お茶の水女子大学シラバス

デザイン工学演習(1)［23D2179］

科目名 Course Title	デザイン工学演習(1)［23D2179］ Engineering Design Practice(1)
授業言語 Language	Japanese
科目区分・科目種	人間・環境科学科	クラス	人間・環境科学科
コンピテンシー	○協働力，○創造的思考力，○他者理解力，○問題解決力，○内的統制感	ｶﾗｰｺｰﾄﾞ
単位数	1.0単位	履修年次	1年

担当教員

太田　裕治

長澤　夏子

学期

３学期

曜日・時限・教室

金曜

～

限

生活科学部本館212室

金曜

～

限

生活科学部本館212室

(1)、(2)が付く科目の履修方法
この科目は、(1)及び(2)を連続して履修してください（シラバスは両方とも確認してください）。ただし留学により連続して履修できない場合は、担当教員に申し出てください。

受講条件・その他注意
とくになし

授業の形態
演習

教科書・参考文献
計測工学（A/D変換）に関する一般書を参考文献として挙げておきます。

ＡＬＨ区分
ＡＬＨを実施しない

アクティブラーニングの技法
ＡＬ技法は授業に用いない

評価方法・評価割合
小論文（レポート）=70%，実習成果=30%

主題と目標
本演習では以下の３点の技能を身に付けることを目標とする。 ①メタバース空間の仕組みの理解と制御方法。すなわち、現在のメタバース技術動向について座学的に学んだうえで、本学に導入されているシステムについて具体的な演習を通じて理解する。最終的には、メタバース空間の構築手法についても習熟する。 ②各種アナログ信号の定量的計測とその処理手法。すなわち、各種センサから出力されるアナログ信号をデジタル化し取得し、計算機内にデータ保存・処理する技法（ノンコード手法）について学ぶ。処理に関しては、具体的には計測器側で処理するエッジコンピューティング、並びに、クラウド側で処理するクラウドコンピューティングについて学習する。 ③機械学習に基づく画像処理手法。すなわち、現在のディープラーニング・AI技術についての講義を聞いたうえで、ディープラーニング画像解析システムの詳細と操作を具体的な演習を通じて学ぶ。最終的には各自の関心に沿ったAIモデルを作成して発表する。

主題と目標

本演習では以下の３点の技能を身に付けることを目標とする。
①メタバース空間の仕組みの理解と制御方法。すなわち、現在のメタバース技術動向について座学的に学んだうえで、本学に導入されているシステムについて具体的な演習を通じて理解する。最終的には、メタバース空間の構築手法についても習熟する。
②各種アナログ信号の定量的計測とその処理手法。すなわち、各種センサから出力されるアナログ信号をデジタル化し取得し、計算機内にデータ保存・処理する技法（ノンコード手法）について学ぶ。処理に関しては、具体的には計測器側で処理するエッジコンピューティング、並びに、クラウド側で処理するクラウドコンピューティングについて学習する。
③機械学習に基づく画像処理手法。すなわち、現在のディープラーニング・AI技術についての講義を聞いたうえで、ディープラーニング画像解析システムの詳細と操作を具体的な演習を通じて学ぶ。最終的には各自の関心に沿ったAIモデルを作成して発表する。

授業計画
授業計画（以下は概ねの内容であり、変更が生じることがあります。詳細は、授業で説明します） ◎１２月１日（金）は特別に学外に演習の場を移動します。東京国際フォーラムに１３時に集合して下さい。第１回　演習授業の概要を説明する。また、レポートの書き方の基礎、ならびに、研究者倫理の概要について解説する。 ①第２回～第４回〇メタバース技術の最先端動向や仕組みについて座学を通じて学ぶ。〇本学に導入されているメタバース構築エンジン(Brave Engine)を利用して、操作方法などを具体的に学ぶ。〇メタバース空間の構築手法などについて学ぶ。 ②第５回～第９回　〇製造現場におけるデータ計測処理としての、DS・DX技術について、現況と意義を理解する。加えて、それらの技術に基づく、イノベーションやスタートアップについても理解を深める。〇ノンコードベースの計測システム（LabView）を利用したデータサンプリング演習を行う。〇実験住宅Ocha Houseを見学し、住宅内の各種環境センサとその利用の仕方について理解する。〇上記環境センサの信号をLabViewシステムにより計測する演習を実施する。〇 LabViewシステムにより計測されたデータをエッジ処理する演習を行う。加えて、データをサーバに上げたうえで、サーバー側で処理する演習も行う。〇環境データの収集・エッジ処理・クラウド処理の手法に基づき、計測ビジネスモデルのアイデアを考案し発表する。 ③第１０回～１４回〇機械学習に基づく画像処理手法。すなわち、現在のディープラーニング・AI技術についての講義を聞き、解析処理の仕組みを理解する。〇ディープラーニング画像解析システム（NAIT）の詳細と操作を具体的な演習を通じて学ぶ。〇NAITシステムの推論結果の確認方法に関する講義を聞き、具体的な演習を通じて理解する。〇各自の関心に沿ったAIモデルを作成して発表する。 ※①②③は学外企業の協力の下で行われますので、都合により、スケジュールが入れ替わることなどがあります。

授業計画

授業計画（以下は概ねの内容であり、変更が生じることがあります。詳細は、授業で説明します）

◎１２月１日（金）は特別に学外に演習の場を移動します。東京国際フォーラムに１３時に集合して下さい。

第１回　演習授業の概要を説明する。また、レポートの書き方の基礎、ならびに、研究者倫理の概要について解説する。

①第２回～第４回
〇メタバース技術の最先端動向や仕組みについて座学を通じて学ぶ。
〇本学に導入されているメタバース構築エンジン(Brave Engine)を利用して、操作方法などを具体的に学ぶ。
〇メタバース空間の構築手法などについて学ぶ。

②第５回～第９回　
〇製造現場におけるデータ計測処理としての、DS・DX技術について、現況と意義を理解する。加えて、それらの技術に基づく、イノベーションやスタートアップについても理解を深める。
〇ノンコードベースの計測システム（LabView）を利用したデータサンプリング演習を行う。
〇実験住宅Ocha Houseを見学し、住宅内の各種環境センサとその利用の仕方について理解する。
〇上記環境センサの信号をLabViewシステムにより計測する演習を実施する。
〇 LabViewシステムにより計測されたデータをエッジ処理する演習を行う。加えて、データをサーバに上げたうえで、サーバー側で処理する演習も行う。
〇環境データの収集・エッジ処理・クラウド処理の手法に基づき、計測ビジネスモデルのアイデアを考案し発表する。

③第１０回～１４回
〇機械学習に基づく画像処理手法。すなわち、現在のディープラーニング・AI技術についての講義を聞き、解析処理の仕組みを理解する。
〇ディープラーニング画像解析システム（NAIT）の詳細と操作を具体的な演習を通じて学ぶ。
〇NAITシステムの推論結果の確認方法に関する講義を聞き、具体的な演習を通じて理解する。
〇各自の関心に沿ったAIモデルを作成して発表する。

※①②③は学外企業の協力の下で行われますので、都合により、スケジュールが入れ替わることなどがあります。

時間外学習
工場の製造ラインなどにおいては、各種データを取得したうえで、機械学習を中心とした処理を行うことにより、自動での不具合検知等が実施されています。具体的な取得データとしては運転中の工作機械の機械振動、もしくは、作業工程における被加工物の画像などがあります。また、この計算機処理に際しては、コードを記述することのないノーコード手法が用いられつつあります。現場で処理を行うエッジコンピューティングも基本的な方法となっています。このようなキーワードをベースにDX手法を理解して下さい。

時間外学習

工場の製造ラインなどにおいては、各種データを取得したうえで、機械学習を中心とした処理を行うことにより、自動での不具合検知等が実施されています。具体的な取得データとしては運転中の工作機械の機械振動、もしくは、作業工程における被加工物の画像などがあります。また、この計算機処理に際しては、コードを記述することのないノーコード手法が用いられつつあります。現場で処理を行うエッジコンピューティングも基本的な方法となっています。このようなキーワードをベースにDX手法を理解して下さい。

学生へのメッセージ
本演習の学習内容は、企業において現場実習を行うアントレプレナー演習（DX演習（製造業編））に繋がるものです。積極的に学び、DXテクノロジを身に付けましょう。

学生の問い合わせ先
メールで連絡してください．