5年以上研究開発が行われ、量産試作段階でも歩留まり10％未満の押出成形による部品があった。時折30％近く歩留まりが上がることもあったので、量産が決まったのだが、半年後には80％以上の歩留まりにしなければ、大赤字になることが予想されていた。
コンパウンドを外部の国内一流コンパウンドメーカーから購入し、押出成形を内製化しており、コンパウンドを外部から購入するサプライチェーンと配合の変更は、QMSの仕組み上不可能だった。
そのような段階でリーダー交代を引き受けた。さて、どのように問題を解決したらよいのか。このような問題では、故ドラッカーが著書に書いていたように、正しい問題を明らかにすることが重要である。
経験知から、押出成形では、コンパウンドの出来が悪ければ、絶対に良い成形体ができない、といわれているので、たとえ世界的に有名なメーカーのコンパウンドであっても出来が悪いのは明らかだった。
5年以上の開発期間で採取されたデータをデータサイエンスにより解析してみても、コンパウンドのロットばらつきが大きいことが示され（注）、コンパウンドを改良しなくてはゴールを実現できないことは明らかだった。
過去のデータを解析すると、さらに現在の配合のままでもコンパウンドの構造ばらつきを制御すれば目標の表面比抵抗を実現できることが示された。ゆえに配合処方を変更しなくても大丈夫であることは、多数のデータから確信できた。
ゆえにコンパウンドメーカーが高次構造を制御するためプロセシングを変更してくれれば、歩留まり80％以上の実現が可能と見通すことができたので、リーダーの交代を引き受けている。これはデータサイエンスの成果である。
過去データの解析以外に、プロセシングを変更した時のコンパウンドについてその高次構造も含めたゴールを明確にする必要があった。さて、どうしたらよいか？これもやはりデータサイエンスで解答を導くことが可能であり、データサイエンスによる問題解決法のセミナーでその手法を公開している。
・
（注）単相関で眺めていても気がつかない問題だった。
カテゴリー : 一般 電気/電子材料 高分子
pagetop
物理と化学は、理科の科目として高校では別々に学習する。その共通言語的位置づけとして数学がある。大学の教養部２年間ではこの境界領域の学問である物理化学を学ぶことになる。
面白いのは、化学が錬金術師を祖とし、物理はニュートン力学を祖として高校で学んだことある。ニュートン以前の物理学者の話も授業で出てきたが、マッハによればニュートンでさえ非科学的な研究を行っていたとされている。
教育指導要領がどうなっているのか知らないが、高校ではニュートン力学の知を科学として学ぶ。少なくとも当方はそのように高校で習った。
化学では錬金術師の話が出てきた。数学では指導要領外だが、とただし書きがついてユークリッド幾何学を教師手製の特別テキストで学んでいる。
マッハにより非科学の知と指摘されたニュートン力学を高校で科学として学ぶ問題と、教育指導要領外のユークリッド幾何学を３か月も授業時間を割き学ぶ問題、錬金術師の功績まで授業で学ぶ問題など、やたら問題の多い高校だった。
これらの問題があったにもかかわらず、大学の教養課程のレベルと高校３年間の学習レベルに大きな差を感じることなく課外学習の時間が多くても良好な成績が得られたのは、工夫された高校の授業のおかげと感謝している。
量子力学あるいは量子化学の授業のように高校のレベルをはるかに超えるように感じた科目もあったが、教養部の二年間でこれらを学んでも、高校生の時のように能力が上がったという実感は無かった。
やはり、中学校の理科が高校において物理と化学、生物、地学に分かれたレベルアップが高校から大学教養部へレベルアップした段差よりも高いような気がしている。
高校では、科学教育を受けていたはずなのだが、生物や化学の科目と地学や物理学の科目に微妙な頭の働かせ方の差を感じている。容易に１００点近い点を取れる科目とうっかりすると５０点などというひどい点になってしまう科目との違いと表現すると分かりやすいかもしれない。
生物と化学はパラダイムが似ていたようで試験前の勉強は容易だったが、地学は物理学と似ていて試験前の勉強を化学同様に行ったところ散々なテスト結果だった。両方得意の友人を羨ましく思ったりもした。
この同じ科学の科目であるにもかかわらず、高校教育における物理と化学のパラダイムの違いに早く気がついたことが、科学論への興味につながっている。
ドラッカー以外にマッハ力学史や科学と芸術など科学論に関する書物を高校時代に数冊読んだが、この経験から、社会人になるまであるいは大学の教養課程までに最低１冊は科学論の分厚い本を技術者は読んでおくと社会に出てから科学の知識を活かしやすい、と思っている。
理科系の科目すべてを好きだったが、何故化学系の仕事についたのか、この疑問を解くカギが高校時代の物理と化学に対する無意識の姿勢の違いにあり、科学論はそれを気づかせてくれた。
科学論といっても科学ジャーナリストが書いているような薄っぺらな内容は気づきにつながらない。日本の大学の先生が書かれた科学論には、受け売り的な駄作もあるが科学ジャーナリストよりましである。
科学論を多数読むと、科学という哲学の理解が進み、高校の物理と化学にパラダイムの差があることに気がつく。そしてこの二種類の分野の知を人類がどのように深めてきたのかその過程を想像でき面白い。
日本では科学教育を基本としているので、教育指導要領に厳密に従う高校では、この差がほとんどないのかもしれないが、当方の高校時代の思い出では、日本史や世界史、倫理社会も含め少し怪しい授業が多かった。
ただ、大学で物理を力学と電磁気学に分けて学び、高校で科学に忠実に従い物理や化学を指導する難しさに気がついた。興味深いのは科学的に怪しい物理や化学、ユークリッド幾何学まで教えてもらえた授業のおかげで力学や電磁気学の「科学」的理解が容易だった、と感じていることである。
データサイエンスを技術者が実務で活かそうとしたとき、例えばタグチメソッドを実務に導入しようとしたときに、どことなくアレルギーを感じたりするのは、この物理と化学の違いの感覚に近いように思う。早めに科学以外の問題解決法のパラダイムの存在に気がついておれば社会に出てからひどいアレルギーに悩まなくて済むように思っている。
カテゴリー : 一般
pagetop
ゴールデンウィークにデータサイエンスの勉強をされてはいかがでしょうか。行楽地に行けば渋滞で悩まされるだけでなく、コロナ感染するリスクも上がる。
しかし、データサイエンスのWEBセミナーに参加すれば、どこかへ遊びに行くほどの費用が必要なく、またコロナ感染リスクは無くなる。
弊社のWEBセミナーで勉強後、弊社のサイトで公開されている主成分分析あるいは重回帰分析のプログラムで遊んでみるとデータサイエンスによる問題解決法が身につく。
DXの進展で、技術者は問題解決の一つの手段としてデータサイエンスを自由に使いこなせるスキルが常識となった。おそらく2017年度に新設されたデータサイエンスの講座卒業生が配属された職場もあるかもしれない。
ところがデータサイエンスのスキルは、個々が身に着けていてこそその企業のパワーになるのだ。その理由をこの3年間のコロナ患者数シミュレーションを見てきて学んだはずである。
訳も分からず専門家がシミュレートした数値に、ただおびえていた人もいたのではないか。各技術者が自分の目の前に出現した問題について自分でデータサイエンスのスキルを用いて問題解決するのが理想の状態である。
先日の例題のような問題は、スキルを身に着ければ簡単にできるのだ。科学的に完璧な解でなくても問題解決しなければいけないシーンは実務で多いはずだ。そのようなときに例題の手法を応用できる。
カテゴリー : 一般
pagetop
タグチメソッド（TM）は最も普及しているデータサイエンスの手法の一つである。このパラダイムについて考えたことがあるだろうか。
TMには、データサイエンスを用いて問題解決するプロセスが完備されている。パラダイムを考える代わりに、この手順を言葉で書いてみると、データサイエンスで問題解決する手法が科学の方法と少し異なることに気がつく。
そして、制御因子の最適条件について確認実験を行い利得を求める理由も見えてくる。TMの指導者が気がついているかどうか知らないが、TMはデータサイエンスを使って問題を解くプロセスを科学に近づけたメソッドである。
田口先生がTMを技術の手法である、とこだわっておられた理由をTMのパラダイムを考えることにより、気づくことができる。そしてこれに気づくと、科学以外の技術開発の手法があり、データサイエンスというものがどのような学問なのか学ぶことができる。
AIによる機械学習だけがデータサイエンスと考えている人は、データサイエンスが統計科学として発展していた歴史を学んでいただきたい。古くは数理モデルで現象を解いていた時代までさかのぼる。
例えば、パーコレーションという現象について１９５０年代に数学者たちが研究を始めた。そして材料のレオロジー的性質をダッシュポットとバネのモデルで研究する時代もあった。
マテリアルズインフォマティクスは、アカデミアから登場しているが、ぼやぼやしているとダッシュポットとバネのモデルと同じ運命をたどることになる。
当方はその悲惨な運命を見てきたのでこうして警告しているが、データサイエンスについてその歴史的背景を理解したうえで、指導者は行動しなければいけない。
弊社はこのようなことを考えて、このゴールデンウィークにデータサイエンスのセミナーを開講している。データサイエンスとは何か、それを知ったうえで（この時気づきが必ずある）、学ばなけれ技術開発への応用が難しくなる。
カテゴリー : 一般
pagetop
先日の例題では、量産試作段階に収集した２０個ほどのデータと研究開発期間に収集されたデータが存在する。しかし、いわゆる数万、数十万のビッグデータではない。
そして、問題を考えるときには量産試作段階の２０個のデータから結論を出すことになる。それでもデータサイエンスで問題の糸口が見つかるのだ。
すなわち、この問題を考えるために、まずデータサイエンスとはどのような学問か、という知識と、その知識を実務の問題に応用するときのスキルを身につけなければいけない。
ここで、データサイエンスの知識と書いているが、データサイエンティストになるぐらいの知識まで必要ではない。どの手法でこの問題を解くのかが分かればよい。
それは、データ処理するためのPythonはじめプログラム環境が整っているので、ほとんどの問題は高度な知識無くヒューリスティックな解として得ることができる。完璧な解決でなくてもよいのだ。
ちなみにデータサイエンティストでさえ実務の問題をデータサイエンスだけで科学的に完璧な解とすることは困難ということを知っておいてほしい。
次にデータサイエンスから選ばれた手法を適用するときには、それはソフトウェアースキルとなる。スキルなので例題に多数接し身に着けることが可能である。しかし、弊社のセミナーを受講して要領よくコツをまとめたものを覚えるだけでも身につく。
すなわち、データサイエンスを用いる問題解決法として整理された知識を身に着けるだけでよい。データサイエンスによる問題解決法のセミナーでは、データサイエンスという学問の概略と問題解決法をまとめたもので、事例とともに解説する。
ゆえにデータサイエンスを全く知らない素人でも以上の学習が可能である。さらに電子ブックの形式でテキストを提供するので、新たな情報を弊社で追加することが可能で、受講者は常に改定された新たな内容のテキストで復習できる。
カテゴリー : 一般
pagetop
データサイエンスの手法は統計手法からシミュレーション、機械学習など多岐にわたる。実務ですぐに使いたいと思ったときに、現在市販されている書籍に適当なものが無いのが実情だ。
データサイエンスの学問を学ぶための教科書は多いが、実務にどのように応用するのかという視点で書かれた教科書は皆無である。
すなわち、実務の現場で問題が発生したがデータがあり、現場があるのだが、そこで発生してる問題が正しい問題であるのか明確ではない場合とか、正しい問題を把握したのだが、対策のヒントが欲しいとか思ったときに、データサイエンスは有効である。
しかし、市販されている書籍にそのような場合どのような手法を選んだらよいのか、また解析結果を現場に照らし合わせながらどのように考察するのかといった解説をしている書籍は無い。
実はデータサイエンスを実務の問題解決に応用したいときに市販されている本を頼る行動は、泥棒を「見つけてから」縄をなうようなものである。すなわち、泥棒を捕まえることすらできないのだ。
データサイエンスで問題解決する、という視点では、データサイエンスの無料プログラムを用意し、それでデータ解析できるので、解析ノウハウを学ぶだけでも実務に応用可能である。
弊社の提供予定のデータサイエンスのセミナーはここに焦点をしぼり、事例を中心に解説している。ゴールデンウィークに特別価格で毎日開催予定ですので弊社へお問い合わせください。参加者１名でも開催します。
５／７まで毎日開催していますので、希望者は１００００円で複数回の参加も可能です。お申し込みの際に申し出てください。事例中心に解説を行いますので、データサイエンスを問題解決で活用するノウハウを理解しやすいと考えています。
カテゴリー : 一般
pagetop
データサイエンスというと最近ではAIを用いる機械学習と勘違いしている人がいるが、タグチメソッドや統計手法、多変量解析もデータサイエンスの１手法である。
すなわち、ディープラーニングから数理モデルによるシミュレーションまで様々な手法がこの４０年間に開発されてきて、DXの進展によりその有用性に皆が気づき始めてのブームである。
しかし、技術者の多くはデータサイエンスをどのように使い、実務の問題解決を行ったらよいのか、ピンとこない人は多いのではないか。
科学による問題解決法で頭が満たされていると、タグチメソッドでさえ習得が難しい。例えば基本機能が何かで悩むことになる。
このような状況を鑑み、６月以降技術情報協会はじめセミナー会社各社でデータサイエンスを用いた問題解決法のセミナー募集がおこなわれることになっている。
これに先立ち、ゴールデンウィーク中(４/２９から5/7)に特別サービスとして受講料１００００円（１０：００ー１６：００）でデータサイエンスを用いた問題解決法についてWEBセミナーを行うので、受講希望者は、受講希望日を書き弊社へ申し込んでいただきたい。
これは、特別サービスなのでセミナー公募のページに詳細を掲載していない。テキストは電子ブック形式とし、一度受講すると、今後セミナーに新しい情報が加わるたびにそれも学習することが可能となっており、かなりお得なサービスである。
クラウド上の書籍という電子ブックのメリットを利用したテキストで提供し、定期的に内容を最新版に改定します。
ゴールデンウィークは、コロナ感染者の増加が予想されていますが、外出を控えるためにも、自宅でリスキリングを行う絶好の機会です。ゴールデンウィークに一人平均４万円が消費されるそうですが、その２５％を弊社のWEBセミナーでリスキリングするゴールデンウィークも技術者の休日の過ごし方と考えておられる方は是非お問い合わせください。
カテゴリー : 一般
pagetop
研究所へ配属されて3か月間、混練の神様と呼びたくなるようなレオロジーの専門家の指導を受けた。技術者人生の思い出として上位に来る楽しい体験だった。
その指導社員は、ダッシュポットとバネのモデルでレオロジーをシミュレートする名手だったが、研究所ではこのような手法は歓迎されない、とボヤいていた。
その他も含め、研究所ではデータサイエンスによる問題解決手法（当時はこのような呼び方ではなかった。しかし、新QC7つ道具に問題解決法としての多変量解析が紹介されていた。）は嫌われていた。
いわゆる仮説を設定し帰納法で進める手法が唯一の問題解決法であり、QC手法も含むその他の手法を排除する風土だった。
データサイエンスの手法はヒューリスティックに研究開発結果を見通すには便利な手法であり、これまで当方は成功事例を多数持っている。ただし、これらの成功事例は、ゴム会社以外では公開してこなかった。
ゴム会社の研究所では、イノベーションを起すぐらいの気持ちで公開してきたが、その結果反発を受けた可能性を否定できず、転職後はこっそりと使っていた。
多変量解析を一度公開したことがあるが、やはり評判が悪かったので、管理職の隠し技として活用してきた。研究職であればどのような問題解決法でもそれが合理的であれば受け入れるべきと思っているが、研究職にしがみつく人ほど科学にこだわる。
この理由をゴム会社ではよく理解できなかったが、転職して分かったことは、科学にこだわると、ゆっくりと、あるいはのんびりとテーマ運営できるからである。また、できそうもない時には、否定証明を行えばそれで成果を出せたような気分になれる（当方はこの理由ゆえに研究が好きである。しかし、サラリーマン時代には早く事業成果を出すことを第一として仕事をしてきた）。
データサイエンスでは、できそうだ、という見通しが得られても、どうしたらよいのかまで示してくれないケースが多い。また、純粋な科学の方法と少し異なるので、非科学的と排除しても周りが納得してくれる。
データサイエンスは、本来研究開発を効率的に手助けしてくれる道具であるにもかかわらず、研究職独特の「非科学排除」の思想ゆえに導入を進めにくい企業もあるのではないか。
タグチメソッドでさえ、日本ではその普及に時間がかかっただけでなく、便利なメソッドであるにもかかわらず、それを毛嫌いする技術者や研究者が今でもいる。
カテゴリー : 一般
pagetop
高純度SiCの前駆体合成技術は、ポリウレタン発泡体のリアクティブブレンド技術開発で獲得した経験知と暗黙知が活かされている。ただし、通常のポリウレタンのリアクティブブレンドでは、低分子量のイソシアネート化合物が使われている。
新入社員の時に難燃性ポリウレタンフォームの新技術開発を担当した。その時に、世界初の新技術を企画してほしい、と課長から言われた。入社間もないのにうれしかった。
毎日楽しくサービス残業し過重労働していたら、趣味で仕事をやるなと課長である主任研究員に叱られた。今ならば、自分で努力し発明をしたことの無い上司の無思慮な発言と理解できるが、当時は少なからぬショックを受けている。楽しく仕事をしていてはいけない、と誤解した。
女性の指導社員が優しい人でサービス残業を少なくするように、時折食事に誘ってくれた。男女二人の食事と言っても相手は５歳年上の既婚者である。心配してくれた指導社員には申し訳ないが、サービス残業でも実験をしていた方が楽しかったような記憶がある。
５０年近く前の社会は植木等のスーダラ節の余韻が残っており高度経済成長に浮かれていた。ゆえに上司が部下を誘って食事というシーンが多かった。それにもかかわらず、課長はケチなので絶対に自分で部下を誘わない、と噂されていた。
今ならば歓迎された管理職の姿であっても、当時はケチと見なされたのである。ただ、楽しくサービス残業をやっていた部下に対して、サービス残業の注意をするのではなく、楽しく仕事をしていることを問題視するような人物だったので、ケチという評価をされたのだろう。
美人の指導社員と部下全員に嫌われている課長という、３２年のサラリーマン生活の中で少し風変わりな人間関係と最も自由だった職場環境でリアクティブブレンドについて多くのことを学ぶことができた。
カテゴリー : 一般
pagetop
２０１６年に首位打者となり、２０１９年には４０本塁打した巨人の坂本選手が、打率１割３分と不振にあえいでいる。ところが日頃の行いからか、週刊誌だけでなく、過去にコーチをしていた人たちからも厳しい声が多い。
中には、スター選手は引き際が大切などと引退を勧告している元コーチもいる。不徳の至り、と言いたいが、若くしてスターになったばかりに道を踏み外しただけのかわいそうな若手選手である。
３４歳なので、まだ５年は頑張れる。能力があるのに周囲はそれをつぶそうとするのは、人間の嫉妬心かもしれない。さらに、この数年は野球よりも週刊誌のゴシップ記事として騒がれることが多かったので身から出たさびも影響している。
しかし、能力があるのにかわいそうである。昨日コーチ経験者のコメントがニュースになっていたが、そこでは同様の視点で、復活のためのアドバイスが述べられていた。最下位で苦しんでいる巨人のコーチ陣にも発破をかけていたそのコメントでは、野球選手の老化への対応が丁寧に描かれていた。
スポーツ選手は３０代から老化が始まるので、それに対応したトレーニングなり、日々の準備が必要と、その記事で述べられていたのだが、記事の内容はサラリーマンにも当てはまる。
ただし、サラリーマンは４０代後半から組織人としての老化が始まる。このころから退職までの昇進が本人に明確になる。その結果モラールが低下する人がいる。このような人は、この記事に書かれていたような準備をしない場合には５０代になるともう駄目である。
一方、明るい昇進が見えてきた人は、それが災いして昇進のための努力に偏り、正しい働く意味での視点から坂本選手のような老化が始まる。そして役員になったとたんに無能の人となるケースをかつて見てきた。
これは、昇進の見込みが無くなりモラール低下する人よりも会社への影響が大きく深刻である。さらに、本人はそれに気づかないので、社長が誠実でない場合には、坂本選手の不振で最下位となった巨人のような状態になる。
スポーツマンにしろサラリーマンにしろ、その老化への付き合い方は同じである。負のスパイラルに落ちないように周囲のアドバイスに対して若い時以上に耳を傾けることだ。
老化してゆく人に鞭打つ人は、坂本選手の事例同様に意外にも多い。そして、鞭うたれ何も対応しなければ、ますます老化が進行する。
坂本選手が昨日のニュースを読んだかどうか知らないが、サラリーマンで老化が始まり悩まれている人は、弊社へご相談ください。５０代前半であれば、昇進とは異なる復活を期待できる。100歳までまだ５０年ある人生をモラールダウンしないように生きる方法を伝授します。
カテゴリー : 一般
pagetop
