大学教育の質の保証・向上ならびに 電子化及びオープンアクセスの推進の観点から 学校教育法第百十三条に基づき、 教育研究活動の状況を公表しています。
第百十三条 大学は、教育研究の成果の普及及び活用の促進に資するため、その教育研究活動の状況を公表するものとする。
🏠
🏠
A.(1)講義の再話 AD変換とDA変換。工場で製品をセンサーで検査した場合、センサーは得た情報をデジタルに変換しようとするがすべての情報を記録しきれるわけではなく一部飛び飛びの情報になってしまう。このアナログの情報からデジタルへ変えることをAD変換(アナログデジタル変換)という。また、AD変換によって失われる一部の情報のことを量子化誤差といい、センサーの分解能でどの程度誤差が生じるか決定される。 また、センサーから得られる情報はAD変換後のコンピューターの2進数の配列である。その2進数の情報を人が読める状態にすることをDA変換(デジタルアナログ変換)という。 2進数は2のn乗が何個あるかで判断する数字の表し方である。例えば、1/3を10進数で表すと0.33333333となるが、2進数で表すと0.01010101となる。 (2)グループ発表の要旨 グループディスカッションではセンサーとデジタル機器類の相関について話し合った。音感センサーでは受けた電気信号を変換したり、応用制御や取集した情報の処理などでコンピューターやデータサイエンスとつながっている。 (3)復習の内容 一般的な音楽データは、44.1kHzで量子化ビット数は16ビットのものが多い。
A.講義では、品質管理におけるデジタルトランスフォーメーション（DX）とスマート化を支える情報・計測技術について学びました。製造現場や社会インフラで収集されるビッグデータを品質管理に活用するためには、センシング技術を通じて物理量や化学量をリアルタイムにデジタルデータへ変換するプロセスが不可欠です。ノイマン型コンピュータやAIを用いた予測解析を効果的に機能させ、不確かさを抑えた高度な品質保証を実現するためには、データや情報の信頼性と製造者責任の意識が重要であると深く理解しました。 本日のグループワークでは「センサーの仕組みとAD/DA変換の特徴」をテーマに議論を行いました。温度や圧力などの連続的なアナログ量をセンサーで検出し、AD変換の分解能や量子化誤差を考慮しながらデジタル信号へ変換する重要性を検討しました。さらに、制御機器への出力としてDA変換が果たす役割についても理解を共有しました。 AD/DA変換の精度がプロセスの自動制御やシックスシグマ（DMAIC）におけるデータ解析に与える影響について復習を行いました。デジタル化が進むDX時代の品質管理においては、物理現象を正しくデジタル値として記録する入力系の精度がそのまま製品品質や予測モデルの確度を左右するため、計測システムの適切な維持と精度管理が欠かせないことを改めて実感しました。
A.アナログデジタルコンバーターとは音や温度などを0と1の二進数にかえるコンバーターである。アナログからデジタルに変換する際に絶対に発生する誤差を量子誤差といいbit数に依存する。bitとはパソコンが表す情報の単位であり、2進数が何桁存在するかを表す。n bitの時、2^n個の数を表すことができる。 youtubeのサンプリング周波数は48kHzであり、推奨bit数は24bitである。これは1秒間に96000個の情報が送られてきているということである。 サンプリング周波数は信号の最高周波数を基準にして、その10倍以上の値を使用する。2倍未満であると実際の波形とこのなる周期の波形ができ、10倍未満だと波形にズレが生じてガタガタの波形ができる。 センサーとコンピュータの仕組みについてグループワークで話し合った。 AD/DA変換では変換時に量子誤差が発生する、データ破壊、消失の可能性がある、測定対象によってbit数、ヘルツ数がちがうため適切に使い分ける必要があり、精度と処理速度の両立が難しいなどの問題が挙げられた。
A.アナログ・デジタル・コンバーター（ADC）とは、自然界にある連続的なアナログ信号（電圧、温度、音声、圧力など）を、コンピュータが処理できる途切れ途切れのデジタル信号（0と1のバイナリデータ）に変換する電子回路・部品のことである。つまり、アナログデジタルコンバーターはAD変換を用いている。サンプリング周波数は、連続的なアナログ信号をデジタル化する際に、1秒間に何回データを間引いてサンプリングするかを表す数値である。単位には ヘルツ が使われる。この講義では、YouTubeのサンプリング周波数を調べた。結果は、48kHz、24ビットであった。デジタルトランスフォーメーションにおいて、サンプリング周波数高く自動収集された膨大な計量データをもとに、AIが複数の原因を組み合わせた重回帰分析をリアルタイムで行い、工場の機械の故障時期を予測するシステムが現代では使用されている。
A.
A. 品質管理とデジタルトランスフォーメーション（DX）の関係について学んだ。前回までに扱った相関係数、区間推定、検定、分散分析、回帰分析を復習し、データから結論を出す際には、回帰方程式だけでなく区間推定や検定によって結果の信頼性を確認することが重要だと理解した。計量値は連続的な値をとるため範囲を不等式で示すが、個数などの計数値は整数で表されるため、等号を用いて判定できる場合がある。 また、現実の温度や音などは連続的なアナログ信号である一方、コンピューターは有限のデジタル値で情報を処理する。そのため、ADCによってアナログ信号を一定間隔で読み取り、階段状のデジタル信号へ変換する。このとき、実際の値と変換後の値の間に生じる差を量子化誤差という。さらに、10進数の 1/3 が0.333…と続くように、2進数でも0.010101…と無限に続く値があり、コンピューターでは有限桁の浮動小数点数として近似することを学んだ。音声データでは、16 bitが音量の細かさ、44.1 kHzが1秒間に信号を測定する回数を表すことも理解した。 「データサイエンスと実測について考えよう」というテーマで話し合った。記録されたデータの信頼性を保証する方法として、記録者自身による確認、複数人による確認、元の資料との照合、第三者による監査などの方法を挙げた。また、コンピュータは受け取った電気信号をすべて0と1のデジタルデータ（バイナリ）に変換して処理していることを確認し、正確なデータを入力・管理することが品質管理やデータサイエンスにおいて重要であることを学んだ。 DXは単に紙の情報をコンピューターへ入力することではなく、測定データをデジタル化し、分析や品質改善へ活用することだと理解した。ただし、アナログ信号をデジタル化するときには量子化誤差が生じ、数値も有限桁で近似されるため、デジタルデータが必ず完全に正確とは限らない。音声の場合も、ビット数やサンプリング周波数によって再現できる細かさが変化する。品質管理でデジタルデータを利用する際には、便利さだけでなく、変換時の誤差やデータの精度を理解したうえで解析する必要があると感じた。
A.講義では、計量値と計数値に加えて、コンピュータが数値をどのように扱うかを学んだ。現実の物理量は連続値を取るが、コンピュータ内部では有限個のビットを用いた二進数として処理される。そのため実数は数学上の値を完全に保持するのではなく、通常は浮動小数点数として近似的に表現される。例えば1÷3は十進数では0.333…となり、二進数でも有限桁では正確に表現できないため、コンピュータ上では丸め誤差が生じる。 授業課題ではAD変換とDA変換の仕組みと問題点を整理した。AD変換ではアナログ信号を一定時間ごとにサンプリングし、有限の振幅段階へ量子化して二進数へ変換する。Nビットの場合には2のN乗個の段階を表現でき、ビット数が少ないほど量子化の刻みが粗くなって量子化誤差が大きくなる。DA変換では逆にデジタル値から電圧などを生成し、段階状の出力をローパスフィルタで平滑化して連続的な信号として再構成する。 復習ではビット数とサンプリング周波数について確認した。0から100までの整数をすべて表す場合には101通りの値が必要であり、6ビットでは2の6乗＝64通りしか表現できないが、7ビットでは2の7乗＝128通りを表現できるため、必要なビット数は7ビットとなる。また44.1 kHz・16 bitはCD音源で用いられる代表的な仕様であり、1秒間に44,100回音声信号をサンプリングし、それぞれの振幅を16ビットの数値として記録することを意味する。
A.【講義の再話】 本講義では、コンピュータが情報を処理する仕組みを学んだ。また、アナログ信号とデジタル信号の変換について学んだ。アナログ信号をデジタル信号に変換（A/D変換）するには、標本化、量子化、符号化という3つの手順が必要であり、専用のIC（A/Dコンバーター）や変換アダプターを使用することを理解した。２進数や１６進数についても学んだ。2進数とは、「0」と「1」の2つの数字だけを使ってすべての数を表す方法である。数字が「2」になったら次の桁に上がる仕組みになっており、電気のオン・オフで動くコンピュータの基本として使われている。16進数とは、0から15までの16個の数字を使って数を表し、16になると次の桁に上がる数え方である。10から15までの数は、アルファベットの AからF（A=10, B=11, C=12, D=13, E=14, F=15）で表す。 【発表の要旨】 センサーの仕組みについて調べた。役割: 周囲の温度、光、音、重さなどの物理的な変化をキャッチし、電気の信号に変える装置である。コンピュータの仕組みについて調べた。役割: センサーから送られてきた電気信号を受け取り、あらかじめ決められたルール（プログラム）にしたがってどうするかを考え、機器を動かす命令を出す。 【復習の内容】 10進位取り記数法について調べた。10進位取り記数法とは、「0から9までの10個の数字を使い」「数字を書く位置によって表す大きさを変え」「10個集まったら次の位へ繰り上げる」という、私たちが普段使っている数の表し方である。
A.①回帰方程式における回帰係数 βは区間推定により信頼性が評価される。連続的な計量値であるアナログ信号は、ADC（アナログ・デジタル変換）を経て整数値（計数）のデジタルデータへ変換される。この際、ビット数に応じた量子化誤差が生じる。音のような時系列の圧力変動は、サンプリング周波数と量子化分解能によってデジタル表現される。蓄積されたビッグデータを教師データとしてAIに学習させることで、高精度な判定モデルが構築される。 ②物理世界の温感センサーによる実測は、データサイエンスの起点となる。熱を電気信号へ変換し、AD変換やノイズ処理を経てコンピュータへ送信・収集することでデジタルデータ化される。この連続的に蓄積されたビッグデータを基に、AIが機械学習を用いて未知のトレンドや異常パターンを抽出・分析・予測する。実測による高精度なデータ収集と高度なデータサイエンス技術の融合が、価値ある知見を創出する根幹である。 ③単品の合否判定は、当該製品が規格値を満たすかを全数検査等で評価する個別の判定である。その人のこだわりが詰まっていると考える。一方、量産における合否判定は、全数検査の限界を踏まえ、ロットからのサンプリング検査や管理図（x-R管理図等）を用いて「工程全体が統計的管理状態にあるか」を判定する。単品判定が製品そのものの適否を問うのに対し、量産判定は工程の安定性と品質再現性を評価し、不良の未然防止と品質保証を実現する点に決定的な違いがある。
A.① 講義の再話 今回の講義では、計測した量をデジタルデータとして扱う仕組みについて学んだ。量には連続的な値を扱う「計量」と、個数を扱う「計数」があり、これらはADC（アナログ・デジタル変換）によってコンピュータで処理できる形に変換される。コンピュータでは2進数で数値を表現するため、10進数では正確に表せる値でも循環小数となり、ビット数の制限による量子化誤差が発生する。また、実数を扱う浮動小数点表記や、ビット数によるデータの精度の違いについて理解した。 ② 発表の要旨 今回の発表では、アナログ情報をデジタル化する際の数値表現と誤差について説明した。例えば100は、2進数では64＋32＋4として1100100?と表現できる。コンピュータでは限られたビット数で数値を扱うため、量子化誤差が生じる。Apple Musicの16ビットや24ビット音源のように、ビット数が大きいほど細かな情報を表現でき、より高精度なデータ処理が可能になることを学んだ。 ③ 復習の内容 今回の講義を通して、測定した情報をコンピュータで扱うには、アナログ信号をデジタル信号へ変換する必要があることを理解した。特に、2進数表現やビット数による分解能の違い、量子化誤差の発生原因が印象に残った。今後は、AD変換の分解能や浮動小数点による計算誤差についてさらに理解を深めたい。
A. 授業では、計量と計数があり、計量は連続しているためイコールで表せず、大なり、小なりで表さなくてはならない。一方で計数は有限であり、イコールで表すことができる。コンピューターで計量は浮動小数点と言い、実際の量をデジタルに直す際に必ず量子化誤差が生じてしまう。コンピューターは二進数で計算されており、ビット数は二進数で表されている。具体的には音は空気の圧力を時間で表している。時間間隔を小さくすることで精度を上げている。つまり、サンプリング周波数が高いほど音声の質が高いということになる。 グループワークでは、データサイエンスと実測について、センサーとコンピューターとデータサイエンスを温感センサーを中心に関係性を考えた。グループ名は温感センサで共著作者は遠藤理子、福田実柚、綿貫滉大、渡邉龍之介で役割は可視化と執筆であった。 個人の発展として、コンピューターでなぜ２進数が使われているのかについて考えた。その理由としては電気信号を利用しているからであると考えられる。２進数は0と1の二つで表現される。つまり、電気信号のオンとオフによって表現することができ、簡単に情報伝達ができるからであると考えられた。
A.①量は計量と計数の2種類に大別される。計数は整数値をとるのに対し、計量は数学上実数で出るがデジタルでは浮動小数点となる。デジタルとアナログの変換にはAD変換とDA変換が使われる。デジタル量をアナログ量に変換すると桃しても量子化誤差が生じてしまう。量子化誤差はビット数に依存し、ビット数が小さいほど量子化誤差は大きくなる。よって、より細かく分けるほど誤差は少なくなる。横軸は分解能といい、音の場合、1秒間に何ポイントとったかを示す。これは周波数を示す。授業ではサンプリング周波数について調べた。 ②赤外線センサーは赤外線を感知し、電気信号へと変換する。ヒトや動物が放つ熱放射の量や温度の違いを感知することができる。この特徴を用いて、自動ドアや自動証明、非接触体温計などに利用される。メリットとして、節電できることや非接触であること、防犯に利用できることが挙げられる。デメリットは石器に適さない場所があることや、人以外の動物にも反応してしまうことが挙げられる。 ③アナログ量をデジタル量に変換するときは必ず量子化誤差が生じる。コンピューターは2進数の世界であり、10進数と2進数の変換も必要となる。ビット数をチ策する（周波数をあげる）と量子化誤差も小さくなり、より現実との差が小さくなった音を聞くことができる。
A. 量には計量と計数の2通りがあり、計量はイコールがなく、不等号で表され、浮動小数点とも言われ、必ず有限である。対して計数はイコールで表すことができ、プログラミング用語では整数ともいう。実際の量をデジタルに変える時、量子化誤差が生まれ、ビット数で表される。横軸を時間、縦軸を信号の数で表したとき、時間間隔を細かくするほどずれは少なくなる。この細かくすることを分解能という。CD音質だとサンプリング周波数が 44.1 kHz または 48 kHz、量子化ビット数は 16 bit を基本としている。ゲーム機はこれ以上である。 グループワークでは、データサイエンスと実測について考えようを班名なし、加藤美羽、小野朋夏、長谷川桜優佐藤裕周と共にセンサーの仕組みについて調べた。センサーは物理的な変化を抵抗値、静電容量、起電力など電気的特性に変化させる。コンピューター内部では2進数で処理できることが分かった。 授業でゲーム機のビット数はもっと高いという話題が挙がったため、ゲームの場合を調べた。結果、スイッチやプレイステーションなどはCD音質と同様、44.1Hz最大48Hz、16bitのものが多かった。しかし、高性能の商品だと、24bitの製品もあった。また、最近のゲーム機だとテレビモードについても記載されており、最大チャンネル数リニアPCM 5.1chという情報があった。
A.今回の講義では品質管理とデジタルトランスフォーメーションについて学んだ。 品質管理におけるDXとスマート化では、センシング技術によって取得したデータを活用し、AIやコンピュータによる解析で品質向上を図ることが重要であると学んだ。製造現場で収集されるビッグデータは、予測解析や工程改善に役立つ一方、データの信頼性や適切な計測が不可欠である。また、製造者責任を意識しながら情報を正しく活用することが、高度な品質保証と安全な製品づくりにつながると理解した。 グループワークではデータサイエンスと実測について考えようをテーマに議論した。 データサイエンスとはデータの分析及び収集から価値を見出すデータや学術の質に大きく依存する。実測は測定誤差のばらつきが含まれるため品質管理が欠かせなく適切な手段で分析することが大切である。 授業の復習としてDXやデータサイエンスの活用により、品質管理は経験だけでなくデータに基づいて判断する時代へと進化していることを学んだ。実測データやビッグデータを統計的に解析し、AIを活用することで異常の早期発見や品質改善が可能となる。また、一品検査と抜き取り検査の違いを理解し、目的に応じた検査方法を選択することの重要性も学んだ。デジタル技術と統計的手法を組み合わせることが、高品質かつ効率的な生産につながると感じた。
A.コンピューター2進数などについて学んだ。 コンピュータ内部では電気信号の有無を2進数で処理し、人間が使う10進位取り記数法は桁ごとに値の重みが変わる仕組みである。現実世界の連続量をコンピュータで扱うにはAD変換が不可欠だが、量子化誤差やコストの課題が生じる。また、めっきの色つやなどの非言語データ（官能評価）をセンサーやAIに応用する際は、人間の主観によるばらつきや物理量とのギャップに注意が必要である。データが正しいかを保証し、最終的な品質や判断の責任を負うのは機械ではなく人間でなければならない。
A.品質管理とデジタルトランスフォーメーション（DX）の学習では、データと技術を活用してものづくりを進化させる仕組みを理解することを目的としている。授業では、IoTやAI、クラウド技術を用いた生産管理の自動化や、リアルタイムで品質を監視するシステムの仕組みを学んだ。工場見学では、センサーやネットワークを通じて機械の稼働状況や製品の検査データを収集し、分析結果をもとに工程を改善している様子を見学した。デジタル技術が人の経験や判断を補い、より精度の高い品質管理を実現していることを実感した。 平常の取り組みでは、DXが品質管理に与える影響をテーマに調査を進めている。例えば、AIによる画像検査やビッグデータ解析を用いた不良予測の仕組みを調べ、従来の目視検査と比較して効率化と精度向上の両立が可能であることをまとめた。また、授業で学んだ「データ駆動型マネジメント」の考え方をもとに、現場の判断を数値化することで改善のスピードが上がることを分析した。さらに、DXの導入には技術だけでなく、人材育成や情報共有の仕組みが欠かせないことも理解した。 今後は、デジタル技術を単なる効率化の手段としてではなく、品質を高めるための「知識の共有基盤」として活用できるようにしたい。人とデータが協働する新しい品質管理の形を探求し、持続可能なものづくりの未来を考えていきたい。
A.情報処理と計量管理の統合において、物理変化を抵抗値や電圧等の電気特性に換算するセンサー技術とデジタル変換の理解が不可欠である。アナログ信号をデジタル化する標本化、量子化、符号化の３手順とＡ／Ｄコンバーターの役割を学び、ビット数や分解能に起因する量子化誤差の性質を深掘りした。さらに２進数や１６進数による情報保持機構を把握し、計測データを高信頼で処理する基礎を固めた。アナログ量を精確にデジタル変換し解析に繋げるプロセスは、統計的プロセス制御や品質評価の再現性を支える基幹要素である。 演題「演題「データサイエンスと実測について考えよう」」に取り組み、精密微細ボルト（Ｍ１前後）の量産に伴う計測構造の刷新を検証した。試作段階の汎用旋盤削り出しと工具顕微鏡による熟練工の手動全数検査から、１ロット１０万～５０万本規模の冷間鍛造・転造加工と高速画像処理選別機による自動インライン判定へ移行する事例を分析した。私は本検討で、加工から検査に至る手法転換が検査のボトルネックを解消する機序を体系化し、成果物として記録・執筆する「論考・執筆（Writing ? original draft）」の役割を果たした。 授業後の復習として、センサーにより連続量をデジタル化して統計解析に適用する実務的意義について個人で考察を深めた。画像処理などの全自動判定技術と統計的抜取検査の融合は、作業者の主観を排した客観的データをリアルタイムに供給可能とする。Ａ／Ｄ変換に伴う分解能と精度限界を考慮しつつ取得データの信頼性を担保することが、製造ラインの不具合を即座に検出し品質保証を最適化するデータサイエンス実践の要であると確信した。
A. 講義では、アナログ・デジタル変換についての話があった。アナログ・デジタル変換とは、音や温度などの連続的なアナログ信号を、コンピュータが処理できる0と1のデジタルデータに変換する技術である。変換は、標本化、量子化、符号化、の3つの手順で行われる。 「センサーや コンピュータの仕組みについて説明してみましょう。」という設問について、グループワークでは、音センサーについて議論した。音センサーは、空気の振動をマイクなどの素子で捉えて電気信号に変換し、音の有無や大きさを検知する。仕組みは、音が発生すると空気が波のように揺れ、センサーの薄い膜に届く。振動板が揺れることで、内部の隙間や圧力が変わり、微弱な電気の波が生まれる。生まれた微弱な変化を回路で大きくし、電圧の信号としてパソコンやマイコンへ送る。 授業外では、アナログとデジタルを行き来する際の問題を調べた。アナログの滑らかな数値をデジタルで四捨五入して表現するため、どうしても元データとの間にわずかな誤差が生じる。これがノイズの原因になる。また、計算処理にわずかな時間がかかるため、リアルタイム性が求められる補聴器や自動運転のセンサーなどのシステムでは数ミリ秒の遅延が問題になることがある。
A.デジタルデータ処理の技術的基礎と品質管理への先端技術適用について学んだ。コンピュータ内で数値を扱う際の浮動小数点数やビット数といった精度上の制約を理解した。また、各種センサーによるデータの自動取得や、AI・ビッグデータ解析を活用して製造工程の監視や品質予測を高精度化する最新の品質管理手法の重要性を把握した。 製造ラインにおけるセンサーデータ収集と高度な情報処理技術の活用可能性について議論した。膨大な稼働データや品質数値をリアルタイムで取得しAI技術を用いて自動解析することで、異常の早期察知や予防保全が可能となる構造を確認した。従来の抜き取り検査から連続的・自動的な管理へと変化する動向について理解を深めた。 数値データの表現能力やビット数の制限といった情報処理の前提条件を把握した上で、先端技術を品質管理に導入する意義を理解した。センサーやAIを活用した高度なデータ収集・解析は、人間の観察能力を超える精密な工程制御を実現する。確固たる統計的理論と最新のデジタル技術を融合させることが次世代品質管理の要になると考察した。
A. 10進位取り記数法は0から9の10個の数字により10になったら上の位に繰り上げて数字を書くシステムで、場所(位)によってその大きさを表す数の書き方を示す。AD変換は連続的なアナログ信号をデジタル信号に変換するが量子化誤差やエイリアシング、回路によるノイズ・変換遅延の問題を抱える。DA変換は0と1のデジタル信号をアナログ信号に変換するが量子化誤差やグリッチ、アパーチャ効果による高周波減衰、回路規模・コスト増大の面が課題となる。 分散分析はF検定を用いてバラつきを求める。回帰分析も検定の対象となる。区間推定には""＝""ではなく、不等号(≦)を必ず用いる。イコールは計数量のみを使うのでAD変換でデジタルに換える。
A.平常の取り組みについて、分析機械に必ず搭載されているセンサーとコンピュータの関係について調べ、現実世界のことをデータ化するためにはどのようなプロセスがあるのかのついて学んだ。
A.アナログとデジタルについて説明します。アナログは温度や音などのように連続して変化する情報であり、デジタルは0と1の2値で表される情報です。AD変換（A/D変換）はアナログ信号をコンピュータで処理できるデジタル信号に変換する技術で、DA変換（D/A変換）はデジタル信号をアナログ信号に戻す技術です。bit（ビット）は情報量の最小単位で、0または1を表します。bit数が多いほど表現できる情報量や精度が高くなり、品質管理や計測機器でも重要な役割を果たします。 グループワークでは、データサイエンスと実測についてまとめました。データサイエンスでは、現実世界の情報を実測してデータとして収集し、分析や予測に活用します。実測では、温度や圧力、音などのアナログ信号をセンサーで測定し、AD変換（A/D変換）によってコンピュータで処理できるデジタル信号へ変換します。分析結果を機器の制御や表示に利用する際は、DA変換（D/A変換）によってデジタル信号をアナログ信号へ戻します。このように、AD変換とDA変換は、実測データとコンピュータをつなぐ重要な技術です。 音楽とbitの関係について説明します。音楽は本来アナログ信号ですが、コンピュータやスマートフォンで扱うためにはAD変換によってデジタル化されます。このとき、サンプリング周波数で音を記録する回数を、bit数で音の強弱を表現する精度を決定します。bit数が大きいほど細かな音の違いまで表現でき、音質が向上します。再生時にはDA変換によってデジタル信号がアナログ信号に戻され、スピーカーやイヤホンから音として出力されます。
A.本講義では品質管理に関連する統計的手法とデジタル信号処理の基礎について学んだ。まず分散分析や回帰分析について学びそれぞれの仕組みや重要点を学んだ。また、AD変換はアナログ信号を離散値へ量子化し、DA変換は逆に連続信号へ戻す処理で、量子化誤差やサンプリング周波数の制約が問題となるということを理解した。さらにその際に用いられる「ビット数」とはコンピューターにおいて０か１を示す最小単位を示すということを学んだ。特に音楽の音声では44.1kHz・16bitが標準であることも知ることができた。 本議論では、AD変換とDA変換とは何か、さらにこれらの問題点は何かを調査した。メンバー「24512319及川愛海」「24512380鏡凜奈」「24512413稲村清香」「24512323?橋璃和」で行い、私は資料作成係として議論に参加した。AD変換ではアナログ信号（温度、音、光、電圧など）を一定時間ごとに測定し、その値を最も近いデジタル値に丸めて2進数に変換することを指し、これによりコンピューターで演算や保存が可能になる。またDA変換ではコンピューター内のデジタルデータを、連続的に変化するアナログ信号へ変換し、スピーカーから音を出したり、モーターを制御したりする際に利用されるこれらの変換には量子化誤差や変換遅延が生じるため、品質管理では誤差の大きさを理解し、適切なビット数やサンプリング周波数を選択する必要があるという結論に至った。 復習として、品質管理では統計的手法とデジタル処理の理解が不可欠であり、誤差の要因を把握し、測定値の信頼性を確保することが技術者の重要な役割であると再確認した。品質を数値で評価するための基礎が、今回の講義で確実に身についたと感じた。
A.１５－１）再話 コンピュータとアナログデジタル変換の関係などについて学んだ。アナログ信号をデジタル信号に変えるAD変換とその逆のDA変換はPCにおける出力と入力の重要な考え方であることが分かった。ビットについても数学で学んだことのある2進数や16進数がもとになっていることを理解できた。ビットの考え方から信号の分解論、サンプリング周波数を理解した。また、実用的な音楽のものとなると大きなビット数が必要になる。コンピュータの実用化には行列式から因子を考える場合、大学でやるような数列のものではなく何億という列が必要になる。データ量の多い、ビックデータはデータ解析の仕組みをしっかり理解することが重要である。 １５－２）発表 今回学んだAD変換とその逆のDA変換はPCにおける出力と入力の重要な考え方であり、ビットについても2進数や16進数がもとになっていることを理解できた。ビットの考え方から信号の分解論、サンプリング周波数の仕組みについて理解した。また、実用的な音楽のものとなると大きなビット数が必要である。 １５－３）復習 コンピュータはすべての情報を「0」と「1」の2進数で処理するのが基本である。この0か1を記録する最小単位がビットである。ビット数が増えると表現できる情報量は2の階乗で倍増する。1ビットでは2通り、2ビットでは4通りとなり、音楽の「16bit」は2を16回掛けた65,536段階あり、「24bit」は約1,677万段階の細かさで音の強弱を表現している。ビット数が多いほど音の階調が滑らかになり、原音に近いクリアな高音質を実現可能である。この仕組みは音楽に限らず、文字や画像もすべてビットの羅列に変換して処理される。パソコンのスペックで見かける「64bit」は、コンピュータの頭脳が一度に処理できるデータ量が64ビット（約1,845京通り）であることを意味する。このように、ビット数を増やすことで処理能力や表現力を高める仕組みが、現代のあらゆるコンピュータ技術の基礎となっている。
A. 製造現場のデジタルトランスフォーメーション（DX）において、計量値や計数値といった物理量を浮動小数点や2進数で表すデジタルデータ処理の理解は不可欠である。アナログな連続量をコンピューターが扱う離散化データへ変換する過程では誤差が生じるため、正確な補正や解釈が求められる。回帰方程式や F 検定を適用し、デジタル化された膨大な実測データを客観的かつ定量的に評価することが現代の品質管理の基盤となるのだ。 演題「データサイエンスと実測について考えよう」、グループ名「コン」、共著者：田中心優、小野絵里香、石井響、神山結菜。私の役割はCRediT分類の「Conceptualization（アイデアの提案）」である。本班はデータサイエンスにおける実測データの重要性を議論した。センサーが温度や圧力などの物理量を電気信号へと変換し、コンピューターが0と1の2進数で処理することで、膨大な実測値をデジタルデータとして記録・活用できる構造についてまとめた。 授業後、ノートに記されたDX推進やデジタル化の理論とグループでの議論を見直し、理解を深めた。センサー技術による自動計測とデータ処理の進歩により現場の実測値が即座に可視化され、より高精度な分析が可能になるとわかった。デジタルデータの利便性を享受しつつも連続量の離散化に伴う誤差を正しく把握し、真の現象を科学的に見極める姿勢がDX時代の品質管理に不可欠だと考えた。データサイエンスと実測の相乗効果を実感した。
A. 授業の再話として、日常的に聴いている音楽や音声データにおけるサンプリング周波数について確認した。具体例として、Spotifyの通常の高音質再生では44.1kHz（16bit）が採用されていることを学び、アナログ信号をデジタル化する際の標本化の仕組みやデータの精度に関する基礎知識を改めて整理することができた。 ディスカッションとして、アナログ信号とデジタル信号の相互変換であるAD変換やDA変換の仕組みについて意見を交わした。画像に示された内容をもとに、量子化誤差やサンプリング不足、変換遅延、DA変換後の波形といった変換時に生じる問題点を確認した。信号処理におけるデジタル化のプロセスとその限界や課題についてグループで整理し、理解を深めることができた。 授業外復習として、データサイエンスと現実の測定（実測）の結びつきについて考察した。机上の空論にとどまらず、現場での実測データをもとに分析やモデル構築を行うことの重要性を確認した。AD変換やサンプリングといったデジタル化のプロセスにおける誤差や限界を踏まえ、得られたデータをどのように実務や品質管理に活かすべきか、そのアプローチのあり方を改めて整理した。
A.今回の授業では、浮動小数点数や進数の違い、デジタル音源の品質について学んだ。浮動小数点数では、10進数で表せる数でも進数によっては有限小数にならず、例えば3分の1は3進数では0.1と表せる一方、2進数では無限小数となるため、計算では打ち切りや丸め誤差が生じることを理解した。また、デジタル音声ではサンプリング周波数とビット数が音質を左右する重要な要素であることを学んだ。CD音源では44.1 kHz/16 bit、動画や映画では48 kHzが一般的であり、ハイレゾ音源では88.2 kHzや96 kHz以上、24 bit/96 kHzや24 bit/192 kHzなどの高品質な形式が用いられている。サンプリング周波数が高いほど再現できる音の範囲が広がり、ビット数が多いほど音の強弱をより細かく表現できるため、高音質な再生が可能になることを理解した。 演題：「データサイエンスと実測について考えよう」グループ：鏡凛奈、?橋璃和、及川愛海、AD変換（アナログ・デジタル変換）とDA変換（デジタル・アナログ変換）は、現実世界の情報とコンピュータをつなぐ重要な技術である。AD変換では、音や温度などのアナログ信号を一定間隔で測定し、デジタルデータへ変換する。一方、DA変換では、デジタルデータをアナログ信号に戻し、スピーカーやモーターなどを動かす。AD変換では量子化誤差やサンプリング不足による精度低下が起こることがあり、DA変換では滑らかな信号を得るためにフィルタが必要となる。また、高性能な変換器は高精度・高速である反面、部品価格や消費電力が増え、システム全体のコストも高くなる。そのため、用途に応じて性能とコストのバランスを考慮した変換器の選定が重要である。 製品の量産前と、量産化後で、手法がどのように変化したのか具体例としてボルトを調べた。量産化前は、試作品を少量製作し、ノギスやマイクロメータを用いて寸法やねじ精度を測定するとともに、引張強度試験や硬さ試験を実施し、設計値を満たしているかを確認していた。量産化後は、冷間圧造やねじ転造によって大量生産され、1ロットごとに抜き取り検査が行われる。寸法や外観、ねじ精度、機械的強度などを測定し、規格値に基づいて合否判定が行われる。量産前は製品一つ一つを詳細に評価していたのに対し、量産後は統計的品質管理を活用した抜き取り検査へと変化し、品質を維持しながら効率よく大量生産できる体制が整えられていることを理解した。
A.（１）AD変換について学習した。AD変換とはアナログ量のデータをコンピュータに読み込ませるためにデジタル量に変換することである。この時、連続的な量の大きさをいくつかの区間に区分し、各区間内を同一の値とみなす必要性が生まれる。これを量子化という。これによりアナログ量とデジタル量には量子誤差が生まれる。この誤差の大きさはコンピュータの分解能、ビット数といった性能に依存する。量子化の区間を細かくするとより細かい表現ができるようになるのだ。ただしその分一秒間により多くの情報量を処理しなければならなくなる。 次にビッグデータについて学んだ。例えば、ある要因を持った人Aはaが好きであり、ある要因を持った人Bはbが好きであるとする。このAとBの持つ要因を 機械学習し、行列式を解くと相関が高い要因を割り出すことができる。 そこから逆算して別の人もaが好きかもしれないということが分かる。これを利用して、ネットショッピングや動画配信サービスには利用者が興味を持ちそうな商品が次々と表示されるようになる。 （２）チームコンピューター（松村さん、千場さん、岡崎さん、長谷川さん）でワークショップを行い、私は主に意見出しを行った。テーマはAIが記憶したデータが正しいことはどのようにして保証すればいいか考えるというものだった。チームででた意見としては、記録した人が内容を確認すること、複数人で確認を取ること、元の資料と照合すること、調査で第三者検証を受けることが挙げられた。 （３）（２）のワークショップについて、私の意見に一番近いものは「複数人で確認を取ること」「元の資料と照合すること」の二つである。記録した人が内容を確認しようにも、AIが自ら取り込んだ情報に関しては誰も記録者がいない。そのため情報の出所を見極め、複数人の目で確認することが重要ではないかと考える。 また、最後に作成したポスターの品質管理において重要な項目としてQC７つ道具を書くのを忘れてしまった。非常に心残りである。
A.1.DMAICとは、シックスシグマで用いられる品質改善の手法であり、Define（定義）、Measure（測定）、Analyze（分析）、Improve（改善）、Control（管理）の5つの段階から構成される。まず問題や目標を明確にし、データを収集・分析することで原因を特定し、改善策を実施した後、その状態を維持することを目的としている。経験や感覚だけに頼らず、データに基づいて継続的に改善を行うための重要な考え方であると学んだ。 2. 私たちの班では音センサーについて調べた。音センサーとは、音や振動を電気信号に変換し、音の大きさや特徴を検出する装置である。マイクなどに利用されており、周囲の音を感知して機器の制御や状態の確認を行うことができる。例えば、異常音を検知して機械の故障を予測する設備監視や、スマートフォンなどの音声認識技術にも活用されている。音センサーを利用することで、人では気付きにくい変化を検出でき、品質管理や安全性の向上につながることを学んだ。 3. 今回の講義を通して、品質を維持・向上させるためには、問題が発生してから対応するのではなく、データを活用して早期に異常を発見することが重要であると学んだ。DMAICのような改善手法や音センサーなどの技術を組み合わせることで、より効率的で安定した品質管理が可能になると理解した。今後の実験や研究でも、データを活用しながら問題の原因を考え、改善につなげる姿勢を大切にしたい。
A.品質管理とデジタルトランスフォーメーションＤＸについて学習しました。回帰分析や分散分析からＦ検定を行った結果は量が計量と計数として求められました。この量はどちらもアナログの数値であり、連続した数字になっていてアナログＡからデジタルＤに変換するＤＡ変換ではデータ量が減るため量子化誤差とい数字の切り捨てが生じていることがわかりました。量子化誤差はビット数によりきまり、ビット数とは2進数の桁数であることがわかりました。10進法から2進法で表現することで量子化誤差が生じること、またはサンプリング周波数により分解能が決まるため量子化誤差の大きさも変化していくことがわかりました。音楽などではスマホで聞く場合は基本的に圧縮されているためデータ数が少なく、サンプリング周波数が44.1kHzなどで16ビット数であることがわかりました。高音質になるとよりサンプリング周波数の数字いが大きくなりビット数も増えるためＤＡ変換時に量子化誤差の数値の切り捨てが少ない為、音の表現可能な音域が多く丸め込みがすくないということがわかりました。 ワークショップでは、センサーなどからデータを実測し、それをどのように応用されているかを発表しました。データサイエンスの実測では、センサーによりデータをアナログの連続数で測定し、数値化してからコンピュータによりデジタル数に変換されてそれがＤＸ化によりこの変数ではこの変数が因果関係が近いなどと解析することでマーケティングなどに使用されていることが分かりました。 復習では、回帰分析によりデータを因子でとらえて、世の中のモノに対して様々な因子と因子の関係をつなげることにより市場レベルに活用されていることがわかりました。
A.【講義の再話】 センサーで得られたアナログの物理量をコンピュータで扱えるデジタルデータに変換する仕組みについて学んだ。圧力などのアナログ信号は、一定の時間間隔で値を読み取るサンプリングによって離散的なデータへと変換され、さらに得られた値を何段階の数値で表現するかによって、記録できるデータの細かさが決まる。また、コンピュータ内部ではすべての数値が2進数で扱われるため、10進数の小数(例えば1/3=0.3333…)を2進数に変換する方法についても学んだ。10進数の各桁が10のべき乗の和で表されるのと同様に、2進数の各桁も2のべき乗の和として表されることを、具体的な変換例を通じて確認した。あわせて、有効数字の扱いや、複数の要因がデータのばらつきに与える影響を調べる分散分析・F検定にも触れ、扱う量が多くなるほど厳密さが求められることを学んだ。 【発表の要旨】 演題：センサーとコンピュータによるデータのデジタル記録 グループ名：コン メンバー：小野絵里花、石井響、田中心優、神山結菜 担当役割：まとめ・記録 グループで、センサーやコンピュータを活用することで、温度・圧力・音・光といった様々な物理量を大量のデジタルデータとして記録できるようになったことについて調べた。センサーとは、対象とする物理量の変化を電気信号などに変換して検出する装置であり、コンピュータとは、その信号を処理・記憶・計算する装置であるとそれぞれの定義を整理した。センサーが検出したアナログの信号は、コンピュータ内部で扱えるようデジタルデータに変換されたうえで記録・解析され、人の手では不可能な量と速さでデータを収集・蓄積できるようになったことを確認した。 【復習の内容】 10進数と2進数の変換方法について復習した。実際に手を動かして変換してみると、変換の手順を意外と忘れていることに気づき、2をかけて整数部分を取り出す操作を繰り返すことで2進数の各桁を求められることを改めて確認した。基本的な内容であってもしばらく使わないと感覚が鈍ることを実感し、知識を定期的に振り返ることの大切さを感じた。
A.品質管理では、DMAICや回帰分析について学んだ。DMAICは「定義・測定・分析・改善・管理」の5つの手順で問題を改善する考え方である。回帰分析は複数の変数の関係を数式で表し、直線回帰では回帰方程式を用いて関係を表現する。また、データには計量（実数値）と計数（整数値）があり、デジタル化ではAD変換による量子化誤差やビット数が重要になることも学んだ。さらに、音声データではサンプリング周波数が品質に影響し、機械学習では教師データやビッグデータ、因子を利用して学習を行うことを理解した。 グループワークでは、温感センサについて調べた。温感センサは温度を検知して機械へ信号を送り、自動で制御を行うために利用されている。エアコンや家電製品など、身近な機器にも使われており、センサによって取得したデータをもとに適切な制御が行われていることが分かった。 回帰分析は、変数同士の関係を数式で表し予測や分析に利用する手法であることを理解した。また、AD変換ではアナログ信号をデジタル信号へ変換する際に量子化誤差が生じることや、ビット数やサンプリング周波数がデータの精度に影響することを復習した。さらに、機械学習では教師データを用いて学習を行い、多くのデータを活用することでより精度の高い予測が可能になることを学んだ。
A.
A.【講義の再話】 コンピューターにおけるアナログ情報のデジタル化について学んだ。温度や音などの連続した量は、センサーで電気信号に変換され、AD変換によって0と1のデータとして記録される。デジタル化では一定間隔で値を取り出し、段階的な数値に置き換えるため、量子化誤差が生じる。また、ビット数が大きいほど細かな値まで表現でき、音声ではサンプリング周波数とビット数が音質に関係することを理解した。 【発表の要旨】 演題「データサイエンスと実測について考えよう」、グループ名「コン」、共著者｛小野絵里花、神山結菜、石井響、田中心優｝、役割「Conceptualization」。 グループでは、温度、圧力、音、光などをセンサーで測定し、アナログ量を電気信号へ変換した後、コンピューターで二進数として保存する流れを整理した。大量のデータを記録できる一方、センサーの精度や変換時の誤差にも注意する必要があると考えた。 【復習の内容】 授業後、サンプリング周波数と量子化ビット数が音の記録に与える影響について調べた。サンプリング周波数を高くすると短い時間変化まで記録でき、ビット数を増やすと音の大きさをより細かく表せる。しかし、値を大きくするほどデータ量や保存容量も増える。そのため、必要以上に性能を高くするのではなく、測定目的に合う精度を選び、センサーの校正や測定条件も確認することが重要だと考えた。
A. 品質管理では、測定したデータを効率よく活用するためにDXが重要になっている。コンピューターが処理できるのはデジタル信号のみであるため、温度や圧力、音などのアナログ情報はA/D変換によってデジタルデータへ変換される。このとき、サンプリング周波数はデータを取り込む回数、分解能はデータをどれだけ細かく表現できるかを示し、どちらも測定精度に大きく影響する。また、デジタル化された膨大なデータはビッグデータとして蓄積され、回帰方程式や機械学習、AIを用いて解析することで、品質の予測や異常検知、生産工程の最適化に活用されている。DXは単に作業をデジタル化するだけではなく、データを価値ある情報へ変換し、品質向上につなげるための重要な技術である。 グループ名を「deep learning」とし、橋本和樹、出谷一樹、三浦夢衣、菊地真結でデータサイエンスと実測について調査を行った。センサーによって取得したデータをコンピューターで解析し、その結果をマーケティングや品質改善に活用する事例について確認した。実測データを蓄積・分析することで、製品開発や生産管理だけでなく、消費者のニーズを把握することにも役立つことを理解した。 ボルトを例に調べると、量産化以前は職人が一本ずつ加工し、寸法やねじ山をノギスやねじゲージなどで測定・検査して合否を判断していた一方、量産化後は一度に大量生産され、画像処理やレーザー測定器、自動選別装置によって寸法や外観を高速かつ高精度に検査していることが分かった。製造方法や検査方法の進歩によって、生産効率だけでなく品質の安定性も大きく向上しており、DXは品質管理の発展に欠かせない技術であると感じた。
A.
A. この授業で学んだことは、回帰分析についてや、コンピューターの原理についてである。コンピューターの原理は、二進数のデータとして示すことで読み込みを行っている。分数の二進法としての記載法は十進位取り記数法が挙げられる。これまでのまとめとして、品質管理は何のために、どのように行われているのかについて、人々の生活に直結して考えることが大切である。 班での発表の要旨について、班名は無く、今回はセンサーの仕組みについて調べた。共同著者は、加藤美羽、小野朋夏、長谷川桜優、齋藤考裕であり、自分の役割は調査であった。今回はセンサーの仕組みについて取り扱い、センサーは、物理的変化に対して、抵抗値、静電容量、起電力などの電気的特性に変換する事によって、コンピューター内で処理していると考えることが出来る。また、コンピューターは二進数で示されるものである。 復習は、商品の合否についての扱い方法と、品質管理はどのようなものであるのかについて学習した。品質管理は責任、解析を元とするものであると考え、品質管理は健康と生活に直結すると考える。そしてそれらは、安全や顧客満足度に直結する。企業としての社会に対するあり方、そして社会からどのように思われていくのかについてを考えて行かなければならない。品質管理はどの企業でも重要になるものである。つまり、我々は常に、品質とは何かについて考えて行くことが、今後の社会を形成していく上で大切となるだろう。
A.「品質管理とデジタルトランスフォーメーション（DX）」について、平常の取り組みを紹介する。 近年の製造業では、デジタル技術を活用して生産工程や品質管理を高度化するデジタルトランスフォーメーション（DX）が重要視されている。DXを活用することで、製造設備から得られる大量のデータを収集・分析し、品質の安定化や生産効率の向上、異常の早期発見につなげることができる。これにより、経験や感覚だけに頼るのではなく、データに基づいたものづくりが可能になる。 私が普段の学習や実験で取り組んでいることとして、データを適切に扱い、分析結果から考察する力を身につけることを意識している。大学の実験では、測定したデータを整理し、表やグラフを用いて結果を分かりやすく表現している。また、得られたデータのばらつきや傾向を確認し、原因を考察することで、データを活用した問題解決に取り組んでいる。 さらに、品質管理に関する学習では、統計解析やデータ処理の手法を学び、製造工程の状態把握や品質改善にデータを活用する重要性を理解している。例えば、管理図による工程監視や、回帰分析による予測、実験計画法による条件最適化など、データを基にした品質管理の方法について学んでいる。 化学・バイオ分野では、製造条件や分析結果など多くの情報を扱うため、デジタル技術を活用して効率的にデータを管理・解析することが重要である。そのため、実験結果を正確に記録するだけでなく、データから価値ある情報を見つけ出し、改善につなげる姿勢を身につけるよう取り組んでいる。 工場見学では、実際の製造現場でどのようにDXが活用され、IoTやデータ解析技術によって品質管理や生産工程がどのように進化しているのかを学び、将来の技術者としてデータを活用したものづくりへの理解を深めたい。
A.① 講義の再話 今回の講義では、コンピュータの仕組みとアナログ・デジタル変換について学んだ。アナログ信号をデジタル信号へ変換するAD変換と、デジタル信号をアナログ信号へ戻すDA変換は、パソコンにおける入力と出力を支える重要な技術であることを理解した。また、ビットの考え方は2進数や16進数を基礎としており、これらを理解することで信号の分解能やサンプリング周波数の仕組みについても学ぶことができた。さらに、高音質な音楽データを扱うためにはより多くのビット数が必要となることや、コンピュータで膨大なデータを処理する際には非常に大規模な計算が必要であることも学んだ。ビッグデータを有効に活用するためには、データ解析の仕組みを正しく理解することが重要であると感じた。 ② 発表の要旨 データサイエンスと実測の違いについて調べた。データサイエンスではデータの収集、分析を行い、そこから価値のある知見を導き出す学問で、データの質が重要。実測では測定誤差や欠損などが含まれるため品質管理が欠かせない。適切な手法で分析することが必要。 ③ 復習の内容 復習では、コンピュータがすべての情報を「0」と「1」の2進数で処理していることを改めて確認した。この最小単位をビットと呼び、ビット数が増えるほど表現できる情報量は指数的に増加する。例えば、1ビットでは2通り、2ビットでは4通りの情報を表現できる。また、音楽データでは16bitで65,536段階、24bitでは約1,677万段階の細かな強弱を表現できるため、ビット数が多いほど原音に近い滑らかな音質を実現できる。この考え方は音声だけでなく、文字や画像などあらゆるデジタルデータにも共通している。さらに、パソコンの「64bit」は、一度に64ビット分のデータを処理できることを示しており、高い処理能力を支える重要な仕組みである。今回の復習を通して、ビット数の違いが情報量や処理能力、表現力に大きく関わっており、現代のコンピュータ技術の基礎となっていることを理解した。
A.品質管理とDX（デジタルトランスフォーメーション）は、データを活用して品質の向上や業務の効率化を実現するために重要である。DXでは、温度や圧力などのアナログデータをコンピュータで処理するために、まずA/D変換（アナログ・デジタル変換）を行う。A/D変換では、センサーで電気信号に変換した後、一定時間ごとにデータを取得するサンプリング、値を決められた段階に変換する量子化、さらに0と1のデジタルデータへ符号化する工程を経る。量子化ではビット数が少ないと丸め誤差が生じるため、分解能を高くすることで精度を向上させることができる。また、サンプリング周波数は元の信号の最高周波数の2倍以上必要であるというサンプリング定理も重要である。一方、コンピュータでは小数を2進数で表現するため、10進数の1/3のような値は無限小数となり、有限の桁数で処理するために丸め誤差が発生することがある。品質管理では、このようなデジタルデータを活用して回帰分析や分散分析などを行い、工程の異常検知や品質予測に役立てる。また、AIを用いたデータ解析では、ノイズ除去や異常発熱の検知、設備の状態監視などが可能となり、品質管理の高度化と自動化が進んでいる。このようにDXは、品質管理をより正確かつ効率的に行うための重要な技術となっている。
A.① 講義の再話 第15回の講義では、分散分析や回帰分析、デジタル信号処理について学んだ。分散分析は複数のデータ群の平均値に差があるかを調べる手法であり、F分布を用いて検定を行うことを理解した。また、回帰分析では回帰式を用いて変数間の関係を表し、将来の予測や傾向分析に活用できることを学んだ。さらに、コンピュータでデータを扱うためにはアナログ信号をデジタル信号へ変換するAD変換が必要であり、逆にデジタル信号をアナログ信号へ戻すDA変換についても学習した。加えて、bit数や二進数、十進数の考え方、音声データのサンプリング周波数についても理解を深めた。 ② 発表の要旨 平常演習では、「データサイエンスと計測」をテーマにグループで発表を行った。私たちは、センサーとコンピューターを用いたデータ収集の仕組みについて調査した。発表では、センサーが温度、光、距離などの物理量を測定し、その情報を電気信号として取得することを説明した。また、取得した信号はコンピューターによってデータへ変換され、処理や保存が行われることも紹介した。さらに、こうした技術は品質管理や自動制御、IoT機器など幅広い分野で活用されていることを説明した。グループでの活動を通して、正確な計測とデータ処理が現代のものづくりを支える重要な技術であることを学んだ。 ③ 復習の内容 講義を通して、私たちが普段利用しているスマートフォンや音楽配信サービスは、デジタル技術によって支えられていることを改めて理解した。特に音声は連続的なアナログ信号であるが、サンプリングによってデジタル化されることで保存や通信が可能になっていることが印象に残った。また、bit数が増えるほど表現できる情報量が増え、より高精度なデータ処理ができることも学んだ。さらに、分散分析や回帰分析は品質管理や研究開発において重要な統計手法であり、データに基づいて客観的な判断を行うために欠かせないと感じた。今後はデジタル技術と統計解析の両方の視点からデータを考えていきたい。
A.品質管理におけるデジタルトランスフォーメーション（DX）についての講義であった。測定には連続的な値を扱うアナログと、数値化されたデジタルがあり、デジタル化では丸め誤差が生じることがある。また、音のような情報も圧力や時間などの物理量として測定し、デジタルデータへ変換して扱うことができる。さらに、bitによる情報表現や機械学習について学び、大量のデータを活用して品質管理や製造工程の改善を行う重要性がある。 グループ名を「deep learning」とし、橋本和樹、出谷一樹、三浦夢衣、菊地真結でデータサイエンスと実測について調査を行った。センサーによって取得したデータをコンピューターで解析し、その結果をマーケティングや品質改善に活用する事例について確認した。実測データを蓄積・分析することで、製品開発や生産管理だけでなく、消費者のニーズを把握することにも役立つことを理解した。 今回の講義では、品質管理においてデジタル技術やデータサイエンスの活用がますます重要になっていることを学んだ。センサーから得られた膨大なデータをコンピューターで解析することで、人では気付きにくい傾向や異常を早期に発見できる。また、機械学習を活用すれば、過去のデータから品質不良を予測したり、生産条件を最適化したりすることも可能である。近年はDXの推進によって、品質管理は検査中心からデータ活用中心へと変化していると感じた。将来、研究や製造の現場で働く際には、実験技術だけでなく、データを適切に解析し活用する能力も身に付けていきたい。
A.(1) 品質管理では、データのばらつきを分析することが重要である。分散分析はF検定を用いて行われ、各集団の平均値の差が偶然によるものか、有意な差であるかを判断する手法である。また、コンピュータで扱う浮動小数点数は有限の桁数で表現されるため、計算誤差が発生する場合がある。アナログデジタル変換（ADC）は、連続的なアナログ信号をデジタル信号へ変換する技術であり、その品質はサンプリング周波数と信号の分解能によって決まる。ビット数は0と1で情報を表現する最小単位で、0から100までの101通りの値を表現するには7ビットが必要である。例えばSpotifyの音楽は、44.1kHzのサンプリング周波数と16bitの分解能を基準としており、高品質な音声再生を実現している。 (2) データの品質を確保するためには、まず記録者本人が内容に誤りがないか確認することが重要である。さらに、複数人によるダブルチェックや元の資料との照合を行うことで、入力ミスや記録漏れを防ぐことができる。また、監査を実施して第三者による保証を受けることで、より客観的にデータの信頼性を評価できることを学んだ。 加えて、コンピュータは入力された電気信号を0と1のデジタル信号（バイナリ）に変換して処理していることを理解した。センサーで取得したアナログ情報をコンピュータで扱うためにはA/D変換が必要であり、逆に人が認識できる形で出力する際にはD/A変換が用いられる。しかし、変換精度を高めるためには高性能な機器や処理能力が必要となり、その分コストも増加する。そのため、品質管理では必要な精度とコストのバランスを考慮することが重要であると学んだ。 (3) アナログデジタル変換（ADC）に興味を持ち、さらに調査した。アナログデジタル変換（ADC）の歴史は、通信技術の発展とともに進歩してきた。1920年代にはパルス符号変調（PCM）の概念が提案され、1937年にはイギリスの技術者アレック・リーブスがPCMを実用化するためのADCの原理を示した。 その後、1940?1950年代に電話通信やコンピュータ技術の発展に伴い、ADCの研究開発が活発化した。 1960年代以降は半導体技術の進歩によって小型化・高性能化が進み、現在ではスマートフォンやデジタルオーディオ機器、各種センサーなど幅広い分野で利用されている。ADCはアナログ情報をデジタルデータへ変換する重要な技術であり、現代の情報社会を支える基盤技術の一つである。
A.①講義では、品質管理におけるデジタルトランスフォーメーション（DX）とデータサイエンスの役割について学んだ。IoTやAI、クラウドなどのデジタル技術を活用することで、生産現場のデータをリアルタイムで収集・分析し、品質向上や生産性向上につなげることができることを理解した。また、データサイエンスでは、実測データを統計的に解析し、客観的な根拠に基づいて意思決定を行うことが重要であることを学んだ。DXは製造業の競争力向上に欠かせない技術であることを理解した。 ②発表では、データサイエンスと実測データの重要性、一つの製品と量産品における合否判定の違いについて説明した。一つの製品では個別の性能や品質を確認して合否を判定するのに対し、量産品では抜き取り検査や統計的品質管理を用いてロット全体の品質を評価することを紹介した。また、AIやIoTを活用した品質管理では、大量のデータを解析して異常を早期に発見し、品質改善や生産効率の向上につなげることができることを学んだ。 ③復習では、DXやデータサイエンスの基本的な考え方を整理するとともに、実測データを収集・分析することの重要性について確認した。また、統計的品質管理やAIによる異常検知の活用事例を調べ、データに基づいた品質改善が製造業で広く利用されていることを理解した。さらに、一品ごとの検査と量産品の抜き取り検査の違いを復習し、品質管理ではデジタル技術と統計的手法を組み合わせることで、より高い品質と効率を実現できることを学ぶことができた。
A.【講義の再話】 回帰分析を学び、アナログとデジタルの違いを理解する。アナログは連続量であり、デジタルは離散量である。コンピューターは2進数で情報を扱い、ビット数が表現できる範囲を決める。小数は丸め誤差を生み、測定にも影響する。サンプリングや量子化の概念は品質データの扱いにも通じる。品質管理はデジタルの仕組みを理解することでより精密になる。 【発表の 要旨】 私たちのグループでは、記録されたデータの正確性を人がどのように保証するかを議論した。記録者自身の確認、複数人によるチェック、元資料との照合、さらに第三者による監査が重要であると整理した。また、コンピューターは届いた電気信号をすべて0と1のデジタル情報に変換して処理しており、人の確認と機械処理の両方が正確なデータ管理を支えている。品質管理では、記録の信頼性が工程全体の信頼性につながるという結論に至った。 【復習の内容】 記録の正確性を保証する方法として、人による確認や複数人チェックに加え、電子記録の改ざん防止技術（タイムスタンプ、アクセスログ、電子署名）を調べた。コンピューターが0と1のデジタル情報で処理するからこそ、誤り検出や整合性確認が可能になると理解した。品質管理では、「記録を疑う視点」と「仕組みで守る工夫」の両方が欠かせないと感じた。
A. 現代の品質管理やデータサイエンスでは、センサー技術を用いたアナログ情報のデジタル信号化（AD変換）とデータ解析の理解が不可欠である。実験計画法や回帰方程式による統計解析に加え、音や物理量をデジタルデータとして取り扱う際の「ビット数」や「分解能」の概念が重要となる。量子化に伴う情報の誤差や精度の違いを正しく認識し、収集されたデータの信頼性を保証することが適切な意思決定の基礎となる。 演題「データサイエンスと実測について考えよう」、グループ名「コン」、共著者（神山結菜、小野絵里花、石井響、田中心優）、私の役割「Conceptualization」。本ワークショップでは計量管理とデータの信頼性について討論した。AIやビッグデータを活用する際もセンサーの校正が必須であり、官能評価などの非言語データと定量的測定を併用する重要性を学んだ。 復習として「AD変換における分解能とデータ精度の関係」について考察した。連続的な物理量をデジタルデータ化する際、ビット数に応じた分解能と量子化誤差が生じる。求める精度に応じて必要なデータ解像度とコストのバランスを考慮することが重要であり、デジタル化されたデータの特性や限界を正しく理解した上で品質管理に活用する視点が不可欠であると再確認した。
A.
A. 回帰方程式や計量・計数データの違いについて学んだ。現実の測定では値にばらつきがあるため、不等号を用いた統計的な評価が重要であることを理解した。また、コンピューターではアナログ信号をデジタル信号へ変換するA/D変換と、その逆のD/A変換によって音や映像が処理されることを学んだ。情報の最小単位はビットであり、0?100の数値を表すには7ビットが必要であることや、10進数と2進数では小数の表し方が異なることも理解した。さらに、音楽CDは一般的にサンプリング周波数44.1kHz、量子化16ビットで記録されており、これらが音質を左右する重要な要素であることを学んだ。 データサイエンスでは、現実世界の情報を正確に測定し、データとして活用することが重要である。センサーは温度や光などの物理量を電気信号へ変換し、コンピュータで処理・保存される。コンピュータ内部では0と1の2進数が用いられ、現実世界のアナログ信号はA/D変換によってデジタル信号へ変換される。また、処理後の情報はD/A変換によって再びアナログ信号として出力される。変換器は高精度・高速であるほど性能は向上するが、価格や消費電力も増加するため、用途に応じて性能とコストのバランスを考慮した設計が重要であることを学んだ。 回帰方程式や計量・計数データの違いについて学び、現実の測定では値にばらつきがあるため、統計的な評価が重要であることを理解した。また、A/D変換とD/A変換によってアナログ信号とデジタル信号を相互に変換し、音や映像が処理されることや、ビット数・サンプリング周波数が情報量や音質に影響することを学んだ。ワークショップでは、センサーで測定した情報をデータ化し、コンピュータで処理・保存する仕組みを理解した。さらに、高性能な変換器ほど価格や消費電力が増加するため、性能とコストのバランスが重要であることを学んだ。
A.(1)分散分析のF検定は２つの分散の比で求められる。対象となるデータには、連続的な値をとる計量値と、個数を数える計数値があり、実数や浮動小数点としてコンピューター内で扱われる。アナログ信号をデジタル信号に変えるアナログ・デジタル変換（ADC）では時間を一定の間隔で区切るサンプリング周波数と、信号の細かさを表す分解能が重要となる。例えば、16ビットで44.1?の階調を持つものがCD音質である。100までの数値を２進数で表すには７ビットが必要となる。また、10進数の1/3を２進数で表すには、小数点以下に２を掛け算して整数部分を取り出す計算を繰り返す。この手順を繰り返していくと、1/3は２進数では無限小数になる。 (2)赤外線センサーは、赤外線を感知してアナログからデジタルの電気信号へ変換する装置である。赤外線には熱を伝える性質があり、人や動物が放つ熱放射の量や温度の変化を感知する仕組みとなっている。具体的には、自動照明、自動ドア、非接触体温計などに使われている。このセンサーのメリットは、節電効果や非接触での利用、防犯性の向上が挙げられる。一方デメリットは、設置に適さない場所があったり、人以外の動体を感知してしまう点である。さらに、完全にセンサーのみでシステム制御をしてしまうと不具合が発生した場合に、ドアや照明が一切動作しなくなってしまうという問題がある。 (3)自動車用高強度六角ボルト 【量産前】 ・作り方：汎用旋盤による削り出し、または簡易金型を用いた油圧プレスによる単発成形、熱処理はバッチ炉で行なわれた。 ・検査項目：傷やバズの有無などの外観の検査、精密寸法、機械的性質 ・測定：ねじ山ピッチ、首下長さ、頭部対辺寸法のマイクロメーター測定、引張強度試験、硬度測定、金属組織の顕微鏡観察 ・合否判定：試作された全数に対して測定を行い、設計図面の公差や要求強度を100％満たしているか判定する。 【量産後】 ・作り方：大型ヘッダー機による高速冷間鍛造、連続熱処理炉による自動焼き入れ、焼き戻しを行う。 ・検査項目：インライン自動画像検査、抜取検査 ・測定：カメラによる外観や全長の全数チェック、ロットから数十本をランダム抽出してねじリングゲージによる通り・止まり検査、硬度測定 ・合否判定：抜取検査の結果を統計的プロセス管理にかけ、ロット全体の不良数が許容値以下であればその１万本を合格として出荷する。
A.①講義の再話 講義では、品質管理とデジタルトランスフォーメーション（DX）の関係について学んだ。品質管理は、製品やサービスの安定した品質を維持するための体系的な活動であり、DXはその活動をデジタル技術によって高度化する取り組みであると理解した。IoTやAI、クラウドを活用することで、現場のデータをリアルタイムに収集・分析し、異常の早期発見や工程改善が可能になる。従来の管理図や統計的手法に加え、デジタル技術を組み合わせることで、品質管理は「予防型」へと進化していることを学んだ。 ②発表の要旨 発表では、DXが品質管理に与える具体的な効果を中心に論じた。センサーやAIによる自動検査は、人の目では捉えきれない微細な不良を検出し、工程の安定化に貢献する。また、クラウド上でデータを共有することで、設計・製造・販売の各部門が連携し、品質情報を即時にフィードバックできる。これにより、問題発生後の対応から、発生前の予測・防止へと管理の軸が移行する。DXは単なるデジタル化ではなく、品質管理のスピードと精度を飛躍的に高める仕組みであるとまとめた。 ③復習の内容 復習では、品質管理とDXの融合が企業競争力の源になることを整理した。データを活用した品質保証は、顧客満足度の向上だけでなく、無駄の削減や生産性の向上にもつながると再確認した。今後は、AIやIoTを活用して現場の判断を支援し、品質をリアルタイムで監視・改善する体制を構築することが重要である。品質管理はもはや「人の経験」だけに頼るものではなく、デジタル技術と統計的思考を融合させた新しい管理文化へと進化していると感じた。
A.アナログデジタル変換（A/D変換）とは、連続的に変化するアナログ信号を、コンピュータで処理できるデジタル信号に変換する技術である。自然界の温度、音、光、圧力などの情報はアナログ信号として存在しているが、コンピュータは0と1で表されるデジタル信号しか扱えないため、A/D変換が必要となる。A/D変換は主に、標本化（サンプリング）・量子化・符号化の3つの段階で行われる。まず標本化によって、連続したアナログ信号を一定の時間間隔で測定する。次に量子化によって、測定した値を決められた段階の数値に近似する。最後に符号化によって、その数値を2進数のデジタル信号へ変換する。A/D変換の精度は、サンプリング周波数と分解能（ビット数）によって決まる。サンプリング周波数が高いほど時間的な変化を細かく記録でき、分解能が高いほど小さな信号の変化を正確に表現できる。A/D変換は、温度センサーや医療機器、自動制御装置、スマートフォンなど幅広い分野で利用されており、現実の情報をデジタル処理するために欠かせない技術である。
A. 第15回の講義では、分散分析やF検定に加え、アナログ・デジタル変換について学んだ。アナログの情報をデジタル化する際には量子化誤差が生じることや、データはビットという最小単位で表現されることを理解した。また、10進数と2進数の変換方法についても学び、整数は2で割りながら、小数は2を掛けながら変換することを確認した。さらに、0?100の値を表すには7ビットが必要であることや、ハイレゾ音源では24bitの量子化ビット数が使われており、より細かく音を表現できることも学んだ。デジタル化や統計的手法は、品質管理やデータ解析の基礎となる重要な知識であると感じた。 データサイエンスと実測についてグループワークを行った。私たちは、データサイエンスと実測の違いについて話し合い、青センサーについても調べた。データサイエンスは、集めたデータを分析して課題解決や意思決定に役立てる学問であり、品質管理や需要予測など幅広い分野で活用されている。一方、実測では実際に測定器を用いてデータを取得するため、測定誤差や校正の重要性についても確認した。正確な実測データがあってこそ、信頼できるデータ分析につながることを学んだ。 復習では、ひとつの製品と量産品では合否判定の考え方が異なることについて考えた。ひとつの製品であれば、その製品自体を詳しく検査して合否を判断できるが、量産品ではすべてを細かく確認することが難しいため、抜き取り検査や統計的な手法を用いて品質を管理する必要がある。そのため、個々の製品だけでなく、工程全体のばらつきや傾向を把握することが品質管理では重要になると感じた。また、効率よく品質を保証するためには、データに基づいて判断することが欠かせないことを改めて学んだ。
A.①今回の授業では、コンピュータが情報を処理する仕組みや、アナログ信号とデジタル信号の変換について学んだ。アナログ信号をデジタル信号へ変換するAD変換と、デジタル信号をアナログ信号へ戻すDA変換は、コンピュータや電子機器の入力・出力を支える基本技術であることを理解した。また、情報処理の基礎となるビットの考え方についても学び、2進数や16進数を用いてデータが表現されていることを確認した。さらに、サンプリング周波数や量子化の仕組みを理解し、音楽や映像などのデジタルデータでは、高いビット数やサンプリング周波数を用いることで、より精度の高い情報を再現できることを学んだ。加えて、近年ではビッグデータの活用が進んでおり、大量のデータを正しく解析し、有効活用するためにはデータ処理の基礎知識や統計的な考え方が重要であることを理解した。 ②データサイエンスとはデータの収量して検証することで実測には誤差などがある。 ③復習では、コンピュータがすべての情報を0と1の2進数で処理している仕組みについて整理した。情報を表す最小単位であるビットは、文字や画像、音声などあらゆるデータの表現に利用されており、ビット数が増えるほど表現できる情報量や精度が向上することを学んだ。例えば、音声データでは16bitより24bitの方が細かな強弱を表現できるため、より自然で高音質な再生が可能となる。また、画像や映像でもビット数の増加によって色の表現力や画質が向上することを理解した。さらに、64bitコンピュータは一度に処理できるデータ量が多く、大容量メモリの利用や高速な演算処理が可能であるため、現在の高度な情報処理を支える重要な技術となっている。今回の学習を通して、AD変換・DA変換やビットの仕組みは、コンピュータだけでなくスマートフォンや家電製品など身近な電子機器にも広く利用されており、現代の情報社会を支える基礎技術であることを理解した。また、今後さらに発展するAIやビッグデータ解析においても、これらの基礎知識が重要になることを学んだ。
A.第15回の講義では、品質管理とデジタルトランスフォーメーション（DX）というテーマで、データを活用した品質向上のあり方について学んだ。まず、ノイマン型コンピュータの構成を通して、現代のデータ処理がどのように行われているのかを理解し、入力・処理・出力という基本的な流れが品質管理にも深く関わっていることを確認した。そのうえで、測定の信頼性に関する用語として、誤差やばらつき、かたよりといった概念を整理した。特に、偶然誤差は測定のたびに変動する避けがたいばらつきであるのに対し、系統誤差は測定方法や機器の特性によって生じる一定の偏りであり、改善可能である点が重要であると理解した。これらの違いを正しく把握することで、より正確なデータに基づいた品質管理が可能になると学んだ。 発表では、データサイエンスと実測の関係について考察し、センサーの仕組みに焦点を当てた。センサーは、温度や圧力、力といった物理的な変化を、抵抗値や静電容量、起電力などの電気的特性に変換する装置であり、データ取得の出発点となる重要な役割を担っている。例えば温度センサーは、温度の変化を電圧や抵抗の変化として検出し、それを数値データとして扱えるようにしている。このように、現実世界の現象をデータとして取り込む過程を理解することで、データの意味や限界についてもより深く考える必要があると感じた。 復習では、品質管理においてデータの正確性と信頼性がいかに重要であるかを改めて整理した。どれほど高度な分析手法を用いたとしても、元となるデータに誤差やかたよりが大きく含まれていれば、正しい結論を導くことはできない。そのため、測定段階での誤差の種類を理解し、適切に管理することが不可欠である。また、DXの進展によりセンサーやデータ収集技術が発達している現代では、データを単に集めるだけでなく、その質を見極めて活用する力が求められていると実感した。今後は、データの取得から分析、活用に至るまでの一連の流れを意識し、より実践的な視点で品質管理に取り組んでいきたいと考えた。
A.今回の講義では、これまで学習した品質管理に関する統計手法を総合的に振り返るとともに、センサーやコンピュータによるデータ処理について学んだ。分散分析やF検定、回帰分析などの統計手法を品質管理へ応用する流れを整理し、測定したデータを分析する重要性を再確認した。また、センサーで取得したアナログ信号をAD変換によってデジタル信号へ変換し、コンピュータが二進数で処理する仕組みについて学んだ。さらに、データ解析の結果を実際の装置へ反映する際にはDA変換が必要になることも理解した。品質管理では測定から解析、改善までの一連の流れが重要であり、統計学だけでなく情報処理技術も不可欠であることを学んだ。 発表では、品質管理は測定・データ処理・統計解析・改善という一連の流れで成り立っていることを説明した。センサーによって取得されたデータはAD変換によってデジタル化され、その後コンピュータで統計解析を行うことで品質評価や工程改善につながる。また、分散分析では複数の要因が品質へ与える影響を比較でき、最も重要な改善要因を見つけることができると紹介した。 復習では、信頼区間、管理図、F検定、回帰分析、分散分析など、これまで学習した統計手法を総合的に整理した。また、アナログ信号とデジタル信号の違いや、コンピュータが二進数で情報を処理する理由についても再確認した。品質管理では、正確な測定、適切なデータ処理、統計解析を組み合わせることで客観的な品質評価が可能になることを理解した。今後の実験や研究においても、データに基づいて原因を分析し、品質改善へ結び付ける考え方を積極的に活用していきたい。
A. 品質管理と統計学の関係について総合的に学んだ。品質管理は製品を検査するだけではなく、企画・設計・製造・改善までを含めた継続的な活動であり、平均値や標準偏差、信頼区間、仮説検定、相関分析、回帰分析、分散分析など、これまで学んだ統計手法が実際の品質改善や製品開発に活用されていることを理解した。 グループでは、AD変換とDA変換について議論した。現実の温度や光、音などはアナログ信号なので、コンピュータで扱うにはA/D変換でデジタルデータに変換する必要がある。また、スピーカーなどへ出力する際にはD/A変換が必要である。高精度な変換器は誤差が少ないが価格が高く、低価格なものは精度が低いというコストとのバランスが課題である。 復習では、15回の講義内容を通して学んだ統計手法や品質管理の考え方を整理した。それぞれの統計手法には目的があり、状況に応じて適切に使い分けることが重要であることを改めて理解した。また、品質管理ではデータを正しく収集・分析し、次へ生かすことが大事だと学んだ。
<!-- 課題 課題 課題 -->
<li>
<a href='https://edu.yz.yamagata-u.ac.jp/developer/WebClass/WebClassEssayQuestionAnswer.asp?id=558'>
<q><cite>
</q></cite>
</a>.
<a href='https://edu.yz.yamagata-u.ac.jp/developer/Asp/Youzan/@Syllabus.asp?nSyllabusID='>
<a/a>・
<a href='https://edu.yz.yamagata-u.ac.jp/developer/Asp/Youzan/@Lecture.asp?nLectureID='>
</a>
</li>
<!-- 課題 課題 課題 -->
大学教育の質の保証・向上ならびに 電子化及びオープンアクセスの推進の観点から 学校教育法第百十三条に基づき、 教育研究活動の状況を公表しています。
第百十三条 大学は、教育研究の成果の普及及び活用の促進に資するため、その教育研究活動の状況を公表するものとする。
