理論と実践の間に距離あるのがメカ分野 見れば大体判るのもメカ分野 → 独特な設計文化を有む
メカは、人材揃えても、ある程度まで。１．５流の域まで到達できても、その更に上、
超がつく一流、競争に打勝つ世界トップ到達までは、なかなか難しい問題があります。
１）エレキ等と違い、理論想定が崩れやすい問題
２）見れば、行けているか、駄目か大体判る それで、皆でモサモサ、
トンテンカンテン頑張る土壌になります。 事業所が田んぼの間で、田植え期は農作業。ほいで
トンテンカンテン技術世界一てなのも。下請で始まり、(人材豊富な)親会社は倒産吸収合理化撤退
一方下請さん大発展して世界トップとかも…。非常識やアホっぽい事を地道に頑張る組織が強い
一方秀才は、常識範囲内に終始＆独創品ヒット品なし。そんな傾向もあり。学校で教えるべき。
エース度と学力反比例もメカ設計は良くあります。エースは多忙。勉強している暇全然なし。
卒業＆設計部門に配属され、期待していたものと違い、適当いい加減でがっかり、なんて良くあり
知的でハイレベルな所に転職したら、そっちはジリ貧化。アホっぽい前職が躍進。とかも普通
解析も同じく、モサモサ人海術じゃ困るんですが、日本流はその傾向が…
最近は、計測等可視技術発達。新卒がベテラン同等能力得たりします。(オッサンの価値は…)
ＣＡＥも、計測器同様の可視技術ですが、
磁場や流体＝現実的モデルと教科書モデルの差は比較的小
構造解析＝現実的モデルと教科書モデルの差は大 注意が必要
適当に試作＆結果を見て考える。 現物合せ的にトンテンカンテン頑張る人が実績残し、
理論派は実績残せずリストラ。なんて試作可能な分野は多い。 実機で起こる事を
コンピュータで再現するのがＣＡＥですが、現実と教科書理論の落差ギャップ、理論が、
役立つか微妙な問題が、解析でも生じがち（合いませんねみたいな）
構造解析の場合、課題に合う現実的モデル構築が解決策。その具体法は殆ど出てなく注意
構造解析の場合、妥当な解析モデル＝理論と無関係的いう、抽象的モデルに終始して終了
そんな事も多く注意
メカ設計は、頭使うよりトンテンカンテン。 そんなオタクみたいな人が有利いう現実。それは
組織力で、試作品作る技術があるからですが。ＣＡＥの場合そうもいかず
アセンブリ構造計算は設定事項多く、合せ目のモデル品質も大事ですし
費用効果や解品質とか、要求厳しく、人が頑張っても追いつかない現実。解消は、
AI的手法でモデル化＆諸設定が○と思いますが、同調者は、同業で、百人に一人位。
コンピュータ最大限生かす分野であるべきが、人海術的、捻り鉢巻的、残念的な事が多く
それは雑だったり抽象的モデルだったりの共通性。生産性低く、うまく行ってるよう見えませんが
現実的モデルは事例少なく注意。イメージ的には→http://ameblo.jp/jishii/day-20160221.html
例えば磁場は、仮に磁石にヒビ入っても、ない状態にほぼ同じ。構造はそうはいかず注意。
知る範囲で、教育・人材育成主張していたうち何人か、昨今、いつの間にか転籍いう 栄転？
「頑張っても簡単じゃない。理論屋は粛清多いですよ！」 述べて批判浴び、数年後やっぱり？
転籍が悪い訳でありませんが、設計製品開発で実績出し、出世してこその筈。私のお客様は、
スキルテクニック教育不要的実用志向。簡単堅実からの製品実績で、割と出世に見えますが…
対策包囲網と共に推進が○。離散化誤差最小化やミス撲滅策は必須。努力で克服は×。
知る範囲で、教育不足＝(どうにでも解釈可能な抽象的表現)うまく行ってない時の定番の言い訳
それよりも、ルールや仕組作りなど具体策が大事だったりします。
難度高く、磁場解析等きっちりできる人も、構造は×だったり、AI的手法に負けたりの罠にも注意
計算資源潤沢＆大規模こなせる昨今ほど手作業で追いつかず雑になり…そんなパラドクス注意
頑張るほど悪循環。結局材料系だったり大規模アセンブリは陽解法等、事例偏在あり。
人が目一杯楽できてサボれる状況いかに作るか。そこが頭使いどころ＆ＣＡＥの面白い点
全員反対な中で一人推進。そんな状況でも頑張る必要あり？。百人に一人位？
教育で克服等、自分勝手な解釈で、ベテラン専門家が間違いに染まりがち＝ＣＡＥの実態。
１次２次差異あり＆２次で十分。＝間違い微妙線＆理解して貰えない現実。努力で克服も×
モデルは雑化。構造解析では、抽象的モデルが精精。それで○な分野は、知る限り限定的。
大規模計算も、（大規模故、逆に緻密なモデルが作れない）抽象的計算モデル多く、折角の計算機が勿体無いパラドクス。
理学系出身者が、設計勉強してエースに… そんな話もメカは殆ど聞かないいう。
メカ設計はトンテンカンテンの気合派優勢。解析等の知性派は部門全員社内お荷物的状況も普通
気合派（権限・予算沢山持つ）に受ける設計支援が○。人件費高く、教育＆人材不要は必須。
AI的技術で自動構築が○な筈。命令語どうあるべき等、議論＆相談できるのが同業で一名のみ。
解析は見て判るメカ設計と違い、気合では限界あり。モデル化＆諸設定は計算機で実施が○の筈
それが出来てなく、低評価を招いている思いますが。（問題はアセンブリの構造計算）
コンピュータがすべきことを人海術トンテンカンテン それが日本流ＣＡＥ？
日本流 欧州流 米国流 ＣＡＥも色はあり、傾向は知っておく必要 何かと地域性いう。
欧州は、（大規模事例少ないかも）一番実務寄り（専門家は抽象的モデルを好む傾向ですが）
日本は、メ-カ-多く一番有利な土壌ですが、これって実用？（モデル類例少ないものは疑義が）
そんな例も随分あり残念的。設計現場発みたいなのが、出ずらい土壌か？
真似るなら、実用・ツール志向の欧州流追った方がいい思いますが。ただ欧州の、
難解志向・理論フェチ・保身などは真似る意義薄く、長所のみ真似るべき。何を志向するか
状況＆背景＆目的次第ですが、難解＆抽象的＝設計上最悪。簡単明快＆皆が理解＆実践可能
個々で差がつかないものが設計には○です。が、文理問わず、専門家は抽象的事象・難解なもの・実用遠いものを好む傾向。読んでおく必要あり。
また間違いも多く、それが主義ポリシーに関わる場合、立場上仕方ない面もありますが、
理論面の間違い（粗悪メッシュが招く誤差を分類せず細かいメッシュなら高精度等） 専門家筋は、
間違い主張多く要注意。(デローニ法も良い手法でなく間違い微妙線。解が粗悪で諦めた話も…)
間違い(踏襲)は設計は茶飯事。右に付く部品、左に付替えた方が性能出ますヨ。そんな類は毎度…
優劣分かりずらい(計測難な分野)ケ-スで発生。解析の可視技術で間違い発見=割とあり
先入観ない若手・部外者が間違い発見に有利？。ＣＡＥも間違い多く注意。
１）雑だと使えずで丁寧に→２）アセンブリ構造は特に細部重要。設定事項等多く時間＆工数不足に陥り→３）ミスしがち＆雑になり→１）に戻る。
その解消がＣＡＥのＡで万年未解決。努力志向や無策だったり、間違いに染まる事が未解決理由
メッシュ細かいと雑でＯＫ そんな勘違い増殖いうか 過半数だったりで残念的。解析は、
試作確認できる設計分野と違い）「適当でＯＫ」とはならず注意。 試作できる分野は、トンテンカンテン
試作＆確認は、皆が確認したい設計案優先。優秀人はそこをすっ飛ばすので×とか、それも教科書に…
それナァ。やってもアカンでぇ～。 すぐ言いたくなる人が… 解析にて、試作前評価を
きっちり実施すれば優劣＆その背景理由もよく分かり、揉める事も縮小 駄目な解析だと逆
超がつく一流、競争に打勝つ世界トップ到達までは、なかなか難しい問題があります。
１）エレキ等と違い、理論想定が崩れやすい問題
２）見れば、行けているか、駄目か大体判る それで、皆でモサモサ、
トンテンカンテン頑張る土壌になります。 事業所が田んぼの間で、田植え期は農作業。ほいで
トンテンカンテン技術世界一てなのも。下請で始まり、(人材豊富な)親会社は倒産吸収合理化撤退
一方下請さん大発展して世界トップとかも…。非常識やアホっぽい事を地道に頑張る組織が強い
一方秀才は、常識範囲内に終始＆独創品ヒット品なし。そんな傾向もあり。学校で教えるべき。
エース度と学力反比例もメカ設計は良くあります。エースは多忙。勉強している暇全然なし。
卒業＆設計部門に配属され、期待していたものと違い、適当いい加減でがっかり、なんて良くあり
知的でハイレベルな所に転職したら、そっちはジリ貧化。アホっぽい前職が躍進。とかも普通
解析も同じく、モサモサ人海術じゃ困るんですが、日本流はその傾向が…
最近は、計測等可視技術発達。新卒がベテラン同等能力得たりします。(オッサンの価値は…)
ＣＡＥも、計測器同様の可視技術ですが、
磁場や流体＝現実的モデルと教科書モデルの差は比較的小
構造解析＝現実的モデルと教科書モデルの差は大 注意が必要
適当に試作＆結果を見て考える。 現物合せ的にトンテンカンテン頑張る人が実績残し、
理論派は実績残せずリストラ。なんて試作可能な分野は多い。 実機で起こる事を
コンピュータで再現するのがＣＡＥですが、現実と教科書理論の落差ギャップ、理論が、
役立つか微妙な問題が、解析でも生じがち（合いませんねみたいな）
構造解析の場合、課題に合う現実的モデル構築が解決策。その具体法は殆ど出てなく注意
構造解析の場合、妥当な解析モデル＝理論と無関係的いう、抽象的モデルに終始して終了
そんな事も多く注意
メカ設計は、頭使うよりトンテンカンテン。 そんなオタクみたいな人が有利いう現実。それは
組織力で、試作品作る技術があるからですが。ＣＡＥの場合そうもいかず
アセンブリ構造計算は設定事項多く、合せ目のモデル品質も大事ですし
費用効果や解品質とか、要求厳しく、人が頑張っても追いつかない現実。解消は、
AI的手法でモデル化＆諸設定が○と思いますが、同調者は、同業で、百人に一人位。
コンピュータ最大限生かす分野であるべきが、人海術的、捻り鉢巻的、残念的な事が多く
それは雑だったり抽象的モデルだったりの共通性。生産性低く、うまく行ってるよう見えませんが
現実的モデルは事例少なく注意。イメージ的には→http://ameblo.jp/jishii/day-20160221.html
例えば磁場は、仮に磁石にヒビ入っても、ない状態にほぼ同じ。構造はそうはいかず注意。
知る範囲で、教育・人材育成主張していたうち何人か、昨今、いつの間にか転籍いう 栄転？
「頑張っても簡単じゃない。理論屋は粛清多いですよ！」 述べて批判浴び、数年後やっぱり？
転籍が悪い訳でありませんが、設計製品開発で実績出し、出世してこその筈。私のお客様は、
スキルテクニック教育不要的実用志向。簡単堅実からの製品実績で、割と出世に見えますが…
対策包囲網と共に推進が○。離散化誤差最小化やミス撲滅策は必須。努力で克服は×。
知る範囲で、教育不足＝(どうにでも解釈可能な抽象的表現)うまく行ってない時の定番の言い訳
それよりも、ルールや仕組作りなど具体策が大事だったりします。
難度高く、磁場解析等きっちりできる人も、構造は×だったり、AI的手法に負けたりの罠にも注意
計算資源潤沢＆大規模こなせる昨今ほど手作業で追いつかず雑になり…そんなパラドクス注意
頑張るほど悪循環。結局材料系だったり大規模アセンブリは陽解法等、事例偏在あり。
人が目一杯楽できてサボれる状況いかに作るか。そこが頭使いどころ＆ＣＡＥの面白い点
全員反対な中で一人推進。そんな状況でも頑張る必要あり？。百人に一人位？
教育で克服等、自分勝手な解釈で、ベテラン専門家が間違いに染まりがち＝ＣＡＥの実態。
１次２次差異あり＆２次で十分。＝間違い微妙線＆理解して貰えない現実。努力で克服も×
モデルは雑化。構造解析では、抽象的モデルが精精。それで○な分野は、知る限り限定的。
大規模計算も、（大規模故、逆に緻密なモデルが作れない）抽象的計算モデル多く、折角の計算機が勿体無いパラドクス。
理学系出身者が、設計勉強してエースに… そんな話もメカは殆ど聞かないいう。
メカ設計はトンテンカンテンの気合派優勢。解析等の知性派は部門全員社内お荷物的状況も普通
気合派（権限・予算沢山持つ）に受ける設計支援が○。人件費高く、教育＆人材不要は必須。
AI的技術で自動構築が○な筈。命令語どうあるべき等、議論＆相談できるのが同業で一名のみ。
解析は見て判るメカ設計と違い、気合では限界あり。モデル化＆諸設定は計算機で実施が○の筈
それが出来てなく、低評価を招いている思いますが。（問題はアセンブリの構造計算）
コンピュータがすべきことを人海術トンテンカンテン それが日本流ＣＡＥ？
日本流 欧州流 米国流 ＣＡＥも色はあり、傾向は知っておく必要 何かと地域性いう。
欧州は、（大規模事例少ないかも）一番実務寄り（専門家は抽象的モデルを好む傾向ですが）
日本は、メ-カ-多く一番有利な土壌ですが、これって実用？（モデル類例少ないものは疑義が）
そんな例も随分あり残念的。設計現場発みたいなのが、出ずらい土壌か？
真似るなら、実用・ツール志向の欧州流追った方がいい思いますが。ただ欧州の、
難解志向・理論フェチ・保身などは真似る意義薄く、長所のみ真似るべき。何を志向するか
状況＆背景＆目的次第ですが、難解＆抽象的＝設計上最悪。簡単明快＆皆が理解＆実践可能
個々で差がつかないものが設計には○です。が、文理問わず、専門家は抽象的事象・難解なもの・実用遠いものを好む傾向。読んでおく必要あり。
また間違いも多く、それが主義ポリシーに関わる場合、立場上仕方ない面もありますが、
理論面の間違い（粗悪メッシュが招く誤差を分類せず細かいメッシュなら高精度等） 専門家筋は、
間違い主張多く要注意。(デローニ法も良い手法でなく間違い微妙線。解が粗悪で諦めた話も…)
間違い(踏襲)は設計は茶飯事。右に付く部品、左に付替えた方が性能出ますヨ。そんな類は毎度…
優劣分かりずらい(計測難な分野)ケ-スで発生。解析の可視技術で間違い発見=割とあり
先入観ない若手・部外者が間違い発見に有利？。ＣＡＥも間違い多く注意。
１）雑だと使えずで丁寧に→２）アセンブリ構造は特に細部重要。設定事項等多く時間＆工数不足に陥り→３）ミスしがち＆雑になり→１）に戻る。
その解消がＣＡＥのＡで万年未解決。努力志向や無策だったり、間違いに染まる事が未解決理由
メッシュ細かいと雑でＯＫ そんな勘違い増殖いうか 過半数だったりで残念的。解析は、
試作確認できる設計分野と違い）「適当でＯＫ」とはならず注意。 試作できる分野は、トンテンカンテン
試作＆確認は、皆が確認したい設計案優先。優秀人はそこをすっ飛ばすので×とか、それも教科書に…
それナァ。やってもアカンでぇ～。 すぐ言いたくなる人が… 解析にて、試作前評価を
きっちり実施すれば優劣＆その背景理由もよく分かり、揉める事も縮小 駄目な解析だと逆