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
２０世紀の問題解決法ではロジカルシンキングがもてはやされ、今もその類のセミナーがおこなわれている。TRIZやUSITも流行ったが、いつのまにか廃れた。当たり前の解答しか得られないからである。
２００５年に単身赴任した時に、ある若手技術者がTRIZを新入社員に指導していた。無駄な手法、と言いたくなったが、モラールを考慮し黙って見ていたら、新入社員が当たり前の解答じゃないですか、と正直にたずねていた。
若手技術者は、当たり前の解答が得られるから問題解決法として使える、と一生懸命説明しているのだが、新入社員の方が頭が柔らかい。TRIZを使わなくても答えを見通せる、と言い出し、これは正直すぎる発言と思い、手助けに行った。
TRIZは科学的に当たり前の解答しか得られないつまらない方法、と言いたかった当方が手助けをしなければいけないのも奇妙な話である。
しかし、一生懸命指導している若手技術者がかわいそうに思えたので、新入社員をまず褒めた。見通しの良い問題は、君のようにすぐに答えを出すのが良い、複雑な問題を考えるときにどうするのか、その手法を彼は教えてくれているのだ、と諭した。
続けて、TRIZでは科学的に解くので当たり前の結果が出てくる。それゆえ、これが好きな人もいるし、そのほかの問題解決法として、アイデアを練る視点からの方法がある、と説明した。
さらに、私はTRIZではなく独自の問題解決法でいろいろアイデアを提案してきた、今開発しているカオス混合技術はTRIZでは導き出せないアイデアで、当方の考案した問題解決法の成果である、と少し自慢げに話したところ、若手技術者からそれを教えてくださいと、言われた。
ホワイトボードにいくつか当方の考案した問題解決法のタイトルを書き、時間がある時に解説するので今日はこれまでとした。その後、この時の新入社員から教えを請われたが、カオス混合プラントを建設している最中だったので、残念ながら期待に応えることができなかった。
担当部長として東京に戻ってから、このことを忘れていた。２０１１年３月１１日に早期退職することだけ考え１年過ごしていた。担当部長を閑職と誤解している人がいるが、業務が抽象的になるだけであり、自ら目標設定すると、例えば早期退職するとなると多忙になる。
起業後、この新入社員のことが気がかりで、時々無料セミナーを開講してきたが、音沙汰無しである。コロナ禍となり、無料セミナーを開講している余裕もなくなったのですべて有料セミナーとしているが受講していただきたいものだ。
とりあえずセミナー代は３００００円として最近は運営しているが、弊社へご相談していただければ、破格のサービス価格提供も可能です。新入社員に限らずリスキリングやスキルのレベルアップで悩んでいる人もご相談ください。
DXで、プログラミングスキルは技術者の常識となりつつある。小学校でもプログラミングの授業が始まった。Pythonぐらいはエクセルやワードのように使えるようにしたい。
また、データサイエンスも今では科学の手法と見なし、アカデミアでマテリアルズインフォマティクスが研究される時代である。これも身に着けておきたい。
テキストは電子ブック形式で提供するので、適宜バージョンアップし情報が増えるように工夫している。すなわち、１回セミナーを受講すると、後日セミナー内容が新しくなってもその新しくなった内容を学ぶことが可能なのだ。早く受講した方がお徳、という説明も可能だ。
（注）データサイエンスやプログラミングスキル以外のセミナーも提供できます。例えば無機材料から高分子材料まで多岐にわたる材料技術の実務を伝授可能です。コロイド科学も技術提供可能で、セミナー受講者には弊社の特許を開放することも計画しています。お問い合わせください。出張セミナーからＷＥＢセミナーまで、また受講者一人からでも対応いたします。
カテゴリー : 一般
pagetop
高分子の力学物性をダッシュポットとバネのモデルで研究する時代がかつてあった。当方がゴム会社に入社し、半年の研修を終えて研究所へ配属された時の指導社員が、その名手であった。
その指導社員からデータサイエンス（当時このような呼び名は無かった。数理モデルによる解析と称していたが、ここではデータサイエンスで統一する）の未来について習い、研究所ではデータサイエンスを隠して仕事をした方が良いとアドバイスを受けた。
当方は、そのアドバイスを無視して、MZ80Kを購入しなければならなくなってからは、積極的にそれをアピールしながら問題解決していた。
ダッシュポットとバネのモデルで高分子のレオロジーをシミュレートする名手の嘆きは、高分子のレオロジーを研究する手法にダッシュポットとバネのモデルは使われなくなるだろう、と言うものだった。
当時のゴム会社でこのモデルにより高分子のレオロジーを論じる限界について結論が出つつあった。研究所は、非科学を排除する風土であり、指導社員はその問題を当方に警告として指導してくれたのだろう。
やや昇進が遅れ、当方が初めての部下だったが、決して仕事のできない人ではなかった。考え方も研究所の他の研究者よりもまともであり、成果に向けて貪欲だった。
大学院をセラミックスの講座で過ごした当方のために、毎朝3時間座学で高分子の力学物性について丁寧に教えてくれた。その時の講義録を基に混練の本を出版できたほどの内容である。
指導社員は科学的ではないと否定されても研究の見通しを得る優れた方法としてダッシュポットとバネのモデルによるシミュレーション技法も丁寧に解説してくれた。
レオロジーについては分子1本から積み上げる研究が現在展開されているが、技術的見通しを得る手法としてダッシュポットとバネのモデルは注目されても良いと思っている。クリープとか緩和現象について注意すれば今でも十分材料設計に活用できる非科学的方法である。
非科学的方法だから排除するという姿勢では、技術開発を迅速に進めることができない。科学的でなくても問題解決できる手法はどんどん取り入れてゆく姿勢がイノベーションの起爆剤になる。データサイエンスもそのカテゴリーの手法である。
カテゴリー : 一般
pagetop
入社して2時間で退職、という記事があった。Twitterで、新卒社員の退職が話題になっているようだ。当方の新入社員時代にも半年間の研修中に退職する同期が数人いた。
研修が終了し10月1日配属の日に退職を決めたある同期は、ゴム会社には何も技術が無い、と魅力の無さを理由に退職している。
12年間勤務した当方の感想は、研究所とタイヤ事業部門とが全く異なる風土で、いじめが常態化した研究所の隠蔽体質に問題がある会社、というイメージである。当方が被害者となった事件が隠蔽化されたので転職したが、その後新聞沙汰になるような事件が八重洲の本社で起きたことをTVで知った。
およそ何も問題の無い企業は無い、というのが約30年間組織活動をした感想である。大なり小なり問題が発生し、日々発生した問題へ組織が誠実に対応できるかどうかは企業風土に依存する。
電気粘性流体の仕事を依頼された時に、一切関係する研究報告書や論文等を見せてもらえなかった。それでも、研究のお手伝いをしながら、実用化に重要な耐久性問題の解決や性能向上した電気粘性流体の実用的な粒子開発をやってのけている。
科学的方法による研究だけで情報を集めても実用化につながらない典型的なモデルケースだった。そして科学的方法で問題解決できなかったいくつかの問題をデータサイエンスを活用し解決して、実用化レベルまで技術を完成させている（アジャイル開発の手法である）。
そのとき業務妨害の事件が起きており、それが隠蔽化されるというので、高純度SiCの事業が住友金属工業とのJVという形で立ち上がっていたこともあり、成果やキャリアをすべて捨てて退職している。
データサイエンスのスキルは新入社員時代から独学で自己実現の一つとして研究してきたが、研究所内ではQC手法と同様に迅速に成果を出す当方の技術開発方法は、U本部長時代以外では否定された。U本部長は、「研究企画よりもまず、モノ持ってこい」と当時先進的なアジャイル開発を推進していた。
当方が12年間辞めなかったのは、役員の一部の方の仕事に対する理解や同期の友人など魅力的な人間関係があったからだが、露骨な業務妨害を受けて隠蔽化され脅迫まがいの事件だけでなく、新入社員時代からずっと嫌がらせを受け我慢してきたので転職の判断をしている。
当方のように身に危険が及ぶほどの耐えられない状態でないならば、自己実現目標を設定し我慢して勤務してみるのも悪くない。組織で活動しなければ身につかないスキルがあるのだ。
5年は我慢して自己実現努力をしてみてはいかがか。高純度SiCの事業は、5年間耐えて住友金属工業とのJVに出会っている。何か実るまで石の上に3年というが、当方は5年我慢することをお勧めする。
新入社員から5年間我慢してデータサイエンスのコツがわかり、実験計画法からタグチメソッドもどきを発明し高純度SiCの前駆体技術を発明している。
パワハラやセクハラが社会問題として取り上げられる時代になった。当方の新入社員時代よりも恵まれていると思う。人は組織活動を通じて大きな社会貢献が可能となるのでそれを学ぶためにも少し我慢して勤務した方が良いと思う。
カテゴリー : 一般
pagetop
マテリアルズインフォマティクスが騒がれて７，８年経った。最近は高分子と機械学習を短絡的に結びつける発想に疑問を持つ人も多くなった。
当たり前である。高分子物性の変化あるいは機能の発現は線形モデルで議論できる場合が多い。SSカーブでさえ線形モデルで扱い、タグチメソッド（TM）を行っても、最適な制御因子を選ぶことが可能だ。
また、当方は５０年近く前から多変量解析を使用し、高分子材料の開発を行ってきたので、データサイエンスに関する開発事例を多数持っている。
データサイエンスを材料研究に用いることが非科学と否定されても、それが日科技連の新QC７つ道具に書かれているという理由で、迫害に近い妨害を受けても使い続けた筋金入りのデータサイエンス研究者である。
結局命が惜しくて転職しているが、材料科学にデータサイエンスを用いて問題解決することが、それほど他の研究者に嫌がられた時代があったのだ。信じられないかもしれないが、転職した当方がその証である。
データサイエンスそのものの研究は、科学でも、それを用いた材料の研究は、非科学となる。そのような時代がかつてあった。データサイエンスを用いて材料科学の問題を解くのはTM同様に技術の「メソッド」である。
このような視点で、材料科学だけでなく、食品や医療分野などすべての科学分野で用いるときに同様の観点でとらえるべきである。
また、データサイエンスを学ぶときにもそのような姿勢で学ぶべきである。それが、科学を科学として成立させるために必要である。
もっとも、科学と非科学の境界は時代とともに変化するというイムレラカトシュの言葉もあるので、TMはじめデータサイエンスによる材料科学の問題解決を科学の方法とするのも一つの考え方であるが、故田口先生は、科学の研究を行うぐらいなら基本機能の研究を行え、と言われていた。
だいたい、人類の文明がすべて科学の成果という考え方が間違っており、科学の成立していなかった時代にも科学と異なる方法による成果で文明が進歩してきた歴史に気がつくべきである。
E.S.ファーガソンは、「技術屋の心眼」の中で科学以外の方法による成果に目を向ける必要性を指摘している。科学をさらに進歩させるためには、科学以外の方法による技術開発の手法も体得すべきである。
大型コンピュータを活用し５０年近く前から材料科学に応用されていたことをご存知ない方が多い。弊社は豊富な成功事例を活用したセミナーを問題解決法として展開しています。ご相談ください。
カテゴリー : 一般 電気/電子材料 高分子
pagetop
仕事の打ち合わせが終わり、雑談となってオーディオの質問を受けた。書斎にオーディオシステムを揃えるとしたらいくらかかるのか、という相談である。
居間には２０年前購入したオンキョーのシステムがあり、スピーカーは３０ｃｍウーハーのついたあの名機が置いてあるという。
２０年前と現在でオーディオ業界は激変した。安いオーディオセットでまもともなセットを購入できるのはヤマハしかない。DENONではスピーカーは一種類しか無く、そのスピーカーと組み合わせるアンプをとりあえず販売しているような状態だ。
DENONのアンプを選んだならばスピーカーについて専業メーカーを探すことになる。いまや、１社の製品で手ごろなオーディオ環境を構築したいならばヤマハしかない、という市場状況である。
１社の製品にこだわらなければ、組み合わせの選択肢は無限に広がる。デジタル中華アンプでそこそこの性能の製品が出てきて１万円で４０W程度のアンプを購入可能だ。
ゆえに音源はPCのみで安い製品ですべて揃える、という観点に立てば、２万円程度で我慢できるデスクトップオーディオ環境は揃う。アクティブスピーカーの安いものであれば１万円でよい。
しかし、少し良い音で、となると、スピーカーは手作りとなる。市販品に１ｍ以内において良い音のするスピーカーが無いのだ。
コスト無視ならばＢ＆Ｗの１００万円以上もするスピーカーを購入すればよいのだが、そうするとアンプも５０万円前後のアンプとなりＤＡＣまでそろえれば２００万円近くかかる（１００万円以上するスピーカーを安い中華アンプで鳴らしても良いが。）。
お金に余裕があったとしても、オーディオファンに悪いがこれは馬鹿げていると思う。２万円前後のキットで結構いい音のするスピーカーシステムができる。これとＤＡＣ付のデジタル中華アンプを組み合わせれば５万円以下で書斎で聞くのに十分なオーディオ環境となる。
デジタルアンプはどうしてもいやだと感じる人はヤマハの３万円台のアンプと組み合わせることになるが、PCにアナログ出力が無ければDACを購入する必要がある（ヤマハのアンプにもDACが一応ついているが。）。DACはローランドの安いもので十分である（これならアンプについているDACと変わらない、と思う人は不要である）。
DACに少し良いものを使いたいならば、DENONから５万円台のDACを選ぶことになる。これが結構いい音がする。年寄りの耳でも安いDACとの音の密度差が分かる。ただ、聞き流し程度では気にならない差ではあるが。
ゆえに書斎でそこそこのオーディオ環境を揃えようとしたときに、音源が一つであれば、１万円前後と５万円前後、１０万円前後の３段階から自分の満足行く環境を選ぶことになる。
今当方は事務所でDENONのDACとヤマハアンプ、手作りスピーカー、合計７万円ほどのシステムを楽しんでいる。ジャズ程度であれば十分な低音を楽しむことができ、目をつぶれば１００万円以上するB&Wのスピーカーを聞いている気分になる。
カテゴリー : 一般
pagetop
DXにより、データサイエンスを容易に活用できるようになった。弊社でも重回帰分析と主成分分析のプログラムを無料で公開している。
自分で利用するためだったが、無料公開を決めた。この２つのプログラムだけでも大抵のデータ処理が可能だ。線形一次式で表現できない現象でも工夫すればこの２種のプログラムで十分データサイエンスできる。
当方はこの二つのプログラムで今でも成果を出している。プログラミングを行いデータサイエンスすることはモデル化問題ぐらいである。
機械学習が流行りだが、機械学習よりもすなおに多変量解析した方が良い場合が多い。過去に多変量解析で結果を出した問題について、Pythonで学習機械を２種類ほど作成し比較したが、多変量解析の方が迅速に結果を出すことができた。
このあたりの勘所については、セミナーで機会があると説明している。AIがブームであるが愛が無くてもデータサイエンスは可能である。
カテゴリー : 一般
pagetop
