利根川を渡る橋

利根川を渡る橋なんだけど、埼玉と群馬の間に位置する、そんな場合には行田のアタリを使う、というのが多かったかと。すっかり昔のことになってしまったけど、群馬だけでなく栃木に行く場合でも使っていた、そんなこと。

北関東の調査だけど、やはりしっかりやっておきたい、そんなことを思っていて、アレコレと取材先きの企業さまを検討している、という状態。

アメリカのMITで研究された理論の実証を探りたい、実はそんなことで、北関東の状況と合わせての考察もしたくて・・・。

頑張りましょう。

知識デザインの技法を大切に

FTA・FMEA、それにQFDとDRだけど、企業さまの方々にこういった技法をご指導させて戴くことが少なくないの。どうも、企業さまの方は、信頼性の数理によるデザインでのつくり込みよりは、こういった方の導入に積極的で・・・。

もちろん、どれも重要で、実践と理論をしっかり組み立てて、わかり易く説明をして導入の基本まで責任を持つ、そんなこと。特に、知識デザインの仕掛けそのものを理解して戴く、そんなことを強調している、という具合。要は、ディスカッションや経験等を通じて協調知識をつくり出す、そんなこと。

ナレッジ・マネジメントはクオリティの扱いでは基盤、そんなことを前提にデザインのツールをきっちり企業内に導入する、というのってとても重要なの。何しろ、組織の雰囲気が変わって・・・。

そう言えば、MBAの社会人学生さんだけど、中小企業診断士養成課程の方々だけでなく、既にこの資格をお持ち、あるいは会計士、税理士などの方々もいらっしゃるのだけど、食えるコンサル志望という方々も含まれているの。

個人的には、学問を大切にするのって実践相手のお仕事では重要、そんなことを感じている、という次第。理論からわかり易く説明できないと、要は次のお仕事がこない、そんなことかと。特に、他のコンサル等が気づいていない視点や実践で使うコツも理論から導く、そんなことが必要かと。

頑張りましょう。

クオリティ・マネジメント

クオリティ・マネジメントだけど、やはり大切でしょうよ。ココイラを必要とする対象って余りに多くて、実践と理論の形成をきっちり考究する、という役目は必要。

で、ここのところ博士課程の学生さん方とココイラの議論をしているのだけど、何しろ奥深い、そんなこと。もちろん、適用も広く、まだまだ考究は続く、そんなことでしょうけど。

この先の社会を担う、そんな研究者を育てる、そんなことも使命として感じていて・・・。医療や介護もさらに深く考えてみたいし・・・。

頑張りましょう。

学部の頃

統計学だけど、学部の頃の授業ではあまり熱心にはお勉強していなかった、という記憶があるの。卒業式で総代だったから、ひどい成績はついていないかもしれないけど、微分方程式によるモデリングに傾倒していたので、最初から統計を拒絶して、しっかり構成を理解しようとはせずに・・・。

だけど、4年生のときにカルマン・フィルタを自分で勝手にお勉強していて、少し見方が変わって、それで興味がこちらに移っていった、そんなことだったかと。正確？には、ウィーナーの予測理論を3年生のときに習って、それから少しづつこの方面に・・・。

だけど、今も頭の中ではモヤモヤとわからないことが多くて、何しろ諦めきれずにいる、そんなことかと。30年以上経っているけど、興味が尽きない、そんなこと。

頑張りましょう。

統計学とその応用

この分野、やはり魅力がある、という気がしていて、捨てる気にはなれない、そんなこと。個人的なことなんだけど、でも、なんだか世の中もそんな動向にもなっている感じかなーと。

という状況のもとで、この先だけど、どうするのか、そんなことをしっかり考えるのって大切でしょうよ。基盤の整備と奥深く探求をして、基礎の理論をつくる、そんなことが必須だし、ココイラを下地に応用を開拓する、ということも。

頑張りましょう。

12月15日(土)のつぶやき

ニューメレールと測度変換、およびマルチンゲール goo.gl/VPxYY6

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年12月15日 - 01:00

自分で組み立てられることの大切さ goo.gl/YbZgd3

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年12月15日 - 01:16

経済・経営系における確率システムズのモデリングと推論、さらにデザイン、制御および意思決定 goo.gl/zxLq2Z

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年12月15日 - 08:14

ベイズの数理科学とその応用 goo.gl/nao884

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年12月15日 - 08:34

故障診断

個人的にやっていることだけど、劣化進行の過程を数学で記述する、という極めて厄介なことを考え続けている、そんなこと。

とりあえず、故障診断への応用を考えていて、ココイラは機械学習との絡むのだけど、基盤から整理して積み重ねる、という極めて当たり前のことが大切、そんなことでしょうよ。

だけど、使う数学がかなり高度になっていて、確率微分方程式と確率制御、測度変換といったことに入り込みそうで・・・。無謀過ぎると無知が邪魔をして破綻、そんなことにもなるので、やはり注意が必要でしょうよ。地道に数学の鍛錬を行って・・・。

実は、確率システムに関するエンジニアリング分野での研究だけど、先人の先生方の文献を参考に頭を整理する、そんなことの大切さを感じているの。応用を目指しながら数理を拵えたのかをじっくり理解する、そんなことって大切。

データサイエンスにだけ着目していても行き詰まりそうで・・・。もちろん、故障診断の場合、この手口が基盤なんだけど、理論を掘り下げて・・・。

頑張りましょう。