１９８０年から１９９０年にかけて高分子の緩和現象に対する科学的アプローチに変革が起きている。レオロジーについてダッシュポットとバネの数理モデルによる研究が否定されたのだ。
そして、２０世紀末に当時名古屋大学教授土井先生をリーダーとしたOCTAプロジェクトにより高分子シミュレーターOCTAが登場している。
このOCTAは無料開放されており、高分子物理についてこのOCTAに実装されたライブラリーでシミュレーション可能である。ただし、OCTAでできるのは科学の形式知で明らかな現象だけである。
換言すれば、これから研究しようとする高分子物理について形式知による予測が可能だということを示している。ただし、このような予測はOCTAに限る必要は無く、現象の回帰や予測を多変量解析や、流行の機械学習で行っても良い。
もちろん過去に否定されたダッシュポットとバネのモデルを持ち出して技術開発を行っても良い。ただし、この時緩和現象の問題を知っているという前提である
ところで、マテリアルズインフォマティクスではディープラーニングばかりが注目されているが、タグチメソッド（TM）もマテリアルズインフォマティクスである。
基本機能とその制御因子はじめ調整因子など各因子の体系ができれば、企業の貴重なノウハウとなる。そして新技術を開発するときにそれを利用すれば、開発スピードが上がる。
モデルベース開発（MBD）が注目される理由の一つに開発スピードの向上がある。これがどのくらいスピードアップするのかというと、例えばPPS半導体ベルトの開発に５年以上かかっても歩留まり１０％いかない状態だった。
コンパウンドのパーコレーション制御がうまくできていなかったためで、これをシミュレーションで問題解決した後に、中古の二軸混練機部品を買い集め工場建設後量産開始まで半年で歩留まり１００％を実現している。
もちろんコンパウンド工場の最適化はTMで行っている。このようにMBDによる開発スピード向上は著しい。この他に弊社では豊富な事例を開示している。
試作段階で原因がわからず２０ロット以上も無駄なコンパウンドを量産試作した結果を解析し、たった３０分で問題解決した実績もある。
科学の形式知に忠実なOCTAのようなシミュレータだけでなく、独自の数理モデルによる予測や回帰、分類などをフロントローディングで実施し、最適条件を目標に技術開発を行うMDBの一番の特徴は、開発スピードが速くなる、という長所である。
開発成果が得られたならば、人材育成のためにゆっくりとそれを題材に研究を行う、というマネジメントも良い方法だ。答えが分かっているので研究もやりやすい。半導体治工具用高純度SiCの学位論文もそのような手順で完成している。
カテゴリー : 一般
pagetop
重回帰分析が現象の数理モデルを得る目的として回帰や予測を行うための方法であるが、分類や特徴抽出、パターンニングを行う方法が主成分分析である。
今AIを活用する機械学習、ディープラーニングが注目を集めているが、学習機械をプログラミングしなくても弊社が公開している重回帰分析と主成分分析を駆使すれば同様の数理モデルによる現象解析が可能である。
そもそも、現象を数理モデルで理解する方法としてシミュレーションがあるが、広義には現象を記述できる数式ができればよい。その簡便な方法が重回帰分析や主成分分析であり、データ駆動で行う方法が学習機械を利用するディープラーニングである。
さて、主成分分析であるが、これは多変量解析の手法として知られている因子分析の方法であり、因子分析では各因子の序列がつかないが、主成分分析では、全データの変動を加味して、変動の大きい因子から小さい因子に序列をつけた結果を得ることができる。
心理学の分野では因子分析がよく使われるが、技術開発の分野では変動の大きな、すなわち影響力の大きい因子を見つける作業が重視されるので、主成分分析が便利である。
ｎを評価項目、ｍを実験数としてｎｘｍのマトリックスデータを主成分分析にかけると、ｎ個の主成分データに変換される。実験で得られたデータ群の一次独立性は保証されていないが、ｎ個の主成分はお互いに一次独立となったデータマトリックスに変換される。
この性質を活用し、重回帰分析と組み合わせると、一次独立の変数で組み立てられた回帰式を得ることが可能となるので、主成分分析と重回帰分析の両方を自由自在に使えるようにしておくと、一次独立のパラメーターで記述された現象の数理モデルを簡単に組み立てることができる。
弊社では、ディープラーニング以外にも多変量解析の活用だけに絞ったセミナーも準備しているのでお問い合わせください。ディープラーニングだけがデータサイエンスではないのだ。データサイエンスは必要な時に必要な手法を使ってこそ実務で光る。
カテゴリー : 一般
pagetop
重回帰分析は、データサイエンスの手法として理解しやすく、ある商品の機能について影響を与える因子に関する数理モデルを容易に得ることができる。
多変量解析の教科書には、目的変数と多数の説明変数の関係式（重回帰式）が得られると書かれていたりする。重回帰式を求める方法についてよく理解できずあきらめる人もいるかもしれない。
しかし、安心してください、解析したいデータがあれば、それを弊社のサイトに貼り付けるだけで容易に重回帰式を求めることができる。すなわち、重回帰式の求め方がわからなくても重回帰式を得ることができる。
重回帰式が得られたならば、その活用方法を学べばよいのだが、それは弊社のセミナーを受講していただきたい。具体的な事例とともにその活用方法を解説している。
重回帰分析では、偏回帰係数と標準偏回帰係数、寄与率やｔ値、Ｐ値などが得られるのでそれぞれのパラメーターをどのように解析したらよいのか悩むことになる。
弊社では、これを実戦的に説明している。すなわち、手っ取り早く現象について数理モデルを得る方法をわかりやすくセミナーで解説している。
カテゴリー : 一般
pagetop
昨日は日本ゴム協会からの招待講演のため赤坂見附まで電車で出張いたしました。これまでコロナ感染予防のため車移動で出張していたのですが、５類に移行したということで公共交通機関の利用となりました。
まず東上線に乗る時にSUICAが使えなくなっており、びっくりしました。池袋JR窓口で処理をしていただき、丸ノ内線ではSUISUIと改札口を通過できました。
１年以上の利用が無いとSUICAが使えなくなるというルールを知らず大変焦りました。赤坂見附では人の流れができており、とりあえずその流れに乗りましたら目的の出口につくことができましたので、人通りはかなり多かったと思います。
驚いたのは５類に移行してもマスク無しの人が少ないことです。やはり皆感染を恐れての対応をされている。講演もマスクをかけたままでしたが、違和感が無くまだコロナ対策の必要性を強く感じている人が多いことに安心しました。
ニュースでは病原性の低下が伝えられておりますが、２０２０年の騒動の記憶があり、年寄りが感染したら死ぬ、といった恐怖感は容易に消えません。
カテゴリー : 一般
pagetop
リスキリングで重要になってくるのは、「技術の方法」に対する理解である。すなわち、技術というものをどのように認識するのか、ということだ。
これが日本の経営者あるいは企業幹部の多くは科学を中心に捉えており、技術は職人のものと勘違いしている。ゴム会社で当方の上司となった人の大半はこのような考え方だった。
科学と非科学の境界は時代により変わると言ったのは哲学者イムレラカトシュであるが、科学で体系づけられた形式知の中に、科学で厳密に証明ができない経験知が紛れ込んでいるためである。
ゆえに科学技術の中に、経験知だけで組み上げられた技術も数多く存在するはずである。このような技術は、残念ながら非科学的な技術となるが、暗黙のうちにこれも科学として認めている、あるいは誤解している人が多い。
すなわち、新技術を生み出しているのは科学者ばかりではない。日本で新技術を生み出せない人を職人と呼んだりして、「大学を卒業しても職人にしかなれない人がいる」と職人を馬鹿にした発言を平然とする経営者もいる。
このような経営者を認めた場合に、非科学の技術を生み出すような人材をどのように呼べばよいのだろうか。日本では、技術者とも科学者とも呼べないのである（注）。
リスキリングの狙いは、職人の養成ではない。職人の養成には職業訓練学校が存在する。日本で新たに進めなければいけないのは、新技術を生み出せる人材を養成するためのリスキリングでなければいけない。そのためには、技術に対する正しい理解が必要だ。
（注）弊社では、技術者にも科学者にも学んで役立つ問題解決法を低コストで提供しています。リスキリングのために弊社の問題解決法を導入するとリスキリングを円滑に進められます。
カテゴリー : 一般
pagetop
実務における問題解決法のセミナーの類としてロジカルシンキングは今でもニーズがあるロングセラーのテーマである。一方今時当たり前の回答しか出せないTRIZやUSITは人気が無い。このようにセミナーのテーマには時代により流行り廃りがある。
データサイエンスについてはこれから人気が出るセミナーのテーマではないかと予想しているが、データサイエンスという表題はある意味抽象的でわかりにくいのではないかと心配している。
また、最近はビッグデータが話題になり、その処理を機械学習で行う方法に注目が集まっている。AI人気もその類である。
しかし、実務の現場で5個以上100個未満のデータに対して機械学習で処理を行うというのは、期待値に対して得られる結果の寄与率は低い。
このような小規模のデータ群に対しては多変量解析による処理が最適である。但し、重回帰分析や主成分分析にも限界があり、非線形データに対する対応にはひと工夫が必要になる。
ただ、機械学習と異なる点は、弊社でも重回帰分析と主成分分析の処理プログラムを公開しているように、すぐに解析ができる無料で動作するプログラムが解放されていることだ。
ちなみにこのホームページのプログラムでは、エクセルデータを張り付けるだけで解析できる。機械学習でもデータ処理の目的は、分類か回帰、あるいは予測であり、その目的であれば、まず何も考えずデータを処理できる点で多変量解析は機械学習よりも簡便だ。
また、実務でデータサイエンスを使うとよいシーンを整理してみても、とりあえず手元のデータから何がわかるのか、を知りたいときが多い。ただその時に機械学習のプログラムを作成し解析を進めたい、というケースは少ないのではないか。
少なくとも当方が32年間サラリーマンとして勤務していた時に多変量解析とタグチメソッドがあれば十分だった。機械学習に取り組んだのは退職直前の時間ができた時である。
（注）多変量解析を機械学習に含めている記述が成されている論文や教科書が存在するが、それは一つの考え方に過ぎない。多変量解析には機械学習のような専用のプログラムを組む必要は無く、汎用の多変量解析でデータ処理し、人間の頭でデータマイニングを行うのが基本である。多変量解析は１９６０年代から知られており、１９７０年代にはいると心理学分野で大型コンピューターによる解析がおこなわれるようになった。また新ＱＣ７つ道具として紹介されたのも１９７０年代であり、ディープラーニングよりも古くから親しまれている方法だ。
カテゴリー : 一般
pagetop
高純度酸化スズゾルを用いた透明導電薄膜の技術が科学的に否定された背景には、パーコレーションという現象が１９９０年頃材料技術者に知られていなかった問題がある。
パーコレションという現象は数学者により１９５０年代から議論されてきたが、それが材料の混合技術において分散現象と関わる重要な議論と広く材料技術者に知られるようになったのは、１９９０年以降である。
その原因は、材料の混合分散について混合則（あるいは複合則）で議論されてきたからである。また、スタウファーにより体系化された浸透理論をそのまま材料技術者が理解するには難しすぎた。
また、数式により表現されてもそれをそのまま現象理解に結び付けられるかどうかは、データサイエンスで材料技術のアイデアを練る手法理解で要求される「苦痛」を我慢できるかどうか、という問題と似ているところがあった。
ここで「苦痛」と表現したのは、科学の方法こそ技術開発で許される唯一の方法と信じている人には、データサイエンスで示された答えを受け入れるだけでも耐えがたい感覚になる人がいるからである。
当方はそのような人が引き起こした事件のために新事業をゴム会社で起業しながらも転職しなければいけない状態に追い込まれている。
データサイエンスの研究は科学であっても、それを材料技術に応用する、あるいは問題解決法として利用するときに非科学的という感覚になる人がいる。
また、タグチメソッドは１９９０年代に普及が始まったが、３０年以上経った今でもその手法をご存知ない方が多い。これは、指導側の問題もあると思い、弊社ではデータサイエンスの視点で学びやすくした教材を用意している。
カテゴリー : 一般 電気/電子材料 高分子
pagetop
高純度酸化スズゾルを用いた透明帯電防止層の製造は科学的に不可能、と否定証明が展開された論文により、写真フィルムの透明帯電防止層の材料として高純度酸化スズゾルが否定されたので、イオン導電性高分子が写真会社で使用されていた。
ATOやITOなどの材料が研究対象として選ばれなかったのは、ライバル会社から多数の特許出願が成されていたからである。ライバル会社からは組み合わせ特許も含め３０００件近い発明が公開されていた。
この多数の発明を整理してみようと思い、特許を取り寄せ読み込んでいったところ、１９８０年代の中ごろから戦略出願されていることに気がついた。
すなわち、それらより以前に出願された特許には、特公昭３５－６６１６が登場するのだが、戦略出願されるようになってからは、その存在が隠されるような表現になっていた。
今となっては笑い話にもできるが、当時小西六工業時代の特許を詳しく知っている技術者が一人もいなかったのだ。特許庁まで出向き、その周辺も含め特許を調べたところ、その特許１件だけがぽつんと出願された状態だったことに驚いた。
また、出願企業を見て衝撃を受けている。転職先の図書室で過去の研究報告書を調べたところ、ホコリをかぶっていた廃棄予定の段ボール箱の中から、写真業界における帯電防止技術と書かれた冊子を見つけた。
その冊子には番号が付けられ、限定された数だけ社内に配布されたとあった。しかし、その限定版が廃棄予定の箱の中から出てきたのだ。これ以上は書かないが、帯電防止の基盤技術が社名の変更とともに無くなったことを知った。
さて、このような状態で否定証明された酸化スズゾル技術を再度企画として提案するにはどうしたらよいのか。この答えは日本化学工業協会から技術特別賞を受賞した年に日本化学会春季年会で「温故知新の技術」として問題解決法も含め講演している。
否定証明された企画を再度復活するには、プレゼンテーション能力だけで解決できない問題が発生する。この酸化スズゾル技術の復活企画をしているときに、自費で会社で使用するノートPCを購入しなければいけない状態（注）になっている。
（注）MS-DOSの時代に、職場のPCは１台を数人で共同使用する状態だったので、データを職場のPCのハードディスクに保存することができなかった。しかし、企画途中のデータがＦＤ数枚になったのでハードディスクなしに作業ができなかった。これ以上は書かないが、否定証明された企画を復活するときには、それなりのリスクが存在することは知っておいてほしい。
カテゴリー : 一般 電気/電子材料 高分子
pagetop
金属酸化物は酸素欠陥を生成しやすいので、その電気物性を科学的に議論するときには単結晶の測定データが用いられる。しかし、公開されているデータの中には、単結晶の合成が難しい、という理由で多結晶体の測定結果があるので注意する必要がある。
酸化スズの電気物性について科学的に正確なデータが測定されたのは１９８０年代である。無機材質研究所で構造欠陥の無い単結晶が製造されて、高純度酸化スズが絶縁体であることが確認された。
ゆえにITOやATOに導電性があるのは、不純物の添加により酸素欠陥が生成するためであり、それにより半導体領域から導電体領域までの電気特性が発現する。
１９８０年代に初めてこれが証明されたのだが、透明導電体は１９６０年代から蒸着法で製造されたITOが実用化されていた。また、このころ世界で初めて非晶質高純度酸化スズゾルの導電性が今は存在しない小西六工業（株）の研究者により発見されている。
小西六工業（株）からは特公昭３５ー６６１６という特許が公開されるやいなや、写真界の巨人イースタマンコダックや当時セルロース製造会社から生まれたばかりの会社から技術に追いつこうと特許が多数出願されている。
小西六工業（株）は静電気の研究でトップを走っており、当時今でも通用する帯電防止に関する技術体系が生まれている。ゼロックスから複写機が発表されてすぐにユービックスを商品化できたのはその基盤技術が存在したからである。
日本が帯電防止の研究で世界トップレベルだったことを知ったのは、ゴム会社から転職し、酸化スズゾルの導電性について否定証明が成された社内研究論文を読んだことがきっかけである。
無機材研の研究成果を知っていたにもかかわらず、その社内研究報告書に疑問を感じたのは、当方の転職の原因が電気粘性流体耐久性問題に関する否定証明をひっくり返し、その結果当時推進していた住友金属工業とのJVの業務妨害を受けるようになったトラウマからである。
すなわち、「また、否定証明か」というデジャブのような気持ち悪さからである。酸化スズ透明導電薄膜の研究に初めて接したにもかかわらず、その否定証明の論理展開に恐怖さえ感じている。
カテゴリー : 一般 電気/電子材料 高分子
pagetop
データサイエンスでアイデアを練ったり、新材料を創造するために、ビッグデータは不要である。高純度SiCでは、フェノール樹脂を1ｔ以上廃棄処理する必要もあって、廃棄作業をやりながらたくさんデータを収集できた。
また、ＰＰＳベルトでは、実験を行わずシミュレーションで多数のデータを出してデータサイエンスしている。そして、配合を変更しなくても高次構造の制御で目標を実現できることを見出した。
しかし、最低3個程度でも大丈夫な分野がある。興味のあるかたは弊社のセミナーを受講していただきたいが、データサイエンスを用いて材料開発を行ったり、製品開発を行ったりする方法は、20世紀の視点では非科学的方法である。
どうせ非科学的方法ならば、と割りきれば、データの数など気にせず、データサイエンスによりヒューリスティックに結論を迅速に導き出せるメリットを享受したくなる。
その時、データサイエンス活用方法のコツを知っているかどうかは重要である。例えば、重回帰分析でｐ値やｔ値が問題にされたりする。これらの値は、データ量が多くなれば小さくなる傾向にあり、ビッグデータではｔ検定に容易に合格する。
ところがｔ検定に合格したからといって寄与率が高くなっていない場合もあるから注意する必要がある。逆に、重回帰分析では寄与率の高い式が得られたならｐ値など気にしなくてよい。寄与率の高さからアイデアを迅速にまとめることがコツである。
データサイエンスを実務に用いる場合、科学としての厳密性にこだわるよりも、技術として有益な成果が得られるかどうかの視点で活用するのがコツである。
カテゴリー : 一般
pagetop
