1. ホーム
  2. 統計解析・品質管理
  3. 製品案内
  4. 手法一覧

機械学習とは

IoT(モノのインターネット)やセンサー技術が向上する中で,非常に高い予測性能を持つことから「機械学習」が注目され,様々な分野での活用が進められています.

開発製造や品質管理分野においても,製造工程や市場から大量のデータが収集できるようになり,現場の技術者が自らデータ解析を行い,問題解決や課題達成することが求められるようになりました.その中で,基本解析,多変量解析や実験計画法などの従来のSQC手法と同様に,機械学習手法に対するニーズが高まっています.

当ページではStatWorksに搭載された機械学習手法を紹介いたします.

品質管理分野での機械学習の活用場面

1. 異常検知

機械学習手法の高い予測能力を使って精度良く異常を検出することが強く期待されています.画像に基づく異常検知として「ディープラーニング」が有名ですが,数値データに基づく異常検知であればStatWorks/V5 機械学習編に搭載された機械学習手法で行うことができます.

2. 品質安定化のための予測

品質安定化のためには,製造条件と品質特性との関係を把握し,品質特性が望ましい状態になるように製造条件を調整する必要があります.品質特性に対する予測式の構築を機械学習手法で行うことにより,製造条件の調整をより精度良く行うことができることが期待できます.

3. 目的変数に影響を与えている要因の検討

「要因の検討」は機械学習手法の本来の使い方(機械学習手法は予測が目的)には反しますが,機械学習手法は多くの変数で構成されるデータを比較的容易に分析できるため,目的変数に影響を与えている要因の当たりを付ける目的で機械学習手法を活用したいとのニーズは強くあります.

JUSE-StatWorks/V5 機械学習編 搭載手法の紹介

データクリーニング

欠測の確認・処置や外れ値の確認・処置など,解析前のデータの整理を行います.

主なSQC類似手法:欠測・マスク処理

データ可視化(濃淡散布図,密度プロット,等高線図)


データ可視化

データを濃淡散布図,密度プロット,等高線図を使って可視化し,データの特徴を捉えます.

主なSQC類似手法:多変量解析,モニタリング

情報要約(カーネル主成分分析)


カーネル主成分分析

解析手法「カーネル主成分分析」はカーネル法によりデータを高次元特徴量空間へと写像としたのち,主成分分析を行っています.主成分分析は,次元圧縮を行うための手法の一つとなります.

主なSQC類似手法:主成分分析

層別(混合ガウス分布)


混合ガウス分布
(散布図行列)

解析手法「混合ガウス分布」では,データの分布を複数の正規分布の重ね合わせで近似し,重ね合わせた正規分布に基づいてクラスタリングを行うことができます.

主なSQC類似手法:階層的クラスター分析,k-means法

正則化回帰(リッジ回帰,lasso回帰,Elastic Net)


lasso回帰

ElasticNet

手法群「正則化回帰」では,目的変数(量的変数)を複数の説明変数(量的変数・質的変数)から予測するための式を得ることができます.自動的に変数の取捨選択が行われる,サンプル数よりも変数の数が多い場合でも解析できる等の特徴があります.

主なSQC類似手法:重回帰分析

正則化ロジスティック回帰


正則化ロジスティック回帰

手法群「正則化ロジスティック回帰」では,目的変数(質的変数)のカテゴリの発生確率を複数の説明変数(量的変数・質的変数)から予測するための式を得ることができます.正則化回帰と同様に,自動的に変数の取捨選択が行われる,サンプル数よりも変数の数が多い場合でも解析できる等の特徴があります.

主なSQC類似手法:ロジスティック回帰

分類・予測(k-近傍法,サポートベクターマシン(SVM),ランダム・フォレスト)


k-近傍法

サポートベクターマシン
(識別平面)


ランダム・フォレスト
(予測判定)

解析手法「k-近傍法」では,目的変数(質的変数)を複数の説明変数(量的変数・質的変数)から予測することができます.k-近傍法は,予測を近傍の情報のみから行うシンプルな予測手法であり,他の予測手法のベンチマークとしても使用できます.

解析手法「サポートベクターマシン(SVM)」では,目的変数(質的変数)を複数の説明変数(量的変数)から予測することができます.

主なSQC類似手法:判別分析

解析手法「ランダム・フォレスト」では,目的変数(量的変数・質的変数)を複数の説明変数(量的変数・質的変数)から予測することができます.また,手法群「ランダム・フォレスト」では決定木の分析結果も確認することができます.

主なSQC類似手法:AID(多段層別分析),CAID(多肢層別分析)

外れ値検出(1クラスSVM)

解析手法「1クラスSVM」では分析対象データ(学習データ)と異なる傾向を持つサンプルを検出することができます.解析手法「1クラスSVM」の分析対象データには,目的変数(教師)は含みません.

主なSQC類似手法:MT法

因果分析(glasso)


glasso
(偏相関グラフ)

解析手法「glasso」では,変数間の関連(モデル)を視覚的に確認することができます.また,分析対象データ(学習データ)に対して得られた変数間の関連(モデル)を基に,新たなデータに対する「サンプル異常度」や「変数異常度」を確認することもできます.

主なSQC類似手法:GM(グラフィカルモデリング)

無料体験版をダウンロード

無料体験版ダウンロードへ

こちらの手法を搭載した 「JUSE-StatWorks」の体験版をお試しください.

統計的手法を身につけ,実務に生かす

イベント・セミナーのご案内

パッケージをご購入いただいた方や保守契約者の方には,割引サービスがあります.また,学生,教員,研究機関職員の方向けのアカデミック価格もございます.

【セミナー】機械学習編 操作入門コース
「StatWorks/V5 機械学習編」を用いて「機械学習」の解析手法から3つの手法群を中心に,三部構成で開催いたします.
①正則化回帰(lasso回帰,ElasticNet)
②ランダム・フォレスト,サポートベクターマシン(SVM)
③混合ガウス分布,glasso
【セミナー】StatWorks/V5操作入門(対象パッケージ購入で受講料無料)
統計解析入門者におすすめのセミナーを定期的に開催しております.パソコン・ソフトは弊社で用意いたしますので,ソフトをお持ちでない方もお気軽にご参加ください.
eラーニングシステム『StatCampus』のご案内
原則毎月1日開講で受講期間は3か月間
eラーニングでStatworksの操作方法や,手法理論解説のコースを提供いたします.コンテンツの一部の無料体験や各種割引もございます(パッケージ購入,保守契約者など)

イベント案内や製品などの最新情報をお届けします

メールマガジン
最新の製品アップデート情報やセミナー・イベントなどのお知らせを,eメールでお送りします