| サロゲートモデルの基礎と応用 〜CAEとデータサイエンスの融合技術〜 (会場対面式/オンライン形式およびオンデマンド形式） |
|
|---|---|
|
講師 |
大阪成蹊大学 データサイエンス学部 教授 劉 継紅 氏 |
|
開催期間 |
2026年1月〜4月 |
|
開催日 |
（１）オンライン形式：（13:30〜16:30) 第1回 1月26日（火） 第2回 2月16日（火） 第3回 3月19日（火） 第4回 3月30日（火） 第5回 4月13日（火） （２）オンデマンド形式： 視聴可能期間： 各回の開催日翌日から5月12日まで。 質疑応答開催日： (13:30〜15:30) 第1回4月20日（火）（オンライン形式） 注：講師のご都合により、開催日が変更される可能性があります。 |
|
開催場所 |
【会場で受講される場合】 新大阪近辺の会議室 |
|
開催時間 |
(1) 会場対面式およびオンライン形式 13:30 〜 1６:30 (2) オンデマンド形式 13:30 〜 15:30 ただし、質疑応答が終了した時点でコースは終了します。 |
|
受講料 |
(1), (2) 共通 |
|
定員 |
4名以上20名まで |
|
受講方法 |
【会場対面式/オンライン形式で受講される場合】 オンライン形式で受講される場合は、WebexによるWeb会議でアクセスします。 事前に接続確認テストが必要な場合は、申込時にその旨、記載ください。 開催日に会場あるいはオンラインで参加できる場合は、会場対面式/オンライン形式を選択してください。開催日により、会場対面式での参加、オンライン形式での参加を選択できます。 特定の開催日にいずれの方式でも参加できない場合は、録画データで自習することもできます。録画データは、参加後に復習用としても視聴できます。 会場対面式/オンライン形式の場合は、開催日に講師の劉先生に直接質問が可能です。 【オンデマンド形式で受講される場合】 第1回から第5回の講義データを録画した内容を視聴していただき、質疑応答日を設けます。 視聴期間は、上記開催日の翌日から質疑応答日の開催前までとします。 質疑応答日については、事前に質問を提出していただき、その質問について、 質疑応答日に講師の劉先生から回答していただきます。 質疑応答日： （オンライン形式） 4月20日（火） 13時30分〜15時30分 開催日にすべて参加できない場合に、オンデマンド形式を選択してください。 注： コース途中での会場対面式/オンライン形式からオンデマンド形式への変更はできません。、あるいはその反対の場合も同様です。 コースに参加される前に、いずれの方式で受講されるかを選択してください。 |
| 講義形式 | オンライン会議には、WebEXを使用します。 受講者は各自PCを用意の上、オンライン形式で講義を聴講していただきます。 オンデマンド形式で参加の場合、質疑応答の時間は、Webexでのオンライン会議となります。 |
| オンライン形式 について |
オンライン会議について、WebExを初めて使用される方には、事前に確認テストを実施します。 テストは５分程度を予定しています。 すでにWebExでのWeb会議を経験済みの方は、テストは不要ですが、確認を必要とされる方は、日程調整の上、テストに参加ください。 |
| 申込方法 | ← お申込はこちらより承ります |
| 開催趣旨 | サロゲートモデルは、CAE 解析で得られた結果を教師データとして活用し、CAE の入出力関係を近似する高速な予測モデルです。CAE を単に代替するものではなく、CAE
結果を設計判断に活かし、設計探索や最適化を効率化するための実務的な予測技術として位置づけられます。本コースでは、まずCAE を取り巻く設計・開発現場の課題を整理し、サロゲートモデルが求められる背景を解説します。そのうえで、CAE
とデータサイエンスの基礎、サロゲートモデルの原理、学習データ作成、精度評価、過学習・汎化性能など、構築に必要な考え方を体系的に説明します。 さらに、構造設計、流体解析、製品設計における企業現場の活用事例を通じて、成功要因、実務適用上の注意点、自社導入の判断基準を紹介します。とくに、精度指標だけに依存しないモデル評価、学習データの偏り、適用範囲外の予測、CAE モデル自体の妥当性など、実務で見落としやすいポイントも取り上げます。最後に、Python を用いたサロゲートモデル構築をデモ形式で示し、実務へ展開するための第一歩を具体的に解説します。なお、受講特典としてPython のサンプルコードも配布いたします。 |
| 受講対象者 | ・製造業（機械・自動車・航空宇宙・電機等）における設計・開発、ならびにCAE・解析の担当者 ・DX や、AI 活用、データサイエンスの導入を検討している方 ・サロゲートモデルで設計業務の効率化を図りたい方 等 |
| 受講に当たっての必要な予備知識 | 基本的には以下の知識がある方が望ましいですが、なくても分かるようフォローします。 ・固体力学と流体力学の基礎知識（初心者） ・ＣＡＥ初心者 ・データサイエンス初心者 ・Pythonの基礎知識（初心者） |
| 受講効果 | ・サロゲートモデルの基礎と原理、および実務上の注意点が理解できる ・企業現場での具体的な活用事例を通じて、自社導入の判断基準が理解できる ・Python を用いたサロゲートモデル構築の基本的な流れがつかめる |
| 内容 |
第１章： なぜ今、サロゲートモデルが必要なのか |
| 1.1 CAEを取り巻く設計・開発現場の現状と課題 1.2 CAEモデル構築・計算に要する時間と専門性の問題 1.3 設計探索・最適化が十分に行えない設計プロセス上の制約 1.4 開発期間短縮・設計高度化を背景としたDX・AI活用への要求 1.5 CAEとデータサイエンスを融合する意義 1.6 サロゲートモデルが解決できる課題の整理 1.7 まとめ 1.8 テイクホームメッセージ |
|
|
第２章： サロゲートモデル理解に必要なCAEとデータサイエンスの基礎 |
|
| 2.1 CAEの基礎（設計者視点） 2.1.1 CAEとは ― 実験との違いと役割 2.1.2 有限要素法（FEM）による構造解析の考え方 2.1.3 流体解析（CFD）による現象理解の考え方 2.1.4 CAE結果をそのまま設計判断に用いる際の限界 2.2 データサイエンスの基礎（予測モデル視点） 2.2.1 データサイエンスとは 2.2.2 教師あり学習による回帰・分類の基本 2.2.3 決定木系・深層学習の特徴と使い分け 2.2.4 CAEデータと機械学習の相性 2.2.5 機械学習をCAE結果の予測モデルとして捉える考え方 2.3 まとめ 2.4 テイクホームメッセージ |
|
|
第３章： サロゲートモデルの基礎と構築プロセス |
|
| 3.1 サロゲートモデルとは 3.2 サロゲートモデルの位置づけと役割 3.3 用途に応じたサロゲートモデル用機械学習アルゴリズムの選択 3.4 CAEサロゲートモデル構築の全体フロー 3.5 学習データセット作成とサンプリング設計の考え方 3.6 データの正規化と前処理の重要性 3.7 学習データと検証データの分割方法 3.8 モデル学習と精度評価の考え方 3.9 過学習・汎化性能・適用範囲の注意点 3.10 サロゲートモデル構築時に注意すべきポイント 3.10.1 1つの精度指標だけでモデルを判断しない 3.10.2 学習データの不足・偏りと外挿予測の危険性 3.10.3 CAEモデルと教師データの妥当性確認 3.11 まとめ 3.12 テイクホームメッセージ |
|
|
第４章：企業現場におけるサロゲートモデルの構築と活用事例 |
|
| 4.1 サロゲートモデルの応用例 4.1.1 『機械設計』2026年6月号サロゲートモデル特集の概要 4.1.2 企業事例から見たサロゲートモデルの活用目的 4.1.3 応用事例から見える導入テーマの選び方 4.1.4 3つの実例の位置づけ ― 出力形式と活用目的から見る ― 4.2 構造設計への適用事例（空調圧縮機） 4.2.1 構造設計問題の設定 4.2.2 強度予測サロゲートモデルの構築方法 4.2.3 精度検証とCAE結果との比較 4.2.4 設計パラメータの重要度分析 4.2.5 効率的な学習データサンプリング戦略 4.2.6 小まとめ 4.3 流体解析への適用事例（室内空気環境） 4.3.1 流体サロゲートモデルの予測対象と難しさ 4.3.2 淀み分布予測サロゲートモデルの構築 4.3.3 快適性評価への活用方法 4.3.4 営業・提案ツールとしての応用可能性 4.3.5 小まとめ 4.4 製品設計への応用事例（キーボード押し心地） 4.4.1 感性品質をサロゲートモデル化する考え方 4.4.2 ダイヤフラム反力予測モデルの構築 4.4.3 打ち心地評価指標の設計 4.4.4 設計空間における最適解探索 4.4.5 感覚的性能を数値化・予測する意義 4.4.6 小まとめ 4.5 事例から見た成功要因と実務適用上の注意点 4.5.1 成功事例に共通するポイント 4.5.2 実務適用で注意すべき落とし穴 4.5.3 設計者が陥りやすい誤解と使い方の注意点 4.6 自社導入の判断基準 4.6.1 サロゲートモデル導入に向いているテーマの見極め 4.6.2 導入前に確認すべきデータ・目的のチェック項目 4.6.3 小さく始めるための導入ステップ 4.6.4 社内体制、運用・更新、外部ツール活用の考え方 4.6.5 導入テーマを選ぶための簡易判定表 4.7 事例横断まとめ：出力形式と導入パターンの整理 4.7.1 3事例から見えるサロゲートモデル活用の共通パターン 4.7.2 出力形式による違い：スカラー値・指標・曲線・場 4.7.3 実務事例から得られる導入時のチェックポイント 4.8 まとめ 4.9 テイクホームメッセージ |
|
| 第５章： ．Pythonによるサロゲートモデル構築デモ | |
| 5.1 放射線量率予測問題の背景と課題 5.2 CAEシミュレーションデータの扱い方 5.3 深層学習によるサロゲートモデル構築 5.4 Pythonを用いたサロゲートモデル構築の流れ 5.5 Google Colaboratoryを用いた実演デモ 5.6 まとめ 5.7 テイクホームメッセージ |
|
| 第６章： 講義全体のまとめ | |
| 第７章： 講義全体のテイクホームメッセージ | |
| 番外編及び補足資料 | |
| 番外編1 現場実装の論点と今後 番外編2 CAEとAIの融合が切り拓く未来 補足資料 Pythonコード解説 |
|
| 録画 | 講義内容を録画した内容を、録画します。会場対面式/オンライン形式での受講者には、復習用に、オンデマンド形式の受講者には、自習用に視聴できるようにします。（期間限定です） |