大阪大学インドネシア語学科の入試倍率は、１．０倍だったそうだ。すなわち、旧７帝大であっても無競争で入学できたのである。
最近は、日本の大学の国際ランキングが低いために出身大学にこだわらない若者が増えているそうだが、昔は旧７帝大卒と言えば就職にも結婚にも有利に働いた。
名古屋で名古屋大学学生であれば家庭教師のアルバイトの口が必ずあった。当方は３人ほど受け持っていたので、大卒初任給よりも高い月額収入があった。
少子化で近未来には大学全入時代が来ると言われて久しいが、もうそのような時代になったのだろう。３０年以上前まで浪人は恥ずかしいことではなかった。また、長い人生を考慮すれば１浪２浪など問題ではない。
当方のゴム会社における上司は４浪していた。高校の同級生が卒業するまで待っていた、と上司から言われても部下として笑えない冗談だった。ところが最近４浪以上を売り物にしている女子アナの話題を見つけて感心した。
たしかに人生１００年時代に１割の浪人生活をしても悔やむ必要など無いのだろう。しかし、大学全入時代となると考え方を変えなければいけない。大学を早く卒業してやりたい職業を可能な限り早くスタートすることが重要になってくる。
そうすると、専門など考えずに入学できる大学にとりあえず入学し、高度な学問の勉強を早く始めることが重要になってくる。当方は理系においても大学の専門を気にしなくても良いのではないかと思っている。
ちなみに当方は大学４年の時の卒論はシクラメンの香りの全合成であり、これはショートコミュニケーションとしてアメリカ化学会誌に掲載されている。しかし、大学院はSiCウィスカーの研究室に進学し、就職はゴム会社である。
大学の勉強は高校と異なり、無限の範囲が対象となる。当方は４年間に必要単位数の２倍弱取得して卒業しているが、その経験からまず大学に入ればどこでもよくて、勉強する意欲が一番大事だと自信を持って若い人にアドバイスしたい。
カテゴリー : 一般
pagetop
品質管理は技術であって、科学として捉えると失敗する。すなわち、科学的に起こりえない、として事象を捉えてはいけない。人間は予期せぬミスをするものである。そうしたミスの検出も考えてFMEAを実施し、品質管理基準を考えることが大切である。
弊社ではこのような考え方で、品質管理のご指導をさせていただいている。詳細はノウハウとなるのでここで述べないが、ゴムやプラスチックのトラブル対策として書籍にまとめる予定をしている。
さて、小林製薬の紅麹で一番の問題は、薬でありながら薬の成分以外の物質が含まれていてもそれを工程で検出できていなかった点にある。
ゴムやプラスチック製品の外観不良の検出ミスと同等のミスであり、発生した時に即座に対応できなければいけない。しかし、2カ月以上かかっている点がお粗末である。
社長は、因果関係の重要性を説明していたが、量産時に不要の成分が見つかったなら、因果関係を考える前に、まず、生産を止めてトラブルを解消しなければいけない。
量産時に未知の成分が見つかっても、それは何も影響ないから生産を続行、という考え方では、品質管理として誤っている。すなわち品質管理体制に問題があったと思われる。
今回は、ニュースで報じられている事実から工程が管理状態にあれば検出できたはずである。また、口に入れる製品なので、異物は厳禁であるはずだ。
製品不良の中には、工程の品質管理で検出できない事象もある。そのときは、市場でクレームとして発生した時にどこまで迅速に対応できるかどうかが問われる。
そのために量産前に試作が行われ、徹底的に故障解析を行う。その時ワイブル統計が用いられるが、ワイブル統計同様に重要なのは、FMEAの見直しである。
そして重大故障についてすべて検出可能かどうかは量産に移行する前に検討する。小林製薬は品質管理体制の見直しが求められるが、同様の問題を抱えている企業はご相談ください。
カテゴリー : 一般
pagetop
小林製薬のサプリメントからプベルル酸が検出されたという。これは青カビの成分であり、紅麹の製造工程で青カビが混入したのだろうか。
ここで不思議に思うのは、事件が起きてから本日の発表まで時間がかかりすぎている点である。生産工程で異常を検出できていなかったのだろうか。
４０年以上前、新入社員研修で検査工程を担当したときに職長から品質管理の重要性を学んだ。その時に、現場で異常が発生するや否や検出できるかどうかが大切で検査工程は最後の砦、と習った。
加硫ゴムの内部不良の多くは、最後の検査工程で発見できないため原材料段階から製品に至るまで各工程で品質管理体制が敷かれているという。
そして、どこかで異常が検出されたなら、すぐに全ラインを止める仕組みだと習った。社是「最高の品質で社会に貢献」は伊達ではない。
製薬会社の製品ならば、不純物が混入した時に、出荷前に検出できることが常識と思っていたが、健康被害が起きるほど混入していても異常として扱われていない事実や、ニュースで報じられたように異常を医師から指摘されて２か月以上分析に時間がかかっていることにびっくりしている。
因果関係等は不明と報じられているが、当方がここでとりあげたい問題はそこではない。プベルル酸ならば、同定まで行わなくても工程ごとに簡単な成分分析(注)を行っておれば異常を検出できたはずである。
また、健康被害が起きるほどのプベルル酸を生成する青カビの量ならば、目視でも検出できたはずである。
タイヤの品質管理体制よりもお粗末な品質管理を行っていたのだろうか。製薬会社の品質管理は、皆小林製薬のような杜撰な体制で行われているのだろうか。もし、品質管理に自信の無い製薬会社は弊社へご相談ください。ご指導いたします。
（注）例えばクロマトグラフィーの手法では、同定が難しくても、成分の異常を検出可能である。カビの混入は科学的に考えられなくてもFMEAに記載すべき項目である。このあたりの考え方が、企業の品質管理技術のレベルを決める。少なくとも今回の事件は中レベル以上の技術があれば防げたはずである。
カテゴリー : 一般
pagetop
第３次ＡＩブームでデータサイエンスにより技術開発を行う企業が増えてきた。当方はゴム会社に入社以来半世紀近くデータサイエンスを技術開発に応用し迅速な技術開発を実践してきて、反感を買い転職している。
科学では否定された電気粘性流体の耐久性問題をデータサイエンスで解決したところ、FDを壊されるなどとんでもない妨害を受け、それを研究所リーダーが隠蔽化するというので、やむなく転職した。
当時は、データサイエンスを用いた問題解決法は、新QC７つ道具には採用されていたが、研究者の間では非科学的とされた。すなわち、今材料開発で普及してきたマテリアルズ・インフォマティクスは非科学的な手法なのだ。
アカデミアではこの手法によるデータマイニングを正当化するために新帰納法などとごまかしている輩もいる。少なくとも１９９０年ごろまで科学と見なされていなかったことをあたかも科学のように装っているのが今のマテリアルズ・インフォマティクスである。
弊社ではデータサイエンスによる問題解決法を科学的方法などと偽って指導していない。むしろ非科学的手法ゆえにトランスサイエンス時代の問題解決法として推奨されるとしている。
すなわち、電気粘性流体の耐久性問題のように科学で解けない問題において威力を発揮する。トランスサイエンスをデータサイエンスで解いて答えを得た後、その答えについて科学的な理論を導けばそれは立派な科学の成果となる。
２１世紀初めにそのような手法でノーベル賞も生まれている。詳細については弊社に問い合わせていただきたい。弊社ではタグチメソッドをはじめマテリアルズ・インフォマティクスについて半世紀近くの経験知をもとにご指導いたします。
カテゴリー : 一般
pagetop
ソフトウェアーにおいて最も大きなイノベーションはオブジェクト指向ではないかと思う。今のAIは映画「マトリックス」で描かれた世界に、まだ追いついていないオブジェクト指向の成果である。
ゆえに、自分で創造的な思考をすることができない。あくまで人間が考えたアルゴリズムと人間が与えたデータで学習した範囲で答えを出す。
ChatGPTとアイデアの知恵比べをしてみても当方の方が勝つ。当方の強みについてAIが勝てないのは、AIは当たり前の解答しか出せないからである。また、当方もそれを知っての質問を行うので、当方が勝てるのだ。
だからあまり自慢するのは大人げないのだが、このような遊びをしていると、ソフトウェアー工学にはまだ伸びしろが存在し、将来の進歩した技術に夢を描くことができる。
こうした夢を描くのは楽しい。また、夢の実現には程遠いが、Pythonのような言語を無料で使用できるのもソフトウェアー工学の進歩として捉えることができる。昔、Cの処理系は２０万円以上した。
周辺ライブラリーは２－３万円から２０万円まであり、不自由しない環境に仕上げると１００万円程度かかった。今はこれがタダなのだ。ものすごい時代になったと痛感する。
大画面の液晶TVが１００万円近くした時代から、家電量販店の目玉として一桁で投げ売りされていた光景を見たときには驚いたが、それでも価格がついていた。Pythonには価格が無いのである。
Pythonを学びたい方は弊社へお問い合わせください。少し文法の説明も入ったインストール用の資料を無料で差し上げます。
カテゴリー : 一般
pagetop
昨日の技術情報協会のセミナーを受講できなかった方は、弊社へご相談ください。ゴム・プラスチックのトラブルで悩まれている方は、是非お問い合わせいただきたい。
このようなトラブル防止には、ロバストの高い材料開発が必要になる。すなわち、マテリアルズ・インフォマティクスでそれを効率化すると良いのだが、どのように行えばよいのか。
データサイエンスを技術開発に適用しようとする時に、まず行わなければいけないのは、どのようなデータを用いるのか、という作業である。
機械学習を行う時にも、ただそのアルゴリズムを考えるだけではだめで、どのようなデータをどのような形で学習させるかが重要である。すなわち、データの前処理である。
タグチメソッドにおけるこの作業は、基本機能に関わる因子を整理することにより実現される。すなわち、制御因子と誤差因子、信号因子に振り分ける作業でデータの前処理が行われる。
各因子の組み合わせでデータを採取してゆくわけだが、この因子の振り分け作業により、採取されるデータが左右されるので基本機能の取り扱いが重要となってくる。
ただし、基本機能を正しく設定し、基本機能に関わる因子について整理する作業は、それほど難しい作業ではなく、機械学習においてデータ処理をうまく行わず奇妙な結果が得られて悩むことを考えれば、タグチメソッドは、データサイエンスの手法としてよく考えられたメソッドと言える。
カテゴリー : 一般
pagetop
マテリアルズ・インフォマティクスとは何か。機械学習やデータマイニングなどの情報科学の技術を用いて、材料開発の効率化を図る分野や技術のこと、と説明される。
ここで問題となるのは、機械学習の意味である。理由は機械学習の中に統計手法や多変量解析なども含める、というのが今の考え方である。そしてAIのような手法は深層学習としてカテゴライズされる。
もっと素直にあるいは平易にデータサイエンスで研究開発の効率化を図る分野や技術ではいけないのだろうか。この説明を否定する意見は無い、と思っているが、わざわざ機械学習として言いたい背景に先端の香りを載せたい、という魂胆が見え隠れする。
第一次AIブームが終わりかけた頃に日本で情報工学科設立ブームが起きている。その時、情報工学の目的としてデータサイエンスがあった。統計手法が大型コンピューターの利用により発展し、多変量解析という手法が普及した。
ゴム会社に入社した時の同期に情報工学科出身の優秀な新入社員がいて、情報工学について熱く語ってくれた。そのおかげで学ぶつもりの無かった情報工学を趣味として勉強し始めた。
この趣味を加速したのは、彼と同じグループで新入社員の研修を１か月半行ったことと、配属先の上司が８０万円のローンを部下である当方に課してパソコンの購入をせまった出来事がある。今ならパワハラによる犯罪だ。
この辺りは、過去にこの欄で書いているので探して読んでいただきたいが、大卒の初任給１０万円の時代に８０万円のローンは大変だった。ゆえに、必死でデータサイエンスを勉強し、日々の材料開発にデータサイエンスを使うようになった。
すなわち、脅迫的な８０万円のローンにより、マテリアルズ・インフォマティクスを４０年以上前から趣味としてやらざるをえなくなったのである。今から思えばすごい上司とのめぐり逢いかもしれない。
ところが、当時のゴム会社の研究所では、マテリアルズ・インフォマティクスを科学として認めていなかった。人事部は年間１人５０万円かけて、新入社員に基礎統計の研修（日科技連主催）を課していたが、研究所ではこれを形骸化していた。
もし基礎研究所が積極的に取り組んでいたら５０年前からマテリアルズ・インフォマティクスが発展していたかもしれないが、基礎研究所ではこの手法を非科学的として、嫌っていただけでなく積極的に業務に取り入れようと努力する社員を迫害していた。当方は会議前になるとFDまで壊され妨害されたのである。
・
今は良い時代になった。非科学的なマテリアルズ・インフォマティクスを日本のアカデミアが率先して研究に取り入れ、某コンサル企業は、１００社以上指導したという。
・
いくらで請け負って指導されたか知らないが、弊社ならば各企業の風土やご予算に応じご指導いたします。また高額なソフトの導入ではなく、無料のPythonの導入をご指導いたします。
・
安い！分かり易い！マテリアルズ・インフォマティクスにご興味がございましたらお問い合わせください。導入におけるマネジメント方法からご指導いたします。
カテゴリー : 一般 高分子
pagetop
入江選手は残念ながら派遣標準記録に達せず、オリンピック内定とならなかった。池江選手は５０ｍの代表切符を逃がし涙しながら「高校生の時は寝たら回復したけど、寝たら体が重くなる感じ」と体の変化を痛感したという。
大橋選手も瀬戸選手も得意の４００ｍメドレーで失速し、２００ｍでかろうじて代表切符を手に入れた。鈴木聡美選手は３３歳という高齢で代表切符を２枚奪取している。
スポーツは才能と肉体の両者がうまく調和した時に最高の結果が得られる。水泳というスポーツならばさらに努力がその結果を左右すると言っても誰も否定しないだろう。
陸上で生活するように進化した人間が水の中で能力を発揮するためには、水の中での動きの工夫が必要である。陸上競技との大きな違いがここにある。だからと言って陸上に努力が不要とは言っていない。
１００ｍを９秒台で走るためには、才能と肉体だけではだめなことは人生を通じて１０秒台さえ出したことが無いのでよくわかる。
しかし、水の中では浮くことだけでも精一杯であることは、水の事故が多いことから知ることができる。陸上の交通事故の多さと比較しても意味が無い。水の中では人間の能力発揮に努力が必ず必要と捉えるべきだろう。
このように考えてくると、５０ｍ終了後の池江選手の涙は複雑であることが伝わってくる。凡人にそれが理解できるとは思わないが、瀬戸選手の笑顔より複雑であることが伝わってくる。
入江選手の笑顔には、どことなく悲しさがあった。大橋選手はわかりやすい笑顔だった。スポーツ観戦は生に限る。芸術同様に様々な感動を与えてくれる。
カテゴリー : 一般
pagetop
科学的に証明されたホウ酸エステルとリン酸エステル併用系の技術について、データサイエンスを用いホウ素とリンの難燃化寄与率を４０年以上前に求めている。
すなわち、マテリアルズインフォマティクスを４０年以上前から実施していました、という内容が３月２０日の発表です。これだけではつまらないので、今流行の深層学習の手法で解いた結果も加えました。
機械学習を研究対象にされている方の感情を逆なでするような発表になっては申し訳ないので、ここにタグチメソッドの結果も加え、３種類のデータサイエンスの手法の比較、という内容でまとめている。
３０年以上前に転職した時の学びを活かして発表しましたところ、座長がツボをついた質問をしてくださった。樹脂補強ゴムの開発ではどのようにデータサイエンスを活用したのか、という、待ってましたと言いたくなる良い質問です。
データサイエンスを科学の研究に導入するときに注意しなければいけないのは、味噌糞一緒にデータを処理してはいけない、という点である。すなわち、データマイニングにより得たい知の目標に応じてデータを前処理する必要がある。
昔は、データベースなどという言葉でデータをひとくくりとしていたのですが、今はデータウェアハウスという呼び方になっているのはこのためだ。
すなわち、発表では詳しく説明できなかった、データサイエンスを研究開発で活用するときの大切なノウハウの部分を丁寧に回答しました。
４０年以上前からデータサイエンスを活用していました、と自慢しているような回答となりましたが、発表を盛り上げていただき座長をやられていた斎藤先生に感謝しております。
カテゴリー : 一般 高分子
pagetop
この１０年、マテリアルズインフォマティクスの講演が多くなってきたが、中には学会で発表するには疑問のある内容を見かけるようになった。
そもそも、データサイエンスを科学の研究の場に導入する意味を正しく理解していないと思われる研究者も増えてきた。
まず明確にしておきたいが、イムレラカトシュが指摘しているように、科学の方法として完璧な方法は否定証明である、ということを充分に理解していただきたい。
当方は、「電気粘性流体の耐久性問題を界面活性剤で解くことができない」という否定証明された現象について、データサイエンスを用いて一晩で「耐久性のある電気粘性流体を界面活性剤の添加で実用化レベルまで仕上げた。」
その結果、非科学的方法で事業を立ち上げようとしたとして、ゴム会社の研究所で袋叩きに合い、写真会社へ転職している。３０年以上前、科学こそ日本を発展させる、と多くの企業は盲信していた時代の事件である。
「技術の日産」と、明確に「技術開発で科学を利用しようと」している企業は、少なかった。科学を追及している企業が日本に多かったために失われた３０年となった。事業を支えるのは技術である、とようやく声を出して言える時代が日本にも来た。
カテゴリー : 一般 高分子
pagetop
