ケミカルトナー製造プラントでは，収集されるプロセスデータを活用し，機械学習を用いた品質自動制御を実施している．精度の高い機械学習モデルを構築する際に，入力変数と出力変数を対とする多くのデータを必要とするが，トナー製造プラントでは，毎日1ロットという生産量であるため，長期間データを収集しなければならない．一方，製造現場ではしばしば工法や材料の改良が行われており，データの再収集と予測モデルの再構築の間は，手動操作による多大な工数が必要となる．そのため，少数ロットのデータを用いて精度の高い予測モデルを構築することが求められている．本稿では工法の改良後の少量データと改良前のデータに対して転移学習を活用した品質予測手法について提案する．提案手法では，簡単な特徴空間の拡張で実装が可能なFrustratingly Easy Domain Adaptionを転移学習に用い，予測手法にはガウス過程回帰（GPR）とバギングを組み合わせる手法を用いた．提案手法をトナー製造プラントに活用した結果，品質管理者の工数75％低減を達成した．
