ラテン方格の外側に機能を調整できる因子の機能に対する相関係数を割付けて実験計画法を行うと、その相関係数を大きくできる因子を見つけることができる。当方は新入社員時代にこの方法を考案している。
すなわち、ここで機能を調整できる因子とは、ＴＭでいうところの基本機能の制御因子の一つである。TMでは、制御因子を見出した後、制御因子の中でSN比に影響を与えない因子を調整因子と呼んでいる。
また、TMで基本機能の感度やSN比を求めるために外側へ配置するのは、信号因子である。この信号因子を変化させて計算されるＳＮ比を外側に割り付ける。そして、ＳＮ比を向上できる制御因子を見出し、調整因子で感度をあげるのが、ＴＭでおなじみの二段階の実験法である。
実験計画法においてラテン方格の外側に測定の生データを割り付けて分散分析を行うと、誤差が小さくても最適条件を見出せないことがあったが、外側に相関係数を割り付けた実験計画法を行うようになってから、面白いように最適条件が当たるようになった。
また、このような実験を行うようになって、日科技連で指導された因子の見方以外に、誤差因子を意識するようになった。
ＴＭではラテン方格の内側に割り付けるのは、制御因子だけだが、実験計画法では制御因子かどうか分からないものまで割り付けることがあった。
これは実験計画法を経験されている方ならばご理解いただけると思う。制御因子かどうか考えずにうっかりと誤差因子を割り付けて誤差因子が有意となるような笑えない結果が出たこともあった。
これは、実験における因子にどのような種類があるのか考えていないためにおこる。科学で仮説を立てるときにこのようなことは特に意識しないのでＴＭの視点では科学の実験姿勢に問題があることになる。
しかし、改善したい機能の相関係数をラテン方格の外側に割り付けるようになって、最適化するためには、それができる制御因子とその水準を知りたいと自然に考えるようになり、その結果誤差因子を意識するように変わった。
カテゴリー : 未分類
pagetop
元ＮECトップ技術者により、表題の原因について語られた記事がニュースとなっていた。大きなきっかけとして１９８６年に締結された日米半導体協定があげられていた。
その結果、やらなくてもよい無駄な仕事が日本政府から現場技術者へ求められたという。それ以外にもいろいろ婉曲に書かれていたが、ようするに身内が技術者の足を引っ張たのである。
これは、日本企業ではよくあることで、イノベーションが社内から起きると、周囲がその足を引っ張るのである。足を引っ張るだけでなく、当方は、一人で担当するようになってからFDを壊される以外に電気炉も廃棄されるなどあからさまな業務妨害を受け仕事の推進そのものが難しくなっていた。
NECの元トップ技術者は、当方のように明確には書いていないが、裏を考察すればその置かれた状況の苦悩の本音が透けて見えてくるのだ。
ソニーのような、やや日本企業の風土とは異なる企業では、NECなど凋落ブームとなっていっても、独自の半導体技術を育てイメージセンサーでは世界のトップレベルを維持している。
ゆえにすべての半導体メーカーがダメになったわけでなく、日本企業的体質の企業がダメになった、という見方が正しいのかもしれない。
NECトップ技術者による反省の弁からは、日本特有のイノベーションを嫌う風土を変えない限り、半導体産業の復活は無い、と読み取れる。
新入社員の社長講話では、火中の栗を拾えるような社員になれ、といいながら、それを実践しても火中の栗を拾って成果を出している社員が、火だるまとなるように周囲から油をかけられても、それを見捨てるような経営を行っていては、新事業など育たない。
ましてや犯罪と呼べるような行為があってもそれを隠蔽化する体質では、誠実真摯の技術者はそのような企業や国を見捨てるだろう。グローバルな時代において技術の流出を嘆くよりも問題のある日本的な体質を改善しなければいけない。
カテゴリー : 一般
pagetop
タグチメソッド（TM）＝品質工学として根づくのに２０年以上かかっている。日本で普及が始まって以来３０年以上経ち、データサイエンスとしても注目されるようになった。
・
当方はTMが知られるよりも前に、ゴム会社の研究所で実験計画法をバカにされながらも使い続けた。ゴム会社では、日本科学技術連盟のBASICコースを修了することが技術系社員に求められていたが、研究所で必須となったのは当方の世代からだった。
・
そのため、先輩社員や上司の理解が得られないまま、統計手法を職場で用いることになった。研究所では科学が唯一の哲学であり、仮説設定して実験を行えば検定など必要ない、という猛者までいた。
・
統計科学の観点では、仮説の検証には検定が必要だと述べても頭ごなしに否定されている。困ったのは、実験計画法により実験を行っても有意となる因子が見つからなかった時である。
・
科学の形式知から有意となるべき因子でも誤差分散が大きいと有意とならないのは、統計をご存知の方ならばすぐに理解していただけると思う。
・
ゆえに明らかに有意となるべき因子が見つからない結果がでると上司も含め研究所内で大笑いの語り草となった。それでも実験計画法にこだわった。
・
ある日、開発とは機能を向上するために行う行為なので、機能を向上できる科学の形式知から自明の因子をラテン方格の外側に配置する方法を思いついた。
・
こうすることで分散分析の対象から外すことができると考えた。今ならば外側に配置した因子についても分散分析を行うことを考えるが、当時はそこまで思いが至らなかった。
・
その結果、タグチメソッドの感度重視の実験にほとんど似た方法で実験計画法を行うことができた。ただし、当方は外側に割付た因子で分散分析を行いたくなかったので、外側には誤差因子を割り付けていない。
カテゴリー : 一般
pagetop
タグチメソッド（TM）が日本で普及し始めてから30年以上経った。この間、マハラノビスのTMも含め各種応用分野が広がった。
TMの普及で大きく変わったのは、データ中心に実験が組まれるようになったことだろう。科学の実験では、仮説の検証に過ぎないがＴＭではデータを基に様々な解析を行い、最適条件を見出してゆく。
まだＴＭなど使ったことが無い人は、とりあえずラテン方格を用いる方法から始めるとよい。教条主義的指導者の指導でなければ1時間程度で理解できるようになる。
ＴＭの普及が始まった1990年ごろ説明を聞いてもＴＭがよくわからない、という人が多かった。品質工学とは何ぞや、と言う哲学めいた話が指導の中心にあったからだ。
当方は統計学における実験計画法に気づき、相関係数を割り付けて実験計画法を活用していたので、タグチメソッドについて、故田口先生から初めて伺った１９９２年の１時間の講演ですぐに理解できた。
タグチメソッドには品質工学の側面と技術開発手法という側面の二面あり、技術開発手法としてとらえると簡単に理解できる。
当方のナノポリスにおける実績においてすべてタグチメソッドを用いているが、現場の技術者は１時間ほどの指導で簡単に理解している。品質工学云々はとりあえず忘れ、目の前の問題をＴＭで解くことから始めたい。
この時、よく用いられるＬ１８で実験を行う手順について難しい哲学を考えなければ、単なる計算処理で済ませることができる。このようなメソッドはまず使いながら覚えてゆく、と言うことが大切だ。
要因効果図を基に最適条件を求めてゆくだけなので、誰でも機械的に実験を進めることができ、最適条件を見出すために個人差が出ない。ラテン方格を使い実験計画を立て、最適条件を求めて調整因子で感度調整を行いロバストの高い機能を設計することがＴＭで簡単にできる。詳しくは弊社のセミナーにご参加ください。
カテゴリー : 一般
pagetop
小学校でもプログラミング教育が始まった。なぜプログラミング教育の導入が遅れたかは、日本の教育界を見てきて十分に理解できている。多くの人も現在の教育界に不満を持っているのではないか。
学校の先生があてにならないのなら、親がしっかりしなければいけない。Pythonでも身に着けようという気持ちになっていただきたい。プログラミング環境はパソコンさえあれば無料で手に入る。
また、無料のPython教室も検索すればいくつか見つかる。弊社のセミナーは有料だが、パーコレーションとかタグチメソッドなど実務に必要な知識をプログラミングにより獲得できるように工夫している。
無料のPython教室と異なるのは、実務で使用できるプログラムを受講者に配布している点である。当方の独力でプログラミングを勉強した経験から講義内容を工夫している。
実はプログラミングを学ぶとは、あるいはプログラミング能力を身に着けるという意味は、従来の科学的思考とは異なる思考方法を身に着けることと同義と考えている。
ゆえにセミナーでは問題解決のパラダイムも一緒に講義している。プログラミング能力とは、科学的思考方法とは異なる思考方法ができるようになる能力のことだと思っている。
カテゴリー : 一般
pagetop
単身赴任していたころ、すなわち今から１０年以上前Pythonのブームがあった。まだ、ｖｅｒ２の時代である。当方はＣ＃を使っていたのでＰｙｔｈｏｎがどのようなものか、試してみるだけだった。
文法書を購入し読んでみたが、オブジェクト指向言語として完成したＣ＃に比較し、どちらかと言えばＣ＋＋に近く、さらにＣ＋＋よりも手続き型言語の特徴を残した、オブジェクト指向の言語として中途半端な印象を受けた。
Ｐｙｔｈｏｎがスクリプト言語に分類されたりする理由でもあるが、オブジェクト指向としてはC#よりも使いにくくても一応オブジェクト指向の３つの仕掛けを実装していた。
そして、この３つの仕掛けを備えていたので、Pythonのライブラリーが多数開発されるようになった。すなわち、ver2あたりからPythonは急速に普及していったのである。
ネット上には多数の情報が公開され、その教育プログラムまで無料公開されるようになった。さらにGAFAの標準言語に採用されたとの情報は、さらにPythonの普及を加速させて最近のブームがある。
ｖｅｒ３．となってさらに使いやすくなった。当方も数年前そのライブラリーの豊富さからPythonを使い始めた。今ではC#をわざわざ立ち上げることも無くなった。
Pythonのエディターを立ち上げておくと、エクセルを使うことも無くなった。これまで電卓代わりにエクセルを立ち上げていたのだが、今は電卓代わりにPythonである。
Pythonの便利さは、BASICよりも手軽でズボラなプログラムを書けるところである。まさにスクリプト言語の簡便さが電卓代わりとなっているのだが、それだけならばエクセルでも十分で、エクセルならばVBを使うこともできて、とPythonより便利そうである。
しかし、当方はエクセルでVBを使うぐらいならばC#を使っていた。このような人は多いのではないか。VBにできることはC#で十分にできて、C#ならばVBよりも洗練されたオブジェクト指向であり、一応きれいなコードを書けた。
すこし不格好なオブジェクト指向が実装されたPythonがここまで普及した背景は、無料ライブラリーが豊富に公開されたことだろう。これが無ければ当方もPythonを使う気にはなれなかった。
オブジェクト指向の実装は、無料ライブラリーを部品のように使え、スクリプト言語として簡易記述により、難解な処理のプログラムを実現できる。これがPython普及に大きく貢献した原因だろう。
カテゴリー : 一般
pagetop
半導体治工具用に高純度SiC成形体(高純度SiC１００％の成形体)を世界で初めて市場に提供したのは住友金属工業である。この事業はブリヂストンとのJVとして１９９０年に始められた。共同出願特許も出されている。
住友金属工業から提案が無ければ、ブリヂストンでこの事業は始まらなかった。彼らは反応焼結により高純度SiC成形体を製造することを提案してきた。当時ブリヂストンは、ホットプレス焼結技術と常圧焼結技術によりパイロットプラントで成形体開発を行っていた。
高純度SiC成形体のこれらの技術は、無機材質研究所との共同研究として進められ報告書も当時発行されている。無機材質研究所では、当方が留学中にすでにカーボンだけ添加したホットプレス焼結に成功していた。
また、プロチャスカの配合系よりもホウ素の添加量が少ない常圧焼結にも成功していた。これらは無機材研の二人の先生によるご指導による。当方含め３名の連名による発明者として無機材研から特許も出願されている。
あれから４０年近く経ったが、高純度SiC成形体を製造する技術は、ホットプレスか反応焼結、あるいはHIP（当方のアイデア段階）程度しかない。常圧で焼結体を製造したいならば反応焼結プロセスを選ぶことになる。
反応焼結プロセスについて、この仕事を離れてから眺めているが、さほどの進歩は無い。もし、コストを下げたいならば、アイデア段階であるが、面白い方法がある。ご興味のあるかたは問い合わせていただきたい。
カテゴリー : 未分類
pagetop
SiC（炭化ケイ素）の成形体を常圧焼結プロセスにより製造するためには、セラミックスフィーバーを引き起こしたプロチャスカの配合を用いる必要がある。
ゆえに高純度の常圧焼結体を製造することはできない。不純物として助剤が必ず０．２％以上含まれる。プロチャスカの配合ではホウ素を０．２％、カーボンを２％以上添加する必要がある。
この２種類の助剤にはそれぞれ役割があり、ホウ素だけを用いた場合には異常粒成長が起き、緻密化しない。カーボンだけでも、やはり緻密化しない。
ホウ素の役割として界面エネルギーを低下させて緻密化を促進することが知られているが、単独に使用しても緻密化が起きない。
また、カーボンだけならば２％の添加でも片目をつぶって高純度SiCと主張してもお客さんは許してくれそうだが、ホウ素はSiCの組成と異なるゆえに、その添加で高純度SiCと呼べなくなる。
カーボンが多少余分に入っていても高純度SiCとお客さんは呼んでくれるのかどうかについては、現実に高純度SiCヒーターや半導体製造プロセスで用いられているダミーウェハーの組成は、カーボンが余分に入った高純度SiCである。
カテゴリー : 一般 電気/電子材料
pagetop
故田口玄一先生の考案されたタグチメソッド（TM）は品質工学として常識となったが、これをカタカナで書くことになった背景をご存知ない方は多い。
当方は１９９２年に初めて田口先生のご講演を拝聴し、写真会社で導入が決まってから３年間田口先生から直接ご指導を頂いたが、TMをカタカナで書かなければいけない理由を田口先生からお伺いして思わず涙が出た。
聴く人により感想は異なると思われるが、少なくとも当方はそのご苦労を思い、涙が出たのである。日本で普及が始まってから３０年以上経ち、TMが技術開発ツールの常識になっても、まだうまく活用できない方は、３月から始まる弊社のセミナーを受講していただきたい。
やはりオブジェクト指向言語のスクリプトとして登場し３０年の歴史があるPythonを学びながら、タグチメソッドを習得できるプログラムを開発した。
詳細は間もなく公開するスケジュールを参考にしていただきたいが、まず動特性を用いる実験方法から解説する。この第一回のセミナーだけで全体を理解できる人もいるかもしれないが、このセミナーの特徴は実験データを処理するプログラムを配布する点にある。
すなわち、Pythonで作成されたプログラムを参加者に無料配布する。毎回配布されるプログラムを組み合わせれば、最終的にタグチメソッドのシステムが出来上がるように計画しているので、タグチメソッドを学びながらPythonの学習もできる一粒で二度おいしいグリコアーモンドキャラメルのようなセミナーである。
２兎を追うものは一兎も得ず、ということわざがあるが、本セミナーでは兎を追うようなことはしない。キャラメルを味わうようにTMは易しい、となめてかかっていただいて１テーマで二つの成果を狙う効率よくスキルを身に着けるセミナーだ。
セミナーの目的はTMを身に着けるところにあるので、「Pythonで学ぶ」としているが、Pythonを全く知らなくても初回はスクリプト言語としての文法を丁寧に説明するので大丈夫だ。ただし、Pythonの開発環境は弊社の補助資料あるいはネット情報をもとに受講者のパソコンに構築する必要がある。
Pythonの開発環境は無料で手に入るが、弊社のセミナーは平日３万円、休日１万円の受講料となっている。休日を１万円としたのは、個人で学ばれる方の便宜を配慮してのことである。
リスキリングの機会として利用していただいても結構である。また、企業で社員教育用に使用していただくことも可能で、その場合にはご希望に沿ったシラバスを企画し提出させていただきます。
ちなみに、第１回を受講していただければ、動特性を用いる典型的な実験計画L18を立案し解析できるレベルまで最低限到達する。受講者にはプログラムを配布するので、そのプログラムに実験計画とデータを追加すれば、ＳN比や分散分析結果が出てくる。
セミナーのまとめでは、第二回以降の予告を行い、そのプログラムの改造方法を説明するので理解の速い人であれば第一回だけで自由自在にTMを使いこなすレベルまで到達できるかもしれない。
カテゴリー : 一般
pagetop
ポリエチルシリケートとフェノール樹脂とのリアクティブブレンドで製造される高純度SiCの前駆体は、昨日のポリウレタンの合成と同様に、ゲル化速度の制御が重要である。
ゲル化が均一に進行すれば問題は起きないが、不均一に進行するとシリカのドメインが大きくなった部分ができ、シリカとカーボンを不均一に混合した状態と同様の前駆体となる。
その結果、SiC化の反応が不均一に進行し、固相だけでなく気相の反応も生じてウィスカーが生成しやすくなる。
また、ゲル化速度が遅いと相分離が起きたりする。攪拌に成功し、反応の均一な進行に成功しても透明なポリエチルシリケートとフェノール樹脂が混合した液体が得られることがある。
そのまま放置しておくと、やはりシリカのドメインが大きくなった前駆体となることから、この反応条件のリアクティブブレンドでもゲル化速度が分子状のシリカ分散に重要であることが見えてくる。
前駆体中のSiOC結合をNMRで探ったが、検出できるほどの濃度ではなかった。前駆体を炭化してからフッ酸で処理してシリカを除去した後電子顕微鏡観察すると、シリカ２層分の厚みの運河のような模様ができているので、ほぼ分子レベルで均一にSiC化の反応が進行する条件が存在すると思われる。
高純度SiC製造用に最適な前駆体の反応条件について、フェノール樹脂の廃棄作業を行いながら調べた体験を紹介している。
その時データサイエンスにより、均一で半透明なゲルを短時間で見出しているが、廃棄すべきフェノール樹脂の量が多く、結局夕方まで楽しみながら実験を行っている。この楽しさは人生最後まで忘れられないほどの思い出となった。
カテゴリー : 高分子
pagetop
