クラスター発生

職場のフロアーでコロナのクラスターが発生。

最終的には2週間で８人が陽性となりました。

私は2人目。3人目が出た時点でExecutivesに原因（ヒトの過密）と対策（在宅勤務の導入）を授けましたが、正常化バイアスが勝ったのかプライドが勝ったのか動けず、被害が拡大。1週間後、８人目が出た時点でようやく在宅に切り替わりました。遅い判断です。ご家族も入れるとまだ被害人数は多くなるでしょう。

私から見れば、リスクマネージメントも危機管理もできなかった、ただの人災です。が、当然のように責任を求めず、責任を取らせない組織なので人災という意識は芽生えないでしょう。このまま時間が過ぎると在宅勤務がなくなり、皆集まれ、出社しろ状態に戻ると思います。総監をお持ちでないので、リスクマネージメントを勉強されたことがないのかもしれません。無知は罪です。

基本的に管理能力がないなら Slack や Teams で情報を撒いて判断を個人に任せればよいのですが、それもできない。今まで通り情報は囲い込み、判断しない。それで何とかなれ～っと期待する。神頼みはマネージメントではありません。

ま、波風を立てない、特別なことや新たな改革に縁の遠い人ほど出世している会社です。有事に何もできないのは、仕方がないのかもしれません。

*****************************

20221206追記

最終的に10人のクラスターとなりました。そして、「皆集まれ」で発生前の状態に戻りました。リスク源は保有らしい。
先日、同じフロア―に陽性者が出た場合に限り在宅勤務が認められるとお達しがありました。うーん。

PINN

先日、機械学習を利用した物理シミュレーションの話を伺いました。

近年多い話題なのですが、こちらは一味違いました。
PINN: Physics-Informed Neural Network と呼ばれているそうです。損失関数に支配方程式を組み込み、残差を０に近づけるという手法です。なので、一般的な機械学習のように学習データを大量に準備する必要がありません。
理解すると「そんな単純な話」と思ってしまいますが、まったく思いつきませんでした。凡人には思いつけない、素晴らしい発想ですね。

NVIDIAさんは2年前にソルバーを公開されています。SimNet と呼ばれています。今日、このUser Guide の1～３章までを読み、４章以降をざっと眺めました。理論部分を完全には理解できなかったのですが、使う部分に限っては難しい内容ではありません。むしろ、書かれていない部分（STL等形状の取り込み、計算点の作成、評価）の実装が想像できませんでした。こういう難しそうなところをサラッと流すのは、さすがNVIDIAさん。プロですね。

誰でも動かせるように作ってもらっているのはありがたいのですが、いきなりこれを使いだすと身につかないでしょう。何かしら簡単なネットワークを作って計算してみることから始めてみるべきでしょう。

メッシュレス、物理法則の取り込み、３次元への対応、いずれも有望です。これまでの数値解析手法に並ぶことができるのか、楽しみです。

論文作成

成り行きで、お客様ではないとある方の論文作成をお手伝いしています。

以前、結果的に先輩と2人でほぼ書き直したのですが、その査読対応でのフォローが始まりました。仕事ではないので、平日・休日問わずプライベートの時間で対応しているのですが、なかなか前に進んでくれません。

論文を書かれる研究者とお付き合いする際、逆に勉強させていただく場合があります。その場合、お相手からすると「なかなか前に進まない」と思われているのかもしれません。能力不足で御迷惑をお掛けするのは辛いですよね。

そうならないためには、身の丈に合ったお付き合いをするか、自分の能力を上げるしか選択肢がありません。いきなり能力を上げることはできませんので、長年の積み重ねが大事なのだと思います。

ま、研究職の兼務を外れましたので仕事で論文を書くことはないですし、プライベートの時間をつぶしてまで書きたいモノもないでしょう。余計な心配かもしれません。

送迎バスとセンサー

今夏、送迎バスに園児が取り残されて人命を失う、あるいは自力で脱出を余儀なくされるという人為的事故が続きました。居眠りや飲酒で児童の列に車ごと突っ込むヒトもいなくなりません。

ヒューマンエラーの一言で片付けるには重すぎる過誤です。
エラー回避策の立案と実行は簡単なのですが、それができなかったヒトがいるというのが根本的な原因ですので、ヒトに働きかけて事故を無くすという考え方では、残念ながら撲滅は難しいのでしょう。

私の自家用車には居眠りを検知するセンサーが付いているそうです。幸い、検知される機会がないのでどのような音なのか知らないのですが、おそらく色々な車種についているのでしょう。レーンキープ、衝突軽減ブレーキなど先進安全装置は既に多くの車種に装備されています。ロック忘れやハザードの消し忘れなども、アプリに通知される時代です。義務化が延期された社用車運転時の検知器による事前アルコールチェックも、いずれは車内環境をセンサーが常時測定しアプリ（サーバー）に記録、閾値を超えると責任者に通知される時代が来るでしょう。技術的には可能ですので。

園児の送迎バスにも座席毎に距離センサーを付けておけば、距離異常を検出可能になります。タイマーでスリープするようにしておけば、エンジン停止後のバッテリー上りを防ぐことが可能でしょう。20台で30万円くらい？
天井などにカメラを付けておけば、動体検知が可能です。これは5台で10万くらいでしょうか。いずれも検知したら アプリに通知やLINEで一斉配信すれば良いでしょう。これくらいのオプション、電子工作レベル（と最近わかりました）なので義務化してしまえば良いと思います。
プロならもっと安く、良い性能のオプションを作ることが可能でしょう。既に社外に向けた距離センサーは多くの車に付いていますので、それを車内に向けると良いわけですから。

性善説を前提としたヒューマンエラー対策、性悪説を前提とした予防、その両軸で進めないと、またどこかで繰り返されることになります。来夏までには対策を済ませ、皆が笑って過ごせるようにしてもらいたいものです。

*****************************
20221108 追記

今日もまた、小学生が置き去りに。
ドアを後ろに移動して、後ろからしか降りられないようにしたらダメなのでしょうか。昔は挟み込みの危険があったかもしれないけど、今は安価なセンサーがあるので解決できるのでは？

MEMS加速度センサーの +- 方向

MEMS加速度センサーの +- 方向についてよく理解できていなかったのですが、以下のサイトで理解できました。
https://lastminuteengineers.com/adxl335-accelerometer-arduino-tutorial/

測定器の中にボールが入っていて、それが測定器を押す方向をイメージすれば整合します。下向きに１gかかっていたら、下が＋。測定器を急に上に動かすとボールが測定器の下面を押すのでさらに＋の力がかかります。急に下に動かせば、ボールが浮いて上面を押すので-の値になります。
理解を難しくしていたのは、センサーの軸方向が google 先生の情報と逆だったこと。単純にセンサーを傾けてチェックすればOKでした。

ジャイロもあります。Z周りが相対的に弱いのも感覚的に掴めます。
https://lastminuteengineers.com/mpu6050-accel-gyro-arduino-tutorial/

あと、分からないのはノイズ。
https://www.analog.com/jp/education/landing-pages/003/td_accelerometer_specifications_definitions.html
https://www.analog.com/jp/analog-dialogue/articles/mems-vibration-monitoring-acceleration-to-velocity.html

ノイズ = ノイズ密度 * sqrt (BW * 1.6)

1.6は何でしょう？後者では考慮されていません。
いずれにしても、観測ではそこまで小さくなりません。なぜでしょう。

Scoops3D

Scoops3D
https://www.usgs.gov/software/scoops3d

試行円弧の3次元版です。FEMではなくて、LEMです。このようなコードが公開されるUSGS、さすがです。

現状、円弧（球）ですので実務では使用しません。これが楕円でも使用しないでしょう。山が円弧すべりをすることは稀ですし、仕様が2Dの間は利益に直結しません。しかし、技術者としては、こういった計算が海外では Open になっていることに一定の危機感を抱くべきでしょう。

マニュアルを読んでみましたが、難しいことは書かれていません。2D の試行円弧の知識があれば、問題なく読めますし結果も理解できるでしょう。2dで実施している一通りの機能は備わっていますし、ソースを少し改変すれば多くの基準に適合させることがますので、逆に加点要素として導入しやすいのかもしれません。何かしら円弧が適当な場で提案してみるのもアリでしょう。
難しくはないのですが、計算には時間がかかりそうです。単純に探索領域が3次元に拡大するためです。example の実行では比較的早く終わりましたが、ひと山となると大変でしょう。

残念ながら、こういった計算や解析に関し多くのサラリーマン技術者は他人事です。理論ではなく経験に基づいた仕事の処理で利益を生んでおり、新たなものを許容する技量と器量に欠けています。経験優先が悪いわけではないのですが、それによる思考停止は避けたいものです。

いずれにしても、海外ではコチラの内情に関係なく技術が発達します。止まっている日本の中でその恩恵を受けることができるならば、迷わずに学ばせてもらうべきでしょう。

ADXL312 & MPU6886

手元にあるMEMSセンサー（加速度）の比較です。

近所の公園に出かけ、ADXL312 と MPU6886 で振動を測定してみました。

測定条件は以下の通り。
・ADXL312: 1.5G, 2.9mG/LSB
・MPU6886: 2G, 0.06mG/LSB

・常時微動（10分程度）
・センサー周辺で連続ジャンプ

まずは常時微動。

ADXL312

MPU6886

ADXL312 の方が見かけのノイズが小さく見えます。Z（緑）がドリフトしています。
MPU6886 はその倍くらいのノイズになっています。ドリフトは小さい。

ちなみに、スペクトルは両者ともフラットなホワイトノイズのような形状でした。おそらく実際の微動はこれらの1/10以下でしょうから、微動計としては使えません。工業用センサーなら微動を測定できるのでしょうか？

次、ジャンプ。故意に振動を与えた場合です。

ADXL312

MPU6886

ADXL312は、鈍いですね。Zの揺れが小さい理由は何でしょう？

MPU6886は大きく反応しています。が、コチラは大きすぎるような。

絶対値として両者とも誤っている可能性があります。微動計とあわせて測定しないと評価できませんでした。

一概にMEMSセンサーといっても、モノによって特性が大きく異なるようです。使用する場合、その計測値を微動計の計測値と比較するなどして事前に特性を把握しておかないとダメですね。