モノづくりにおける問題解決のためのデータサイエンス入門コース ·...
TRANSCRIPT
![Page 1: モノづくりにおける問題解決のためのデータサイエンス入門コース · モノづくりにおける問題解決のためのデータサイエンス入門コース](https://reader033.vdocuments.net/reader033/viewer/2022041418/5e1d1aad9df74328f735a51e/html5/thumbnails/1.jpg)
予備コース 7.15(水)
基礎編 7.16(木)-17(金)
活用編 8.27(木)-28(金)
近年、注目を集めているビッグデータ。しか
し、実際には多くの企業が投資に見合った成果
を引き出せずにいるのが実情です。
これは、ビッグデータに対する過度な期待に
加え、データサイエンティストと呼ばれる人材
育成のむずかしさ、手持ちの情報をうまく活用
できていないことなどが原因と考えられます。
当コースでは、モノづくりに携わる技術者向
けに、ビッグデータ解析に用いられるデータサ
イエンスや機械学習を平易に解説いたします。
ビッグデータに対する動きは、今や経営やマ
ーケティングの分野にとどまらず、大規模・高
次元データの増加にともない、工業の分野でも
見られるようになってきました。ぜひ当コース
をご利用下さい。
![Page 2: モノづくりにおける問題解決のためのデータサイエンス入門コース · モノづくりにおける問題解決のためのデータサイエンス入門コース](https://reader033.vdocuments.net/reader033/viewer/2022041418/5e1d1aad9df74328f735a51e/html5/thumbnails/2.jpg)
ものづくりの現場において、たとえば工程データなどをビッグデータに適した手法(データサイエンス)で解析する
ことにより、精度が格段に向上し、より真実に近い分析結果を得ることができます。これにより、慢性不良を撲滅し
たり、工程の状況から不良の予兆を高精度に検知したり、などが可能になります。また、データを抜き取るのではな
く、工程から自動的に収集すれば、解析の効率化にもつながります。
図 1. 異常検知の事例
散布図から異常を検出するケースにおいて、従来の SQC(統計的品質管理)手法(左図)では、マハラノビスの汎距離
を用いて散布図上に確率楕円を描き、95%信頼限界から逸脱するものを異常と見なしている。しかし、確率楕円の中
心と散布図の中心(最も色が濃い部分)がずれている様に見える。データサイエンス手法(スプライン空間密度分布)を
用いた右図では、確率楕円とは異なり、より精細な形での推定が可能となっている。
ビッグデータの特徴は、文字通りそのデータ量の大きさです。データ量が多いために可能になることもありますが、
逆にそのデータに従来の SQC 手法を適用すると、誤った結果を導き出してしまうこともあります。
品質管理において非常によく用いられる仮説検定では、検定統計量を左の数式で算出する。そ
の場合、サンプルサイズ が膨大(ビッグデータ)になるに伴い、 の値も非常に大きくなり、
高い検出力を持つようになる。そのため、母平均 と の差が微小であっても「有意差あり」
との解析結果が出てしまい、間違った仮説を採択する恐れが大きい。
図 2.有意差検定の例
モノづくりにおける問題解決のためのデータサイエンス入門コース
-製造業におけるビッグデータ解析概論-
450 500 550 600 650 700 750 800
25
02
60
27
02
80
29
03
00
diameter
str
oke
5e-05
1e-04
0.00015 2e-04
0.00025
3e-04
0.0
0035
4e-0
4
n
V
-xt
00 =
μ|t| 0
0μμn
![Page 3: モノづくりにおける問題解決のためのデータサイエンス入門コース · モノづくりにおける問題解決のためのデータサイエンス入門コース](https://reader033.vdocuments.net/reader033/viewer/2022041418/5e1d1aad9df74328f735a51e/html5/thumbnails/3.jpg)
SQC 手法とデータサイエンスは同じ統計手法の仲間ではありますが、それらはその考え方、アプローチ方法が異なっ
ており、データサイエンスはより大きなデータを扱うのに適した手法です。
図 3.SQC手法とデータサイエンスの違い
SQC 手法とデータサイエンスは、どちらが優れているというのではなく、お互いに得意分野が異なっている、と考え
てください。たとえば工程で大量のデータを収集する場合(製品の全数検査など)と、開発で限られたデータを用い
る場合(実験計画法を用いた試作など)では、それぞれに適した手法を用いるのが望ましい選択です。
ビッグデータのような大量データを扱う技術を身に着けるには、どうしてもデータサイエンスと呼ばれるベイズ統計
学などの知識・技術が必要になります。しかし、その必要性が叫ばれてはいるものの、一般に見られるビッグデータ
研修ではあまり扱われておらず、その教育についてはなかなか進んでいないのが実情です。その難解さから、社内教
育にも不向きと言われています。そのため、データサイエンティストを育成するには、限られた機会を逃さずに教育
を進める必要があります。
モノづくりにおける問題解決のためのデータサイエンス入門コース
-製造業におけるビッグデータ解析概論-
古典統計学
ベイズ統計学SVMなど
イベントドリブン
データドリブン
限られたデータから全体を把握する
大量のデータから全体を把握する
データサイエンスの知識を習得したいと思えば、専門書が多数出版されていますので、社内で勉強会などを開
催して勉強すれば、ある程度は理解できます。
しかし、専門書の内容は非常に高度で、初学者にはハードルが高いですし、いざ、実データを解析しようとし
ても、果たして結果が合っているのかどうか確かめようもなく、技術者が使いこなすまでには至りません。
講義では、罰則付き回帰 lassoなど、新手法をしっかり理解して頂くため、平易な解説に努めます。
さらには実例を使った演習を通じて、結果を得るまでのプロセスを体験し、実務で使いこなせるようになって
もらいます。
![Page 4: モノづくりにおける問題解決のためのデータサイエンス入門コース · モノづくりにおける問題解決のためのデータサイエンス入門コース](https://reader033.vdocuments.net/reader033/viewer/2022041418/5e1d1aad9df74328f735a51e/html5/thumbnails/4.jpg)
「モノづくりにおける問題解決のためのデータサイエンス講演会」
が、2014 年 12 月 8 日(月)に日本科学技術連盟・千駄ヶ谷ビル(東京)
にて開催されました。会場には製造業におけるビッグデータ解析に
関心をもつ 70 名ほどの聴講者がご参加されました。
講演会では、ビッグデータの概念や解析する上での留意点につい
ての説明、製造業におけるビッグデータの事例とその解析事例の紹
介、「モノづくりにおける問題解決のためのデータサイエンス入門コ
ース」立ち上げの意義とその特徴についての紹介がなされました。
以下に、講演会の参加者からのアンケート結果をご紹介いたします。
●「モノづくりにおける問題解決のためのデータサイエンス入門コース」についてお聞かせください。
●お気づきの点がございましたらご記ください。
○データサイエンス、ビッグデータについて理解が深まりました。(輸送用機器、生産技術)
○SQC手法を再度学習する必要があると感じました。(輸送用機器、企画・調査・開発)
○データサイエンス入門コースはぜひ受講してみたいです。最適解は一つではないと感じます。
(金属製品、生産技術)
○「ビッグデータを活用したい」や「不良を減らしたい」といった目的を、もう数段階ブレークダウンして、目的
をもっと明確にする必要があると感じました。研修も受講してみたい。 (輸送用機器、生産技術)
モノづくりにおける問題解決のためのデータサイエンス入門コース
-製造業におけるビッグデータ解析概論-
さらに詳しい説明を
聞きたい。また、上
司や派遣責任者に説明をして欲しい。
2%
ぜひ、受講[派
遣]したい
22%
社内で受講
[派遣]を検討
したい
46%
受講[派遣]し
たくない
13%
無回答
17%
講演会の風景
![Page 5: モノづくりにおける問題解決のためのデータサイエンス入門コース · モノづくりにおける問題解決のためのデータサイエンス入門コース](https://reader033.vdocuments.net/reader033/viewer/2022041418/5e1d1aad9df74328f735a51e/html5/thumbnails/5.jpg)
■講 師 氏(㈱デンソー 品質管理部 TQM推進室 担当次長、博士(工学))
当コースでは、上記内容を入門者向けに平易に解説します!
日 時 講義内容
予備コース 7月 15日(水) 9:30~18:00
大学教養程度の行列の知識/多変量解析(重回帰分析、主成分分析等)の概論
統計は XTXの逆行列が基本であり、それが正則であることが前提であることを学習する。
基
礎
編
7月 16日(木)
9:30~12:30
今、なぜモノづくり企業でデータサイエンスが必要なのか ・なぜ仮説検定をやらないのか(ビッグデータの性質)
・製造業におけるデータサイエンスの活用(事例を通じて)
・「データドリブン」とは、データドリブンな問題解決の進め方(情報量規準,クロスバリデーション)
7月 16日(木)
13:30~18:00
ビッグデータ解析前の処理 ・R操作法 ・データクリーニングの必要性とその手法
・データ間の関連性と層別・可視化(混合ガウス分布) ・演習(データ分離と分離原因(多項ロジット回帰))
7月 17日(金)
9:30~12:30
ビッグデータを用いた異常の検知①(密度分布)
・データの密度分布・可視化 ・演習(工程データの異常検知)
7月 17日(金)
13:30~18:00
ビッグデータを用いた異常の検知②(識別モデル・生成モデルと分類器) ・識別モデルアプローチとは(判別分析と線形識別器(重回帰分析)は同じ)
・演習(種々の分類器による分類,k-NN,アダブースト,ロジット回帰,NN,SVM,ランダムフォレスト)
・生成モデルアプローチとは(ナイーブ・ベイズ) ・演習(OpenBUGSを使った母確率密度の推定 3題) さらに詳しく学ぶには/宿題の説明(識別問題,クエリの判定)
活
用
編
8月 27日(木)
9:30~12:30
宿題解説
ビッグデータを用いた要因解析①(グラフィカル・モデリング,glasso)
・因子間の関係・可視化 ・演習(糖尿病データの可視化)
8月 27日(木)
13:30~18:00
ビッグデータを用いた要因解析②(罰則付き回帰 lassoの徹底理解)
・罰則付き回帰(正則化回帰)(塗着率を交互作用も加えて解析する) ・演習(mtcarsの罰則付き回帰)
8月 28日(金)
9:30~18:00
総合演習―ビッグデータを用いたグループ演習―
・復習する手法:外れ値除去,混合ガウス分布による層別,グラフィカル・モデリング,lasso
さらに詳しく学ぶには/総合質疑
で第 43年度 日本品質管理学会 品質技術賞 を受賞!
〔受賞選考理由〕
本文献では、デンソーグループで実施されている従来のSQC統計的品質管理における業務プロ
セス評価項目の課題を明確にし、その課題を克服する方法が提案されている。
具体的には、ビッグデータ時代(データドリブン型アプローチ)となった時代に、今までのSQC統
計的品質管理における経験による推定(イベントドリブン型アプローチ)の危険性を説明し、今まで
の考え方だけでは、大きな間違いが起こることを示し、ビッグデータによる品質革新活用の社内教
育に取り組む具体的な方法が提案されている。
本文献は、産業界に役立つ業務的な研究で、「品質管理の実践と発展」という品質技術賞の選
考基準に照らし、同賞の受賞にふさわしいものと判断できる。
今後、提案内容の浸透度、汎用性が高まることを期待したい。
モノづくりにおける問題解決のためのデータサイエンス入門コース
-製造業におけるビッグデータ解析概論-
![Page 6: モノづくりにおける問題解決のためのデータサイエンス入門コース · モノづくりにおける問題解決のためのデータサイエンス入門コース](https://reader033.vdocuments.net/reader033/viewer/2022041418/5e1d1aad9df74328f735a51e/html5/thumbnails/6.jpg)
日本科学技術連盟 東高円寺ビル (東京都杉並区高円寺南 1-2-1)
□申込方法 下記参加申込書に必要事項をご記入のうえ、FAXまたは E-mailでお送りください。
一般財団法人 日本科学技術連盟 セミナー受付グループ 宛
Tel 03-5990-5849 Fax:03-3344-3022 E-mail [email protected]
※ホームページからもお申込み頂けます! → http://www.juse.or.jp/
□お問い合わせ先 本コースの内容については、教育推進部第一課にお問い合わせください。
Tel 03-5378-1214 Fax 03-5378-9842 E-mail [email protected]
※本パンフレットの PDFデータを希望される場合は、上記お問合せ先までご連絡ください.
□従来型の問題解決法(SQC等)にプラスして、ビッグデータ解析に基づく問題解決法が習得できます。
□1人 1台パソコンを配付のうえ、フリーソフト「R」を用いたビッグデータ解析演習を多数行います。
□ビッグデータの解析により、従来のSQC手法では解決できなかった慢性不良が撲滅できるようになります。
□4日間のうち、<基礎編>のみの受講も可能です(<活用編>のみのご参加はできません)。
□最終日には、ビジネスとビッグデータ解析をつなげるトレーニングとして、総合演習(グループ演習)を行います。
□前提知識が不安な方でもご参加いただけるように、本コース受講前に「予備コース」をご用意しておりますので、ぜひご
利用ください。※予備コースのみの参加はできません。
□モノづくりに携わる実務者で、ビッグデータを業務に活用したい方
□製造業に携わる技術者で、自社のビッグデータの活用方法にお悩みの方
□データサイエンティストを目指している方で、解析スキルを身に付けたい方
□前提知識として、大学教養程度の行列の知識、多変量解析(重回帰分析、主成分分析等)の概論的知識をお持ちの方
FAX 03-3344-3022
「モノづくりにおける問題解決のためのデータサイエンス入門コース 参加申込書
◆ 参 加 者 月 日申込
記入不要 参加者名(ふりがな) 所属事業所・部課名 参加コース(□に✓を入れてください)
□【基礎編・活用編】 □【基礎編】 □【予備コース+基礎編】 □【予備コース+基礎編・活用編】
□【基礎編・活用編】 □【基礎編】 □【予備コース+基礎編】 □【予備コース+基礎編・活用編】
□【基礎編・活用編】 □【基礎編】 □【予備コース+基礎編】 □【予備コース+基礎編・活用編】
◆ 連絡担当者(お申込受付後「開催ご通知」をお送りする方)
会社名 事業所
TEL
部署・役職
担当者名
FAX
所在地 〒
参加費
【基礎編・活用編】 □130,680円(一般)× 名 = 円
□118,800円(会員)× 名 = 円
会員番号
【基礎編】 □ 72,360円(一般)× 名 = 円
□ 64,800円(会員)× 名 = 円
【予備コース+ 基礎編】
□ 96,120円(一般)× 名 = 円
□ 86,400円(会員)× 名 = 円
【予備コース+ 基礎編・活用編】
□154,440円(一般)× 名 = 円
□140,400円(会員)× 名 = 円
※ご記入下さいました企業・組織および個人情報は、参加申込受付処理ならびに日科技連からのセミナー情報ご送付のために使用いたします。 ※【キャンセルの取扱とお願い】コースにお申込み後,ご本人の都合が悪くなった場合には、原則として代理の方のご参加をお願いします.また, 止むを得ない事由により,お客様の都合でキャンセルされる場合には,セミナー受付担当まで FAXまたはメールにて事前にご連絡をお願いします. その際,ご連絡の日にちにより,次のキャンセル料をご負担いただきます. 【キャンセル料】・セミナー開催日の7営業日前~2営業日前のキャンセル-参加費の20%、・セミナー開催日の1営業日前17:00までの
キャンセル-参加費の50%、・1営業日前17:00以降または事前のご連絡がなかった場合-参加費の100%