Business
レイヤー別教育カリキュラム
受講者のレベルに沿った
カリキュラムで
実務教育をサポート
データサイエンスや機械学習に関する学習を自社社員へ促す際、同じ教材を一斉に社内配布するような方法を採用していませんか？
実は、これはあまり良い方法とは言えません。
企業規模が大きくなればなるほど、事業は多岐にわたり、関心があることも部門ごとに異なるためです。
例えば「研究開発部門と製造部門」というだけでも、関心があることは大きく異なるのではないでしょうか。
また、従来から統計や数学に関心があり、業務改善実績のあるメンバーと、そうでないメンバーとでは、レベルに差があります。
弊社では、SL理論に基づいた『レイヤー別教育カリキュラム』により、実務教育をサポートしています。
レイヤー別の学習により、受講者のレベルに沿った内容から、少しずつ理解を深めていただくことが可能です。
SL理論に基づいた支援
受講者の理解度に合わせたプログラムと成果指標により、少しずつ理解を深めていただくことが可能です。
成果指標一例
-
SL1指示型
- 分析課題創出シート記入数
- WEBトレーニング完了人数
-
SL2コーチ型
- スコア提出数
-
SL3援助型
- CRISP DM 回転数
-
SL4委任型
- 実案件解決数
レイヤー別教育カリキュラムによる人材育成例
進捗支援例
-
品質管理部
-
0週目
8月X日
分析課題の検討。収集可能なデータの確認。他部署の協力が必要なため調整を実施。
-
2週目
8月XX日
ロットごとの再検査率を予測する課題に決定。100ロット分を集計するところから開始。
-
4週目
9月X日
データ入力作業、データの整備作業が完了し、データセットが完成。
-
6週目
9月X日
再検査率の一般化線形回帰モデルを作成。R2≒0.3で説明力が低い。再検査あり、なしの分類問題に変更。
-
8週目
9月XX日
250サンプルまでサンプル数を増やし、Random ForestでAccuracy（正答率）=75%
-
10週目
10月XX日
F値=85%まで精度が向上。湿度など水分量に関する因子が影響を与えている可能性が示された。
-
-
技術開発室
-
0週目
10月X日
製造工程における品質指標“厚み”に着目する課題で検討。
-
2週目
10月XX日
データから目的変数と説明変数（製造条件）の候補を検討
-
4週目
11月XX日
R2≒0.8であったが、RMSE予測誤差が目標値に到達できていない状況。モデルの改良。
-
6週目
11月XX日
複数箇所で厚みの予測モデルを作成。予測値も誤差も±0.04mm以下を達成。変数選択も実施。
-
8週目
12月XX日
アルゴリズムの比較を実施。測定箇所それぞれ違うモデルを作成し、モデルチューニング。
-
10週目
12月XX日
予測結果から傾きを算出するロジックを追加。モデルをAI-Hubに実装。
-
-
製品改良セクション
-
0週目
8月X日
製造に関するデータは既に収集済み。製造条件の最適化まで実施することが目標。
-
2週目
8月XX日
物性値の予測を実施。RMSE≒1, R2≒0.75で1回目にしてはまずまずの当てはまり。
-
4週目
9月XX日
アルゴリズムのチューニングを行い一般化線形モデルでRMSE≒0.84, R2≒0.93まで向上。
-
6週目
9月XX日
物性値=9となる製造条件の探索成り行きで決まる条件を入力し逆計算を実施。
-
8週目
9月XX日
Excelで運用するための2モデルが完成。運用準備。
-
10週目
10月XX日
作成したモデルをAI-Hubに実装。APIでコールし、Excelで製造条件を入力し、物性値を最適化。
-
-
生産技術部門
-
0週目
10月XX日
物性値（粘度）を予測するモデルを作成し、製造打ち切りのタイミングを知りたい。
-
2週目
10月XX日
モデルを作成し要因をチーム内に展開。間違っているのでは？という指摘が入る。
-
4週目
11月XX日
データの変更を行い、RMSE2以下という目標に対して1.25の精度となった。
-
6週目
11月XX日
精度向上させるため、新たに15変数を追加したが精度向上せず。
-
8週目
11月XX日
前に製造した品種の影響を受ける可能性があるのではないか？という仮説もあったが精度向上を断念。
-
10週目
12月XX日
モデルをAI-Hubに実装し、Excelで製造条件を入力し、打ち切りのタイミングを最適化。
-
お客様の声
統計学や機械学習の基礎の説明動画は、初心者の私でもわかりやすい内容だった。
講師の例え話や実体験に基づいた話も多く伝わりやすかったと思う。
製造業／R&D部門
今までデータ分析は実施してこなかった（熟練者の勘によるところが大きかった）が、今後を見据えてデータ分析による生産条件の最適化に着手したいと思った。
製造業／生産技術部門
動画講習・WS研修で、自分が学ぶ必要のあるキーワードを知ることができたので、これから自学したいことが増えた。
アナログデータをむやみに電子化しても、また使えるように作業するのがという懸念点が消えた。
QC検定試験勉強をしたことがあったので統計学の基礎は何となく理解していたが、受講したことで活⽤⽅法がたくさん浮かんだ。
製造業／R&D部門
機械学習を取り入れたテーマを進めているが、自分自身が触れたことも学んだこともなかったので、担当者のコミュニケーションに壁があるように感じていた。
本講義の冒頭で仰っていたように「共通⾔語を取得」できたと感じている。
学んだ上で「今提供しているデータが本当に良いのか」「分析の仕⽅はこれでいいのか」など疑問も生まれてきたので、これを機に対話をしっかりしたいと思えた。
製造業／R&D部門
