技術開発フォーラム

人工知能は、損失関数を評価データセット上で最小化することで、予測性能などを最適化する。既存データだけではなく、逐次有効なデータを追加する技術が、強化学習だが、これは統計的逐次実験計画法の発展形である。近年注目されている敵対的学習は、性能を最適化する設計者と、性能を最劣化させるノイズ発生者とのゲームの解を求めることで、損失関数に関してロバストソリューションを得られるという発想である。これは、ロバストパラメータ設計の誤差因子調合の発展形である。人工知能には、スライディングレベルやT法に関わる原理も見え隠れしている。本講演では、品質工学から人工知能の諸原理を見直し、人工知能時代でも品質工学的観点が重要な役割を果たしていることを確認したい。

【QRG活動報告①】タグチ流フロントローディング－因子の抽出方法の提案－
「タグチ流フロントローディング　～機能性をベースにしたシステム選択～」

WG1は，新製品開発における、開発期間の短縮を実現するために、開発設計プロセスにタグチメソッドを落とし込んでいく 「タグチ流フロントローディング」について、研究活動を行ってきた。前年度までは決定されたシステムからスタートする開発の手順について検討してきたが、今年度は、複数のシステム案がある場合の、システムの選択に焦点を当てた活動を行った。 限られた期間と資源の中で、手戻りのない開発をするための方法を、目的と機能の関連付けと機能性をベースにした手法化を試みている。

メーカーの役割は、生産・製造技術によるモノづくりに加え、顧客価値を創造し魅力的な製品を企画することである。　価値創造では、開発プロセス上流の企画段階で如何に顧客価値を評価することがポイントとなる。
　これまでWG2では、品質の評価を活用し、企画時に行われるニーズ/コンセプト選択の評価方法を確立してきた。　次のステップとして、マーケティングミックスに対する評価方法を検討したので報告する。

2018年5月、特許庁と経産省から『「デザイン経営」宣言』が発表され、それを契機に「デザイン経営」についての関心が高まってきている。デザイン経営とは、design-driven managementのことであり、単なる色や形などの意匠にとどまらず、デザイン思考によるものやことの開発、さらには、経営戦略としてのデザインを捉えることも含んだ概念である。
　ここでは、デザイン経営について紹介し、デザイン思考で用いられるいくつかのツールを実際に使ってみることで、人間中心の考え方に触れる。
　また、昨今話題となっているDX（デジタル変革）について、簡単に紹介し、デザイン思考とデジタル技術の相乗効果によるデジタル変革の可能性について述べる。

損失関数を「意思決定と投資判断の手段」と位置づけ、具体的なケーススタディを通してその活用提案に取り組んでいる。今回は、2021年11月より搭載義務化が予定されている乗用車向け自動ブレーキの損失評価を試みる。単に衝突被害をなくすという安全性の観点にとどまらず、経済合理性の観点から本来あるべき自動ブレーキ技術とはどのようなものか考察したい。

１．解析手法の研究
「高次元小標本でノイズの多いデータ」における解析手法を継続的なテーマとして、ＭＴ法にGlassoを適用したり、割引き係数法等の見直しや深堀など検討を加えている結果を報告する。また、主成分分析を取り入れたMT法として提案されているAPRT法について、判別性能の比較等検討した結果を報告する。

２．活用方法の検討
昨年度まで、電子基準点から得られる地面変位情報をMT法で解析することにより、地震予測の可能性を視野に入れて特徴量の抽出等を検討した。今年度、新たに電離圏データを加えて大規模地震の前兆現象を把えられるかなどを視野に解析を始めたことを報告する。