tag:blogger.com,1999:blog-341682782026-04-11T05:45:10.701-07:00技術と経営の橋渡し: MBA技術者の視点から研究開発、品質管理、シックスシグマ、データマイニングを探求します。R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.comBlogger647125tag:blogger.com,1999:blog-34168278.post-41450229107347532462025-11-16T06:19:00.000-08:002026-01-04T12:52:10.892-08:00

  ■ カーボンニュートラル時代の非調質鋼の役割（動画生成: NoLang (no-lang.com)）＊動画内の画像はDALL・Eによります。*「カーボンニュートラル時代の非調質鋼の役割」について記載した記事はこちらから。 ■ 「論理に強いClaude Opusと話題の「まじん式」でカーボンニュートラル×非調質鋼の動画解説を作成した。」で紹介した動画はこちら。＊動画では非調質鋼を”ヒチョウシツハガネ”と呼んでいますが”ヒチョウシツコウ”です。

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-36270104580149251372025-05-29T04:32:00.000-07:002025-05-29T04:32:37.218-07:00

現在（2025.5.29時点）、大前研一氏が解説する「日米貿易交渉 40年の歴史とトランプ関税」のYouTubeが公開されています。この動画は、過去40年にわたる日米貿易交渉の歴史を、大前氏が自身の経験に基づいて解説；特に、繊維、カラーテレビ、オレンジ・牛肉、ピーナッツ、サクランボ、鉄鋼、自動車、半導体といった具体的な品目ごとの交渉の経緯と、その結果としてアメリカが競争力を回復できなかったことを詳細に論じています。本記事は、その備忘録です。  ■ 備忘録１：日本の産業戦略の弱点は何か？・受動的な姿勢：アメリカから問題提起や要請があると「柳のように」従い、生産拠点の移転や譲歩を繰り返したこと。・技術供与による自滅：半導体交渉で国内シェア50%以上の強みを持ちながら、輸入義務を満たすため韓国企業に技術を教え、自社産業の競争力を損なった。・農業の非効率な保護主義：市場開放交渉後

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-68328861161964363512025-05-16T02:10:00.000-07:002025-05-16T02:10:00.230-07:00

以下は、NoLangにて作成した動画になります。■ 3C分析（動画生成: NoLang (no-lang.com)） ■ SWOT分析（動画生成: NoLang (no-lang.com)）

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-62254254406664450602025-03-15T01:45:00.000-07:002025-04-02T04:16:11.568-07:00

 数年前、コロナの影響で学校、職場では、できるだけ人と人の接触を避けるようになり、仕事上でも顧客への訪問はなくなり、在宅勤務も増加しました。会議、ミーティングもTeamsやZoomで実施されるようになり、これまでと大きく変わりました。小中高のような学習内容が決められている場合を考えると、極端な話、例えばある科目の先生が1人いれば、全国で同時に授業は成立してしまうのか？と勘違いしてしまいます（もちろん教育はこればかりでないことは承知しております）。＊本記事の1分解説動画はこちら（動画生成: NoLang (no-lang.com)。ただ、ビジネスシーンでは、これは成立することもあります。例えば、自身の関連しているビジネスについて、特に破壊的イノベーションについてクリステンセンに相談したい、ドラッカーを師事したい、イノベーションについてシュンペーターの講義を受けてみたいなど・・・

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-17602691165480912872025-03-13T03:58:00.000-07:002025-03-14T23:40:49.435-07:00

 破壊的イノベーションは、既存の市場や産業構造を根底から覆す可能性を秘めています。本記事では、破壊的イノベーションの基礎知識を記載し、おすすめの情報源を紹介した後、テスラについて考察しています。破壊的イノベーションを理解し、自社のビジネスに活かすための第一歩を踏み出しましょう。1分解説動画；破壊的イノベーションとは？ 動画生成: NoLang (no-lang.com) 下の動画がご覧いただけない場合はこのリンク先でご覧ください。破壊的イノベーションの定義と特徴破壊的イノベーションとは、一言で言えば、既存の市場や産業構造を根底から覆し、全く新しい価値観やビジネスモデルを創出する革新的な変革のことです。既存の製品やサービスを単に改良するのではなく、全く新しい視点からアプローチし、これまでになかった顧客層やニーズを開拓することが特徴です。初期段階では、既存の製品

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-9580663229517420062025-03-08T05:42:00.000-08:002025-03-08T06:02:38.377-08:00

 Google Trendにて、”Disruptive Innovation”をワードに調査してみると、90年代後半に登場した破壊的イノベーションという概念は、いまだに多く検索されていることがわかります。Google Trend；検索ワード「Disruptive Innovation」 破壊的イノベーション（Disruptive Innovation）；ある製品、サービス、ビジネスモデルにより、既存の市場や産業構造を根本から変えてしまうような様相、プロセスを指します。ハーバード・ビジネス・スクールのクレイトン・クリステンセン教授によって提唱された概念です（簡単解説：イノベーションのジレンマ）。＊詳細は、種々のサイトでも解説されているので割愛します。本記事ではTRIZと破壊的イノベーションの関係性について考察していきます。TRIZを土台として、例えば、利用可能な諸方法と

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-35517701502307359952025-02-24T04:20:00.000-08:002025-02-25T03:56:22.477-08:00

生成AIの登場；TRIZベースのチャットボットは実用性があるのか？前回の記事「民主化するTRIZ：生成AIが変える発明と問題解決の未来」では、生成AIがTRIZの活用をどのように容易にし、誰もが高度な問題解決手法を利用できる時代が到来していることを探りました。本記事では、発明理論として広く知られるTRIZをベースにしたGPTsに課題を与え、アウトプットされた発明アイデアを検証し、課題を探ります。設計の視点（コメント）そもそもTRIZが数百万件以上の特許を分析し、そこから普遍的な発明原理を抽出していることを考えると、TRIZベースのGPTsは汎用AI（GPT-4）より、技術的解決策の提示が有利なの？典型的な課題として、『TRIZシリーズ4 演習編 (超発明術TRIZシリ-ズ 4)』, 日経BP,2000, p49での「金属粉末の製造」を取り上げます。この課題は、金属の粉末を得るのにやすりで

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-42631272486073464572025-02-22T03:27:00.000-08:002025-02-22T06:48:23.553-08:00

TRIZとは？ 普及の難しさは？TRIZ（発明的問題解決理論）は、ソ連で開発された体系的な問題解決手法であり、技術革新や発明のプロセスを効率化するために用いられています。しかし、TRIZは高度な専門知識を要するため、技術者や研究者の間でも習得が難しく、広く普及するには至りませんでした。筆者の企業（製造業）でも研修がありましたが、QCのような従来のカイゼン活動のように浸透しませんでした。・QFD、TRIZ、タグチメソッドがどうして簡単に使えないのか。・「QFD、TRIZ（発明的問題解決理論）、タグチメソッドがどうして簡単に使えないのか」に反論する（生成AIの登場）さらに、多くのTRIZ関連書籍は絶版となっており、オンラインでアクセスできる情報も限られています。これにより、特定の企業や専門家にのみ活用される「閉ざされた手法」となっているように思います。設計の視点（コメント）TRIZの場合、

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-59134819402583521202025-02-21T03:18:00.000-08:002025-02-21T06:48:14.592-08:00

 設計者は少し先の未来を予測して、技術的な準備しています。それは、顧客の困りごとや、はたまた新たなコンセプトの製品、サービスに関するものかもしれません。この記事は、以前、取り扱った「QFD、TRIZ、タグチメソッドがどうして簡単に使えないのか。①」の記事に関する、TRIZに関してのいい意味での反論です。なぜ使えないのか？それは「簡単に言えば、習得自体に時間がかかる」から。と結論付けていた過去の投稿。風穴をあけたのは・・・TRIZ（発明的問題解決理論）自体は、革新的なアイデアを生み出すための強力なツールです。特に、この記事では問題解決型の手法というよりも、技術者や設計者が欲している次世代予測に使用するTRIZに焦点を当て述べていきます。 目次  1. 生成AIがTRIZを民主化した  2. TRIZと他の手法との連携事例：QFD-TRIZ-タグチメソッド &

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-61974858724293850522025-02-19T03:36:00.000-08:002025-02-21T06:42:15.911-08:00

 製品ライフサイクルは、市場導入から衰退までの製品の段階的な過程を示します。この概念を理解し、各段階に応じた戦略を立てることは、競争の激しい市場で成功するために不可欠です。本記事では、製品ライフサイクルの４つの段階と特許を利用した定量的な測定の試みを述べていきます。 目次  1. 製品ライフサイクルの4つの段階  2. 製品ライフサイクルの定量的測定；特許分析より  3. まとめ 1. 製品ライフサイクルの4つの段階 ・導入期の戦略導入期は、製品が市場に初めて投入される段階であり、この時期の主な目標は、製品の認知度を高め、市場での受け入れを促進することです。この段階では、売上はまだ低く、利益もほとんど出ないか、赤字になることが一般的です。しかし、将来の成長に向けて、市場を確立するための重要な投資を行う必要があります。具体的な戦略としては、

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-54240988671198036092025-01-25T21:48:00.000-08:002025-02-04T03:12:38.193-08:00

最近のAIは、通常の業務でも活用が進み、驚くほど生産性を高めています。本記事は、業務の中でも「調査」に関する利用について述べています。具体的には、Gemini Deep ResearchとNotebookLMの併用です。＊本記事では、簡単に上記の特徴を記載した後、本題に入ります。 ・Gemini Deep Researchとは？Gemini Deep Researchは、Googleの最新AIモデル「Gemini」の高度なリサーチ機能です。従来の検索エンジンとは異なり、ユーザーの質問や調査テーマに基づいて、AIがインターネット上の膨大な情報源から関連情報を自動的に収集し、分析、整理して、分かりやすいレポートにまとめてくれます。まるで専門のリサーチャーが調査を行ったかのような、質の高いレポートを短時間で作成できるのが特徴です。 ・NotebookLMとは？NotebookLMは、AI

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-57961028084313103912025-01-03T21:11:00.000-08:002025-01-03T21:44:46.648-08:00

 リーダー企業とフォロワー企業の関係は、経営学において頻繁に議論されるテーマであり、ビジネスに携われば多くの方が直面します。市場でリーダーとしての地位を確立した企業は、フォロワーの攻勢を受けるたびに、その地位を守るための戦略を講じます。時にフォロワーの痛快なリーダー企業への攻勢は美談として語られています（例えば、アサヒビールのスーパードライなど）。今回は、フォロワーが攻勢する際、リーダー企業の対応で私が体験した最も嫌だった対応、これだけはやめてくれ、と感じたことについて掘り下げてみます。結論的には、フォロワーが攻勢する際、リーダー企業の対応で私が体験した最も嫌だった対応は；横綱相撲を取られることでした。当時の概要、競争状況筆者は工業製品を設計していました（BtoB, BtoC両方あり）。担当していた製品の市場シェアは10～15%程度、リーダー企業のそれは40%を超えていました。

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-36646067820392223042024-12-13T08:38:00.000-08:002024-12-13T09:12:30.974-08:00

 パナソニックが”松下”、”ナショナル”と呼称されていた時代、すでに世界的な企業であったにも関わらず、「関西の大手電機メーカー」と揶揄されることもありました。しかしながら、家電に関する競争では「日立は松下に勝てない」と弱電の本領を発揮し切磋琢磨。電機が日本のGDPにも大きな割合を示していた時代です。やがて、両企業とも2000年代に大きな変革期を迎えます。パナソニックの中村改革、日立の事業構造改革；御三家、新御三家の聖域も関係なしの改革は聞き覚えのあるニュースです。さて、以前の記事で紹介した「AI-企業分析」にて、この2社の2024年4-9月期の決算短信より業績を比較します。AI-企業分析による日立製作所の分析開始画面分析結果画面　＊画像は付け足しています。項目としては、事業分析、現状の課題、及び今後の注力領域についてまとめたものを抜粋しています。表　AI-企業分析による日立

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-15792176883773910442024-11-16T00:13:00.024-08:002024-11-16T21:37:39.054-08:00

企業分析―少し大げさな表現かも知れませんが、以前の企業分析は、財務情報や5F分析、PEST分析などを駆使し、関係者へのヒアリングも行う複雑なプロセスでした。しかし、生成AIの登場により大きく変わりました。例えば、ChatGPTなどのAIツールは、膨大なデータを瞬時に分析し、専門知識がなくても業界や企業の洞察を得ることを可能にします。これにより、自身が属さない業界の企業分析も簡単に行えるようになり、個人でも高度な分析が可能となっています。本記事では、こうしたAIを活用した企業分析として雨と東京と株式会社の「AI-企業分析」を利用して自動車メーカーをいくつか分析してみました。 目次1. AI-企業分析で自動車メーカーを分析してみた2. AI-企業分析の使用シーン3. まとめ 1. AI-企業分析で自動車メーカーを分析してみた 分析開始画面同社は、AI-SEOというライティングツール

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-1290494216894984712024-04-14T05:19:00.000-07:002024-04-14T05:30:51.867-07:00

 今日の記事は、中沢メソッドです。これまで設計理論の考察として、こちらの記事を投稿してきました。その多くは、N.P.Suh教授による『設計の原理』『公理的設計』を中心に記載してきましたが、今回は、N.P.Suh教授の研究室に客員研究員として滞在し、その後独自の手法へと発展させた中沢先生による”中沢メソッド[1]”です。中沢メソッドとは？中沢メソッドは、製品開発におけるレクサット評価法と直交表を組み合わせた手法です。・レクサット評価法とは、製品の各要素を多角的に評価し、その要素が製品全体の価値にどれだけ貢献しているかを数値化するものです。・直交表とは、実験計画において、複数の要因を効率的に検討するための数学的な手法です。中沢メソッドでは、レクサット評価法によって評価された各要素の重要度に基づいて、直交表を用いて最適な製品構成を導き出します。このメソッドは、設計問題の解決において、

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-86425367870137182912024-04-05T22:32:00.000-07:002024-04-14T00:25:56.886-07:00

今日の記事では、これまでと少し違う視点からケースを考察します。下のケースは、新素材を用いる業界注目の新製品を上市したA社、従来技術で追随したX社のケースでした。結果的に両社の製品は市場から撤退したため、そもそも設計段階の前に、価値評価（厳密にはマーケットでしょうか？）の必要性を記載したものです。つづいて次のケースは、異業界に飛び込んだもので、技術的な成功と商業的な成功の違いを浮かび上がらせたケースです。業界が異なれば、技術だけでなく品質保証体制、顧客対応、外郭団体との付き合い等、企業が学ばなければならないことは多く、その習得の前に市場を奪われてしまいます。 このようなケースを公理的設計の観点から考察するのが、今回の記事です。（本来のスジからは外れるかと思いますが、ご容赦ください）参考書を紐解くと、ある製品の購買の意思決定に関連している例は以下になります。住居購入（[1],

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-50586291579847966662024-04-03T07:35:00.000-07:002024-04-05T23:30:01.662-07:00

 以前の記事では、二輪自動車業界の市場調査を生成AIを使用して実施しました。本記事では、ドローン業界について調査します。ただ、ドローンは成長する回答が得られるかと思いますので、使用される部品を限定してみます。また生成AIは、いくつかの生成AIを使用したいと思います。まずは、各生成AIに次の共通質問をします。ドローンに使用されるねじ・ボルトの市場について、規模、将来性を教えてください。調査結果＊用いた生成AI：Perplexity pro, Claude 3 Opus, Gemini Pro, Copilot, 及びGPT-4調査方法まずは、Perplexity pro, Claude 3 Opus, Gemini Pro, Copilot, 及びChatGPT(GPT-4)にて、それぞれの回答を得ました。次に、特にPerplexity proでは、回答根拠となるソースも記載され

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-70633893250656181572024-04-02T05:58:00.000-07:002024-04-05T22:58:35.709-07:00

 今日のケースでは、成形品の微細クラックの問題を抱えていたチームが、タグチメソッドを適用し、実践設備から量産設備へのスケールアップに成功した内容です。 本投稿では、公理的設計とタグチメソッドについて記述していきますが、この話題で公理的設計にて押さえておくのは情報公理です。情報公理：設計における情報の量を最小化すべきとする原則（最良の設計では、その情報量が最小であるような、機能的に独立した設計になっている。） ＊以下少し一般論になりますので、タグチの話はこちらから飛んでください。この公理に関して；当該生産システムの能力をシステム範囲（生産可能な範囲）、設計者が決めたDP（設計変数）に関する許容範囲を設計範囲とすると、システム範囲と設計範囲の重なる部分は共通範囲とされ―。＊要は製造系であれば、設備の能力範囲をシステム能力（できる範囲）としたとき、設計側が指定する範囲が

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-26948391650084199372024-03-28T06:18:00.000-07:002024-04-05T22:58:52.785-07:00

 このシリーズの記事では、「失敗しない設計」と題して、過去に記載したケースを公理的設計の観点から振り返ります。今回は、特に業界で高評価を受けたX社の素材開発に焦点を当てて、その設計プロセスと遭遇した課題について詳しく見ていきます。素材開発の設計課題素材を製造する工程では、特に狭い温度幅のなかで特定の加工をするなどコントロールが困難な場合があります。このケースでは、設定温度の幅の狭さと加工寸法の限定性が、量産レベルでの歩留まりを低下させていました。素材開発の一般的な設計目標は、特定の機能を果たす素材を創出することですが、合わせて製造プロセスも公理的でなければなりません。ここでは、必要機能（FR：Function Requirement）を満たす物質構造（DP：Design Parameter）を設計し、製造プロセス（PV：Process Variable）を通じて、設計通りの物質

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-83328949119475481492024-03-16T11:44:00.000-07:002024-03-26T22:21:36.376-07:00

 前回記事の宿題で、今回の調査対象は『公理的設計』『設計の原理』（＊いずれもSuh博士による）を挙げました。この記事では、上記書籍を参考に、公理的設計とはどのような特徴を持つのか述べ、失敗しない設計の特徴を紹介します。まずは、公理的設計は下の表に記載するように２つの公理から始まります。表　公理的設計について誰が？何を？Nam P. Suh博士（MIT)によって提唱された設計方法論主な特徴は？２つの基本的な公理を提示している①独立公理：要求される機能が互いに独立している設計が望ましい②情報公理：設計における情報の量を最小化すべきとする原則設計プロセスを顧客領域、機能領域、実体領域、プロセス領域の4つの領域に分類し、これらの領域間での要素の写像を通じて設計の最適化を図る方法参考書籍『公理的設計』[1]『設計の原理』[2]参考：公理の別の表現独立公理①最適な設計では、FRの独立は常に

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-85246292790365045092024-03-15T07:30:00.000-07:002024-03-16T12:11:00.146-07:00

 前回記事の宿題：調査した資料の深堀が本日の記事です。「公理的設計」とはどのような概念なのだろうか？イメージをつかむためには、まず検索しますよね。ここでは、ネットにて「公理的設計」で検索し、設計論周辺にまで言及するいくつかの記事、サイトを紹介します。これらで設計行為の本当の大切さを感じることができると思います。中沢, 「公理論的設計法」, 精密機械 50巻, 2号, pp341-346.設計理論に関する研究を扱っています。設計の基本原理を体系的に理解し、適用する方法について解説されています。特に、設計公理としての機能的要求の独立性と情報量の最小化に焦点を当て、これらの原理を実際の設計に応用する例が紹介されています。また、情報量の概念を利用した設計評価方法についても説明があり、公理論的設計法が設計作業の効率化にどのように寄与するかが示されています。吉川, 「設計とは何か : 一般

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-679603079961657252024-03-12T07:15:00.000-07:002024-03-16T09:15:35.962-07:00

いろいろなサイト、動画では簡単にGPTsを作成する解説をされており、これはこれで役立つのですが、ただ、これって、もしかしてChatGPTで事足りているのでは？と思っていました。このGPTsがぱっとしないのは、Knowledge、CodeInterpreter、また、Actionsをよく知らないためで・・・う～ん、どこかで解説されていないだろうかと思っていたところ、以下が大変参考になりました。【動画】だるまと赤べこ【AI解説】GPTs解説の詐欺動画ばっかだから本当の解説します#0 【ChatGPT】＊この#1-3シリーズは大変参考になります。GPTs解説#1 膨大な情報を処理する「Knowledge」機能の仕組みと使い方【ChatGPT】＊この動画では、GPキーズのノーレッジ機能に焦点を当て、その仕組み、実力、利用方法について詳しく解説しています。GPTs解説#2 Code

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-75993626607153766382024-03-11T03:56:00.000-07:002024-03-16T12:09:43.397-07:00

 前回記事の宿題ー設計の概念レベルについて調べる件、以前の本ブログの過去記事が参考になりました。この過去記事（設計の概念化と利益の創出）では、設計の概念化と利益創出におけるその役割について論じ、設計プロセスが顧客のニーズを機能仕様に変換し、物理的な解決策と生産条件へと導く様子を記載しました。また、業界内における利益創出の場所の動的な性質と、設計者やマネジャーが将来の利益創出の場所を予測することの重要性についても触れています。読み返してみると、やはり「設計」の概念的な面では、公理的設計は避けては通れません。参照した『公理的設計』[1]では、公理的設計の構造として、領域の概念；４つの領域で設計の世界を説明しています。 ＊それぞれの領域の説明は、こちらの過去記事に記載しています。これらの領域で構成されている過程を参考に、概念⇔手法軸を加え、設計研究をマッピングしたものが大富[

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-87412116155837111442024-03-09T05:30:00.000-08:002024-03-16T12:08:20.527-07:00

「設計」―技術者にとっては耳心地のいい用語です（この部門に属することは？ですが）。とはいえ、設計と言っても、プロダクトを設計するのか、プロセスを設計するのか、いや、製造系ではなく建築系の設計なのか、言葉の概念が広いため、その理論も構築しにくいことが現状です（それがいいのか？）ここでは、製造系の「設計」（プロダクト／プロセス）を取り扱うこととし（どちらかというと開発より・・・）、その理論を深めていくことを目的に、この記事のシリーズを進めていきたいと考えています。まず、リサーチとして、文献と書籍を調査し、それぞれについて概観し、次に調べる宿題を考える記事を投稿していきます。とはいえ、何を調べるか？少し古いですが、大富, 「製品開発における上流設計の重要性とその方法」（東芝レビュー Vol.60 No.1, 2005）より、設計を支援するための，いわゆる設計研究の成果を分類した図が示されてい

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0tag:blogger.com,1999:blog-34168278.post-42312765425978274922024-03-06T05:44:00.000-08:002024-03-16T09:13:16.935-07:00

 以前の記事で有意差検定を取り上げましたが、そこで、出てきた正規性の検定について、記載していきます。過去記事：実務でのChatGPT（統計 有意差検定＋箱ひげ図：Data Analyst）なぜ、正規性の検定が大切かというと、（後に行うであろう）ばらつきの検定（F検定）、平均値の検定（t検定）を行う際、厳密には正規分布に従っているか否かで検定方法が変わるからです。＊経験上は大きく有意の判定が変わるようなことは少ないのですが、あまりにいびつな分布であると改善策を見誤る可能性があります。正規性の検定ChatGPT; Data Analystでは、過去記事で取り上げたデータを使用して；改善前、改善後のそれぞれの正規性の検定をしてくださいとすれば、以下に回答されます。データは、正規分布に従っています。Python in Excel（＋Excel Labs, Python editor）

R.Takahashihttp://www.blogger.com/profile/16294892281977402861noreply@blogger.com0