～要因探索と予測モデル構築の実践～
本セミナーでは、製造業を中心としたエンジニアの方を対象に、データ活用をテーマとし、要因探索と予測モデル構築の実践的な進め方についてJMP製品を用いて解説します。 分析は一度で最適な結果が得られるものではなく、データ整備やモデル構築をトライ＆エラーで繰り返しながら精度を高めることが重要です。特に、前処理や特徴量作成といったデータ整備の質が結果を左右しますが、JMPでは工程を可視化しながら効率よく進められます。 公開されているモデル構築用データを用い、可視化や前処理、特徴量作成といった準備から、相関分析や回帰分析による要因探索、予測モデル構築（ニューラルネット、ランダムフォレストなど）、重要要因の抽出までを、試行錯誤を通じた一連のプロセスとして紹介します。 セミナーの中では、JMPのあまり知られていない便利な機能もご紹介します。この機会にぜひご参加ください。 参加対象： ・品質改善や要因分析をデータに基づいて行いたいエンジニアの方 ・前処理や特徴量作成を含め、予測モデル構築の一連の流れを実務で活用したい方 ・JMP製品を用いて、要因探索や機械学習モデルを効率よく構築・評価したい方
この製品へのお問い合わせ
基本情報
日時：2026年12月15日（火）14:00～15:30 (Zoomを使用したオンラインセミナー) プログラム： １）モデルの前にやるべきこと：データ整備の重要ポイントとJMPを使ったトライ＆エラー ＊データの中身を把握する（可視化・要約統計） ＊欠測値や外れ値への対処 ＊モデル精度を高めるための変数作成（特徴量エンジニアリング） ＊分析用データ作成を効率的に進めるための機能（Tips） ２）ブラックボックスにしない要因探索・予測モデル構築の進め方 ＊相関分析、回帰モデル、決定木による要因の可視化 ＊学習データ・検証データによるモデル評価 ＊複数の機械学習モデル（例：ニューラルネット・ランダムフォレスト等）の比較と選定 ＊重要要因や予測結果の直感的な把握
価格情報
参加費：無料（下記ページより事前のお申し込みが必要です） https://www.jmp.com/ja/events/live-webinars/non-series/2026/12-15-factor-exploration
納期
用途／実績例
「データの民主化」でもの創りの「知恵」を全社の共有知へ-TOTOが実践する「良品と均質」の新たな探求 (TOTO株式会社) 【チャレンジ】 天然原料を用いる衛生陶器の製造は、乾燥・焼成工程で約13%もの収縮を伴う。製品の大型化・複雑化が進むなか、いかに「均質」な高品質を維持し、熟練の匠による「暗黙知」を「形式知」化して次世代へ継承するか。100年を超える歴史を持つTOTO株式会社において、これは同社のもの創りの根幹をなす重要な課題であった。 【解決策】 先進的な滋賀工場の製造データに対し、JMPを用いた「探索的データ分析」を導入。衛生陶器工場初のバーコードシステム導入等により実現した高歩留まりを深化させ、グラフビルダーによる視覚的検証や、パーティション、クラスター分析等を駆使して「良品条件」を数値化し、直行率や歩留まりの向上を実現した。また、2年間にわたる「社内留学制度」の基礎教育にJMPを採用。全社的なデータサイエンススキルの底上げを図った。 【結果】 下記ページからご確認ください！ https://www.jmp.com/ja/customer-stories/toto
カタログ（1）
カタログをまとめてダウンロード
企業情報
JMPの歴史は、John Sallが統計分析機能とグラフィカルな可視化機能を組み合わせて、データをアニメーション化し、可視化しようと思い立った1989年に遡ります。35年以上にわたり、John SallはJMPの研究開発を主導し、JMPの各バージョンを、より視覚的に、よりインタラクティブに、より実用的にして、ユーザーがデータを理解することを支援してきました。情熱のプロジェクトとして始まったこの取り組みは、飛躍的な発展を遂げました。現在では、科学者やエンジニア向けに設計された統計ソフトウェア製品群に成長し、世界中のほぼすべての業界で使用されています。
