☆製造現場の品質管理をテーマに、Excel/Pythonを使ったデータ分析で品質不良の原因を特定し、品質向上を目指す方法を学びます。
☆Excel/Pythonの基本知識や操作方法、分析の考え方を事例演習を交えてわかりやすく解説します。
※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。
【アーカイブ配信：4/1～4/15（何度でも受講可能）】の視聴を希望される方は、こちらからお申し込み下さい。
1． イントロダクション
1-1 製造業における統計解析：統計的工程管理 と QCストーリー
1-2 従来の統計的手法とビッグデータ分析による品質管理の違い
1-3 製造業におけるビッグデータ分析の適用範囲
1-4 製造業におけるビッグデータ分析事例
1-5 組み立て製造とプロセス製造の違い
2． 統計学の基礎
2-1 記述統計学と推測統計学
2-2 データの特徴の捉え方
2-3 記述統計量／変数の尺度
2-4 正規分布／工程能力指数（Cp）
2-5 相関係数／相関と因果の違い
3. 可視化による工程・品質の傾向把握（Excel/Python演習）
3-1 ヒストグラムによる品質指標のばらつき確認
3-2 散布図／散布図行列による連動因子の確認
3-3 箱ひげ図による各因子の傾向確認
3-4 時系列での不良傾向確認
3-5 パレート図
3-6 工程管理図
4. 数値化による工程・品質の傾向把握（Excel/Python演習）
4-1 要約統計量（代表値／ばらつき指標／順序統計量）
4-2 相関（相関係数／相関行列／偏相関係数）
4-3 工程能力指数（Cp）
5. 分析モデルの構築による製造品質不良の要因分析
5-1 代表的な分析手法の概要と手法の選び方
5-2 線形回帰による不良予測と影響因子の絞込み（Excel演習）
5-3 ロジスティック回帰による良品／不良品の判別（Python演習）
5-4 決定木分析による良品／不良品の判別
5-5 モデルの評価指標：Precision（適合率）とRecall（再現率）
5-6 精度向上に向けたモデルチューニングの考え方