1979年4月 ブリヂストンタイヤ入社(現; ブリヂストン)
 1984年11月 ブリヂストン 研究開発本部 復職
 1991年9月 ブリヂストン 退社
 1991年10月 コニカ 第四開発センター入社(主任研究員)
 1993年4月 福井大学 工学部 客員教授
 1993年11月 コニカ 感材技術研究所 主幹研究員
 1998年6月  同社 MG開発センター 主幹研究員
 2001年8月  同社 中央研究所 所長付主幹研究員
 2005年8月 コニカミノルタビジネステクノロジーズ 生産本部 生産技術センターデバイス技術部 第3デバイスグループリーダー
 2008年10月  同社 生産技術センターデバイス技術部 担当部長
 2009年4月  同社 開発本部 化製品開発センター 機能部材開発部 担当部長
 2011年3月 コニカミノルタビジネステクノロジーズ 定年退社(57歳)
 2011年3月 ケンシュー設立 代表取締役社長 就任(現在に至る)

【受賞歴】
 2000年5月 第32回 日本化学工業協会 技術特別賞 受賞
 2004年5月 写真学会 ゼラチン賞 受賞
 その他 ブリヂストンの超高純度βSiC 半導体技術が日本化学会 化学技術賞 受賞

【活 動】
 高分子学会 代議員、高分子同友会 開発部会 世話人、日本化学会 代議員、日本化学会 産学交流委員会 シンポジウム分科会 主査、同委員長、日本化学会 春季年会講演賞審査委員長など
 共著多数
  

セミナーの趣旨

 タグチメソッド(TM)は難しい、と誤解されている。故田口玄一先生が日本で自ら普及の先頭に立たれたのは30年程前であるが、今でも開発現場で定着していない企業もある。電子写真業界では、1990年代からTMを積極的に導入し成果を出してきた。この業界で早くからTMが導入された背景は、製品の機能に帯電現象が利用されており、それが科学で未解明だからである。この現象を機能に応用した製品の開発がTMの導入で円滑に進み、ロバストの高い商品を市場に提供できるようになった。
 ところで、多くのTMのセミナーでは、それが統計手法とは異なるゆえに哲学から解説している。しかし、開発対象(オブジェクト)のふるまいが基本機能の品質で左右される点に着目し、そのロバストを高める制御因子の水準について設計するプロセスがTMのモデルと理解できれば、そのアルゴリズムでプログラミングは容易にできる。そしてそのモデル化されたTMについて記述されたプログラムを学べば、TMの解析プロセスを理解できる。また、統計手法と異なるTMの哲学については、SN比の計算と実験計画法と異なる直交表の使い方について、アルゴリズムから学び取ることができる。
 本セミナーでは、TMで推奨される動特性のSN比を用いたL18実験モデルをプログラミングし、要因効果図の作成までを目標とするが、TMの全体像とPythonの概略も解説するので、両者の知識が無くても理解できる。
 ただし、Pythonが初めての受講者は受講前にパソコンへPythonの環境を構築する必要がある。その方法の解説をセミナーテキストの巻末に掲載しているので、それを活用して環境構築し、testプログラムでその動作を受講前に確認していただく。TMを基本機能と制御因子の組み合わせによるモデルベース開発(MBD)手法と捉えると、動特性のSN比を用いるモデルと静特性のSN比を用いるモデルに分かれる。今回はTMの哲学を理解しやすい動特性のモデルで解説するが、静特性のモデルについてはSN比計算プログラムを配布してその利用方法をセミナーで説明する。また、Pythonの文法説明ではTM実験解析プログラムコードを用いるので、TM実験の解析をプログラムコードで理解できる。

セミナー対象者

 1. 技術開発を担当する新入社員
 2. 技術系中堅社員

セミナーで得られる知識

 1. タグチメソッド
 2. コンピューターを用いる問題解決法
 3. Pythonプログラミングの応用

プログラム

      ※ 適宜休憩が入ります。

1. Python概論
 1.1. プログラミング言語概論
 1.2. Pythonの全体像
 1.3. 基本用語
 1.4. 基本文法(データ構造を中心に)
 1.5. pandas等の使用法
  
2. わかりやすいタグチメソッド(TM)
 2.1. 科学と技術
 2.2. データサイエンス
 2.3. 科学とデータサイエンス
 2.4. 技術開発における問題解決法
 2.5. TMとQC手法
  2.5.1. TMの狙う品質
  2.5.2. TMと実験計画法の違い
  2.5.3. 統計手法の復習
  2.5.4. 分散分析
 2.6. タグチメソッドの全体像
  2.6.1. 損失関数
  2.6.2. ロバスト設計
  2.6.3. 世界初のロバスト設計
 2.7. SN比の種類
   (Pythonプログラム配布)
 2.8. ロバスト設計のフロー
  
3. TM実験解析プログラム
 3.1. TM モデルの全体像
 3.2. 動特性のSN比事例研究
 3.3. 事例研究で用いたプログラム解説
  
4. まとめ
  
<参考資料>
1. Pythonの導入準備

 1.1. 要求マシンスペック
 1.2. 事前学習にお勧めのサイト
2. 開発環境の準備
  

  
  

関連セミナー/ウェビナー

        特許・マネージメント・マーケティング 他