トレンド・トラップ株式会社：竹之内隆(明治大学MBA_グローバル・ビジネス研究科兼任講師)
プレゼン要旨について （1）注目されているChatGPTの現状と将来 （2）QCに始まりAIで再生するカイゼン 我が国、製造業のGDP比率も20％台に落ちて、すでにモノづくり大国とはいえません。ディープラーニング関連の特許数も中国、アメリカに差をつけられています
QC七つ道具は、品質管理の基礎となる7つのツール
以下は修正されたQC七つ道具とそれに類似する機能を持つ機械学習・AIモデルの表です。
| QC七つ道具 | QC七つ道具の狙い | 対応する機械学習/AIモデル | モデルの機能・狙い |
|---|---|---|---|
| チェックシート | データ収集 | 探索的データ解析Exploratory Data Analysis (EDA) | データを理解し、特性を把握 |
| パレート図 | 問題の優先順位 | 特徴量エンジニアリング | 特徴量の重要性を評価と変換 |
| 特性要因図 (Ishikawa図) | 原因の特定 | 因果推論 (Causal Inference), Structural Causal Models, Do-Calculus | 複数の要因と結果の関係を解明 |
| 一対比較 | 優先順位や重要性の決定 | A/B Testing, Multi-Armed Bandit | 複数の選択肢から最適なものを選ぶ |
| ヒストグラム | データ分布 | Gaussian Mixture Model, Kernel Density Estimation | データの分布を推定 |
| 管理図 (コントロールチャート) | プロセスの安定性 | 数理最適化, Time Series Analysis, Anomaly Detection | 時系列データでの異常検知、リソースの最適配分 |
| 散布図 | 変数間の関係 | Linear Regression, Correlation Matrix | 二つ以上の変数間の相関を分析 |
ML7：Machine Learning七つ道具
QC七つ道具との対応がより明確になると考えます。
| ツール名 | 1. 活用目的 | 2. 分析手段・方法 | 3. 統計学の背景 |
|---|---|---|---|
| ヒストグラム | データの分布を可視化 | データをビンに分類してグラフ化 | 度数分布、正規分布 |
| パレート図 | 問題の優先順位を決定 | 各項目の頻度や影響度を降順にグラフ化 | 80-20の法則、頻度分布 |
| 魚の骨ダイアグラム（Ishikawa図） | 原因の特定 | 問題に対する可能な原因をカテゴリー別に整理 | カテゴリー分析 |
| チェックシート | データ収集 | 特定のテンプレートに基づいてデータを記録 | データ収集、基本統計 |
| 散布図 | 変数間の関係を確認 | 2つの変数をx軸とy軸にプロット | 相関関係、回帰分析 |
| コントロールチャート | プロセスの安定性をモニター | 時系列データを用いてプロセスの変動を観察 | 標準偏差、平均、上限・下限コントロールライン |
| ストラトグラフ（層別図） | データの層別化解析 | データを異なる層（カテゴリー）で分析 | 層別解析、ANOVA（分散分析） |