出勤途中に感じる春の息吹

今朝の出勤途上，日差しに岩手山の雪渓がキラキラ加害やていたので，
岩手牧場の入り口で車を止めて，岩手山を撮影しました

岩手牧場付近の桜は，まだつぼみ．でもすこし花びらが膨らんできています

足元にはアカザが生えていました

スイセン？の花もちらほら

ところで岩手牧場の入り口には，関係者以外立入禁止の立て看板があります．
これです

だから，ここから先へと足を踏み入れたことがないのですが，そのすぐそばにある立て看板の内容をじっくりと読んでみると．．．

どうやら黄色と緑の区画は入場して良いようです．
桜の木がたくさん植えてあるし，とても空気も良いし，眺めも最高だと思うのですが，実態がわからないから入りにくいですね．．．
「虎穴に入らずんば虎子を得ず」か．．

花

散歩をしに雫石のファミリーランドへ出かけてみたら春の息吹がちらほら．
写真をよくみたらアリが花の蜜を吸っている．
桜の芽は，まだまだ堅かった

送信者 岩手の風景

東京の桜

送信者 出張の風景

北国に住むものにとって春に南方へ出張することは、
時間を先取りしたかのような錯覚を覚えるものだ.

ほろ酔い気分で見上げた夜空には、桜が満開だった．
盛岡にはまだ咲かぬ桜が、殺伐とした都会を彩る．

昨日、たかが１泊２日の出張に出かける私を前に
４歳の息子は涙をながして大泣きした.
家族が共に生活することのありがたみとか、
変化のない日常の意識の表層に上がってこない事柄に
非日常にあってはじめてその価値を知ることって多い．

私の意識は、変化のあることには敏感であるが、
変化のない事象の多くについて、
その存在すら忘れていることに気付かされるのだ．

たとえ意識の有無によって　かかる事柄の運命に
直接の影響を与えることができないとしたとしても、
それを認知して感謝していくことって、
とても大切なことなんだとしみじみ思う．

盛岡には夜７時過ぎ帰る予定だ．
家に待つ息子と娘には、何かおみやげを買って帰りたいと思う．

なすべきこと

１２年前に私は就職した．
今気付いたが就職した年も寅だったのだ．
そうだ私の生まれ年も寅だ．

ところで，最近の寅年について調べてみると景気が悪かったらしいことがわかる．

1974年はオイルショック
1986年は円高不景気
1998年はアジア通貨危機

私が社会人となった９８年は就職氷河期といわれ始めた頃だろうと思う．
成績が悪くて留年した私は別として就職ができなくて留年を決めた友人がいた．
いつしか団塊ジュニアはロストジェネレーションとかマスコミが名前をつけられた．


１年半前頃から，年配の方に会うときにはリーマンショックによる景気悪化について過去との比較について尋ねることにしているのだけど，最初のころは「オイルショック」の方がまだ凄かったとおっしゃる方が多かったが，半年前からはこんなに悪い景気は経験がないと聞く機会が多くなった．５０歳代の方もおっしゃるのだから戦後の日本が経験したことのない不景気なのだろう．（最大の不景気は敗戦直後であったことは言うまでもない）

２０１０年の４月を目前にした今，世界的にみるとそろそろ回復基調らしいが，景気が回復した状態となったからといっても，かつての日本の好景気といわれる状況に戻ることを意味するとも思えない．
例えば日本の産業の要と言われる製造業であるが，日本で単一製品を大量に作って売る時代が再びやってくるだろうか？日本で作るより安い国がある限り，再び日本で量産することは特殊なケースを除いてありえないだろう．

作るものの仕様がグローバル化していることも過去とは大きく違うことだ．昔は各社各様に独自の仕様でメカを作り基板を作りソフトを作った．だから性能に多くの差が生まれ独自性を出すことができた．日本の大手製造メーカが競い合って同じカテゴリーの製品がそれぞれ売れていたのも独自性を出しやすかったからだと私は思う．

今はどうだろう？仕様は世界標準となって，独自性を生み出すのは上っ面のデザインだけ．パソコンが代表例だと思う．どこの会社製品を選んだって結局性能をきめるのはIntelかAMDでありメモリ容量である．性能を表す数字と記号と価格だけが購入の決め手となる．Made in japanにもはや意味はない．

またパソコンや携帯電話が汎用性をもっているので従来個別の機能を持つ製品を購入する必要があったニーズを駆逐してしまった．

２年前SONYとAppleの財務指標を比較したWeb記事がある．
http://diamond.jp/series/it_biz_dw/10004/
今この差はさらに開きつつあるのではないか

仕様がグローバル化した今，製造業に携わる者たちが生き残るためには何をすればいいのだろう？
大中小問わず日本の国中の製造業種に属する企業内で管理職の人々は毎日唸って考えているに違いない．

私は製造小企業に所属するのだが，よく解説者的な人間が「中小企業はニッチなものをやるべきだ」という．
けれど，ニッチなものは需要がついてこないので現実には稼ぎにならない．
生き残るためには多数の賛同者が得られるだれしもが欲するものを提供しなければならない．
ニッチではなくて潜在的な需要を発掘することが必要なのだ．
今はないが　それを提案したらほしくてたまらないもの．

そう考えれば　何をなすべきか頭がすっきりしてくる気がする．

禁煙２年

私はタバコをやめて今年の3月で２年目となった．
１８歳になって大学生となった4月ころからタバコをすいはじめた．
当時　自啓寮という男子寮に住んでいた私は北寮１１室に暮らした．
大学生になると新歓コンパという飲み会がひんぱんにあり、
そのうちに酔った勢いでタバコをすいはじめたのだとおもう．
タバコを初めた頃、吸い込む度に目が回るようなかんじと酔ったような陶酔感があったのを覚えている．
しかしその感覚も長続きせず、いつしかヤニ切れの度に火をつけることを繰り返す毎日となった．

私が吸っていたのはセブンスター．
就職後はメカを動かすプログラムを作る仕事をしていたのだが、仕様どおりに動かないときなど、すぐに喫煙室に行ってはタバコをふかした．
前の会社を辞めて、今の会社を起業した当時、全社員が（といっても２人だが）喫煙者だったのでパソコン見ながらタバコを吸っていた．
ソフト開発とタバコは相性が良くて本数が進むように思う．
客先に電話をかける前など、一本吸ってからとか、コンパイル中の時間に一本とか、原因不明のバグがなかなか解決しない時は徹夜のお供にコーヒーとタバコを交互に嗜んだ．
今考えるとぞっとするが、飲み会の日などは、2箱以上吸っていた．
二日酔いとタバコのすいすぎによる気持ち悪さのダブルパンチは喫煙者ならだれもが経験済みのはず．

2年前、大事な人があいついで2人亡くなった．
2人は、いつもタバコをよく吸っていた．
1人は私の伯父．咽頭ガンだった．
成人してからは、あまり接点がなかったが　幼少の頃　よく遊んでもらった記憶がある．
もう1人は、幼い頃からよく知る父の友人．肺がんだった．
日常に接点のない２人の死であったのだけれど、私は相当なショックを受けた．
幼い記憶にいる人が亡くなることを期に、何度も心の中で思い出がオートマチックに反芻された．

私は２人に禁煙を助けてもらったのだと信じている．
幾度も失敗した禁煙だったのに、２年前からピタリとやめることができた．
禁煙ガムを1週間分買ったのだけど3日くらいで不要になった．
そしてまもなく体は軽くなって、イガイガもとれた．
仕事でお客さんと酒をともにすることも多く、多くは喫煙者だったので禁煙したことを言うのに恥ずかしさとためらいがあったのだけど思い切って「やめました」宣言をした．
皆さん「えっ！ヘビースモーカーのあなたが」と驚いていたが嫌味も言わず見守ってくれた．
いい人たちに囲まれていたのだと思う．
そのうち妻がいつもクレームをつけていたタバコ臭さというものが分かるようになった．

毎日の習慣がなくなるというのは不思議なことだ．
１８歳から１５年にわたて吸いつづけたタバコの臭いがくさくてたまらない．
タバコを辞めたかわりに体重が増えた．
辞める前の体重は、５８キロだった．身長は１６８センチほどなので軽い部類だと思う．
現在は６３キロ．
タバコを吸っていたときは昼飯を抜いても平気だったが、今では不可能だ．
腹が減っては戦はできないというのは本当だと思うようになった．
タバコが体に悪いのはニコチンだけじゃなくてタバコを吸うことによって食欲が減退することとかも関係があるのだと私はつくづく思う．

山

送信者 岩手山

子供のころを振り返ると，よく大人は，山を眺めていたように思う．

「あれが　岩手山だ」とか

「今日も十勝岳はよく見えるとか」

「旭岳が白くなった」とか

大人は山をみて　そういった

でも　子供の私は，山を見たって面白くもなんともなかった

それは山がいつも同じに見えたから．

ちょっと白くなったって，

紅葉に赤くなったって，興味はあまりわかなかった．


そして　いつしか自分が大人になった

山を見ると思いだす

勤務先の工場の窓から見た岩手山

学校の屋上から見た岩手山

友人と上った岩手山

夕日に赤く染まる岩手山

いつも山は，そこにあった

山をみると不思議と過去を思い出す．

だれから「山のないところには暮らしたくない」と言っていたけど

その通りだと　つくづく思う．

Pythonで非線形最適化計算する

私自身がPythonを便利に思って重点的に利用させてもらっている技術分野は，科学技術計算とUSBやシリアルなどとの通信に関するもの．

特にお世話になっている最適化計算についてちょっとご紹介．

最適化で使っているパッケージは, scipy.
他に Numericが必要.

excel等で近似多項式を求める事が出来るけど，奇数次数のみの多項式に
フィットさせるなどは不可能．

そういうときにPythonの scipyは便利．
次のスクリプトは９次項までの奇数次数のみの多項式へのフィッティングを行うもの．
私は魚眼カメラの射影式を扱うとき重宝している．

import scipy
import scipy.optimize
import Numeric as n

def func(p, x):
    k1,k2,k3,k4,k5 = p
    p0=[k5,0.,k4,0.,k3,0.,k2,0.,k1,0.]
    return scipy.polyval(p0, x)

def residue(p,y,x,sigma):
    #print "residual_func ", y, x
    err = y - func(p, x)
    #print "error ", err
    return err

def fitting(x, y):
    sigma = 0
    r = scipy.optimize.leastsq(
        residue,
        [1.0,0,0,0,0],args=(y, x, sigma), full_output=1, ftol=1e-32, xtol=1e-32, maxfev=10000)
    return r[0].tolist()

if __name__== '__main__':
    sample = n.array([
    0.16581,0.128181366,
    0.33161,0.258930716,
    0.49742,0.393306338,
    0.66323,0.530482793,
    0.82903,0.666571512,
    0.99484,0.793397256,
    1.16064,0.899001855,
    1.32645,0.970166103,
    1.49226,0.99910374,
    1.65806,0.991575672])

    xy = n.reshape(sample, (10,2))
    x = xy[:,0]
    y = xy[:,1]
    optimized_parameter = fitting(x, y)

    print optimized_parameter

scipy.optimize.leastsqは minpackを移植したもののようである．
Levenberg-Marquardt法を用いた最適化をお手軽に行うにはもってこいだと思う．