バズワードに振り回されている場合ではない。生産性向上や品質改善を実現するためには、設備や製品に関する知識とデータを活用しなければならず、そのための方法を身に付ける必要がある。製造現場で成果をあげるために、最先端の方法が必要とは限らない。むしろ、実績の豊富な方法を自分の道具箱に入れておき、それら適材適所で使うことが大切である。目標を達成できるのであれば、手法やモデルはできるだけ単純な方がよい。
　そのような観点から、本講座の基礎編では、最低限知っておくべきデータ解析手法を解説し、それらを使用する際に注意すべきこと (弱点) を指摘する。また、地味だが重要なデータ前処理にも触れる。その上で、応用編では、産業応用事例を紹介しながら、転移学習やグレイボックスモデル (ハイブリッドモデル) を含めて、実際に現場で役立つデータ活用術を紹介する。さらに、データ解析で成果を挙げるための心得3箇条を示す。

1. はじめに:製造業におけるデータ活用について
2. 基礎編1:最低限知っておきたい線形モデル構築方法
   1. 重回帰分析
   2. 線形判別分析
   3. 主成分分析
   4. 多重共線性の問題
   5. Ridge回帰とLasso回帰
   6. Partial Least Squares (PLS) 回帰
3. 基礎編2:道具箱に入れておきたい非線形モデル構築方法
   1. ガウス過程回帰 (GPR) :バラツキを予測する
   2. Random Forest:多数決で精度を高める
4. 基礎編3:最低限実行するべきデータ前処理
   1. データを見る
   2. 外れ値を検出する
   3. 変数を変換する
5. 応用編1:仮想計測・ソフトセンサー
   1. 仮想計測・ソフトセンサーの役割
   2. 実用上の課題
   3. Just-In-Timeモデル:装置や原料の特性変化に対応する
      • 事例
        • 半導体プロセス
        • 製薬プロセス
   4. 製品品質の推定制御:局所PLSとモデル予測制御を活用する
      • 事例:石油化学プロセス
   5. 転移学習 (FEHDA) :モデル再構築期間を短縮する
      • 事例
        • トナー製造プロセス
        • 医薬品製造プロセス
6. 応用編2:異常検出
   1. 統計的プロセス管理 (SPC)
   2. 多変量統計的プロセス管理 (MSPC)
      • 事例:鉄鋼プロセス)
   3. 非線形性に対応した異常検出方法
      • 近傍法
      • one-class SVM
      • Autoencoder
7. 応用編3:グレイボックスモデル
   1. 物理モデル+統計モデル=グレイボックスモデル
   2. グレイボックスモデルによる予測
      • 事例:医薬品製造プロセス
8. おわりに
   1. まとめ
   2. データ解析の心得3箇条
• 質疑応答