[1I3-GS-10f] AI応用：製造・検査・工程最適化

14:55 〜 15:10

[1I3-GS-10f-06] 製造業におけるバラツキを考慮した確率分布推定可能な深層学習に基づくサロゲートモデル

〇荒木関 渉¹、加藤 直也¹、原 伸夫¹、隈川 顕¹、藤原 和樹¹、北村 嘉朗¹、和田 紀彦¹、遠藤 翼²、乙津 聡夫²、田丸 博晴²、小林 洋平² (1. パナソニック ホールディングス株式会社、2. 東京大学)

キーワード：

深層学習、サロゲートモデル、自動実験

製造業においてバラツキの分布推定は品質管理や設計最適化において重要である．近年，自動実験装置の発展によりデータ取得が容易になっており，そのデータ規模に適したバラツキ推定手法が求められている．本研究では，各学習データにシード埋め込みを付与し敵対的学習で入力非依存性を保証する深層学習手法を提案する．人工データ672条件での網羅的実験の結果，提案手法は35.1%の条件で最優秀となり，ガウス過程回帰（32.1%），拡散モデル（32.7%）と同程度であった一方，正規化フローは0%であった．上位3手法の勝率間に統計的有意差は認められなかった．ただし，サンプルサイズ500以上の条件では提案手法が一貫して優位であった．レーザ加工データでの実験では，データ量が10%に制限された場合に提案手法が最高精度を達成した一方，十分なデータがある場合は正規化フローが優れており，データ特性に応じた手法選択の重要性が示された．