| 過去10年間の年度別製品生産量平均を幾何平均によって求める。 |
技術研修前後の成績についてZ値（偏差値）により比較する。 |
| 新型機械の製造部品の重さが製品仕様書の表示どおりか調べる。 |
機械の製造する部品の長さが一定値かどうかサンプルから調べる。 |
| 二種類の機械の加工精度の違いの有無について調べる。 |
同材料を加工したときの二種類の機械の性能差について調べる。 |
| 工程に対する改善案の実施前後による適合度合について検討する。 |
温度と生産量の関係についてグラフ及び数値で確認する。 |
| 接着強度と不純物含有量の関係について回帰分析を行う。 |
接着強度と2種類の材料について回帰分析を行い、材料間の影響力を比較する。 |
| 不良品数と稼働時間の関係について分析する。 |
不良種別発生件数データからトレンドの有無を調査する。 |
| 不良項目別、不良件数、損失金額からパレート図を作成、確認する。 |
品質を目的変数としランダムフォレストによる不良要因分析モデルを構築する。 |
| 電子部品の寸法、品質データから不良に影響を与える因子について考察する。 |
データの種類、分析目的により最適な管理図を作成する。 |
| 分析モデルをチューニングしRecallの改善を試みる。 |
製造・品質データにおいてロジスティック回帰、決定着による分析モデルを構築する。 |
| クラスタ番号を目的変数とし決定木分析からクラスタ間の違いについて考察する。 |
部品の寸法、重量データの特徴をK-meansによりグルーピングする。 |
| 設備センサーデータから予知保全モデルを構築する。 |
印刷機テストデータについて散布図行列・相関行列により観察する。 |
| 自動車リコール情報のテキストマイニングから車名別の傾向を比較する。 |
鋳造部品画像データから不良品を予測する機械学習モデルを構築する。 |
| 製造条件に基づく精密部品の不良発生件数を予測する。 |
寸法などの結果系データから不良モードを分類する。 |
| 多クラス分類による全故障モードの判別と、2クラス分類による特定故障を検出する。 |
原材料・製造工程データから品質管理指標を予測、及び影響因子を探索する。 |
| クラスタリングによる不良モードの分類、決定木による不良モード別の影響因子を分析する。 |
不良率の算出、良品／不良品のダミー変数化、不良種別の2クラス化を行う。 |
| アンダーサンプリングにより少数の不良品データと多数の良品データのサンプル数を揃えて分析する。 |
不良率を閾値設定によりカテゴリー値化し、2クラス分類として影響因子を探索する。 |
