デジタルトランスフォーメーション（DX）の進展により、業務フローの改善が進行している。それは、マイコンの普及により1980年代に起きた「パソコン革命」よりも激しく、科学と非科学の境界までも見えなくした。
1980年代のデジタルイノベーションは、ワープロ「一太郎」や表計算ソフト「LOTUS123」の普及による職場のOA化に留まったが、今起きているDXは、マテリアルインフォマティクス（以下MI）にみられるように、アカデミアの科学観まで変革している。
すなわち、ビッグデータを用いたデータマイニングにより新たな知を見出そうとする活動は、まず仮説を設定し、その真偽を実験で確認する科学の方法と異なっている。
ドラム缶一杯のフグの卵巣を下関港から名古屋まで運び、テトロドトキシンの構造解析を行った研究では、専門外であっても1匹のフグに含まれる毒の量が微量ゆえに研究に必要な量を確保するためのドラム缶作業と納得できる。
ところが、ＡＩを機械学習で鍛えるために使用されるデータ量について、そのロジックを知らないならばヤマカンに頼る研究と誤解されるかもしれない。
さらにその作業の結果、当たり前の知が得られたとなれば先人は大笑いするだろう。しかし、定型化された高分子の分類法も無く、それゆえ科学でサポートされた明確な体系も存在しない高分子材料では、MIにより得られた知が当たり前であっても、それは科学と異なる方法で科学と同様の結果が得られたという大切な証拠となる。しかし、企業の研究開発では、それが事業の利益に結びつかなければ意味が無い。
関連セミナーの詳細及びお申込みはこちら
カテゴリー : 一般
pagetop
技術者で実験データを整理するためにＭS-エクセル（以下エクセル）を用いている人は多いだろう。エクセルを使えばタグチメソッドも楽勝である。
また、単相関であればソルバーを持ちいてすぐに結果を出せる。しかし、多変量解析となるとVBを立ち上げる必要がある。それでも一応エクセルで多変量解析ができる、と言っても良いだろう。
ところが多変量解析を行うならばＰｙｔｈｏｎを用いた方がプログラミングは楽である。無償ライブラリーを用いて簡単にできるだけでなく、複数のエクセルデータを取り込み解析可能である。
ＶＢでもそのようにプログラムすればよいだけであるが、問題はその障壁である。おそらく、プログラミングの容易性でもPythonに軍配が上がる。
10年ほど前まではＶＢかＣ＃が常識だったエクセルのデータ整理だが、いまやＰｙｔｈｏｎのほうが便利である。そこでエクセルとＰｙｔｈｏｎをどのように使用してデータサイエンスを現在のワークフローに取り込んだらよいのかセミナーを企画した（セミナー募集サイト参照）。
このセミナーでは、複数のエクセルファイルのデータを処理可能なＰｙｔｈｏｎのプログラムを参加者に配布して、データサイエンスの手法を解説する。
高分子材料でマテリアルインフォマティクスが盛んであるが、もし過去のエクセルファイルに眠るデータの活用が可能であれば、データサイエンスの手法をそのまま使用して解析したほうが有益な情報が得られる。
当方は2005年に古いエクセルファイルのデータを整理して、カオス混合装置を発明している。ＡＩなど用いず、自分の頭脳で十分なのだ。ただし、プログラミングはＣ＃で行っているが、今ならばＰｙｔｈｏｎだろう。
セミナーの詳細及びお申込みはこちら
カテゴリー : 一般
pagetop
DXの進展により、プログラミング環境が充実した話を紹介している。登場して３０年経過したPythonの無料ライブラリーを用いてAIまでできてしまう。
そのAIを用いて高分子分野には、公開されたビッグデータを活用したマテリアルインフォマティクス（ＭＩ）が注目を集めてきたが、がっかりしている人は多いのではないか。
当方は「花王のパソコン革命」（タイトルが間違っているかもしれない）という書籍が発売された時代からデータサイエンスに取り組み、それを用いた高分子の問題解決を実践してきた（この数年のＭＩと異なり、データサイエンスで新材料が開発された事例は多い）。
そして、ラテン方格を用いて、フェノール樹脂とポリエチルシリケートの反応条件を求め、それに成功すると、高純度SiC半導体治工具事業を提案している。
このような５０年近くの実体験から、アカデミアから起きたMIについて冷ややかな目でその成果を眺めてきた。先月末から、当方が考えるDX時代のデータサイエンスによる高分子材料の問題解決法のセミナーを始めたが、参加者が少ない。
１万円という低価格のセミナーなので企画が悪いと判断して、今新たな企画を練り直している。エクセルのデータをどのように処理するのか、など基本的なデータの扱い方から解説するセミナーを準備したので、特に部下のデータ整理が乱雑で困っている管理職は、ぜひ期待していただきたい。
カオス混合の発明を目指したきっかけは、６年間T社と旧ミノルタがPPSの押出成形について研究してきた膨大なデータの見直しである。エクセル形式で残っていたデータを解析してびっくりしたのは、コンパウンドの進歩が全然なかった事実（注）である。
データサイエンスを駆使して多数のエクセルデータを解析したところ、押出成形の無意味で無駄な開発が明らかとなり、デジタル発想で混練技術の見直しに着手している。
そして、たった半年でそれまでと不連続な技術により問題解決している。このとき多数のエクセルデータはC#により整理解析されたが、今ならPythonで誰でもできる（ゴム会社でも写真会社でも公開してこなかった実務ノウハウだ。ゴム会社を転職しなければならくなったのがこのような科学とは異なる技術開発哲学によるノウハウや解析技術が原因だったので、公開することをためらってきた。ドストエフスキーの心境を思う時、科学と技術の思想上の乖離は時として当方の転職のような悲劇が生まれるので、その公開にはリスクがある。しかし、ＤＸがここまで進展した今ならばリスクも少ないと判断し、セミナーの企画をしている）。
（注）科学の発想では生み出すことができないカオス混合技術を発明したのは２００５年であり、その後ミッドレンジの複写機の中間転写ベルトが２０１０年までポリイミドからPPSへ置き換える開発が進められている。これは、特許検索でカオス混合を検索していただけば明らかとなるが、Ｔ社からその後カオス混合に関する特許が多数出願されるので当方の仕事をそこから想像することができる。半年でカオス混合プラントを建設した話などコンパウンド技術をご存知の方ならば信じられないかも知らないが、事実である。中古機を集め根津にあるブリヂストン時代からお世話になってきたＫ社にお願いして実現できた開発である。大手ゼネコンにお願いしていたらこのような短期間の仕事はできない。いざという時のＫ社については弊社にお問い合わせください。
セミナーの詳細及びお申込みはこちら
カテゴリー : 一般
pagetop
今世間で注目を集めているAIのほとんどは、オブジェクト指向プログミング手法でプログラムされている。映画「マトリックス」で注目を集めたエージェント指向プログラミング技術は未完成である。
また、機械学習といっても自律的に学習できない。その様子は「AI美空ひばり」で公開されたが、気がついている人は少ないかもしれない。
美空ひばり独特のこぶしの再現がなかなかできなくて、プログラマーがロジックや教師データを見直しプログラミングしている姿がTVに映し出されたのだが、AIといっても人間の頭脳で活動している一部分を繰り返し自動化しただけのおもちゃである。
NHKの番組では、プログラマーが汗を流し、天童よしみも汗を流し、そして出来上がったAI美空ひばりの歌声を聞いて観客は涙を流した。プログラマーと天童よしみの努力で導き出した涙であって、AIが自律的に感動を引き出したのではない。
機械学習でも深層学習が今注目を集めているが、これにしても各ニューロン間のつながりに重みづけを行ってゆくだけであり、また、その信頼性を上げるために質の高い大量の教師データが必要になる。
深層学習の成果は、実は人間でも出すことができる。逆に高分子材料のような未解明の情報が多い場合には、人間のヒューリスティックな判断によりデータサイエンスから導かれた結果を結論したほうが正しい成果を導き出す。
例えば、40年以上前の話になるが、電気粘性流体の耐久性問題について、科学的に界面活性剤で解決できない、と結論された問題について、データサイエンスにより一晩でその問題を界面活性剤により解いている。
AIでも科学的に当たり前な成果しか出せないのでこれと同じようなことがマテリアルインフォマティクスを導入した企業でも起きているように思う。もしMIで悩まれている方は弊社にご相談ください。
現在データサイエンスによる問題解決のオンラインセミナーの参加者を募集しています。
セミナーの詳細及びお申込みはこちら
カテゴリー : 一般
pagetop
昔派手なワイアーアクションの「マトリックス」という映画に感動した。当時オブジェクト指向プログラミングの次の世代の概念であるエージェント指向が話題となっており、その雰囲気をうまく表現していたからだ。
エージェント指向でプログラミングされ、暴走したAIと電脳空間で人間が戦う表現にワイアーアクションが使われたわけだが、この映画のもう一つの工夫として人間とコンピューターとの対話があった。
残念ながら現代のAIはマトリックスに登場したAIのように自律していない。自律できない、といった方が適切だろう。現代のAIを教育するときにさえ人間の知恵の介添えが必要で自律的な学習はできない。
それができるという詐欺師まがいの学者がいるので困る。どのようなAIであっても人間がオブジェクト指向の言語を用いてプログラミングしている。データもアルゴリズムも人間が「作っている」のだ。
それでも学習が十分に完了したAIでは、新たなデータから特徴を見出し、あたかも人間のように判断を下すような芸を見せる（注）。
しかし、AIがデータを理解するためには、あらかじめ人間が組み立てたルールに従い、「ベクトル量」に変換して覚えさせる作業がそれを支えていることを理解できれば、AIを作成した人の身代わりで新たなデータに判断を下しているに過ぎないからくりに気がつくだろう。
（注）３年ほど前に放送された「ＡＩ美空ひばり」というＮＨＫの番組では、一生懸命ＡＩを創り出すからくりを見せていたが、これで現代のＡＩの本質に気がつかれた方はどれだけいるのだろうか。ちなみにＡＩ美空ひばりの動き部分は、天童よしみのモーションキャプチャーデータをもとに創り出している。ここまで書けば人間の芸の一つ、という位置づけ表現をご理解いただけるのでは？
現在データサイエンスによる問題解決のオンラインセミナーの参加者を募集しています。
セミナーの詳細及びお申込みはこちら
カテゴリー : 一般
pagetop
コロナ感染ではクラスターという言葉がよくニュースで使われたが、パーコレーション転移は無限クラスターができて安定化する。
すなわちパーコレーションについてその挙動を理解できればコロナ感染のクラスター理論の雰囲気まで理解できる。
技術者によるパーコレーションの理解が重要なのは、高分子にフィラーを分散した時に必ず現れる現象だからだ。フィラー以外でもパーコレーションは起きる。
導電性粒子を絶縁体高分子に分散した時の転移は1000倍以上の抵抗変化を伴うのでその現象に気がつくが、強度や線膨張では、パーコレーション転移による物性変化の偏差は小さいのであまり関心を示されない。
しかし、あるフィラーの添加率で線膨張率のばらつきが大きくなったり、強度データのばらつきが大きくなったりするのはパーコレーションの影響である。
パーコレーションを数式から理解しようとするとスタウファーの教科書を1冊読む必要があるが、弊社のセミナーのモデルならば、直感的にパーコレーションという現象を理解できる。
この直感で理解できる点が重要で、その結果パーコレーションが絡む問題についてヒューリスティックな解のアイデアが浮かんだりする。
ＰPS/6ナイロン／カーボンコンパウンドで押出成形されたベルトの歩留まり改良アイデアは、現場でボーっと作業を見学しているときに浮かんできた。
カテゴリー : 一般
pagetop
パーコレーションのセミナーでは、一部の手順についてはクラスで記述し、残りの部分はメソッドと手続き言語として記述したプログラムを配布している。
この理由は、Pythonという言語の手軽さに慣れていただくためである。パーコレーションのシミュレーションは、導電性粒子の分散位置を決めるクラスと抵抗を計算するクラスの二つで構成される。
後者のクラスについてメソッドで大半を記述している。このシミュレーションプログラムを二つのクラスで記述すると、繰り返しのシミュレーションを簡単に記述できるようになる。
そして繰り返した後に平均をとることも簡単にできる。簡単にできるが、最初は難しく感じるので、動作が保証されたプログラムを使いながらいろいろ変更してプログラミングの練習をするのである。
まず、プログラミング環境も含め慣れることが大切である。プログラミングが難しいのは、英会話とか大阪弁や名古屋弁を練習する方法とは少し異なる。
コンピューター「言語」といわれるが、言語ではないのだ。言語ならば、いいかげんな表現でも通じる。年をとった夫婦の会話は「あれ」「それ」で済んでしまうが、コンピューターにいくら慣れ親しんでもそこまでならないのだ。
このどうにもならない感覚を身に着けるまで多少時間がかかる。プログラミングが初めての場合には1か月ぐらいかかるかもしれないが、何かかじったことがあれば、1週間程度で身につく。
そしてこれが身に着くと他のコンピューター言語について1日マニュアルを読んでおればすぐにコーディングできるようになる。予約語がたった33語のPythonならば半日である。
プログラミングスキルについては独学が可能だが、セミナーでは身に着けるツボを指導している。WEBで公開されている無料の初級編とは異なり、直接実務で生かせるレベルを指導している。セミナー受講後は配布されたプログラムで宿題をこなしながら慣れるのである。
セミナーの詳細及びお申込みはこちら
カテゴリー : 一般
pagetop
先月から今月にかけてPythonを使用したパーコレーション転移のシミュレーションプログラムを題材にセミナーを開催している。
エンジン部分のみ配布して、そのプログラムをいろいろ作り直して、Pythonに慣れていただくという指導方法である。
これは当方がC言語のプログラミングスキルを習得した方法である。すなわち雑誌に載っていたプログラムをいろいろ変更を加えながらポインターや構造体に慣れていった。
プログラミング教育が既に始まったが、プログラミングスキルの向上には、その考え方も含め慣れが重要である。頭で考えてもスキルは身につかない。
さて、そのエンジン部分に、値を対数に変換してグラフ描画するプログラムを加えたいときにどうするのか。対数関数を利用するには、mathライブラリーを用いるので、import mathあるいはfrom math import *文を書く必要がある。
前者では、math.log(x,y)とする必要があり、後者ではlog(x,y)と記述できることは、セミナーで解説した。またグラフモジュールにについてもimport matplotlib.pyplot as pltとインポートすることを忘れずに行う。
エンジン部分には、対数変換のために4行（注）ほど書き加えた後、下記のようにグラフ部分を書き加えるだけである。＃部分は説明文だが、付け加えるコード部分はたったの5行である。
このようにPythonを習得するとエクセルよりも簡単に描画が可能となる。パーコレーションのシミュレーションを複数回行い、その平均をとりたい場合も、配列を使うと簡単である。
しかし、計算結果を残しておきたいことも考慮して、セミナーではCSVファイルへの保存方法を解説している。下記プログラミングが不慣れであれば、ファイル保存した後、エクセルでデータ整理すればよい。
やや面倒かもしれないが、Pythonに慣れるまで、すべてのプロセスをPython で行うのではなく、部分的にエクセルを組み合わせて練習すると、そのうちエクセルを使わなくなるかもしれない。
#（注）グラフ描画には配列で計算結果を渡す必要があるので配列を定義する必要がある。
#result array
#値を格納するためのリストを宣言
#////
result_volume = [ ]
result_volt = [ ]
#＜中略＞
result_volume.append(v_flaction)
result_volt.append(log(v_res,10))
#グラフのタイトル
plt.title("v_flaction vs v_res")
#X軸とY軸のラベル
#日本語表示をする場合は必ずフォントを指定すること
plt.xlabel("体積分率",fontname="MS Gothic")
plt.ylabel("抵抗",fontname="MS Gothic")
#////////
#plt.xlim(min(result_volume)-0.1,max(result_volume)+0.1)
#plt.ylim(min(result_volt)-1,max(result_volt)+1)
#必要であればグラフの描画範囲を指定する
#////////
#plt.plot(X軸,Y軸) 配列の参照渡しである。
plt.plot(result_volume,result_volt)
#plt.show()でグラフ出力
plt.show()
カテゴリー : 一般
pagetop
ゴム会社では、アカデミアよりもアカデミックな研究所に配属されたが、幸運だったのは、最初の指導社員が技術と科学のバランス感覚に優れ、化学を学びたいという意欲に燃えた物理学者だったことだ。
指導社員は研究熱心なだけでなく、勉強も欠かさず習慣としていた人で、その姿勢は当方の技術者人生のモデルであり目標となった。
日本では技術者が成果を出しても高く評価しないどころか昇進を遅らせる会社もあるので注意する必要がある。さらに人の成果を盗む人も企業にはおり、盗むだけでなく妨害を行うことも黙認する企業もある。
会社というのは一つの社会なので善人もおれば悪人もいる。ただ人間社会には法律があり、それを遵守できるよう警察や裁判所があるのだが、会社にはこれらの機能は無く、被害者が泣き寝入りすることになる。
不幸な結果として自殺者が出て初めて社会問題として取り上げられる事態になるので、会社の中で悪人と仕事をしなければいけなくなった時に厄介である。
当方がこの欄でFDを壊された体験談を書くのは、自殺に至るような状況で当方は生きる道を選び転職していることを同様の問題で悩んでいる人に知らせたいからだ。
事件及びその後のおぞましい出来事については証拠を今でも保管しているので、企業における不幸な体験としていつか書籍にしたいと思っている。逃げたわけではない。ただし、このような内容の書籍は、社会的影響が大きいので安直に執筆できない。
科学だけでなく人間としての成長も重要である。STAP細胞事件について書かれた「あの日」を読んだが、事実と思われてもその事実が歪んで読者に伝わってしまう表現である。この原因は、組織活動について知識が乏しい著者の手によるものと推定している。
すなわち組織活動の視点で、業務姿勢その他に疑問がわく表現が多い。当方が自分のFD事件の体験記を書くときには、組織の問題も含め、科学と技術の視点からも事件を眺めたいと考えている。
例えば、犯人はデータサイエンスで電気粘性流体の耐久性問題を解決した当方の実験結果を非難している。それだけではない。
退職するときに参考のために見せてもらった耐久性問題の彼らによる報告書では完璧な否定証明が展開されていた。科学的に完璧な否定証明が成された現象に対して、データサイエンスで解決策を導いた当方の仕事の仕方が間違っているとまで言われたのである。
データサイエンスのセミナーでは、MZ80Kが出力しLOTUS123で徹夜でまとめた当時のデータをそのまま使って説明している。自宅で会社のデータ整理を要求するなど過重労働前提の指示が当然だった時代である。
少し話がそれたが、配合設計もこの脱線した話に近い。知識の量やモノの見方、人生体験も含めその技術に反映される。配合設計を簡単だと少しでも感じた人がいたら、それは誤った判断だと指摘しておきたい。
・
わかりやすく表現すると、技術者の数と同じくらい配合設計の考え方があると思っていただきたい。配合設計ではコンセプトが重要であり、そのコンセプトは技術者の経験知に影響を受ける。
・
配合設計をデータサイエンスで行い、Pythonで機械学習させながら実験を行う。実験結果の整理は、適切なグラフがいくつか提示されて考察する技術者の姿は、DXの進む時代の常識となるのか。
カテゴリー : 一般 電気/電子材料 高分子
pagetop
WINDOWS環境で、ただ計算あるいはシミュレーションの目的でプログラミングするにはPythonは極めて手軽であり、すでにエクセル並みに普及しているという。
30年前Pythonが発表されてから2003年と2017年ごろにPythonの普及状態をチェックしたが、このスピードはDXの驚異現象といえる。
高純度SiCを開発した時の進歩よりも格段に速い。それでは今の技術者のニーズは、と思いを巡らせるとPythonでプログラミングする時のユーザーインターフェースの作成に思いが至る。
MS-DOS時代ならばともかく、WINDOWS環境でソフトウェアを使い慣れるとUIを工夫したくなる。途端にPythonの開発環境が貧弱に見えてくる。
UIの作成にはPythonよりもC#あるいはVisualBASICが便利である。また、これらの言語では、Pythonを呼び出すメソッドも用意されている。
この時アナコンダ環境でインストールされたPythonでは少し工夫が必要となる。なぜなら仮想環境で動作させなければいけないからだが、これがPFAからダウンロードしインストールしたPythonならばC#で容易にPythonを呼び出せる。
Pythonをマスターしたら、次はC#をマスターしたい。Pythonを呼び出すことはVBでもできるが、VBよりもC#の方が言語の設計が洗練されている。また、VBでできることはC#に類似のクラスが用意されているのでC#でもできる。
カテゴリー : 一般
pagetop
