「経験に頼って、ものづくりを続けているけど、このままではいけない気がする。」
「機械学習を使えば、結果予測や条件最適化ができるらしいけど、pythonを使える人が社内にいない。」
「機械学習アプリを導入してみたけど、使い勝手が悪くて、みんな使ってくれない。」
「・・・よし、シンプルな機械学習ツールを作ろう!」
できたアプリは専門用語なし、説明書も不要なほど簡単なアプリでした。
「経験に頼って、ものづくりを続けているけど、このままではいけない気がする。」
「機械学習を使えば、結果予測や条件最適化ができるらしいけど、pythonを使える人が社内にいない。」
「機械学習アプリを導入してみたけど、使い勝手が悪くて、みんな使ってくれない。」
「・・・よし、シンプルな機械学習ツールを作ろう!」
できたアプリは専門用語なし、説明書も不要なほど簡単なアプリでした。
不良率が高い日と低い日があるが、何が要因がわからないから、根本的な対策が打てない。
もっと良い製造条件があるはずだが、現状から大きく変えられない。
実際に製造してみないと結果がわからないので、出たとこ勝負の条件出しをやめられない。
一般的な機械学習・データ分析ツールは専門用語や設定項目が多すぎて使いにくい。
pythonができる人が部署にいない。
データサイエンスで一般的なSHAPという手法を用いて、各因子の影響度を可視化します。
多くの条件が同時に動いてしまう製造データであっても、各因子の挙動をひとつひとつ独立して観察することが可能となります。
アルゴリズムや分割方法を選択する必要はありません。
準備するものは製造データ・実験データをまとめたCSVファイルだけです。
データから傾向を学習して予測モデルが構築されます。
この予測モデルを使うと、製造・実験をする前に結果を予測できるようになります。
品質が改善される確率が高い、新たな製造条件を提案します。
原材料の性状が変化するときに、それの変化を打ち消す製造条件を提案します。
多目的最適化にも対応します。例えば、外観とサイクルタイムを両立する条件、機械特性とサイクルタイムを両立する条件などを求められます。
オフラインでご使用いただけます。
データをWebアプリにアップロードする必要はありません。
従量課金も発生しません。
自動返信メールから、すぐに無償版をダウンロードできます。