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…
害虫モニタリングの設置場所をデータで見直す方法|入口・換気口・圃場中央の比較 害虫モニタリングの設置場所を、捕獲データから見直す方法を解説します。入口・換気口・圃場中央の比較を例に、観測条件の整え方、偏りの切り分け、増やす・減らす・動かすの判断の考え方を整理します。
害虫カウント数だけで判断しない|時系列・地点差・生育段階で見る異常の捉え方 害虫の捕獲数だけで防除の要否を判断すると、回収間隔・地点差・気温・生育段階の違いを見落とす場合があります。発生密度と被害リスクを分けて捉え、判断ルールにつなげる方法を、Pythonの疑似データ例とあわ…
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…
社外データの活用で売上分析はどこまで変わる?気象・休日・イベント情報を統合して効果を検証する進め方 外部データ(気象・休日・イベント)を売上分析に組み合わせると何が変わるのかを、飲料売上の疑似データを例に解説します。仮説の立て方、粒度合わせ、時系列を考慮した検証、判断への反映と、効果が出ない場合の見…
炉内温度プロファイルをどう比較する?DTWで同じ設定でも異なる熱履歴を捉える【疑似データ事例】 同じ炉設定でも品質差が生じる工程を想定し、炉内温度プロファイルを昇温・保持・冷却の特徴量とDTWで比較。300バッチの人工データから、最高温度だけでは見えない熱履歴の違いと実務上の注意点を解説します。
サイクルタイム悪化をどう検知する?製品別基準と管理図による生産性監視【疑似データ事例】 製品ごとに異なるサイクルタイムを製品別基準で補正し、I管理図とEWMA管理図から徐々に進む工程の遅れを捉える方法を解説。1万サイクルの人工生産データで、製品ミックス変化と工程悪化の違いを検証します。
主軸負荷から加工異常をどう検知する?時系列特徴量+LightGBMによるケーススタディ 工作機械の主軸負荷波形を加工サイクルごとに特徴量化し、LightGBMで通常加工と要確認候補を分類。最大負荷だけの監視との違いやPrecision・Recall、実設備での運用上の注意点まで人工データ…
異常検知と故障診断は何が違う?AIでできること・できないことを設備保全の流れで解説 AIの異常スコアが上昇しても、故障原因まで分かるとは限りません。異常検知・切り分け・故障診断・根本原因分析の違いを整理し、振動周波数、温度、電流、保全履歴を使ったアラート後の確認方法を解説します。
センサーデータの時刻がずれると何が起きる?設備分析で重要なタイムスタンプ統一 PLC・IoTセンサー・保全履歴の時刻がずれると、故障前データの抽出や異常検知のラベル付けを誤る可能性があります。固定オフセット、クロックドリフト、通信遅延、UTC/JSTの違いを整理し、設備データの…