受講対象 ・要素技術、生産システム、品質管理などの分野でデータ分析・統計・多変量解析スキルが必要な方々 ・マーケティング、商品企画等で、顧客ニーズ、コンセプトメイキングのためにデータ分析・統計・多変量解析 スキルが必要な方々 ・人工知能を活用するために、データの前処理、データの解釈、人工知能の予測能力の評価等の手法を 習得したい方々 ・複数の要因によって、目的とする対象がどのように変化するか、予測や説明を行う方法を求めている方々 ・複数の要因があるデータに対して、それら複数項目を代表する総合的な指標を求める（データの縮約） 方法を求めている方々 ・数多くのデータをグルーピングし、適切に分類・断層化する方法を求めている方々 ・複数のデータ間の、複雑な関係を説明する潜在的な構造を求める方法を求めている方々 ※技術コンサルタントの方や、講師業の方は、受講をご遠慮ください。 （企業／大学等への所属有無を問わず、実質的に、社外に技術指導をされている方は、受講をお断りしております。） 予備知識 統計解析・多変量解析・人工知能に関する予備知識は必要ありません。 習得知識 １）実務で使えるデータ分析手法の基礎 → 基本的なデータの要約（統計量）とグラフ化 ２）統計解析の危うさほグラフによる目視確認の重要性 ３）データ分析手法の体系と成果が出やすい手法 ４）多変量解析ソフトウエアの操作方法 ５）複数の要因によって、ある目的とする項目がどのように変化するか、予測や説明を行う方法 → 重回帰分析 ６）複数の要因があるデータに対して、それら複数項目を代表する総合的な指標を求める方法 （データを縮約する方法） → 主成分分析 ７）複数のデータをグルーピングし、適切に分類、断層化する方法 → クラスター分析 ８）複数のデータ間の複雑な関係を説明する、潜在的な構造を求める方法 → 要因分析（ただし、製造業では使用し難い手法） 持参品 Excel（32bit）をインストール済みのWindows PC (Windows7、Windows10の32bit、64bit対応可、他のOSは対応不可） 応募者に事前送付するソフトウェアのExcelファイル３点 ・多変量解析ソフトウェア（演習で使用するソフトウェア） ・実験計画法（品質工学）解析ソフトウェア（参考として6章で紹介） ・人工知能ソフトウェア（参考として6章で紹介） （持参するPCに上記３点のファイルを事前にインストールしておいてください） 講師の言葉 製造業では、多くのデータを取り扱いますが、データから価値ある情報を取り出し、解釈するためには 各種統計的な解析を使用する必要があります。統計解析、あるいは多変量解析は、データの要約、傾向の確認、 原因分析、今後の予測などの解析が行えますが、目的に合わせて適切な手法を選択する必要があります。 最近トピックスになっている人工知能に関しても、効率的な学習を行うためには、データの与え方の工夫や 学習に適した形にデータを加工する必要があります。その際にも、前述した統計解析・多変量解析によるデータ 分析が必要になります。 一方で、統計・多変量解析を習得しようとすると、従来は、実務では実際に使用しない内容を無味乾燥な数式 で学ぶ必要があります。また、データ分析には、統計・多変量解析ソフトが必要になります。 しかしながら、統計・多変量解析ソフトウエアは、下記のように2極化しており、簡単に導入・活用するには ためらいが伴う状況です。 ・無料で使用できる反面、プログラムのような記述が必要な「R」 ・Excelライクで直観的に使用でき、かつきわめて高機能な反面、高額なため「1人1ソフトウエア体制」や 「思い立ったたら誰でもデータ解析をする体制」には向かない、「JMP」「SPSS」「StatWorks」 本講座では、アカデミックな内容は最小化し、製造業の実務で使う各種データ分析の実践的な方法を中心に 講義いたします。 また、無味乾燥な数式の解説ではなく、具体的な事例を通して、データ分析の基礎と手順を解説いたします。 そして、無料で導入でき、Excelライクで直観的に使用できる統計解析パッケージソフトウエア（無料時には 機能制限あり）を使い、事際にデータ分析の演習を行います。
プログラム
１．実務で使えるデータ分析手法の基礎
1)統計解析・多変量解析とは
2)基本的なデータ要約方法 -基本的な統計量
3)グラフ化による目視確認の重要性
4)実務でよく使用する各種グラフ
5)ソフトウエア紹介
２．複数の要因によって、ある目的とする項目がどのように変化するか、予測や説明を行う
1)重回帰分析（回帰式の構築）とは
2)重回帰分析の手順、チェックノウハウ
3)参考判断分析
4)データ分析演習
３．複数の要因があるデータに対して、それら複数項目を代表とする総合的な指標を求める
1)主成分分析（データの縮約、データの合成分析）とは
2)主成分分析の手順、チェックノウハウ
3)データ分析演習
４．数多くのデータをグルーピングし、適切に分類する
1)クラスター分析（類似した特徴を持つグループ化とグループの階層化分析）とは
2)クラスター分析の手順、チェックノウハウ
3)データ分析演習
５．複数のデータ項目間に複雑な関係を説明する、潜在的な構造を求める
1)因子分析（潜在変数の見える化、データ分解分析）とは
2)因子分析のエンジニアリング実務上の問題点と対策策
3)因子分析の手順、チェックノウハウ
4)データ分析でも（時間があれば）
6．その他の分析方法
1)要因の見向合わせ最適化を行う方法 → 実験計画法 概要
2)より高度な組み合わせ最適化方法 → 品質工学（タグチメソッド）概要
3)重回帰式の上位版 → ニューラルネットワークモデル（深層学習）概要
7．質疑応答
講師紹介
1993年にオムロン(株)に入社し、電子部品の原理開発、加工技術開発、ロボットの研究開発、
人の聴感判定を機械化した検査装置開発などに従事。2006年にパナソニック(株)に入社し、
生活家電の要素技術開発、新機能製品開発などに従事。2007年後半に東レ(株)に入社し、
液晶ディスプレイなどの微細加工技術開発などに従事。
その後、2010年にLG Electronicsに入社し、生活家電研究所を京都で立ち上げた。
京都研究所立ち上げ後は、洗濯機チームリーダー、オープンイノベーション室長を歴任。
部品・アッセンブル・材料・外資系の各会社で、新事業企画、技術や製品の企画、それらの
研究開発を担当し、プレイヤー、マネージャーとして多面的な経験を積んだ。
特に機械の知能化技術を得意としており、生産システム・検査評価機器・設計開発ツール・
家電要素技術等への多変量解析、実験計画法、品質工学、人工知能応用技術活用に関して
約23年の経験を持つ。 2015年にMOSHIMO研を開業。
人工知能・品質工学を中心とした製造業への技術課題解決支援と、
生活関連用品などの研究開発を行っている。
所属学会等
日本品質管理学会会員
品質工学会会員
滋賀県品質工学研究会会員
