先日のH3のロケット打ち上げが失敗だったのか成功だったのか知らないが、JAXAの記者会見における共同通信記者の質問がネットで炎上している。
日本は大変優しい人が多いようだ。一方で共同通信記者は意地が悪い。先日のロケット打ち上げは、中止されて延期となったことは誰が見ても明らかである。また、JAXAマネージャーもそのように説明している。
成功か失敗かは、その基準が示されて判断される。先日ロケットが打ちあがることがゴールであったなら失敗だろうし、ロケットが打ちあがるまで壊れていないことがゴールであったなら成功である。
ただ、彼はリーダーとして問題がある。問題の詳細は述べないが、中止したから失敗ではないと言い訳をする必要があるのか。言い訳をするぐらいなら、原因を解明して次回成功させると胸を張ればよい。
今回は失敗かと詰め寄られても、次回同様の状態ならば失敗だと明確に宣言すればよい。今回飛ばなかった原因も分かっていないのだから、延期ができて運が良かった、と胸を張るぐらいの誠実さが欲しい。
また、経緯の説明から、中止を判断させたのは機械であって、リーダーが記者会見の席で泣いている意味を理解できない。
機械が危険だと判断して補助エンジンに点火しなかったので、それはロケットの動作が正常だったことになる。人間がそれを正しく理解し止めたならば中止と言える。
機械が運よく動作し爆発するのを防いでくれたことをことさら自分たちが成功させたかのように言うので共同通信の記者のように意地悪をいう人が出てくるのだと思う。
次回のチャンスも同様の懸念が残るならば、打ち上げ前にロケットが爆発せず打ち上げ台に残っていたら成功とさせてください、と宣言すれば打ちあがらずとも成功と皆が認めるだろう。ただし「技術の進歩」は無いが。
カテゴリー : 一般
pagetop
多変量解析の手法やTMをマスターするだけでも研究開発の効率はアップする。さらにPythonを自由に使いこなせるようになれば、数値シミュレーションや仮想モデルのシミュレーションが可能となる。
最近機械学習が流行しているが、これを自由に使いこなせるようになると、非線形問題も気にせず問題解決に活用できる。例えば重回帰分析では、説明変数の一次独立や目的変数との線形性が問題となる場合工夫が必要になる。
大した工夫ではないが、機械学習でプログラミングすれば重回帰分析で問題となる関係でもアルゴリズムの工夫で何でも解析できるようになる。
昔、重回帰分析で解いた問題をディープラーニングで再度解いてみた。この時、学習回数が1000回以上にならないと重回帰分析の結果に追いつけなかったので、機械学習を習得しなくても重回帰分析で大丈夫とここでは書いておく。
手軽に回帰や分類で解決したい場合には、わざわざプログラミングする必要が無い、という理由で多変量解析に分があると思っている。手軽にデータを所定のプログラムで処理するだけである。
Pythonの無料ライブラリーを使えば数行でプログラミングでき（スクリプト言語ゆえに）簡単であるが、弊社のサイトを活用すればもっと簡単である。
弊社のプログラムはJavascriptで作成されているので、弊社のサーバーで実行されるのではなく、解析者のＰＣ上で動作するので安全である。
カテゴリー : 一般
pagetop
DXの進展でソフトウェアー環境は大変恵まれた状況である。例えば、弊社でも無料で多変量解析のソフトウェアーを公開している。すなわち、難しいことを考えなければ無料でデータサイエンスの成果を使用できる環境が整った。
日々の技術開発でデータ整理も含め、データサイエンスの「技」を使うと便利である。データサイエンスと聞くと難しい数学を考える人がいるが、ソフトウェアーを使う、と捉えれば、ワープロや表計算ソフトを使う難易度と変わらない。
弊社ではこのような考え方でセミナーを開講している。あくまでもデータサイエンスを問題解決ツールとして使うという視点で指導している。
ゆえにパーコレーションのシミュレーションを解説するときには、エンジン部分のソフトウェアーを参加者に無償でダウンロードできるようにしている。
データサイエンスについてITエンジニアとして専用のAIを開発したいと考えている人にも弊社のセミナーは有効である。
なぜなら、科学と技術の実験法の違いから丁寧に説明し、データサイエンスが現場でどのように使われているのか事例で確認できるからである。
データサイエンスは、古くから多変量解析として知られていたが、数年前に大学でその講座の設置ブームが起きている。ＡＩの活用により新しい学問が生まれたように言われたりするが、不易流行の視点でとらえれば王道は問題解決の道具として利用する分野だろう。
カテゴリー : 一般
pagetop
データサイエンスとは、データ群に隠れている情報を統計手法なり、機械学習により抽出する「技」である。ゆえに対象となる問題（正しい問題が選ばれているという前提）をどのように捉えるかにより、手法を選択する必要がある。
大別すれば、回帰か分類となるが、それぞれについて多変量解析による方法や機械学習による方法など多数存在する。また、機械学習を選択したならば、どのようなアルゴリズムとするのかを考える必要がある。
機械学習でも単純に回帰問題を解かせるAIをプログラミングできるが、すこし込み入った問題であれば、ベイズ推定などを持ち出すことになる。
材料開発に限れば50年の経験から、多変量解析はまず自由に使えるようにしておいた方が良いと思っている。ほとんどの問題が重回帰分析や主成分分析、あるいはその組み合わせで解ける。
それゆえ弊社はそれに使用するソフトウェアーを無料公開している。次に実験を計画的に行いたいならば、タグチメソッド（TM）を習得しておくと毎度便利である。当方はTMを習得してから、それを使わずに材料開発した経験は皆無である。
TMについで便利な手法に「ナンチャッテインフォマティクス」がある。ラテン方格をテキトーに使ったり、現象の相関に着目し、データマイニングする方法である。特にプログラミングスキルは必要ではない。
データサイエンスとは、その「技」を研究する目的においては科学であるが、問題解決に使用する観点においては、「技」である。ディープラーニングを用いても目標とする「モノ」すなわち実体を創造できなければ意味が無い。
「ナンチャッテインフォマティクス」ではアジャイル開発を行うので必ず「モノ」ができる。この意味で大変優れた方法である。あみだくじ方式を用いたiPS細胞の発明も同類である。研究開発が「千三つ」と言われた時代は昔のことである。DXの進展で技術者の「技」次第の時代となった。
当方は３０年以上前に、科学の方法で「解決できない」と否定証明された電気粘性流体の耐久性問題をデータサイエンスにより、一晩で「解決できる」という結論を示し、実体を完成している。それだけでなく傾斜機能粉体など創造し、その結果ゴム会社から写真会社へ転職することになった。
DXの進展でデータサイエンスが技術開発の当たり前の手法となって、当方のような悲劇は過去の出来事になったが、データサイエンスを材料開発の科学的方法と誤って指導する光景が現れたので当時とは異なる心配をしている。
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はそのままでは均一に混合できない。これはフローリー・ハギンズ理論から自明であり、均一混合のためには相容化剤の添加かリアクティブブレンドかという選択になる。
リアクティブブレンドは、反応条件の選択が難しいが、これをラテン方格により1日で最適条件を見出している。どのような方法で行ったかは、本欄で数年前に書いているのでそちらを見ていただきたい。
科学こそ命と思っている研究者には、みかけ荒っぽいこのような手法を邪道と思われるかもしれない。しかし、あみだくじ方式の実験でノーベル賞を受賞する時代である。そろそろこのような手法も一般化してほしい。
40年以上前は大変だった。タイヤ開発を担当している部門では統計手法が日常化していても研究所ではそれをバカにしていた。
その研究所で、周囲から白眼視されながら、ひたすら効率的な研究開発手法を追求してきた。高純度SiC前駆体の合成技術はたった1日で得られたが、そこから高純度SiCまでの道のりは大変だった。
事業を立ち上げてからはさらに大変で、I本部長の時には、業務妨害まで起きている。そのきっかけとなった電気粘性流体の耐久性問題でも一晩でデータサイエンスの手法により解決案を提案している。そしてその提案はすぐに科学的に検証された。
科学で否定証明されていても、肯定的な現象が得られたならば、それを科学的に証明すると新しい形式知となる。科学の方法のこの問題はイムレラカトシュが著書（寝苦しい夏に読むとよい本である）で詳しく解説している。
データサイエンスの手法は、科学こそ唯一の技術開発手法と信じている人には腹が立つくらいに効率のよい研究開発手法に見えるので注意しなければいけない、と言うことを転職前に学んだ。
転職先でも、やはり「仮説を設定した実験」が標準となっており、科学が唯一の研究開発手法だったが、タグチメソッドの導入が決まってからは仮説を設定して実験を行えという管理職が少なくなった。
データサイエンスの導入について弊社にご相談ください。企業風土の実情に合わせた研究開発必勝法を提案させていただきます。
カテゴリー : 一般
pagetop
４年ほど前のコロナ禍直前に、アカデミアではデータサイエンスの講座設置ブームがあった。当方が社会に出たときに、情報工学科の設置ブームがあった時と少し異なり、一過性であり最近沈静化している。
そもそも情報工学科があるというのにデータサイエンス学科を新たに設置する発想を理解できなかった。さらに最近不思議に思うのは多変量解析も機械学習の一つ、などと説明している著書があることだ。
多変量解析のアルゴリズムを用いる機械学習はあっても良いが、多変量解析のすべてが機械学習ではない。さらに最小二乗法も機械学習のアルゴリズムになりうるが、機械学習にすべて含まれるわけではないのだ。
理由は、データマイニングにおいて、コンピューターには計算部分だけ依存し、解析は人の頭で行う多変量解析の手法が５０年ほど前から行われていたからである。グラフ用紙だけで行う勘ぴゅーた方式もある。
勘ぴゅーたの性能が今でも向上しているか確認するために、早期退職前PETボトルをベースにした多成分ポリマーアロイ再生材の開発をエクセルを使った多変量解析で行っている。
中国で再生材の開発を行ったので手元にソフトウェアーが無かった。それでエクセルと頭脳を使って材料開発を行ったのだが、勘ピューターは冴えていた。
そもそもデータサイエンスは、サイエンスの意味が、材料科学という時の科学と少し異なることに気がつかれているだろうか。サイエンスという意味は科学であり、ややこしいことを書いているが、材料科学では、材料が関わる、あるいは材料そのものの真実を明らかにする研究が主体である。
すなわち実体が科学の対象として、存在するのだ。ところがデータサイエンスでは、数字の関係性について推論を科学的に展開する研究を行い、実体は科学で検証されて初めて現れる。
これがデータサイエンスのサイエンスと材料科学という時の科学と大きく異なるところである。数字を扱うのでデータサイエンスは数学と捉えると、これまたおかしなことになる。数学を研究実現のために、あるいはその成果を実用化するために用いるが、データサイエンスは数学ではないのだ。
本日のこの欄を理解できた方の頭脳は４０歳より若い柔軟性を持っている。恐らく孔子のような人は理解できないかもしれない。４０過ぎても惑うことができなければデータサイエンスを理解できない、と思っている。
惑うことは未熟を意味しない。新しいアイデアが湧き出てきても惑うのだ。ゲーテは老人になっても少女に恋をした詩を書いているが、技術者はいくつになっても新しい技術にチャレンジし続ける。データサイエンスの導入について悩んでいる方はご相談ください。
カテゴリー : 一般
pagetop
データサイエンスにおいて、多変量解析はデータとプログラムさえあれば簡単に結果を出せるので活用できる分野は広い。
技術開発の現場では現象の変化に線形性が見られるケースが多いのでわざわざディープラーニングまで持ち出さなくても、重回帰分析か主成分分析で十分にデータ解析できる。
開発対象の機能なり物性目標、あるいは品質特性の予測シミュレーションを行いたいとか、それらに寄与する因子、例えばそれらを改善したいときにまず注目したい因子を知りたいときなど重回帰分析は便利である。
とりあえず、それらを目的変数にして解析を行うと多変量の一次回帰式がえられる。弊社のサイトで公開しているプログラムを用いれば、偏回帰係数だけでなく標準偏回帰係数も出力してくれる。
標準偏回帰係数から目的変数へ寄与率が高い因子を知ることができる。このとき重要なことは、一次回帰式を構成する説明変数がそれぞれ一次独立であることだ。
一次独立とは、説明変数間に相関が無いことである。しかし、用意されたデータ群において偶然の相関が現れたときに工夫が必要になる。ゆえに、弊社のサイトのプログラムでは、入力されたデータの説明変数間の相関係数も出力している。
（注）重回帰分析では、ｙ＝ｆ（ｘ１、ｘ２、ーーーｎ）という関数関係で現象をとらえようとする手法とも言える。ここでｙは目的変数で、ｘｎを説明変数と呼ぶ。これをテイラー展開して２次以降の項をすべて誤差項としたのが重回帰分析で求まる一次回帰式である。ゆえに説明変数の係数は、偏微分の形になる。
カテゴリー : 一般
pagetop
弊社が販売している研究開発必勝法は、高純度SiCの事業化で実践した体験をもとに開発した。関連事業を行っている企業及びその他の製品組み立てを行っている企業に有効な方法である。
高純度SiCの事業化は４０年以上前に始めた仕事だが、この時の仕事の手法を１５年ほど前に担当した半導体無端ベルトの事業化で、古くなっていない切れ味の鋭い手法であることを再確認している。
ゴム会社や写真会社で研究開発を担当してきたが、十分な成果を出すことができたと思っている。日本化学会や、日本化学工業協会、写真学会で受賞するなど研究開発必勝法の成果は、外部の受賞もしている。
もちろん社長賞などは当然受賞しているのだが、半導体無端ベルトでは、基盤技術０の状態からコンパウンド工場を半年で立ち上げることに成功しているアジャイル開発である。
高純度SiCの開発でも粉体製造法は無機材研における４日間の研究期間で基本機能を完成している。これは、今流行のデータサイエンスを活用している。
弊社の研究開発法は、アジャイル開発からデータサイエンスまで先端の手法を顧客の希望に応じてアレンジし指導している。日本の顧客の中には非科学の手法にアレルギーを示す企業もあるが、中国では皆無で導入実績は多い。
カテゴリー : 一般
pagetop
フェノール樹脂とエチルシリケートとを混合するとうまく均一に混ざらない。これはフローリー・ハギンズ理論から自明である。
格子理論をここで説明するつもりはないが、χが十分大きくなる組み合わせでは、リアクティブブレンド以外均一状態にすることは不可能だ。
エチルシリケートの代わりに高純度石英を使用したり、フェノール樹脂の代わりに高純度炭素を用いる研究も当時行われている。しかし、工業的に成功したのはフェノール樹脂とポリエチルシリケートとのリアクティブブレンドだけだ。
理由は前駆体として安定にSiCを製造できるからである。それでは他の方法が工業的に使われなかったのはなぜか、と言う疑問が出てくる。うまくやればラボスケールならば問題は生じないが量産になるとある問題が発生する。
それについても40年以上前に問題解決されており、イビデンのSiCはその手法により製造されている。ゆえにフェノール樹脂とエチルシリケートの前駆体法では、どちらかを固体に用いて高純度SiCを量産できそうに見える。
詳細は弊社に相談していただきたいが、石英が不純物として残るのである。また、量産時にはウィスカーが製造される問題もでてくる。
中部大学で審査を受けた学位論文でポリエチルシリケートとフェノール樹脂のリアクティブブレンドにより合成された前駆体の反応速度論的研究を公開している。中部大学か国会図書館にでもいけば閲覧可能だ。
しかし、弊社にご相談いただければ、学術の背景だけでなく調達の問題までご指導いたします。技術開発において、調達戦略はコストに大きく影響します。
カテゴリー : 一般
pagetop
高純度SiCの製造方法は、ゴム会社で１９８0年に企画されたホウ酸エステルとリン酸エステルを併用して高分子を難燃化する技術として,そのシーズが生まれている。
ポリウレタンマトリックスへ均一に分散したホウ酸エステルとリン酸エステルが燃焼時に反応し、アモルファスボロンフォスフェートが生成する。それが燃焼面にチャー生成を促してポリウレタンを難燃化する。
難燃化技術であるが、高分子からセラミックス（ボロンホスフェート）を製造する方法にも転用できるこの技術は、始末書がきっかけで生まれている。この経緯はこの欄で以前書いたので省略するが、高純度SiCの企画はさらに紆余曲折を経て事業化された。
セラミックスフィーバーのさなか、ゴム会社創立５０周年を迎えた。記念論文の募集があり、そこでこの企画を発表したり、昇進試験にも書いたりと、とにかく企画が採用されるまで粘り強く、提案を続けている。
社長方針として出された３つの新規事業、ファインセラミックス、メカトロニクス、電池の一つとして、研究所で最適なと考え提案したのだが、その過程で珍ドラマがいくつか生まれている。
珍ドラマの１シーンである１週間のチャンスを利用して、高純度SiC製造方法を完成した。今でもほとんどこの時の発明と変わらない方法で生産されている。４日間の実験で黄色い粉ができたのだが、その詳細はもう少し後で書きたい（注）。
これは、ゴム会社の研究所の許可も得て実施した実験である。許可が得られていたので、フェノール樹脂とポリエチルシリケートの前駆体はゴム会社の研究所の実験室で合成している。
特開昭６０－２２６４０６（基本特許として公告となっている）は、無機材質研究所から出願された特許だが、この特許出願後、ゴム会社で２億４千万円の先行投資が決まり、事業化がスタートした。
始末書を書かされたり昇進試験に落とされたり、逆風ばかりだったが、研究開発本部長が交代してから、研究所に配属されてゆっくりと研究開発ができるようになった時代の思い出は、今でも忘れない。
（注）当時レーリー法しかなかった時代に簡単に高純度SiCを製造できたので無機材研で大騒ぎとなっている。しかし、所長はじめ直接当方をご指導くださった総合研究官や主任研究官の方は冷静で、理研で起きたSTAP細胞のような騒動にならないよう配慮してくださった。無機材研のリーダーによる研究マネジメントが優れていたので、当方はこの高純度SiCの研究で学位を取得できた。
カテゴリー : 一般
pagetop
