理工学部Faculty of Science and Engineering
MEC200XB（機械工学 / Mechanical engineering 200）計測工学Metrology
吉田 一朗Ichiro YOSHIDA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | H5138 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 木1/Thu.1 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | ○ |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| カテゴリー＜理工学部＞Category |
機械工学科機械工学専修 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
【Course outline】
In this lecture, students study Metrology, Optimization engineering, and Data Science. In this lecture, by combining exercises to solve mathematical expressions by manual calculation, let students efficiently acquire coding techniques of the programming languages such as Matlab and C languages. In addition, in this lecture, by using Excel command and rule operation function together, the lecturer promote students' understanding of techniques required for program language coding techniques such as "for statement" in C language and Matlab.
【Learning Objectives】
At the end of the course, students are expected to understand Metrology, Optimization engineering, and Data Science.
【Learning activities outside of classroom】
Before/after each class meeting, students will be expected to spend 4 hours to understand the course content.
【Grading Criteria /Policy】
The total score score of 60 or more out of 100 is considered acceptable. At least 2/3 attendance is required.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
本講義では，データサインティストにとって必要となるデータサイエンスの基本的知識・技術を学ぶことができる。
データサイエンスとは，計測で得られた膨大なデータをプログラミングのスキルおよび数学，統計学の知識を組み合わせて解析し，有意義な知見や最適解を得ようとする行為および研究分野のことである。
近年，機械製品やそのシステムはますます複雑になり，機能や経済性，あるいは環境負荷低減の観点から，計測で得られたデータを処理し，合理的に最適解を得ることが望まれている。
計測および最適化は，機械工学系，理工系の基礎として大変に重要である。そのため，計測における重要な考え方と数理的な基礎理論の手法を学ぶ。基礎的手法として，最小二乗法やニュートン・ラフソン法などの理論を学ぶ。
本講義では手計算によって数式を解く演習を併用する方法を行なうため，学生はMatlabやC言語などのプログラミング言語のコーディング技術を効率的に習得できる。また，本講義では，Excelのコマンドや規則演算の機能を併用することで，C言語やMatlabにおける for文などのプログラム言語コーディングで必要となる技法の理解を促進する。
到達目標Goal
履修学生は，計測工学的観点から，計測における考え方とキーポイントを学ぶ。また，教養課程程度の線形代数学と微分積分学の知識を基礎として，最適化の基本的な数学的手法を理論的に理解する。テクニカルコンピューティング言語である Matlabの利用法と C言語のプログラミングを学び，最適化の基礎問題を数値的に解いてみることにより，実践的な問題解決能力を身に付ける。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」と「DP2」と「DP4」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
最初に，最適化及び計測の基礎概念を学び，その有用性を理解する。次に，計測データ処理および最適化の基礎理論として，主に一次関数の最小二乗法，二次関数の最小二乗法，高次関数の最小二乗法，円の最小二乗法を偏微分と行列演算の方法で学び，また，ニュートン・ラフソン法などを学ぶ。演習課題を通じて具体的な計算手法を身につける。
データサイエンスにおける具体的な演習計算には，手計算および Matlab，C言語，Excelを利用する。授業中に Matlab，C言語，Excelの基本的な使用法も学ぶ。大まかな流れとしては，①『手計算によって数式を解く・流れを確認する』 ⇒②『Excelによって妥当性を確認する』⇒③『C言語，Matlabでコーディングし，最適化アルゴリズムを実装し理解する』などとなる。理解度を上げるため，理解の状況や進捗に合わせて授業計画の順序などを柔軟に変更する。適時，課題の解説などや質疑応答などを通じてフィードバックを行なう。
新型コロナウイルスの状況や政府からの非常事態宣言および東京都からの緊急事態措置等が発出される状況となった場合は，春学期中，必要に応じてオンラインでの開講となる。それにともなう各回の授業内容や計画の変更，成績評価の方法などの変更等については，学習支援システムでその都度提示する。また，本授業の開始日も必要に応じて学習支援システム：Hoppii等から通知する。本シラバスに記載の全事項は新型コロナ禍前や非常事態宣言時以外を想定して作成されているため，オンライン式，対面式を含め具体的な授業の進め方などは，学習支援システム：Hoppii等で提示する。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]：計測，最適化およびデータサイエンスのキーポイント
ガイダンス，計測における考え方，最適化・データサイエンスとは何か
機械設計問題への最適化の簡単な応用例。
2[対面/face to face]：Matlab入門，C言語の簡単な復習
Matlabの起動，基本的な操作，電卓としての使い方，簡単なグラフ，Matlabによる行列の入力と演算の仕方，C言語による行列の入力と演算の仕方。
3[対面/face to face]：MatlabとC言語による行列の計算方法，グラフ描画入門（１）
Matlabによる行列の入力と演算の仕方，C言語による行列の入力と演算の仕方，3Dグラフ描画入門，Matlabコマンド。
4[対面/face to face]：MatlabとC言語による行列の計算方法，グラフ描画入門（２）
Matlabによる行列の入力と演算の仕方，C言語による行列の入力と演算の仕方，3Dグラフ描画入門，Matlabコマンド。
5[対面/face to face]：様々なグラフの描画，最小二乗法とは
Matlabによる3D描画，Mobiusの輪，Klein管などの描画，最小二乗法の概要。
6[対面/face to face]：最小二乗法入門(1)
Excelによる最小二乗当てはめ，最小二乗法における関数の最適な選択について。
7[対面/face to face]：最小二乗法入門(2)
Excelのコマンドによる一次関数の最小二乗法，手描き及び最小二乗法による当てはめの比較。
8[対面/face to face]：偏微分による最小二乗法（一次関数）
偏微分を用い最小二乗法を手計算で解く，偏微分の復習。
9[対面/face to face]：行列による最小二乗法 入門
手計算で一次関数の最小二乗法を解く，手計算で得られた結果をExcelに入力し，計算する。
10[対面/face to face]：行列による最小二乗法：一次関数
手計算で一次関数の最小二乗法を解き，Matlabによるコーディングを行う。
11[対面/face to face]：行列による最小二乗法：二次関数，高次関数
手計算で二次関数の最小二乗法を解き，Matlabによるコーディングを行う。
12[対面/face to face]：行列による最小二乗法：円の最小二乗法
手計算で円の最小二乗法を解き，Matlabによるコーディングを行う。
13[対面/face to face]：ニュートン・ラフソン法
ニュートン・ラフソン法入門と手計算，Excelの規則演算を用いた解の導出。Excel，Matlabによる演習。
14[対面/face to face]：まとめ・評価
まとめと評価，試験
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
【本授業の準備・復習等の授業時間外学習は、4時間を標準とする】
履修学生は，教養基礎科目として学習する線形代数学および微分積分学，統計学を十分に復習し身につけておくことが必要である。授業期間中には，Matlab，C言語，Excelを使いこなせるように自主的に学習することが必要である。
テキスト（教科書）Textbooks
教科書については，初回のガイダンスで説明する。
1．MATLABではじめるプログラミング教室，奥野貴俊，中島弘史，コロナ社， 2017年， 2,860円（税込）.
2．『表面粗さ—その3 教科書に書けないワークのセッティングの裏技と最新のJIS規格—』，吉田一朗，精密工学会，2014年，オープンアクセス．
https://www.jstage.jst.go.jp/article/jjspe/80/12/80_1071/_pdf/-char/ja
4．はじめてのMATLABプログラミング（ IOブックス），大川善邦，工学社，2016年，2,052円（税込）.
5．最適化手法入門：データサイエンス入門シリーズ，寒野善博，駒木文保，講談社， 2019年， 2,860円（税込）.
6．必要に応じて，講義の際に授業支援システムへの資料アップロード，もしくは，プリント配布をする。
参考書References
データサイエンスの数学的理論の詳細については，数値解析や最適化手法の数学に関する教科書を参照のこと。下記にデータサイエンスと計測工学の良書を示す。
1．これなら分かる最適化数学，金谷健一，共立出版， 2005年，3,132円（税込）.
2．ニューメリカルレシピ・イン・シー日本語版― C言語による数値計算のレシピ，William H. Press他，技術評論社， 1993年，5,138円（税込）．
3. 計測システム工学の基礎 第4版，松田康広・西原主計，森北出版，2020年，2,750円（税込）．
4．工学のための最適化手法入門，天谷賢治，数理工学社， 2008年， 1,728円（税込）.
5．Bilingual edition 計測工学 Measurement and Instrumentation，高 偉，清水裕樹，羽根一博，祖山均，足立幸志，朝倉書店，2017年，3,080円（税込）．
一般的な数学の基礎については、線形代数学および微積分学、統計学の教科書を参照のこと。
成績評価の方法と基準Grading criteria
講義中に設定される課題についてのレポート提出および期末の試験を総合して判定する。
成績評価の配分は，課題・レポート：６０％，期末試験：４０％（ただし，期末試験を実施しない場合は，課題・レポート：１００％となる。期末試験を実施しない場合は，第10回の講義までにアナウンスする）。
学生の意見等からの気づきChanges following student comments
1．理論的な説明だけでは分かりにくい点については，例題や計算例による説明をもとに，自ら問題を解いて理解していく姿勢が重要である。
2．理解の状況などに合わせて授業計画の順序や内容を柔軟に変更する。
3．本授業では，Matlabプログラミングの演習において学生同士の意見交換・教え合い，学生自らの主体的な学びを奨励する。
学生が準備すべき機器他Equipment student needs to prepare
1．貸与ノートPCを使用する。Matlab，Excelを用いて数値計算（アルゴリズムおよびプログラミング）の練習を行う。
2．レポート・課題の提出用紙は，Ａ４もしくはＡ３のみを受け付ける。提出用紙サイズは，授業中に指示する。
その他の重要事項Others
本授業は，「実務経験のある教員による授業」である。授業担当者の吉田は精密計測機器メーカでの約８年間の業務経験の間に，数値計算の最適化アルゴリズムを応用したソフトウェアの研究開発と実装，製品化に携わった業務経験がある。博士後期課程において研究した最適化アルゴリズムを当該企業内で商品企画，提案し，その最適化アルゴリズを応用したソフトウェアの製品化と販売促進に携わり，大手自動車メーカなどへの販売実績もある。
また，授業担当者の吉田は，主担当の課長として表面粗さ計測機器及び真円度計測機器メーカーの中で日本で最初のJCSS取得に貢献した。（JCSSとは，計測機器メーカの計測技術・能力を国家機関が審査する制度）
大学は，社会に出て就職する前の最後の準備期間（学習期間）である。社会に飛び立つと，学生時代のような手厚い教育を受ける機会は激減する。そのため，ぜひ社会に出るまでに，自力で学習できる技術と能力，精神，考えを身に付けられると良いと考える。この能力は一生ものであり，社会に出た後，どの分野に進んだとしても必ず役に立つ。