データ解析者の心得： 製造DXの初歩の初歩｜Dr. Kano
随分と長い間，主にプロセス産業の製造現場のデータを対象として，様々な解析を行ってきた．今でも，いくつかの企業と一緒にデータ解析をしている．特に最近は，製造DX実現を掲げての依頼が多い．これまで，多くの成果をあげてきたし，それ以上に多くの失敗もしてきた．その経験を踏まえて，製造プロセスのデータ解析をしようという技術者に「これだけは伝えておきたい」ということがある．それを「３つの心得」としてまとめておくことにした．もっと詳しく知りたいという人がいれば，私の講演を聞いて下さい． 製造プロセスのデータ解析そもそも，製造現場で制御したいのは製品品質（製品の重要特性）であるが，その計測値・分析値がリアルタイムに得られることは珍しい．多くの場合，抜き取り検査をして，高価な分析装置を使って，長い時間をかけて，分析値を得る．この分析値が出てくるのを待っている間にも生産は継続しており，「あっ，不良品だ！」と気
フーリエ級数展開は関数の座標を決めている｜Dr. Kano
ほとんどの工学部の学生はフーリエ級数展開を学ぶと思うが，これが何をしているかということを，イメージを持って理解しておいて欲しい．というのも，何の因果か，大学３回生を対象にした，フーリエ級数展開やフーリエ変換の講義を担当しているからだ．これらに限らず，数学を勉強するときは，イメージを持つことが大切だ．式変形ができても，そのイメージを持てていないと，実際に使うのは難しい． あなたが今いる場所はｘ，ｙ，ｚの３つの座標 (x, y, z) で表現できる．この３つの座標を使うと，他の誰かの場所も特定できる．我々は３次元空間に生きているからだ．２人がどれだけ離れているかは距離を計算すればわかる．（時間は無視） さて，関数 f(x) も無限に存在する．x の多項式であったり，指数関数であったり，三角関数であったり，何でもありだ．それらの関数はどの程度似ていて（近くて），どの程度異なる（遠い）のだろうか．
データ解析や数学の理解にはイメージが大切｜Dr. Kano
多変量解析であれ，機械学習であれ，データを解析する道具は数学で鍛えられている．数学というと，数式を見ると蕁麻疹がでるとか，生理的に無理とか，「日常生活で使うことはないから勉強するのは無駄(ｷﾘｯ」とか，色々な感想があるだろうが，理解するために大切なのは，イメージを持つことだ． 例えば，線形代数や微積分．大学に入学すると，必修科目に指定されていれば，とりあえず履修する．δ-εがどうとか語る教員に，頼むから日本語で話してくれと思う学生もいるだろう．私もそうだった．数学の講義で，勉強したことが何に使えるのかを教える先生はいなかった．だから，数学の重要性なんてわからなかったし，興味も持たなかったし，深く理解することもなかった．もちろん，自分の研究としてデータ解析の応用に取り組むようになり，必死で数学の勉強をしなおすはめになることも想像していなかった．それくらい頭が空っぽだったわけだ． そんな昔と違
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
