知識は情報と異なり、手っ取り早く習得することが難しい。情報を知ることを知識と勘違いしている人がいるが、項目をただ情報として頭に詰め込んでもすべてが知識とはならない。
知識とは何かは哲学の命題であり、ここで論じるには荷が重いが、当方の知識として知識を語る時に、形式知と経験知、暗黙知の３分類が重要と考えている。
すなわち情報を読むときにもこの３分類を意識し、情報を整理し、体系立てて知識として身に着ける努力をする。残念ながら当方は情報をすぐに知識へ転換できるほど頭の回転がよろしくない。
学生時代は砂漠状態だったので情報の吸収も早く知識へ転換するのも特に意識をすることはなかったが、５０を過ぎてから、頭の回転が意識されるようになった。時々速く回したくなって首の運動をしたりするが駄目である。
回転の遅くなった頭を使いこなすために、新たな知識を入手したい時には、２種以上の著書を読むことにしている。例えば２００５年に単身赴任しPPS半導体無端ベルトの押出成形を担当した時には、混練から押出成形までの専門書を揃えた。
約１００万円ほど自腹で情報収集したのだが、これはこれまでの当方の習慣である。サラリーマン技術者の多くは会社で書籍を購入しているらしいが、当方は自前で購入することにしている。理由は簡単で、自分の読んだ本を手元に置いておきたいからだ。
話がそれたが、無端ベルト押出成形技術の知識を身に着けるために１００万円近くかかったのは、混練技術の高価な本を多数購入したり、国会図書館の複写費用、そのための交通費がかかったからである。
すなわち加齢で頭の回転が遅くなった問題を補うために、同一課題について複数の著者による説明を集め、それらを比較して読み知識習得速度を速める努力をした。
ちなみにこの時には１か月で知識を習得し、混練技術に関する世間の説明が、３０年前ゴム会社の指導社員から伝授された混練技術の説明と異なることに疑問を持ち、カオス混合技術の発明に至っている。
若いころに比べれば時間がかかっているが、当時の状況において１００万円かけてでも１カ月以内に新技術を生み出したい（注）と考えていたので、十分に投資の目標を達成したと満足している。
ただし、新技術開発で給与が増えたわけではないので個人の赤字である。それで早期退職して赤字を取り戻そうと努力している。カオス混合にご興味のあるかたはお問い合わせください。
（注）コーチングが流行しており、上司が答えを出すのは好ましくない時代である。しかし６年近く研究開発されてきて完成できなかった技術なので、部下にコーチングで考えさせて１か月以内に新技術が出てくるとは期待できなかった。左遷された身の上だったので問題解決目標達成を第一に考え仕事をしている。
カテゴリー : 一般
pagetop
このコロナ禍で衝撃を受けた出来事の一つにデータサイエンスの大衆化がある。携帯電話などから発信された個人データをAIにデータマイニングさせ、その結果を番組で紹介し、パネラーが議論するという番組進行には大変驚いた。
パネラーにはいわゆるおバカタレントも参加し、データマイニングで見出された新たな知識で遊んでいるのだ。コロナ感染者の増加データやその原因らしきものを示唆するデータが遊びの道具になっている。
コロナ予防について大衆の啓蒙にこれが役立ったのだろう。日本では欧米と比較し「さざなみ」程度の感染者数である。某役人による「さざなみ」という表現が問題視されたが、日本の感染者数データから判断すれば座布団一枚出したくなる表現だ。
このようにAIを用いたデータマイニングの結果を利用しTVの娯楽番組が作られる時代になったことに驚いている。５０年ほど前は、パンチカードにデータを打ち込み、カードデータの打ち間違いを探し、多変量解析を大型コンピューターで行っていた。
大型コンピューターは、時分割処理で動いていたので緊急性の低いデータは翌日朝まで結果の出力を待たされることもあった。４５年前にはMZ80KにFDを接続し、１００件のデータセットを２時間ほどで処理できるようになった。
独身寮で休日カチャカチャと響くFDの音に快感を感じ、婚期が遅くなることを悟った。４０年前にはPC9801にハードディスクがつき、筑波のアパート（裏に地元の墓地があった）で、SiCのスタッキングシミュレーションを行っていた。
材料技術分野におけるデータサイエンスとは、このように息抜きで行う遊びと思っていたら、それが技術者だけでなく、大衆までデータサイエンスで遊ぶ時代になった。
データサイエンスから得られる知とは、科学の論理展開から得られる知と異なり、データに生まれた偶然による相関から導かれる根拠の怪しい知が含まれている。
その怪しさを大衆は楽しんでいるのだ。また、技術者は科学的というには少し気恥ずかしさがあるが瓢箪から駒の機能を見出せる可能性にかけて昔から遊び感覚で使用してきた。
それが最近ではマテリアルインフォマティクスなる分野が現れ、アカデミアが真面目に取り組んでいる。ただし、人間の頭を使わずＡＩに頼ってである。昔から技術者はそれが科学的かどうかという曖昧さゆえの気恥ずかしさもあって自分の頭を使い知を紡ぎだしていた。
科学者と技術者の違いがここにある。科学と技術の境界は時代により変わるという名言があるが、科学者が自分の頭ではなくＡＩに頼る時代が来るとは想像しなかった。人間の良心から生み出される知が大切で有用と信じてきたが。
カテゴリー : 一般
pagetop
主成分分析を使用した成果で衝撃的な思い出は、電気粘性流体の耐久性問題を解決した仕事である。この仕事が原因でFDを壊されるような業務妨害を同僚から受け、研究所内で事件は隠蔽化された。
高純度SiCの事業を住友金属工業（当時）とJVとして立ち上げたが、研究開発活動にも障害が生じ諸事情を鑑み転職している。バブル崩壊直前の出来事である。
電気粘性流体をゴム製のケースに入れて使用するデバイスの開発を検討していたチームがあった。社長方針の３つの柱（ファインセラミックスと電池、メカトロニクス）の一つ、メカトロニクスの目玉として高純度SiCの企画と同じころ、電気粘性流体の開発がスタートしている。
しかし、耐久性問題を解決できず性能も低かったので研究段階に留まっていた。新しく着任したゴムのことを知らない研究所出身の本部長が添加剤も何も入っていないゴムを開発せよと、技術者には信じられない指示を出した。
新入社員時代に樹脂補強ゴムを開発した実績から、高純度SiCの事業を住友金属工業とのJVとして立ち上げた当方にゴムの研究者でも考えないようなテーマが巡ってきたのだ。
なぜこのような馬鹿げたテーマが研究所で企画されたのか。原因は、電気粘性流体の耐久性劣化の原因がゴムに含まれていた添加剤が電気粘性流体に流出して増粘する現象だったからである。
この開発メンバーは界面活性剤を電気粘性流体に添加して解決しようとしたところ、あらゆるＨLB値の界面活性剤で問題解決できなかったので、否定証明を用いて電気粘性流体の耐久性問題は界面活性剤で解決できない、という研究論文を本部長に提出していた。
その研究論文は、アカデミアよりもアカデミックな研究所で東大や京大はじめ高偏差値の大学院出身スタッフがまとめた科学的に完璧な論文で、本部長は高く評価した。その結果、添加剤も加硫剤も何も入っていないゴムを開発せよ、という指示になった。
当方は界面活性剤のカタログデータについて主成分分析を行い、界面活性剤の機能がHLB値だけで記述できないことを見出した。
すなわち、第一主成分はHLB値となったが、第二主成分に粘度へ寄与の高い結果が得られた。そこで、第一主成分と第二主成分の象限で界面活性剤の主成分得点を用い、分布を検証した。
驚くべきことに、第一主成分の軸の周りに６０％前後の界面活性剤は分布したが、４０％は、第一主成分の軸から距離のある所に分布していた。
この４０％の界面活性剤を中心にして実験を行い、一晩で耐久性問題を解決できる界面活性剤を見出すことができた。ところが、上司はこれは界面活性剤と表現するな、とアドバイスしてきた。
アカデミックな研究を進め、界面活性剤とは異なる界面活性効果を持つ物質第三成分である、というのだ。新しい学問を創り出すことはアカデミアの重要な活動だが、これはいかがなものだろうか。
首を傾げつつ、第三成分として界面活性剤の見直しが進められることになった。上司は電気粘性流体の粒子についても性能の良いものを開発するように指示してきた。
１週間ほどで傾斜粉体はじめ特殊な３種の粉体を開発し電気粘性効果を測定したところいずれも高く安定な電気粘性効果を発揮した。研究開発の妨害がエスカレートしたのはそれからである。
今マテリアルインフォマティクスはAIを用いて研究が進められている。人間がデータサイエンスで科学により未解明な真実を見出すと研究者から嫉妬などの問題を生じるが、AIならばそのような問題は起きにくいだろう。
ただし、当方の経験ではAIに任せるよりも、人間がデータサイエンスを使いこなし、新たな知識を見出す活動のほうが楽しいように思っている。新しい知識の発見を快楽の一つにできるのは、知的動物である人間の特権である。
カテゴリー : 一般
pagetop
主成分分析は因子分析の一つで、ｎ（因子）ｘｍ（データ組）個（ｎ<ｍ）のデータをｎ個の一次独立の因子のデータ組に変換する。他の因子分析との違いは全変動との比較で、変動の大きな順に因子を整理してくれるところだ。
この特徴があるので技術分野で使いやすい。例えば昨日まで説明してきた重回帰分析の説明変数を一次独立に変換して使用する場合に、全部の主成分を使用するのではなく、上位から必要な主成分を選んでモデル式を組み立てることができる。
主成分の特徴づけができておれば、各主成分に対するモデル式との組み合わせで、データ群の説明を読み解くことができる。
重回帰分析との組み合わせ以外に、主成分分析だけでも多変量データ群の整理に有効に活用できる。マテリアルインフォマティクスが盛んだが、人工知能を使わなくても人間の頭と多変量解析でデータマイニングが可能である。
マテリアルインフォマティクスはAIが登場して初めて考え出されたような説明がなされているが、人間の頭と多変量解析の組み合わせやタグチメソッドによるデータマイニングは５０年近く前から行われえいる。
日科技連の新QC７つ道具の一つとしても紹介されているので確認していただきたい。アカデミアよりもアカデミックな研究所で新QC７つ道具を使って仕事をやっていたところ馬鹿にされたりしたが、今その馬鹿にされた手法がアカデミアから提案されているところが面白い。
今は、マテリアルインフォマティクスをやっていても馬鹿にする人はいない。長く生きているとこのような面白い光景を見ることができる。今はパソコンで簡単にできるが、昔はパンチカードにデータを打たなければいけなかったので大変だった。
カテゴリー : 一般
pagetop
重回帰分析において説明変数は一次独立であることが求められるので、説明変数間の相関係数を評価しながら重回帰分析を行う手法も存在する。
・
段階式重回帰分析がそれだが、ユーザーが希望する説明変数がはじかれる場合もある。一方、説明変数間の相関が高くても重回帰分析を行いたい時には、説明変数のマトリックスを主成分分析により一次独立のパラメーターへ変換して行う手法がある。
・
主成分分析では、データマトリックスを一次独立の主成分因子に転換することが可能なのでこれを用いるとすべての説明変数を取り込んだ重回帰式を組み立てることができる。
・
ただし、この手法では目的変数を予測する場合に面倒である。説明変数間に技術的な相関関係が知られている場合には、やはり一方の説明変数を取り除いて重回帰分析を行うのが簡単である。
・
そのほかに目的変数と特定の説明変数の間に数学的な関係がある場合には、説明変数をその数学的な関係式で変換してから重回帰分析を行う工夫も必要な時がある。
・
重回帰式は多数の説明変数で組み立てられた関数をテイラー展開し、その一次の項だけを採用している。二次以上の項を誤差としているので、目的変数と特定の説明変数との関係について変換した値を用いることは邪道のように見える。
・
しかし、技術開発で重回帰分析を行うシーンでは目的変数を予測できる数学モデルを期待することが多いので、邪道と思われるこの方法を試してみるとその有効性を理解できる。
カテゴリー : 一般
pagetop
重回帰分析では、得られる重回帰式の２つ以上の説明変数間において、相関の無いことが重要である。数学的に表現すると説明変数が一次独立であることが求められる。
データサイエンスが普及し、パソコンで多変量解析が手軽にできるようになったが、データ整理に便利な重回帰分析の有効性を見出せない原因の一つにこの基本が十分理解されていない点があるのではないかと思っている。
説明変数間で全く相関が無い時に導かれた重回帰式のある説明変数αの偏回帰係数は、その説明変数α１個と目的変数で導かれる1次回帰式における単相関係数と一致する。
このことから説明変数間に相関がある場合の重回帰式の問題を理解できる。そもそも説明変数間に相関があれば、その相関のある説明変数どおしで単相関の一次式を組むことが可能である。
すなわち、相関のある二つの説明変数のいずれか一つが重回帰式に組み込まれておればよいことを意味するとともに、それら二つの説明変数を組み込んだ場合には、二つの説明変数間の相関から外れた値を入力して重回帰式で推定した時に誤差を抱え込むことになる。
重回帰式で説明変数を多くするとその式の相関係数は上がるが、予測式として使えない式になる、と説明されたりしているが、これは不十分な説明である。説明変数が少ない重回帰式でも、その式に含まれる説明変数間に相関が高ければ、予測式として説明変数に入力する値によっては誤差が大きくなる。
カテゴリー : 一般
pagetop
自動車のＥV化のスピードが速くなった。自動車エンジンがモーターに変化するので事業が消えてしまう産業界は大変である。例えばエンジンマウントは１９８０年前後から大きく進化し、高級車には電子デバイス化された製品が搭載されている。
電気粘性流体封入マウントも研究されたがコストの問題で不採用となり、電気粘性流体そのものも事業として育っていない。
エンジンを支える部品が電子デバイスに進化した原因は、高速走行時とアイドリング時でエンジンから発生する振動周波数が異なるためで、ゴム単体ではその性能が不満足だったからである。
すなわち、エンジンをただ支える部品でもエンジンにデバイスとしてエンジンに合わせた設計が必要だった。動力がモーターに代わることで複雑な振動モードの問題が無くなり、これまでの高性能マウントは不要となった。
そのため早々と防振ゴム事業を売却した企業も現れた。ここで不思議に思うのは、エンジンマウントを設計できるだけの技術を有していたならそれを他の事業なりに発展できないのか、という疑問である。
また、EV車の開発は、現在のところ従来の自動車の概念で進められているが、コストダウンや機能の設計見直しで防振技術あるいは防振デバイスが重要になる可能性が考えられる。
自動車の機能として乗り心地は重要であり、自動車の足回りの設計は未だに高い技術が要求される。自動車エンジンが無くなることで自動車自身の発生する振動が無くなった、と思われているが、これは従来の設計においての現象である。
また、人間の欲求には限界が無く、現在の技術で作られたEVが普及した後、より乗り心地の良いEVを求める可能性が高い。現在はエンジン自動車が比較対象となっているが、すべての自動車がEV化されたときには、EVが比較になる。
動的商品において、音や振動を０とする技術は未完成である。４０年前と違って未来技術を研究する組織を廃止した企業は多いが、再度自動車の未来を研究する組織を復活する必要がある。弊社にご相談ください。
カテゴリー : 一般 高分子
pagetop
全世界が注目した昨日１６時からのプーチンの演説は、歴史を考えるときに重要である。国際連合の常任理事国リーダーが、現代という時代の物差しで全く許されない行為をしたのだ。
演説の内容だけでなく、その演説の最中にも武力で現状変更を行い、多数の民間人の殺戮を続けている。日本で報じられている内容がどこまで真実であるのか不明だが、ロシアが武力でウクライナへ侵攻していることは事実である。
過去の戦争では、そこに至る過程とか議論されたりするが、第二次世界大戦後の世界では、武力による現状変更はいかなる理由でも許されないことであり、民間人の殺戮は戦争犯罪とするルールが決まっているので、ロシアの行為は悪の行為となるのは明白である。
この事実の前にリーダーは自己を正当化するだけでなく国家まで誤った道へ導く演説をしている。その事実を全世界は昨日生放送で見た。この戦争がどのようなものであるのか、これらの事実の評価で意見が分かれることは無いだろう。
不思議に思うのは、このような事実とその評価についてルールを無視した評価を下す人の存在である。そのような人と議論がかみ合わないのは当然なので、そのような人には、毅然とまず世界のルールを勉強するように命じなければいけない。
研究開発でも同様のことが起きる。科学では真理の追究という一つの目標が明確であり議論になったとしても真理が何かを第三者が証明すれば議論に結論を下すことが可能である。
ところが、科学では事実の確認が難しい時にSTAP細胞の騒動で行われたような否定証明により臭いものにふたをするような科学者がいるから注意しなければいけない。このような科学者にもプーチンまがいがいるから注意を要する。
カテゴリー : 一般
pagetop
退職して加わった新たな習慣は、８時から始まる朝ドラを１５分楽しむ時間である。１０年間半年サイクルの連続ドラマを見続けてきた。NHKが時代と視聴者を意識し製作していることが伝わってくる。
受信料で作られているドラマと納得でき、NHKの姿勢を理解するために見ておきたい番組だと１０年見続けてきて感じた。今回は黒岩結菜という若手女優を育てようという意欲まで伝わってくる。
１０年間見続けたドラマの中には感動が今でも残っている作品や、見終わって駄作と感じた作品までさまざまである。駄作と感じた作品でもその時の時代背景を考え、納得ができたりする。
ただし納得できても駄作は駄作である。視聴者の好みランキングでも上位には出てこない。この好みランキングを納得できることから、当方は平均的な視聴者かもしれない。
その当方が今の朝ドラを見ていて、出演者に納得してもそれぞれの演技に、いわゆる「くささ」を感じつまらなく思えたり、その結果１５分が長く感じたりする。
前回は１５分が短く感じるような展開のドラマだったが、今回は１５分のドラマを３分ぐらいで早送りにして見てもその内容を理解できるドラマである。
あたかも昔のドリフターズやすちゃらか社員のようなドタバタ喜劇の印象すら受ける。例えば主役が故志村けんの相手役優香に見えてしまう。
NHKは意図的に今回の早送り視聴を前提としたようなドラマを作ろうとしているのだろうか。前回は早送りそのままのようなドラマだったが。
もし、意図的な演出ならば、それを学ぶと研究開発期間をうまくマネジメントするコツがわかるのかもしれない。ちなみに前回の朝ドラにはアジャイル開発の参考となる要素が存在した。
一方、当方はとんでもないことと思っているが、今回の朝ドラでは余分な研究をやりたくて研究開発期間をうまく延ばしたいときのヒントが得られるかもしれない。
カテゴリー : 一般
pagetop
昨日TVのスイッチを入れたところZ世代はＴＶドラマを見るときに録画してそれを早送りして鑑賞するのだと説明していた。
特に興味を引くような番組ではなかったので、野球放送に切り替えどのような議論だったのか詳細を見ていない。
しかし、情報化時代に生まれた若者ならそのような鑑賞の仕方もあるのだろう、と思った。当方などは刑事コロンボを内容が分かっていても再放送があれば1時間半丁寧にお付き合いする。
今の若い人にはこの姿がヒマな老人の視聴スタイルと思うかもしれない。さらに、倒叙探偵小説の楽しみ方だ、と説明しても理解されないだろう。
情報化時代の若者は、情報をまずたくさん仕込みそれらを再構成して知を作り上げるスタイルなのだろうと思っている。当方の時代には目の前の現象に対して情報が少なかった時代なので、現象をよく見てそこから知を導くスタイルで身に着けていった。
当方のFDを壊して業務妨害をした犯人は受験勉強を一生懸命行い、そのスタイルのまま研究者に育った人のようで、他人のデータをまとめて否定証明の科学論文を書くことはできても創造的な仕事のできない人だった。
当方の世代にはこのような科学の形式知で固まった知識労働者と現場現物主義で目の前の現象から知を紡ぎながら努力していた知識労働者が混在していた。
今のように大量の情報が存在しない時代だったので、科学の形式知だけ振り回していても尊敬された。しかしトランスサイエンスが認知された時代では、科学の形式知だけで考えているような人は軽薄にみられる。
また、目の前の現象に対して自分で情報を入手しなくてもWEBに情報が溢れているような時代である。アウトソーシングがもてはやされ、自前で知を取りだす努力をしなくても「知もどき」を手に入れることができる。
「知もどき」でもトランスサイエンスの時代には答えを導き出せてしまう偶然もあり、データサイエンスがもてはやされる。これ以上書くとボヤキのようになるのでやめるが、Z世代の知の獲得の仕方で新たな知が創造されることを期待をしたい。
カテゴリー : 一般
pagetop
