数理最適化・統計モデリング | SCI総合研究所株式会社

ホーム
数理最適化・統計モデリング

気温・湿度データは害虫発生予測に使えるか。コナジラミを例に、積算温度とラグで評価する方法

気温・湿度データは害虫発生予測に使えるか。コナジラミを例に、積算温度とラグで評価する方法

気温・湿度と害虫の相関が弱いと、環境データは使えないのでしょうか。非線形性、時間遅れ、積算効果を踏まえ、有効積算温度やラグ特徴量への加工と、ベースライン比較による評価手順を、コナジラミの疑似データ例で…

需要予測の先は数理最適化か？予測との違いと進むべき企業の特徴

需要予測の先は数理最適化か？予測との違いと進むべき企業の特徴

需要予測の値を出しても生産配分・在庫配置・配送計画の判断が属人化する企業向けに、予測と最適化（処方的分析）の違い、数理最適化に進むべき企業のチェックリスト、制約条件と目的関数の整理方法を、疑似データの…

相関と因果の違いとは?施策効果を正しく検証する方法(交絡・A/Bテスト・前後比較)

相関と因果の違いとは?施策効果を正しく検証する方法(交絡・A/Bテスト・前後比較)

相関と因果の違いを、アプリ導入と来店頻度の架空例で解説します。交絡要因・逆因果の考え方、A/Bテストや前後比較などの検証方法の使い分け、施策判断前のチェックリストまで整理します。

顧客離反の兆候は見つけられる？RFMと問い合わせ履歴から離反リスクを分析【疑似データ事例】

顧客離反の兆候は見つけられる？RFMと問い合わせ履歴から離反リスクを分析【疑似データ事例】

売上が落ちてから顧客離反に気付く課題を想定し、3,000件の人工顧客データからRFM、購買頻度の変化、問い合わせ履歴を分析。ロジスティック回帰で離反リスクを推定し、営業・カスタマーサクセスが優先的に確…

値引きは本当に受注につながる？値引率・受注率・粗利の関係を分析【疑似データ事例】

値引きは本当に受注につながる？値引率・受注率・粗利の関係を分析【疑似データ事例】

BtoB営業の値引きは本当に受注につながっているのでしょうか。2,000件の人工商談から値引率・受注率・粗利を分析し、ロジスティック回帰と期待粗利シミュレーションを用いて、値引き判断をデータで整理する…

見積工数と実績工数はなぜズレる？部署・案件属性別に見積精度を分析【疑似データ事例】

見積工数と実績工数はなぜズレる？部署・案件属性別に見積精度を分析【疑似データ事例】

見積工数と実績工数のズレを、500件の人工案件データから分析。MAE、誤差率、箱ひげ図を用いて部署・案件種別・案件規模ごとの差を可視化し、担当者依存になりやすい見積業務を改善するための考え方を解説しま…

赤字案件は事前に予測できる？見積金額・工期・人数から採算リスクを判定【疑似データ事例】

赤字案件は事前に予測できる？見積金額・工期・人数から採算リスクを判定【疑似データ事例】

受注時には黒字を想定していた案件が、工数・原価超過で赤字化するケースを想定。500件の人工案件データから、見積金額・工数・工期・体制等を使って赤字リスクを分類し、PR-AUC、Recall、特徴量重要…

工具交換はいつが適切？加工回数・負荷・品質から工具寿命を予測する【疑似データ事例】

工具交換はいつが適切？加工回数・負荷・品質から工具寿命を予測する【疑似データ事例】

切削工具を一定回数で交換していませんか。80本の人工工具寿命データを使い、加工回数・主軸負荷・品質情報から残存加工回数を推定。予測誤差や工具単位での評価、実設備への適用時の注意点まで解説します。

コンプレッサーの異常運転をどう見つける？PCA＋Mahalanobis距離による多変量異常検知【疑似データ事例】

コンプレッサーの異常運転をどう見つける？PCA＋Mahalanobis距離による多変量異常検知【疑似データ事例】

コンプレッサーの圧力・電力・流量・温度を組み合わせ、PCAとMahalanobis距離で通常運転からのズレを確認する方法を解説。単純な上下限監視では見えにくい状態変化を人工データで検証します。

需要予測は「精度が高いほど良い」のか？RMSEだけでは見えない欠品・在庫コストの評価方法

需要予測は「精度が高いほど良い」のか？RMSEだけでは見えない欠品・在庫コストの評価方法

RMSEが低い需要予測モデルなら業務でも最適とは限りません。繁忙期の大外れ、過小・過大予測、欠品、在庫保有費、Service Levelまで含めて需要予測を評価する方法を解説します。