エンジニアのためのデータの特徴を分析する統計・多変量解析手法 ～PC演習付き！～【大阪開催】

～ 製造業の統計・多変量解析　実務的基礎 ～

★ 年間の受講者数が1000名を超える、企業での実務経験豊富な講師が解説します！
★ Excelが入ったPCをご持参ください。

講師

MOSHIMO研　代表　福井 郁磨 氏

＜略歴＞
　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20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。

＜学協会＞
・日本品質管理学会　会員
・滋賀県品質工学研究会　会員
・品質工学会　会員

受講料

■ R&D会員登録していただいた場合、通常1名様申込で49,980円（税込）から
・1名で申込の場合、47,250円（税込）へ割引になります。
・2名同時申込で両名とも会員登録をしていただいた場合、計49,980円（2人目無料）です。

(まだR&D会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

持参物

Excel(32bit)をインストール済みのWindows PCを持参ください。演習を実施します。

お申込み頂いた受講者のみに、下記ソフトウェアのexeファイル3点を配布いたします。
開催7日前をめどに、お送りいたします。
事前に持参するWindows PCにインストールしておいてください。

　・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）

なお、配布するソフトウェアは、Windows PC以外のOSには対応していません。
Windowsは、Windows7、Windows10の32bit、64bitどちらでも可。

受講対象・レベル

・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
・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
・数多くのデータをグルーピングし、適切に分類、階層化する方法を求めている方々

※ 技術コンサルタントの方や、講師業を本務としている方の受講はお断りする場合がございます。ご了承ください。

必要な予備知識

※ 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。

習得できる知識

・実務で使えるデータ分析手法の基礎　→　基本的な統計量とグラフ化
・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
・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
・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　→　因子分析
・数多くのデータをグルーピングし、適切に分類、階層化する方法　→　クラスター分析
・多変量解析ソフトウェアの操作方法
など

趣旨

　製造業では、多くのデータを取扱いますが、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、人工知能に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、実務では実際には使用しない内容を無味乾燥な数式で学ぶ必要がありました。また、データ分析には統計・多変量解析ソフトウェアが必要になります。しかしながら、統計・多変量解析ソフトウェアは、下記のように２極化しており、簡単に導入・活用するには躊躇いがともなう状況です。
 
・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ライクに直感的に使用でき、かつ極めて高機能な反面、高額なため
 「1人1ソフトウェア体制」や「思い立っ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、データ分析の本質的な原理を解説いたします。
　そして、無料で導入でき、EXCELライクに直感的に使用できる統計解析パッケージソフトウェア（無料時には機能制限あり）を使い、実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
・統計解析・多変量解析とは
・基本的なデータ要約方法 －基本的な統計量
・グラフ化による目視確認の重要性
・実務でよく使用する各種グラフ
・ソフトウェア紹介

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
・重回帰分析（回帰式の構築）とは
・重回帰分析の手順、チェックノウハウ
・参考：判別分析
・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する総合的な指標を求める
・主成分分析（データの縮約、データの合成分析）とは
・主成分分析の手順、チェックノウハウ
・データ分析演習

４．複数のデータ項目間の複雑な関係を説明する、潜在的な構造を求める
・因子分析（潜在変数の見える化、データの分解分析）とは
・因子分析の手順、チェックノウハウ
・データ分析演習

５．数多くのデータをグルーピングし、適切に分類する
・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
・クラスター分析の手順、チェックノウハウ
・データ分析演習

６．その他の分析方法
・要因の組合せ最適化を行う方法 → 実験計画法 概要
・より高度な組合せ最適化方法 → 品質工学（タグチメソッド） 概要
・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）

７．質疑応答

 キーワード
　統計解析,データ分析,重回帰分析,回帰モデル,主成分分析,因子分析,クラスター分析,人工知能