スピンオフ＃４ SFIをMI領域に拡張するとしたら──PIの土...
SFIをMI領域に拡張するなら、PIモードの隣に別棟を建てる。共通エンジンと、変えるべき3つのポイントを書きます。
BLOG
ブログ
プロセスインフォマティクス
スピンオフ＃３ MIとPIは、別部門の別の挑戦──SFIは、そ...
新しい扉を開こうとする技術者に、重厚な道具はいらない。SFIが目指す「軽くて安い道具」という思想を書きます。
スピンオフ＃２ 「はずれを出さないAI」で、いいと思っています...
発見ではなく、はずれを出さない安心感を売る。SFIが日本の量産現場に向き合うための、地味だが譲れない設計思想を書きます。
スピンオフ＃１ 「MI」と「PI」──同じAIブームの中で、実...
「MI」と「PI」をごっちゃにしたまま話を進めると、たぶん事故る。日本の製造業が本当に立つべき土俵を、用語の整理から解きほぐします。
生成AIがあればSFIは必要ない⁉ Tech＃12
生成AIの登場で、従来の解析はもう不要なのか。再現可能な予測、波形の特徴抽出、条件の逆算、超高速監視、統計的な変数選別――生成AIでは埋められない5...
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＃08 解析はできた！ でどうする？
分析結果を出すだけでは現場は変わりません。改善につながる条件最適化の重要性を解説します。
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＃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＃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。