コピペの研究について聞いてきた

学術的に言うとコードクローン、普通に言うとコピペの分析ツールCCFinderとかについて
今日、１２月１５日
コードクローン分析技術の最新動向セミナー
にいって聞いてきたので、その内容をメモメモ

---

■大阪大学ソフトウェア工学講座における
　コードクローン研究の歩み　大阪大学　井上先生

・さいしょにやったのは、かみやさん
　その辺から盛んになる：コードクローンの解析、ソフトウェアの履歴分析
　最近は、いろんな研究→スタートは１５年前

・きっかけは？
　ＮＴＴの関連会社：レガシーシステム　クローン台帳で管理→ぐちゃぐちゃ
　いいツールがないかね？

　調べてみたら・・・コードの同じところを探す研究はあった（小さなスケール）
　ツールはなかった

　かみやさんが、やってくれた。くすもと先生がアプリケーション

・技術的には・・
　コアの部分：同じところを探すのは、よくある問題（本も出ている）
　　String Trees and しーけんす
　→Suffix tree algorithmを使う
　　　→ＤＮＡシーケンスのマッチング
　数週間で、プロトタイプが動く。結果が面白い
　Ｕｎｉｘの間のコードクローン

・CCFinder
　ＧＵＩを作ったり、言語拡張
　TSE Submission
　　Highly Cited Papers in SE　２４位、２２位

・コードクローン分析セミナー
　９回　２００２年～２００７年

・いろんな方向に
　スケーラビリティ：CCFinderは１００万行→分散処理
　ソフトウェアの不正使用：ソフトウェアレベルで
　システム間の類似度：系統樹
　リファクタリング、コードクローンの間の関係
　コーディングパターンの検出（あまり切れ味のいい結果ではない）
　インターネット空間で探す→サーチエンジンを借りて
　安全性をたしかめる
　software heritage Project
　ライセンスの問題：同じソースコードで違うライセンス
　コードクローンをリファクタリングしたら、どうなるか（サイズ）

・いま、ワールドワイド：企業では、マイクロソフトが興味

---

■コードクローン研究グループの紹介
・大阪大学の研究
　　井上先生
　　くすもとせんせい
・ＮＡＩＳＴ：２つ
・島根大学：かみやせんせい
・名古屋大学

■大阪大学　ソフトウェア設計学講座でのコードクローン研究　楠本先生
・コードクローン検出手法　５つくらい
　　行単位
　　字句単位
　　抽象構文木
　　　にている
　　　依存グラフ
　　メトリクス→大きくても適用できる

・何に使える
　　現状把握
　　潜在的不具合
　　ライブラリ作成支援
　　著作権違反
　　リファクタリング
　　現状把握

・成果
　http://sel.ist.osaka-u.ac.jp/

・実プロジェクトデータへの適用事例

■奈良先端大
・ソフトウェア工学関係　松本先生と飯田先生（飯田先生に所属）
　正規化したものとか、コードレビューとか、ソースコードのスリム化とか

■神谷先生の研究室
・動的振る舞いの等価性によるコードクローン
　　書き換えたけど、同じ内容→結構大変
　同じようなＡＰＩをたたく→呼び出し環境全部→データ爆発
　絶賛開発中

■レガシーマイグレーション・モダナイゼーションとコードクローン検出技術
・情報システムの変遷
　定型処理　　　　レガシーシステム
　非定型処理
　多システム連携　オープンシステム（独自システム→オープンソース利用）
　　　　　　　　　Ｗｅｂ
　クラウド
　　→三菱総研　システムモダナイゼーションはなぜ必要か？

・システム更新の理由
　　運用保守コスト
　　ベンダーロックイン（保守費用高い）
　　開発言語のトレンド→技術者コスト

・レガシーマイグレーションとモダナイゼーション
　　レガシーマイグレーション：基盤だけ新しい、アプリをなるべく触らない
　　モダナイゼーション：作り直し（基盤もアプリも）

・クローン分析の活用
　マイグレーション：基盤部分を作り直す→削減のチャンス
　　　テスト工数、レビュー工数の削減
　　　（学術的には）修正リスク、ライブラリ化
　モダナイゼーション：現状把握に利用

・CCFinderXの現状
　オープンソース化されているが、専門性が高い
　大学は、保守しても、評価されない
　Python2系にサポート切れる。

■多言語に対応したコードクローン検出ツールの開発
・多言語対応

・CCFinder　タイプ２までのコードクローン
　　予約語：対象言語によって違う→予約語リスト
　Ｊａｖａがあれば動く

・処理
　　マクロ・コメントの削除
　　トークン分割
　　　　空白、改行、記号は１文字ずつ
　　Ｎ－Ｇｒａｍ
　　　　隣り合う文字を１塊に
　　コードクローンの探索
　　　　４－Ｇｒａｍ

・実行結果

■新ツールのリリースについて
・３月末に初期バージョン
・参加者のみなさんへは告知
・共同研究ライセンス
・大学との共同研究

---

■レガシーシステム改善のためのコードクローン分析ツールCCFinderXによる
　ソフトウェア構造解析の実践

・背景
　レガシーシステムの成果物の資産化・再利用

・直面した課題
　品質が低いものを組み入れると・・・
　大規模

・レガシー分析手法の概要
　会社で定義
　　解析パターン
　　コードクローン散布図

　散布図解析パターン
　投資対効果

　散布図解析パターン
　　対角線に着目するパターン→コピペ多い
　　分断化された対角線→一部修正
　　破線・点線→再利用にふさわしくない

　投資対効果
　　リファクタリングに多大な投資→効果あるのか？
　　　　削減ステップ数の見積もり
　　　　削減工数の見積もり：ステップ数削減→回帰テストの削減

・分析事例
　　共通画面→コードクローン
　　レガシー再生の投資対効果見積り

・課題と考察
　　大規模なシステムではメトリクスを用いたフィルタリング

■コードクローン分析技術を活用した品質向上の取り組みのご紹介　ＮＥＣ
・コードクローンはソフトウェアの保守性を低下させる要因
事例１　CCFinderXを用いたコードクローン自動検出
　全社ソフトウェアファクトリー
　　　センターサービス：自動化→CCFinderは、メトリクスの１つ
　　　コードクローンの確認→関数化など

事例２；コードクローン変更管理システムを用いた修正モレの検出
　　クローンノーティファイヤー
　修正モレを効率的に探す
　バグがあるクローンはっけん→効率的に他のものを見つける
　　→クローンノーティファイヤー

　クローンノーティファイヤー
　　　ステーブル
　　　モディファイド：変数名の変更
　　　ムーブド　　　：大幅な編集
　　　アッデド　　　：こぴぺ
　　　デリーテッド　：削除
　クローンセット
　　　ステーブル
　　　ちぇんじど　：他のクローンも修正可能性
　　　Ｎｅｗ
　　　デリーテッド：修正モレの可能性を生じる

■コードクローン分析による資産規模スリム化の事例紹介
・事業内容
　　課題センシングサービス
　　プログラム資産棚卸サービス

・コードクローン分析の活用
　言語資産分析
　　プログラムの可視化→資産スリム化：プログラム棚卸と共通化（コードクローン技術）

　コードクローン分析
　　字句解析・構文分析→共通：コードクローン→部品

・プログラム言語によって違い
　　類似性：グルーピング→共通化
　ＣＯＢＯＬのような手続き型と
　Ｊａｖａのようなオブジェクト型では、共通化が違う
　　　→クラス構造の考慮（共通クラスの作成）

・事例紹介
　ＣＯＢＯＬの場合：共通化と棚卸
　共通部品抽出

■COBOLソースの削減に向けたCCFinderXの利用事例
・業務アプリのモダナイゼーションに向けた取り組み
　　見える化
　　スリム化
　　最適化
　今日はスリム化のお話

・実現したいこと
　クローンを見つけて集約したい→CCFinder　集約まで行かない

　パターンを見つけて
　　CCFinderはコード片になっていないことも
　集約
　　変数名が違う場合→パラメータ化
　　領域のかぶり
　テスト

　→自動化ツールを作った

・課題１：集約する範囲が不適切
　ＣＯＢＯＬの構文にあわせて集約

・課題２：パラメータ化する必要
　ＣＯＰＹ句化→テストが比較的に簡単になる

・課題３：クローンセットの重複
　クローンセット間の関係
　　入れ子になっているのを対象に
　　内側からＣＯＰＹ句化

・分析事例

・まとめ
　ＣＯＢＯＬ用機能を作った
　課題
　・集約するかどうかは人が選ぶ
　・ＣＯＰＹファイルの命名法
　・Ｔｙｐｅ３クローンどうするか？
　・またクローンを作られたら？
　・集約の効果

Ｑ＆Ａ
・どこめざしてるの？
→よいクローンと悪いクローンがある
　クローンを作らない：理想
　見せる必要のないクローンを見せない
　　ＧＵＩの部品の定義、変数宣言→プライオリティをふる

・車載系の組み込み
　行き過ぎた共通化によるインパクト

・自動修正
　意図が入らないのが問題

IoTで「トイレ使用状況を見える化計画」

みずほ次期シス開発とかにも、いりそう・・・

昨日、

ＩｏＴ＆Ｅｎｔｅｒｐｒｉｓｅ　Ｆｏｒｕｍ　２０１６　Ｗｉｎｔｅｒ
～ＩｏＴビジネスで勝ち抜く－先進事例に学ぶ「勝てる」ＩｏＴビジネス～

を聞いてきた。その内容をメモメモ
（表題の件は、真ん中頃のIIJの講演にある）

---

■基調講演　ＩｏＴの標準化、その最前線
　ＩｏＴ　Ｃｌｏｕｄ，Ｅｄｇｅ　Ｃｏｍｐｕｔｉｎｇ，Ｆｏｇ　Ｃｏｍｐｕｔｉｎｇ
・ＩｏＴの標準化動向
・Ｆｏｇコンピューティングとは
・ＯｐｅｎＦｏｇコンソーシアム活動
・まとめ

１．ＩｏＴの標準化動向
・ＩｏＴによる将来市場
　センサーが増えてきている
　つなぐネットワークがそろってきた
　　→ＩＣＴ：ビジネストレンドになるだろう
　今、１人あたり１００個のセンサー
　　→なんかつかえるだろう・・・ヘルスケア、工場
　　→いままででもやっていること：新しいビジネス
　非常に広い

　センサー系
　ネットワーク系：有線・ワイヤレス
　制御、機械
　サービス
　→標準化色々

・ＩｏＴのプロジェクト
　　アメリカ　ＩＩＣ、ＤＭＤＩ
　　ドイツ　　Industry 4.0
　　日本は？　ＩｏＴ推進コンソーシアム
　　中国　　　中国製造２０２５
　技術の標準もある
　　ネットワーク
　　デバイス：スマートデバイス
　　電機産業制御

・ＩｏＴ標準化団体の状況
　ビジネス分野による分類
　　ＡＩＯＴＩ　ＷＧ３ Release 2.5　
　まとめると
　　セキュリティ・プライバシー
　　アプリケーション
　　ＩｏＴアーキテクチャ
　別の分け方
　　物理
　　ネットワーク
　　アプリケーション

・ＡＩＯＴＩ
　アライアンス　ふぉー　インターネット　おぶ　シングス　いのべーしょん
　　→ヨーロッパ
　ＡＩＯＴＩでぐぐって、リソース

　日本語では
　　ＩｏＴ／Ｍ２Ｍの技術標準化　業界アライアンス最新動向

・ＩＩＣ
　普及促進団体（標準化しているわけではない）
　　　→リファレンスアーキテクチャの提供

・Industrie 4.0
　ドイツ
　機械化、電力活用、自動化
　お金払わないと、あまり情報もらえない

・IVI Industrial Valuechain Initiative
　ものづくり
　スマートマニュファクチャリングユニット

・oneM2M
　通信系の団体が寄り集まってＭ２Ｍのアーキテクチャ仕様
　正しいセンサーを正しくつなぐためのデータ定義、セキュリティ
　→つなぎやすくする（セッションとか）

・ＭＥＣ　モバイル　エッジ　コンピューティング
　ＥＴＳＩ（えっじ）内
　どこで計算するか→Ｆｏｇに近い

・スマートデバイス、家電　ＡＳＡ
　近接ＬＡＮ　ＬｏＲａ

　ＩｏＴが広がる中で、技術標準・アライアンス
　　通信ネットワーク
　　産業用
　業種別
　　業種別
　　エコシステム
　　中核

　相互交流
　業界標準の中にどれをとっていくか
　水平展開部分と垂直展開部分
　　セキュリティ、コネクションの考えは様々

２．Ｆｏｇコンピューティングとは
・どういう風につなぐのかが重要

・Ｆｏｇコンピューティングとは
　第一のイニシアティブ：ＯＴ／ＩＴの統合
　第二のイニシアティブ：ＯＴ／ＩＴ／５Ｇの統合
　第三のイニシアティブ：マシンと人のコラボレーション

・ＩｏＴとエッジコンピューティング
　クラウドコンピューティング：クラウドに挙げて計算する
　　　　↓データが大きいと、伝送の問題
　エッジコンピューティング　：現場に近い場所でやる。結果だけ渡す
　　　　↓もうちょっときちんと考える
　Ｆｏｇコンピューティング
　　　いろんなパターンが出てくる
　　　ネットワークトポロジーの考え方
　　　　　大きなネットワークの中に、小さなネットワークがある
　　　　　Ｆｏｇ自身にセキュリティ、マネジメントがある：クラウドのサブセット

・ＩｏＴシステムリファレンスアーキテクチャ

・想定される役割
　　フォグ間、フォグとデバイス・・・：きちんと決めていく

３．ＯｐｅｎＦｏｇコンソーシアム
　Ｆｏｇ：自律で動く
　産業界、技術界
　参加メンバー５３社、１５カ国　
　ＡＲＭ，Ｉｎｔｅｌ、シスコなど＋日立、さくらインターネット・・・
　
・ＯｐｅｎＦｏｇの８つの柱
　マッピングして、整理、使ってもらえるように
　　→リファレンスアーキテクチャ

・ＯｐｅｎＦｏｇリファレンスアーキテクチャ

・ＯｐｅｎＦｏｇのノードセキュリティ
　　セキュリティ要件→来年の２月頭に
　　ユースケースサンプル

・ＪＲＣ

・今後の活動
　ワークショップ　２月下旬
　イベント　４月１１日
　１１月に　Ｗｏｒｌｄ　Ｆｏｇ　こんぐれす

Ｆｏｇコンピューティングまとめ
・Ｗｅｂサイトもあるよ

---

■ＩｏＴ変革のフェーズとインテルの取り組み・事例のご紹介
・みなさまに、こう思っていただきたい
　半導体：さまざまな領域で活用
　開発者のコミュニティに対するインテルの投資も加速

・インテルの成長サイクル
　バーチャサイクル
　　メモリ、ＦＰＧＡを使った解析の高速化
　　インテリジェンス：
　　　　マシンラーニング、
　　　　ディープラーニング、
　　　　コグニティブ、
　　　　でぷすセンサー
　　　→ユーザーエクスペリエンスの改善

・インテルＩｏＴの注力産業分野
　　ヘルスケア：判断、ウェアラブル
　　流通：オムニチャネル、サプライチェーン
　　スマートな交通：車車間、自動運転、ソフトウェア定義のコクピット
　　スマートな製造：スピード向上、予知保全、遠隔監視
　　スマートビルディング：エネルギー、環境、セキュリティ・監視

・３つのフェーズ
　　つなげる
　　スマート
　　自律的

・つなげる：未接続を接続
　ものがデータ活用できるかたち
　デバイス：ネットワークに接続→バックエンド

・スマート：スマートで繋がるモノ
　処理するためにデータを動かす

・自律的：ソフトウェア定義の自律的な世界
　処理をデータ側に動かす

・課題
　技術的観点
　　セキュリティと信頼
　　相互運用性
　　ＯＴ／ＩＴの統合
　　高度な解析
　ビジネス観点
　　ソリューションのスケール
　　コスト／ＲＯＩ
　　セキュリティとプライバシー
　　断片化されたソリューション

・インテルのＩｏＴアプローチ：モノからクラウドまで
　　モノ→ネットワーク→クラウド
　アプローチ
　　産業別ソリューションの創出
　　水平型のプラットフォームと製品の上で構築
　　強固なエコシステムの構築

・Ｉｎｔｅｌ　ＩｏＴ　Ｐｌａｔｆｏｒｍ
　セキュア、スケーラブル、相互運用
　製品ポートフォリオ
　　半導体：コンピュートにＦＰＧＡ
　　すべてのポートフォリオ
　　ＯＳ：ＶｘＷｏｒｋｓ　安全に、仮想化
　　解析をオープンソースへ→ＬＵＳＴＲＥ　並列

・ＩｏＴの事例
　店舗ソリューション：リーバイス
　　ＲＦＩＤタグ　在庫管理
　　動画
　→トラステッド　アナリティクス　プラットフォーム

　ＳＡＰ　コネクテッドワーカー
　→エッジ側でインテリジェンス

　ＧＥ：スマートライティング

　ワーカーセーフティ：消防士さん

　スマートビルディング：人、エネルギー消費のビジュアル化

　ＢＭＷ：自動運転

　富士通：スマートファクトリー

・インテルが何をもたらす
　プラットフォームと技術
　スケール、産業別ソリューション
　標準化

---

■共創が新たな社会価値を生み出す　ＩＩＪ
・自己紹介

・本題の前に
　トイレ使用状況を見える化計画
　トイレ待ちの列が発生：朝、昼
　リアルタイムに分からないと
　→トイレにセンサーを付ける（マグネットセンサー）
　　Ｉ２Ｃ→Ｒａｓｐｂｅｒｒｙ　Ｐｉ→データ収集
　　Ｒａｓｐｂｅｒｒｙ　Ｐｉまで：電子工作
　　１秒ごとに
　　トイレ情報はFluentdに流す
　　ＢｏｔがＡＰＩをたたく
　　→どこがあいているか、Ｌｉｎｅで答える

・ＩＩＪについて
　　ＩＩＪ事業沿革
　　　オンデマンド（ＩＢＰＳ）、ＭＶＮＯ，クラウド、ＳＤＮ

・ＭＶＮＯ事業
　　移動通信：１億５０００万
　　ＭＶＮＯ：１５００万
　　ＩＩＪ　：１５０万
　これからは、モノが使う携帯電話の市場が伸びる

・ＩＩＪ　ＩｏＴサービス
　２０１６年１１月　新サービス

・ＩｏＴの昨今
　ＩｏＴに関わるＩＣＴレイヤー
　　トイレのＩｏＴ：センサー　マグネットセンサー
　　ゲートウェイ　：ラズベリーパイ
　　ネットワーク
　　デバイス管理・データ収集・蓄積
　　ミドルウェア・ＤＢ
　　アプリケーション

　→ＩｏＴに関わるＩＣＴは高度に複雑化

・共創の事例
　　日本精機
　　　クラウド型遠隔監視「ＳＭＡＳＨシステム」
　　ブレインズテクノロジー株式会社
　　　Ｉｍｐｕｌｓｅ：オープンソースまとめて
　　　　　リアルタイムデータ分析処理
　　アットマークテクノ
　　　デバイスゲートウェイ
　　　　　死活管理
　　　　　リモートモニタリング
　　　　　リモートコンフィグ
　　　　　リモートアップデート
　　　→ルーター管理ＳＡＣＭ

・さらなる共創のために
　　ＩｏＴをよりシンプルに
　　　デバイスからデータ収集までをＩＩＪ　ＩｏＴでパッケージ化
　　→フルマネージ

・ゲートウェイに接続すれば、全てに繋がる

・ＩＩＪ　ＩｏＴは様々な形で共創できます
　パートナープログラム準備中

・ＩＩＪの技術開発の今後
　３つの強み
　　クラウド
　　セキュリティ
　　ネットワーク

　セキュリティ
　　ＩｏＴデバイスを踏み台にした脅威
　　　２０１６年９月　Ｍｉｒａｉ
　　１つの防御；インターネットにさらさない
　　常に見張る→セキュリティ事業を強化　ＳＯＣ（そっく）
　　ＩＩＪ－ＳＯＣ見学ツアー　１７年３月

　ネットワーク
　　無線：Ｗｉ－ＳＵＮ　スマートメーター　Ｂルート
　　ＬＰＷＡ：ＬｏＲａなど
　　３Ｇ／ＬＴＥ：
　　　　ＮＢＩＯＴ

　　フルＭＶＮＯ
　　　これまでのＭＶＮＯはライトＭＶＮＯ
　　　→ＳＩＭカードを自分で持つことが出来る
　　　　eSIM：いままでは契約情報が書き込まれていた→どうにでもできる
　　　　リモートから書き込み

・実績を基にした技術力と先進的なチャレンジでＩｏＴをリードしてまいります

---

■町工場でも効果が出るＩｏＴ、カイゼンスピードアップで３．３億円を節約
・この画面：愛知県のラインの状況・麻からの出来た割合・目標値

　手作りＩｏＴで生産効率６割アップ　昭和の機会でも接続可能
・旭鉄工
　売上高１５８億円　従業員数４８０名
　エンジン、ボディ、ブレーキ、
　６０％はトヨタ、後はアイシン、豊生ブレーキ

・ＩｏＴシステム
　２０１４年　第一世代
　２０１５年　第二世代
　２０１６年　第三世代

きっかけ：Ｔ社の主幹から
　生産管理板：問題点把握の道具（手書きで記入→書くのは容易ではない）
　時間ぴったりにカウンター読み取り
　停止時間記入
　→人には付加価値の高い仕事を
　　測定は自動で
　　流行のＩｏＴでなんとかできないか
　　セミナー・展示会→大掛かりでたかい・昭和の機械ＮＧ・ほしいデータ
　　買うのはやめた　ほしいものを創るのが一番
　　試行錯誤の日々→
　　　Ｒａｓｐｂｅｒｒｙ　Ｐｉをつかってみたら？
　　　使いもしないデータはとるな
　　　クラウドでデータを上げ、汎用端末、無線で
　第一世代完成
　　正常のときは信号を出さない、異常のとき送信機　受信機→クラウド→スマホで
　　Ｒａｓｐｂｅｒｒｙ　Ｐｉとスマホで
　　稼動・停止時間

　見えるだけでは直らない
　　ＩｏＴ＝ＩＴ＋ＯＴ
　ラインストップ会議を毎日開いて徹底的に対策
　　止まった原因は、いつ誰が堂対策、再発はないのか
　　最初は２時間→停止時間なかなか減らない
　　　作業者：停止したことが分からない
　　　　→あんどん：たかい（設備状況表示盤）
　あんどんはなぜ高い
　　　専用表示場所、高所作業、電源・ＬＡＮ工事
　無線の技術と
　　iスマートあんどん
　　　受信機に表示、送信機になぜとめているかのセレクトスイッチ
　他社せいの１０分の１で完成
　　　汎用ディスプレイ

　サイクルタイムも把握
　　１サイクルに１回、パルスを出せて、かうんとすればいいんじゃない

　どうやってパルスをとるの？
　　→シーケンサー：高いからＸ
　秋葉原で適当なセンサーかって来い

　→第二世代（サイクルタイムモニター）完成
　　生産状況・個数・

　パルス信号の取り方
　　光センサー：シグナルタワーのＯＮ／ＯＦＦ
　　リードスイッチ
　→昭和の設備ＯＫ

　見えるデータは３種類
　　生産状況・個数
　　停止時刻時間
　　サイクルタイム

　生産状況
　　稼動してからの稼働率
　生産個数
　　直あたり生産個数・稼働率
　　時間当たり生産個数・稼働率

　停止時間　トップ５表示

　全サイクルの実績

　履歴表示
　　過去のデータもすぐに確認できる
　→人は計らなくていい：どうやってカイゼンするのか

　いままで
　　事前調査：時間かかる→分析はやい
　　検討
　　カイゼン
　　確認；時間かかる→スマホ見れば分かる

　気づきも色々アル
　　５：３０から稼動開始なのに、なぜ、最初に信号が５：５８
　　サイクルタイムが３秒遅いけど、なぜ
　→上司の目はごまかせなくなったが、改善しやすくなった

　例：本社工場　バルブガイド切削工程
　　１５％ＵＰ、設備投資削減、スペース低減
　西尾工場　牽引フック切削工程
　　６９％ＵＰ　２ライン増設不要、休日出勤廃止。

・ソフトが複雑になりすぎて、手に負えません
　→専門家　レッドハットに依頼→理由：説明してくれたから
　　（それまでＩｏＴという言葉を知らなかった）

　送信機→受信機：
　　　ＳｔｉｃｋＰＣ＋Ｌｉｎｕｘ
　　　クラウドにＡＩ
　生産状況・個数、稼動、停止時間、サイクルタイム
　段換え対応、電池残量、停止要因入力
　あんどん

　休日出勤残業のアルラインを選ぶ

　１時間に何個作ればいい

　停止時間トップ５
　サイクルタイム短縮
　　　各種タイマー縮小、ロボットの動き直線化　０．１秒の短縮を積み重ねる


　設備投資削減額：１．３億積み増し、３．３億円削減
　
　サイクルタイムモニター：ヤマが低くなった

・効果が出るシステムが出来た理由
　１．ほしいものをつくった
　２．データを欲張らなかった
　３．とりあえず作って試した

・成果も出たので、会社作った

・来年；海外対応
　お金がない：９８００円Ｘ１台で
　信号をとるのは難しくない

・ビデオ：現場の声：は流せなかったです

・経営者の立場から
　目的様々
　　カイゼンのスピード
　　ＩｏＴの導入が目的ではない
　　大きな成果が出た理由：どう使っているか
　　　　１．あくまで、ポジティブ側で使う
　　　　　　気づきであり、監視ではない→カイゼンに
　　　　２．目標は、あくまで高く。必要なものが目標
　　　　　　現場に行って、考える
　　　　３．ひとの力を引き出す：モチベーションアップ
　　→みてもらえている

Googleは自動運転車の自社開発をやめたらしい

今後は自動車メーカーとのパートナーシップを重視
http://jp.techcrunch.com/2016/12/13/20161212google-has-reportedly-stopped-developing-its-own-self-driving-car/