アカデミア

日本の大学の先生の給与が低いのではないかと漠然と思っていたが、他企業の研究者と話してやはりそんな話になった。教授がどの程度の給与水準かはわからないが、2000万から2500万円くらいの給与水準が必要なんじゃないかな。

企業の努力として技術を量産に持ち込み市場に供給するところがあるが、この技術そのものを発見したり発明するのは大学などの先行研究の「アタリ」に依存するところがあると思っている。　

個人的に考えている研究には次の２つの大別があって
・アカデミック側（科学）
・エンジニア側（工学）

アカデミック側としてはコスト度外視で実現可能な技術が存在するのか、それを実現する科学技術はなにかといったところを見ていくものだと思っている。何かが起こっているその背景にあるサイエンスはなにかを突き詰めていく領域。

エンジニア側としては、一定の開発コスト制約のもと、一般社会が受け入れ可能なコストで製品を量産していくことと思っている。

 

アカデミック側は実現可能かの約束は必要とせず、100に一つ、1000に一つ、あたり技術があったら大発見な領域で、コストとしては大きいだろうが、ある人の気づきや好奇心、それを支える根気が新しい領域を開拓していくと思っている。この領域への投資はやはり国家レベルでやっていかないといけないように思っている。あたりを探すための投資であって、これはコスパといった議論を持ち出すべきではない領域だと思っているし、本当にこうした新規開拓に向いている人を確保するためにはアカデミア領域への高給配備が必要だと思っている。工学領域を前提にしているが、これが食料関係の開発だったら新しい品種の農作物を開発できたらどれほどの命を救えるのか。

エンジニア側としては、スマホが１００万円じゃ普及しないので、ある程度安価な製品を生産できるようなところを目指すので、どうしてもコスパといった概念が出てくるし、必要なことなので、必要なことだと思っているが、これはアカデミアではなく、エンジニアのやること。エンジニアが拾ってくる種をアカデミアが作っていけないと将来芽吹くものがなくなってしまうように思っているし、そのそのアカデミアの貯蓄が尽きつつあるように思う。芽吹かなかったから無駄だとは思えず、その過程で気がついたことや、新しく気づくことがあるので、「あることを極めよう」というマインドには副次的な作用があるはず。最近のノーベル賞受領もうっかりから新しい発見があることがあるように、正攻法では無いところにヒントがあることも多いと思うが、これは日々やっていないと気が付かない領域。

 

ふと思うのだが、ある程度豊かになってくるとあまりそれ以上を望まなくなってきて、１０年２０年先のことを考えにくくなるのでは無いかとも思っている。例えば日本は戦後のどん底から這い上がってきたとき、１０年先、自分の子供世代の４０年先に明るい未来を感じて頑張ってくれた先人が多数いたと思うし、それを引っ張る人たちには例えば軍の開発を文字通り命がけで実施していた人が多く教鞭を採った時代だったように思う。

現在、ある程度不自由のない時代だと思う。自分が食べるのに困らないような時代の生まれなので、子供の世代も同じように生活できるという漠然とした期待があるようにも思うが、生き残るためにはどうしても競争があって、他国に負けてしまうと、食料を買い負けて困窮することも十分考えられる（国内の食料自給率を見ると、経済力減衰は結構やばくて、食べるに困るが現実になるかもと思ってる）。実際地下資源、農作物をそれほど多く生産出来ない日本は技術で競り負けることが危険である。

科学も技術も死屍累累の上にあることを前提に、この領域に国家が投資をしてほしいと思っている。

 

一つ難しいのは、大学は教育機関なのか、研究機関なのかの千引である。個人的には大学までは教育機関で、大学院以降は研究機関であって良いと思っている。大学院時代は研究手伝って給与が出ない大学院生微妙だなとも思っていたのではあるが、なんとなく大学院に行ってしまう環境も微妙な気がする。

大学まではやはり学生にどのように学問が重要で面白いことなのかを伝えて行くことに強い先生が必要だと思う。面白いんだという気づきを与えられる人材がほしい。研究が得意じゃないけど、こうした講師活動に向いている人材発掘も必要だろう。こうおもうと「講師」というのも大事な仕事だが、この点はあまりフォーカスされていないように思う。Youtubeにヨビノリという方がいるが、この点を説明していて確かにと思った。大学は人気講師を予備校に給与で競り負けないようにしてほしい。

 

教鞭を取るという面、研究を進めるという面、この両方に必要なことが何かを考えていくことが１０年後２０年後、ひいては１００年後の国力にもつながっていくように思う。

大学教授は７万人もいるらしい。彼らに2000万円/年の給与を出すには、4000万円/年くらいの予算が必要であろう。2.8超円の予算か。国民一人年間１.5万円の負担くらいかな。

コメント規制

変なコメントが入るようになったので、コメントを承認制にしました。

シャント抵抗

電流検出のためのシャント抵抗というものがある。

1mΩなどの抵抗で流れる電流をIRドロップにより検出するものだ。

先日横浜エレクトロニクスという会社の製品を見た。表面実装（SMD, Surface Mout Devide）の抵抗体は通常表面（実装したときの最表面）にあるのを裏面（基盤側）にすることで、寄生インダクタンスを抑制するといったものだった。とても興味深いのは、SMD抵抗の高さがインダクタンス成分に結構影響するような状態であることだった。

 

ついで、大電流用のシャント抵抗は電流による発熱がバカに成らないらしく、抵抗体の温度係数が邪魔なときがあるようだ。サーミスタとか、ダイオードとか温度依存性のあるデバイスを隣接させてうまく温度補償ができたら面白いなと思った。

こういったデータがあるので、なんとなく温度にリニアな感じである。そうなると、こいつを相殺するような温度係数を持つデバイスをくっつけてあげたら、温度補償できるのでは無いだろうかと。

 

設計する側からすると温度補正の演算をせずに、素直にIRドロップだとみなせるような設計ができるといいのだが、そんなにうまいこと行くようなデバイスあるかなあ。ミリΩレベルのサーミスタ作れたら補償できるかな。

 

住まい

実家から離れたところでマンションを買った。中古で。

親元を離れ、子育てをしていると思うが、親は色々頑張ってくれてたんだなって思う。生きているうちに孝行しないといけないなと切に思う。

現在中古マンションを購入して生活しているが、ある程度老朽化してきた段階を考えると、マンションがいいのか戸建てがいいのかと再度考えることが多い。

 

戸建ての良い所は、決定権がすべて自分にある所である。修繕やら改造やら誰も反対しない。

マンションの良い所は、セキュリティーが良かったり、天井が熱くないとか、売却しやすいとかかな。

 

戸建ての悪いところは余り思いつかないが、都会だと土地が高いと言った所か。

マンションの悪い所は、経年劣化の修繕が高額なので年数が経過するほど維持管理にコストがかかっていくこと、建て直しが大掛かり過ぎて誰も判断できなくてどこかで詰みそうな所。

 

友人と話して思うのだが、家は二度立てろみたいな格言があるようで、確かにと思う。戸建てもマンションも住んで見ないとわからないことがあるので、色々経験しないといけないなと。
戸建てを買った友人は、風呂などにもう少しコストをかければ良かったとか、それなりに思う所があるようだ。

 

築２０年ほどのマンションを買って思うのは、
・１０年くらいのマンションを中古で買って生活の上で必要なことを把握する
・ある程度生活の理想や、子供の成長で部屋がほしいみたいな具体的な生活が見えてきたら戸建てに引っ越し
　（当該時期にマンションの資産価値が高いという期待による）
・戸建てかっていい感じに生活する
　（子供が独立したら、あとは自分の城になる、な感じ）

なのかなー。

ステンレス包丁

ステンレスの包丁を買った。安田刃物の関虎徹V金10号三徳包丁180mm

8360円なり。

同梱されていた説明書に720HVと書いてあり、61HRCほどの硬さであることがわかる。職業柄HVのほうが理解しやすい。

切れ味は、思いの外というか、だいぶよくて、結構すっと切れていく。刃先がとても鋭利というわけではないのだが、刃がスルスルと入っていく感じ。不思議である。

まあ、いままで使っていた2000円くらいの包丁よりはだいぶいいだろうな。

 

鍔のところを見ると鍔は接合で別の材料を持ってきているようだ。もうちょっと高い包丁だと鍛造で盛り上げていたりして刃物と鍔の隙間がないものがある。ここに塩が溜まったりして錆びてこなければ良いが・・・

メモ ステンレス包丁の組成

ステンレスの包丁を選ぼうと思っているが、組成が気になった。
だいたい炭素１％の材料で、炭化物吐き出しで固くなる類のものを使っているようだ。

	C	Mn	Si	Cr	Mo	V	Co	Ni	Cu
V10	0.95-1.05	0.3-0.5	<0.35	14.5-15.5	0.8-1.2	0.25-0.35	1.3-1.8	<0.25	<0.25
銀3	0.95-1.1	0.6-1.0	<0.35	13.0-14.5
V1	0.95-1.05	<0.5	<0.5	13.0-15.0	0.3-0.5			<0.25	<0.25
AUS10	0.95-1.1	<1.0	<1.0	13.0-14.5	0.1-0.3	0.1-0.25		<0.50

IIRフィルタの位相

FFTフィルタではなく、IIRフィルタを使った場合のLPFを試してみた。

次数が大きくなるほど位相遅れが大きくなり、下記では12次までやってみたが、14次は計算が破綻した（位相が１周ひっくり返るからかな）

 

例えば２次だと普通に２次のLPFですね（下はFFT後の縦軸がdBになってないです）

８次のフィルタだと位相は反転しているくらいの遅れが見られますね。ふむふむ。

FFTフィルタの位相シフト

FFTして周波数帯域をカットしてからの逆FFTで信号を戻す作戦。

単純な波形においては問題がなさそうである。

3倍高調波である75Hzまで入れると・・・（カットは100Hzで）
25Hzも75Hzも大丈夫そうな感じではある。

Pythonで三角波

pythonは配列の要素にアクセスせず、配列のまま計算できるのが良い所である。

import numpy as np

import matplotlib.pyplot as plt

freq = 1.0 #周波数として

 

time=np.arange(0.000,0.001*2**10,0.001) #時間の配列を作る

Signal = np.sin(2 * np.pi * freq * time) #正弦波を作る

 

plt.plot(time,Signal)

plt.show()

 

次のような配列要素ごとの計算をしなくて良いので、記述がやや楽。

for i = 0 to Ubound(time())

    Signal(i) = sin(2 * pi() * freq * time(i))

next i

 

 

正弦波は単一周波数しか含まれないので、矩形波や三角波を作ろうと思うと・・・・

 

import numpy as np

import matplotlib.pyplot as plt

freq = 2.0 #周波数として

time=np.arange(0.000,0.001*2**10,0.001) #時間の配列を作る

Signal = (time * freq) % 1  #余りを求める

 

plt.plot(time,Signal)  

plt.show()

 

これを0.5ずらして絶対値とったら三角波ですかね。

 

import numpy as np

import matplotlib.pyplot as plt

freq = 2.0 #周波数として

time=np.arange(0.000,0.001*2**11,0.001) #時間の配列を作る

Signal = 1-np.abs((time * freq/2) % 1-0.5)*2

plt.plot(time,Signal)

plt.show()

 

 

のこぎり波など不連続データが多いと周波数帯域が非常に高い所まで必要になるので、一旦三角波を使ってフィルタ特性を見てみようか、な。

デジタル処理によるLPFその後

検証はFFTをするためにデータサイズを2のべき乗の数にしているが、実際の信号はそんなに都合よくデータ数がないので、最後はFIRフィルタとかIIRフィルタとかを作って連続信号に対して処理できればいいかな、なんて思い始めている。

 

入力信号は25Hzで振幅1の正弦波に60Hzで振幅0.5の正弦波を加算したものである。

SignalF = 25.0

SignalA = 1.0

NoiseF = 60.0

NoiseA = 0.5

time=np.arange(0.000,0.001*2**12,0.001)

SignalSUM = SignalA * np.sin(2*np.pi*SignalF*time) + NoiseA * np.sin(2*np.pi*NoiseF*time)

 

左上の入力信号をFFTして、左下のようなグラフを得る。
左下のグラフの60Hzの山をカットして右下の周波数特性を得る。
その信号を逆FFTして、波形に戻すとローパスされた信号が得られる。

 

ノイズの信号を大きくしていったらどうなるのかなと思って信号振幅を変えてみた。

 

信号：ノイズ＝１：１

信号：ノイズ＝１：１０、なんとかなる。

 

信号：ノイズ＝１：１００　FFTで一律ゼロにする部分がうまく行かないので信号が歪んでくる。
40Hzでスパッと切っているのだが、40Hzの階段が40Hzのノイズを与えてしまうので、しょうがない。

 

 

import numpy as np

import matplotlib.pyplot as plt

#from scipy import signal

import csv

SignalF = 25.0

SignalA = 1.0

NoiseF = 60.0

NoiseA = 100.0

GAmp = SignalA+ NoiseA

time=np.arange(0.000,0.001*2**12,0.001)

SignalSUM = SignalA * np.sin(2*np.pi*SignalF*time) + NoiseA * np.sin(2*np.pi*NoiseF*time)

#plt.plot(time,SignalSUM, '-')

F=np.fft.fft(SignalSUM)

freq = np.linspace(0, 1000, len(time))

Fc= int(40 * len(time)/1000)

Fmod = F.copy()

Fmod[Fc:(len(time)-Fc)]=0+0j

#plt.plot(freq,F)

#plt.xlim(0,80)

G=np.fft.ifft(Fmod)

ax1 = plt.subplot(2,2,1)

ax1.plot(time, SignalSUM, "-")

ax2 = plt.subplot(2,2,2)

ax2.plot(time, G , "-")

ax1.set_xlim(0,0.5)

ax2.set_xlim(0,0.5)

ax1.set_ylim(-GAmp,GAmp)

ax2.set_ylim(-GAmp/10,GAmp/10)

ax3=plt.subplot(2,2,3)

ax3.plot(freq, F)

ax3.set_xlim(0,100)

#ax3.set_ylim(-100,100)

ax4=plt.subplot(2,2,4)

ax4.plot(freq, Fmod)

ax4.set_xlim(0,100)

#ax4.set_ylim(-10,10)

print(len(time))

plt.show()

ハムノイズ

1kHzで取得したデータを見ていると正弦波に隠れて別の信号が入っているようだ。これはハムノイズではないかな？

ということで、除去の方法を考えてみた。

試験周波数は25Hzでハムノイズは60Hzなので約２倍の周波数の隔たりが有る。

一次のLPFでカットオフ周波数を25Hzにすると、25Hzでは-3dBで60Hzでは-8dBくらい。うーん。一次のLPFではちょっと厳しいな。

 

などと思っているときに気がついた。デジタルデータなんだから、デジタル処理しちゃえばいいじゃないかと。FFTして高周波カットしてから逆FFTなどやり方はいくつかありそうだな。

ためしてみよう。

 

試すためにももとデータがないので、一旦ダミーでデータを作ってみようとなった。
25Hzの信号に60Hzのハムノイズが重畳している状態を作ってみる。
最近流行っているPythonなるものに手をだしてみた。

 

 

上のグラフだとわかりにくいが、時間を伸ばしていくと、測定したい25Hzの信号に60Hzの信号が乗ることで各サイクルのピークトップがぶれている。これが今データ処理で問題なのでダミー信号の再現はうまく言っている。

 

データ数を4096個にしてからFFTをかけてみると、ちゃんと25Hzと60Hzに信号が出てきている。
60Hzの信号を消して逆FFTしたらアナログ回路では実現できないような急峻なフィルタ特性が得られるに違いない。

 

50Hzくらいから高周波をカットして

 

逆FFTをすることで戻ってくる。ピークトップの振動がなくなっているようである。

 

端部においては高周波成分があるので、歪みが生じるが、気にならない。

 

多少時間が経過した後はきれいな波形になっているようである。

 

 

ちょっとPythonを触ってみた感じでは、配列をそのまま引数にして関数に作用できる点が良い。
例えばtime[] = 0,0.01,0.02,0.03,,,, 0.99のように0.01刻みで100個有る配列から例えば、
for i = 0 to 99
     signal = A * frequecy * time[i]
next i
とやって個別に要素を計算する必要がありそうなものだが、
signal = A*Frequency*time
でループを回した計算が実施できる。

そのへんが使い勝手良さそうだ。

1kHzログその後

1kHzのログデータその後ですが、なんとかなりそうな感じですね。

さすが高級キーエンスのデータロガー。1kHzサンプリングデータでも後からデータ圧縮として、1000個のデータの最大値最小値を出力できるので、とりあえずキーエンス純正のデータフォーマットで保存しておき、後から変換をすると大丈夫。

端的にはこれがオチなのですが、繊細な歪を扱うとハムノイズとかも除去したくなるので、一旦たくさんのデジタルデータを残しておいて、最後にIIRフィルタみたいな急峻なフィルタで試験周波数の25Hzと60Hzをうまく分離したほうがいいのかな、なんて思っています。

キーエンスのデータロガーはなかなか良い使い勝手でさすが高級品と思えます。

 

一方で疲労試験機はロードセルのアンプがシールドなしにインバーターと同じ空間に設置されているなど結構ノイズがひどい（出力にオシロをつないでも高周波ノイズたくさん）ので、プロトタイプっぽい時代に買ったものなのかなって思いました。装置は25Hzまでの試験なのでLPF入れたらある程度良いとはいえ、もうちょっとノイズ気にしようよって思った。

 

備忘：
キーエンスのデータロガー、軽くて良いのだが、軽すぎる。設置しておいてもひょんな接触でうごいちゃうので配線がちょっとスパゲッティに成りがちな時にショートリスクあり。

データログ

ちょっとしたことで、疲労試験のデータをとったが、1kHzサンプリングするととんでもないことになる。

実験前に十分わかってはいたが、毎秒1000行のデータが出てくるので、10時間も試験したら3600万行になる。もちろんエクセルでは開けないので処理に困る。200万行ごとのデータが30個あったので、結果的には6000万行程あったのかな。合計ファイルサイズ2.5GB。

エクセルマクロで処理して片付けたのだが、なかなか手間がかかった。

25Hzで振動する装置振幅のピークを検出してデータログしたいという思惑があったのだが、ピークホールド回路などを作る前にデジタル的に記録して後から処理、というようになったのだが、やっぱりピークホールド回路つくって、高速サンプリングじゃなく、低速のサンプリングでなんとかするようにしよう。

装置の出力は300mVくらいしかなく、インバーターノイズも入っているので。

・ローパスフィルタでのノイズ除去
・場合によっては増幅回路（後のデータロガーで扱いやすい電圧に）
・ピークホールド回路（とリセット回路）

こんなところからやっていこうかな。

保育の現場

子供が生まれ、保育園に子供を通わせている一人の親として。

子供が毎日保育園で楽しそうにしているのはとても喜ばしいし、毎週泥だらけの靴を見て、楽しく遊んだなーって思い充実した保育園生活を送っているのだろうと思っています。

人との付き合い方の勉強、友たちとの喧嘩や一つしか無いおもちゃの取り合い、我慢を覚えるとか、家だとつい甘やかしちゃうところなんかも結構身につけているみたいでとても嬉しい。

子供の幸せを願っている親としてはとても良い環境だなと思っています。

 

子供の幸せを支える保育士の人、保育園運営の法人なども皆子供を通して幸せであってほしいとも思っていますが、実際の保育士の待遇（職務の大変さであったり給与面であったり）については、世間の企業からみてもおそらく遅れている部分が多分にあるとも思っています。

保育園にもPTAみたいな組織があって、一緒に楽しく盛り上げていこうね、という思いがある反面、やはり保育士の処遇に目を向けざるを得ない状況も多々生じています。

保育士というのは、若い人が子供と触れ合う、育てる仕事として憧れであったりそういったイメージで就く職業ではあるものの、一般にはサービス残業とみなされること、過剰なストレスであったり、心無い父母の言葉に神経をすり減らしつつも、給与面では優遇されていない実情があります。

子供手当などの増額を政府が言っていたりしますが、子供に目線を向けるだけではなく、子供を支えている教職員の処遇を良くしていかないと若い人が継続してその職に着いてくれなくなり、将来的には次世代を育てる機能が失われつつあるのではないかとも危惧しています。

 

こども誰でも通園制度といったものの整備もされていますが、これはあくまでも親の目線のようで、「子供を預けやすい」といった目線でしかないという批判もあります。確かに保育は親の仕事継続といった目線もありますが、制度を拡大解釈すれば、親がどこかに遊びに行くために子供を一時的に知らない保育園に預ける、といったことになりますが、それは子供にどういった影響を与えるのかの議論が足りないようです。

自身が小さいとき、それが祖父母の家であっても見知らぬ土地である感じがありました。知らない保育園に預けられるというのは未知の世界にいきなり放り込まれるようなものですので、子供にとっては相当なストレスでしょう。

通っている保育園は一時保育といって、決まった保育園だが、一時的に預かってくれるという制度に力を入れています。見知った友達、見知った保育士、安心できる環境が保育の要であるとのことです。

こうした環境を維持していくのにも、やはり子供に関わる職業の処遇については改善をしていってほしいなと思っています。

 

自分の子供が健康に、幸せに育ち、またそれが継続的に発揮されるために何ができるのか、２０年後、３０年後の社会を支える世代への投資だと思うので、この辺を社会がなんとかしてほしいなとも思いますが、できることは少ないですね。少ないから諦めるのもまた違うので、小さくてもできることをやっていこうと思いました。

 

お風呂の温度

お風呂のリフォームをした。浴室は新築以来２０年ぶりの新品にリニューアル。

古いお風呂は解体のときに気がついたが、あまり断熱材が使われていなかった。新しい浴槽は発泡材で囲まれておりかなり保温性が良さそうである。

以前思い立って、グラフテックの10chデータロガーをヤフオクでポチっていたので、お湯の温度を計測してみた。

しかし、測定したのは新しい浴槽のみで、古い浴槽のデータはない。

 

湯張り量は160Lで、縦軸に湯の温度、横軸に保温を止めてからの時間をプロット。データは10秒ごとに取得し、翌日のお風呂の準備までの約20時間のデータを取得した。気温は約２２℃であった。お風呂の換気は実施している。

なにかの間違いかと思ったが、２０時間経過しても35℃程であった。前の浴槽なら確実に常温になっていた。いや保温を切手から数時間で浴槽のしたは冷えていた。

もしかしたら対流が止まっているだけで、下の方は冷えているだろうと思って保温７時間くらい（翌朝）で浴槽をかき混ぜたが、温度は変わらなかった。

表面積はなんとも言えないが、160kgの水は160E3[g]×4.2[J/K/g]=6.72E5[J/K]の熱容量を持つ。12時間で4℃、毎時1/3℃なので、一時間に失うエネルギーは224000[J]程。これは3600秒での出来事なので、放熱量にすると、62[W]ほどの放熱となる。

 

計算してみてわかったが60Wってどんなもんなんだろうか。裏を返すと、60Wのヒーターで温度を維持できるとも言えるので、結構な保温性なのではないだろうか。

 

測定：K熱電対（Aliexpressで買った）＋グラフテック GL220