Statistical Thinking for Industrial Problem Solving

無料のオンライン統計コース

コース概要

このコース(『製造業における問題解決のための統計的思考』Statistical Thinking for Industrial Problem Solving; STIPS)は、7つのモジュールで構成されており、ご自身のペースで学習することができます。すべて修了するのに、合計で30時間程度が必要です。各モジュールは、簡単な説明の動画、JMPのデモ動画、多肢選択式の小テスト、JMPを用いた演習などで構成されています。各モジュールで扱うトピックは、以下の通りです。

モジュールごとのトピックを確認してください(またはPDFバージョンをダウンロードしてください):

統計的思考と問題解決

統計的思考

  • 統計的思考とは?

問題解決

  • 問題解決の概要
  • 統計的問題解決
  • 問題の種類

問題を定義する

  • 問題を定義する
  • 目標と主要業績評価指標(KPI)
  • 白色ポリマーの例

工程(プロセス)を定義する

  • 工程とは?
  • SIPOCマップの作成
  • 入力/出力マップの作成
  • トップダウンフロー図とデプロイメントフロー図

根本原因の候補を特定する

  • 原因の候補を特定するための手法
  • ブレインストーミング
  • 複数投票(マルチボーティング)
  • 親和図
  • 特性要因図
  • なぜなぜ分析
  • 因果関係マトリックス

データを収集・整理する

  • 問題解決のためのデータ収集
  • データの種類
  • 操作的定義
  • データの収集方式
  • 分析用データの読み込み
探索的データ分析

データの記述

  • 記述統計の概要
  • データの種類
  • ヒストグラム
  • 中心や位置に関する指標
  • 散らばりの指標 - 範囲と四分位範囲
  • 散らばりの指標 - 分散と標準偏差
  • 連続データの視覚化
  • カテゴリカルデータの記述

確率の考え方

  • 確率についての簡単な説明
  • 標本と母集団
  • 正規分布について
  • 正規性の確認
  • 中心極限定理

問題解決のための探索的データ分析

  • 探索的データ分析の概要
  • 連続データに対するグラフ: 追加の処理
  • パレート図
  • 詰め込み棒グラフとデータフィルタ
  • ツリーマップとモザイク図
  • トレリスプロットと重ね合わせプロット
  • バブルプロットとヒートマップ
  • 探索的データ分析の要約

データを用いたコミュニケーション

  • データを用いたコミュニケーションの概要
  • 効果的な視覚的表現の作成
  • グラフが効果的かどうかの評価
  • 効果的なグラフのデザイン
  • アニメーションによる視覚的な伝達
  • 対象者に向けたデザイン
  • 対象者の把握
  • コミュニケーションのための視覚的表現のデザイン
  • 視覚的表現のデザイン: 推奨事項と禁止事項

結果の保存と共有

  • 結果の保存と共有
  • JMPでの結果の保存と共有
  • JMP以外での結果の保存と共有
  • 使用する形式の決定

分析用のデータ準備

  • データテーブルの基本
  • データ品質でよく生じる問題
  • データテーブルでの問題の特定
  • 1変数ずつ確認して問題を特定する
  • 分析のためにデータを再構成する
  • データの結合
  • 新しい変数の作成
  • 日付の操作
品質手法

統計的品質管理

  • 管理図の概要
  • 個々の測定値と移動範囲の管理図
  • 共通原因と特殊原因のばらつき
  • 特殊原因のテスト
  • Xbar-R管理図とXbar-S管理図
  • 合理的なサブグループ化
  • 三元管理図
  • フェーズごとの管理図

工程能力

  • 顧客の声
  • 工程能力指数
  • 短期および長期の工程能力
  • 改善のための工程能力
  • 工程能力の推定: 例
  • 非正規データにおける工程能力
  • 多変量データにおける工程能力の推定
  • 性能(パフォーマンス)が低い工程の特定
  • 現場からの意見

測定システム分析

  • 測定システム分析(MSA)とは?
  • 測定システム分析の用語
  • 測定システム分析の計画
  • 測定システム分析の計画と実行
  • 測定システム分析における統計分析
  • 測定システムの正確度を調べる
  • 測定システムを改善する
データに基づく意思決定

推定

  • 統計的推測の概要
  • 信頼区間とは?
  • 平均の推定
  • 標本抽出によるばらつきの視覚化
  • 信頼区間の算出
  • 信頼水準とαリスク
  • 予測区間
  • 許容区間
  • 区間推定の比較

統計的検定の基礎

  • 統計的検定の概要
  • 統計的意思決定
  • 帰無仮説と対立仮説について
  • 帰無仮説のもとでの標本分布
  • p値と統計的有意性

連続データに対する仮説検定

  • 1標本t検定の実施
  • p値とt値について
  • 同等性検定
  • 2つの平均の比較
  • 等分散性の検定
  • 対応のあるデータ
  • 一元配置分散分析
  • 多重比較
  • 統計的な有意と実質的な有意

標本サイズと検出力

  • 標本サイズと検出力の概要
  • 平均の信頼区間での標本サイズ
  • 統計的検定の結果
  • 検出力
  • 標本サイズと検出力について
  • 1標本t検定の標本サイズ計算
  • 2標本t検定および分散分析の標本サイズ計算
相関と回帰

相関

  • 相関とは?
  • 相関の解釈

単回帰

  • 回帰分析の概要
  • 単回帰モデル
  • 最小2乗法
  • 最小2乗法の図示
  • 回帰モデルの仮定
  • 回帰分析の解釈
  • 曲線的なモデルのあてはめ

重回帰

  • 重回帰とは?
  • 重回帰モデルのあてはめ
  • 説明的モデリングにおける結果の解釈
  • 残差分析と外れ値
  • カテゴリカルな予測変数をもつ重回帰モデル
  • 交互作用をもつ重回帰モデル
  • 変数選択
  • 多重共線性

ロジスティック回帰の概要

  • ロジスティック回帰とは?
  • ロジスティック単回帰モデル
  • ロジスティック単回帰の例
  • ロジスティック回帰の解釈
  • ロジスティック重回帰モデル
  • 交互作用をもつロジスティック回帰
  • よく生じる問題
実験計画

実験計画(DOE)の概要

  • 実験計画(DOE)とは?
  • アドホックな実験や一時一事法(OFAT)の実験
  • 実験計画を用いる理由
  • 実験計画の用語
  • 実験計画の種類

要因実験

  • 要因実験の計画
  • 繰り返しがある完全実施要因計画の分析
  • 繰り返しがない完全実施要因計画の分析

スクリーニング実験

  • 重要な効果のふるい分け
  • 一部実施要因計画
  • カスタムなスクリーニング計画

応答曲面実験

  • 応答曲面計画の概要
  • 応答曲面実験の分析
  • カスタムな応答曲面計画
  • 逐次実験

実験計画におけるガイドライン

  • 実験計画におけるガイドラインの概要
  • 問題と目標の定義
  • 応答の特定
  • 因子と因子水準の特定
  • 制約の特定
  • 実験の準備
予測モデリングおよびテキストマイニング

予測モデルの基礎

  • 予測モデルの概要
  • 過学習とモデル検証
  • モデル性能の評価:予測モデル
  • モデル性能の評価:分類モデル
  • 受診者動作特性曲線(ROC曲線)

ディシジョンツリー

  • ディシジョンツリーの概要
  • 分類木
  • 回帰木
  • 検証データを使用したディシジョンツリー
  • ランダムフォレスト(ブートストラップ森)

ニューラルネットワーク

  • ニューラルネットワークとは?
  • ニューラルネットワークの解釈
  • ニューラルネットワークによる予測モデル

一般化回帰

  • 一般化回帰の概要
  • モデルの最尤推定
  • 罰則付き回帰の概要

モデルの比較と選択

  • 予測モデルの比較

テキストマイニングの概要

  • テキストマイニングの概要
  • テキストデータの処理
  • 用語リストの作成
  • テキストデータの視覚化と探索
  • テキストデータの分析(マイニング)

Back to Top