1～3 件を表示 ／ 全 3 件
あらゆる外部データーソースの情報をリアルタイムにi-Reporter帳票へ
i-Reporterアプリの帳票へリアルタイムに 外部データソースから直接データを帳票へ取得できる。 外部データソースへ帳票入力データーを送信できる 【ConMas Gatewayで出来ること】 ■自動帳票作成をしないで他システムの今のリアルな情報を使用する。 ■カスタムマスターを使用せず、業務システムの各種マスターDBから マスターデーターを直接、リアルタイムに取得する。 ■基幹システム、生産管理システム、クラウドなど外部システムから 業務データーを直接、リアルタイムに取得する。 ■IoT機器のデーターを機器から直接、リアルタイムに取得する。 ■過去の他のi-Reporter帳票の入力内容と画像を取得する。 ※製品の詳細は、PDF資料をダウンロードください。
AI（深層学習）による予測モデル、サロゲートモデルを簡単に構築可能。日本語版リリース
『Neural Designer』は、深層学習を用いた予測モデルを 簡単に構築できるプログラミング不要のアプリです。 近似モデル・分類モデル・時系列予測モデルの3つの予測モデルの作成に対応。 （特に近似モデルは回帰モデル、サロゲートモデルとも呼ばれます） 各種測定データ、各種シミュレーション結果を使用して、 ニューラルネットワークによる予測モデルを構築。 シミュレーションの大幅な時間短縮が可能です。 また、各種装置や機械の運転条件や設定値の最適化にも有効です。 【特長】 ■予測モデルの構築だけでなく、関係式の出力やサロゲートモデルの作成も可能 ■データ解析で行う欠損値の確認など基礎的な統計処理もワンボタンで実施可能 ■目的とする変数と各設計変数の関係をグラフで確認が可能 ■目的とする変数と各設計変数の関係式をy=f(x)の式で表現 ■作成されたモデルはCやPython形式で出力が可能 ※詳しくは資料をご覧ください。お問い合わせもお気軽にどうぞ。 ★バージョンアップにより一層機能＆利便性が充実！ 「最適化（逆解析）」および「日本語版」がリリースしました。
『Pipeline Pilot』を利用した機械学習の活用事例を紹介します【事例紹介】
今回は、特性値を予測することで最適な実験条件の傾向を掴むことを目的としました。 <背景> 従来から現代にかけて、どの分野に関わらずより良い特性値をもつ材料を開発することは重要な業務であり、かつ重要な課題でもあります。 また、材料の特性値は様々な要因によって左右されてしまうため材料開発の効率化も求められています。 例えば、材料開発時に使用された素材や反応時間、そして温度、ヒステリシスのような要因によっても左右されるかもしれません。 この条件全てに対して実験計画法を導入し、実際に実験、測定をしたうえで最適な条件を発見することは理想ですが、 それはコスト面や時間的観点から現実的ではありません。 そこで、 いくつかの実験条件（例えば、説明変数X1、X2、X3、X4、、、）とそれぞれの特性値（例えば、目的変数Y1、Y2）を記した少量のデータセットを使用して機械学習を実施いたしました。 今回の事例では、機械学習モデルの作成、予測精度の改善まで実現する事が「簡単に機械学習を行うこと」できました。 ※詳しくはお問い合わせください。
