「同じ条件」なのに、なぜバラつく── 揃えているつもりの...
「揃えている条件」は、本当に揃っているのか。前工程・未管理変数・時間ドリフト・波形の粒度――設定値の裏に潜むズレを、5つの角度から解きほぐす記事です...
BLOG
ブログ
データ解析
属人化は消せない──『勘』は観測可能なデータに翻訳せよ Te...
職人の勘は精神論ではなく、まだ計測されていない高密度データです。
SFI開発記＃13 生成AIが伸びても、SFIが“旧来の解析”...
生成AIが進化しても、製造業で旧来解析が必要な理由を、再現性・速度・説明責任の観点からわかりやすく解説します。
SFI開発記＃09 大量のデータを最速で処理する仕組みが欲しい...
大量の製造データを、特別な高性能PCなしで高速処理する仕組みづくりの裏側を紹介します。
SFI開発記＃07 これ、自動で全部できない？
製造業の現場では、分析だけでなく前処理や可視化、改善提案まで含めた自動化が求められています。
SFI開発記＃06 機械学習のアルゴリズムって何個あるんだ!?...
機械学習の手法は多く、現場で選ぶのは困難です。だからこそ自動選定の仕組みが重要になります。
SFI開発記＃05 可視化するだけでも大変！
製造業のデータ活用では、分析前の可視化にも大きな手間がかかります。現場で必要な見える化の課題を語ります。
SFI開発記＃04 データの前処理に8割の工数を使っている!?
製造業のデータ解析では、分析より前処理に多くの時間がかかります。その壁と重要性をわかりやすく解説します。
SFI開発記＃03 データ解析の何に時間がかかっているか？ 障...
製造業のデータ解析が進まない理由を、自力・市販ツール・外部依頼の3つの壁から整理して解説します。
SFI開発記＃02 数少ないデータサイエンスの知識と、製造プロ...
製造業のデータ解析には幅広い知識が必要です。人材の分断と現場課題を踏まえ、標準化の重要性を語ります。
SFI開発記＃01 製造業向けのデータサイエンティストは一人も...
製造業で進まないデータ活用。その背景にある人材不足と構造課題、現場で使える解析ツール開発の原点を語ります。