自分の頭で考えない人 ― 2020年01月13日 20:55
「自分の頭で考えない人」、周りにいませんか？
俗にいう「指示待ちの人」も当てはまると思います。
以前に投稿した”ルーチンワークな人”もそうですね。
指示待ちの人は、指示された仕事の意味や目的を自分で考えていないから”指示されたこと”しかやらない。
相手が何を期待しているか考えない。
単に与えられた作業をやっているだけ。
下手をするとアルバイトやパートの人から指示されてたりする。
これでは、何年たっても成長しない。
それでいて、”給料が安い”なんて言っているのだから手に負えない。
「自分の頭で考える」とは
”自分の頭で考える”人は常に疑問を持っている。
自分の頭で考える＝「疑問を持てる」＆「疑問を解決できる」
自分の頭で考える人は、仕事を自分で進められるということ。
単に自分勝手に仕事を進めるということではなく、仕事の目的をしっかり理解してそれを達成するための最善のやり方で進めるということ。
要するに”仕事ができる”と評される人。
”自分の頭で考える”人は、適切な解を導き出す力がある。
仕事を進めていく過程では、さまざまな難題にぶち当たる。
それは単純に解決できるようなものではなく、気の遠くなるような調整作業や前提を組み替えまくることにより、少しずつ少しずつ前に進めなければならないことが多い。
普通の人は、「こんなのオレにはどうしようもないや」と投げ出し、誰かに責任転嫁したり、逃げたりする。
「すぐあきらめる」というのは、思考体力がない人（考えない人）の特徴のひとつ。
「自分の頭で考える」人は、そんなことはしない。
わからなくなった時点で、過去の議論を見直し、整理し、知見がある人に聞き、いったいどこがポイントなのか明確に理解しようとする。
どこがボトルネックなのか明確化した後は、それを解決するために全力を尽くす。
日々の仕事の中で、上司から難しい仕事を振られるなどして、粘り強く解を出していく力は鍛えらるが、「疑問を持つこと」は実は難しい。
いちいち疑問を持たなくても仕事は進むし、疑問を持つこと（＝考えること）は疲れる。
下手な聞き方をしたら、上司や同僚から不評を買うかもしれない。
しかし、本当の意味で考える仕事をしたいのであれば、「疑問を持つ」ということがファーストステップになる。
自分の仕事の目的が何なのか、一番良いやり方なのか。
まずは、これらの疑問を持つように心掛けたい。
報告ができない人 ― 2020年01月14日 22:35
正しく報告ができない人にイラつきませんか。
報告はすればいいというものではない。
内容はもちろん重要であるが、報告するタイミングが重要。
良い結果の報告であってもタイミングが遅いと相手からは信頼されない。
結論を最初に、事実と推定（自分の考え）は区別して・・・、とかはとても大切なことであるが、
自分の仕事が終わるのを待っている人にとっては、”何時終わるのか”とか”遅れはないのか”などはとても気になることである。
自分が待っている立場だとして考えればすぐにわかると思う。
例えば何かのトラブル対応をしている時、トラブルが解決するのを待っている人は、今どんな状態なのかについて彼の上司などに報告しなければならない。
早々に解決する目途が立っているのであればそのように連絡したいだろうし、時間がかかるのであればそれなりの対応をしなければならないだろう。
単にトラブルを解決すればよい、という問題ではないことがわかると思う。
何が重要であるかは，場面によって，人によって，立場によって全く異なるが、そこまで分かって仕事をしているかどうかが、信頼されるかされないかの分かれ目だと思う。
全く報告なしで黙って作業して3時間で解決するよりも、30分とか1時間ごとに、ちゃんと報告ができて5時間で解決する方が相手にとっては親切だと思う。
このように言っている私も若いころは、これができなかった。
トラブルの対応に集中している時は、それに没頭してしまい、相手が話し掛けることさえ遠慮するような態度で仕事を行っていた。
でも、誰かに言われたわけではないが、ある時にそれではプロ失格だと気が付いた。
誰かが注意してくれていればもっと早く気が付けたかもしれない。。。
プロであれば最初に作業量を見積って進捗状況を報告することで相手に安心してもらう配慮ができないといけない。
仮に自分が何かを購入する場合を考えてみると、最初に値段がわからなかったり、納期がわからなかったりしたら絶対にその店からは買わないだろう。また、最初に提示された納期が遅れても事前に何も連絡がなければその店は信用できないからリピートはしないだろう。
自分のことを待っている人、今自分がやっている仕事が終るのを待っている人がいる場合、
一見意味がないような連絡や報告を欠かさないことが重要である。
信頼を得るために、是非、身に付けたい基本的な行動パターンである。
いつも”問題ありません”の人 ― 2020年01月16日 21:09
上司や同僚から”問題ありませんか”と問いかけられた時に、いつも”問題ありません”と答える。
このような人は、例えば生産工程の空調が故障した時に生産に直接影響がないから”問題ありません”と答える。
それを受けた思慮が足りない上司も問題がなければ修理は後回しでいいと考えてしまう。
冷静に考えれば明らかにおかしい。空調しなくても問題がないのであれば工程に空調設備は必要ないわけであり、必要だから空調設備を設置しているわけである。
工程内で汗水たらして作業している人にしてみればとんでもないことである。
また、食品などを扱う工程では温湿度は品質に影響するので、”大問題”であり困ったことである。
問題とは何か
「問題」はあるのではない。
誰かが「問題にする」ことによって，初めて「問題になる」もの。
誰かが「問題にする」ことによって，初めて「問題になる」もの。
だから，皆が大騒ぎして「問題になる」からといって，「問題にする」に値いしないことはある。
逆に，自分たちのミスを見ないふりし，なかったことにすることで，「問題にしない」ことはできかるかもしれないが，クレームがそうであるように，自分は問題にしたくなくても，顧客の方が「問題にする」ことで，「問題になる」だけである。
だから，「問題になる」前に「問題にする」ことが必要になる。例えば，
「疑問」を「問題にする」 (問題にできる) 役割意識の主体性
「不安」を「問題にする」 (問題にできる) 責任感
「不足」を「問題にする」 (問題にできる) 顧客意識(カスタマーマインド)の先取り
「不満」を「問題にする」 (問題にできる)
「理想」を「問題にする」 (問題にできる) 目的意識・方向意識の視線
「願望」を「問題にする」 (問題にできる) 感性
等々。これが“問題意識”である。
しかし，考えてみれば，こうして「問題にする」「問題」とは，自分の側に「～したい」「～あるべき」との思いがなければ存在しない。
～を実現したい，～をしたい，～しなくてはならない，～すべきだ，等々という思いがあるからこそ，現状を「問題」にすることができる。
だから，前提として，目的意識や自分自身のやるべきテーマ，果たさなくてはならない使命・役割等々がなくては話にならない。
すなわち、”あるべき姿”と”現状”のギャップが”問題”に成り得る。
問題の感度や深度は，指向性(何について)があって初めて研ぎ澄まされる。
目的意識のないところでは，感度もセンスもアンテナも働かせようがない。
どうすれば問題への感度を高められるか
扇谷正造氏（https://ja.wikipedia.org/wiki/扇谷正造）は，問題意識を
①「空気にツメをたてろ！」
②原点に立ち返って問題を洗い直す
③煮詰めてモノをいろいろな角度から考える
と，された。「空気にツメをたてろ！」とは，あえて波風のないところに，波風を立てることと言ってもいい。
「意識的に問題にすること」とは，この意味である。
「原点に立ち返って」とは，何のために(目的)，何をする(目標)ためなのかを洗い直せということだ。
「いろいろな角度から考える」とは，「タテヨコナナメ十文字」に考えることだ。
が、このアドバイスも、そもそもの目的意識が欠けていればから念仏に終わる。
「問題」への感度を高める
「問題意識」の感度を高めるとは，「当たり前」のこととして，「問題にしない」固定観念に流されないようにする。
そのためには，次の３つの基本スタンスから始めなくてはならない。
①知っていることをアテハメない－「まてよ！」
現状(いまあるもの)，前提(いままでの経緯)，条件(与えられた制約)を，鵜呑みにしない，
そのまま当てはめない ⇒ 見えるままに見るな，知っているままに見るな
「知っている」「わかっている」「やったことがある」という思い込みが一番まずい。
わかっている！と思ったら，「本当にそうか？」と振り返らなくてはならない。
②別に答はないかと問い直す－正解はひとつではない
問い方によって見え方が変わってくる－問い方が変われば正解は変わる。問いによって，
分からない（知らない）ことが見えてくる，何が知らないことかが見えてくる。「答」がわかったら
終わりではなく，出発点である。
別の答を探さなくてはならないのである。 人の見つけた答をなぞって何が面白いか。
③キャッチボールする－（ヒトに，モノに，コトに）問い掛けてみる
問わなければ，分からないことがある。問いかけて初めて，見えてくることがある。
現場，現物，現実に当たる，誰かに問い掛ける，キャッチボールによって，情報の幅と奥行が
現れる｡
３Ｍのポストイット開発をめぐる逸話で、シルバー氏が、接着剤を開発していて，貼っても
すぐ剥がれてしまうものを創り出した。彼はそれを「失敗」とはみなさず、社内の技術者に、
この特性を生かした使い道を考えてくれないかと主張し，それに応じて、いつも聖歌に挟む
付箋に不便を感じていたフライ氏が、その使用方法として、ポストイットを発想したのである。
ここには、大事なポイントが２つある。第一は、われず、何とかできないかと受けと
める「聞く耳」をもっている人がいたということ。これが、③の趣旨である。「ブレインスト
ーミング」はまさにキャッチボールを機能させるためのルール、つまり異見をいかに活
かしていくかの仕掛けと考えるべきである。
とすれば、何も何人かが集まらなくてはできないのではなく、こちらから、「これどう思う？」
と問い掛けていく姿勢があれば、電話やＥメールやインターネットのチャットがそのまま
ブレインストーミングになっていく。
「問題」を掘り下げるスキル
扇谷氏の，「煮詰めてモノをいろいろな角度から考える」で言う、多角的とは、タテヨコナナメ十文字にものが見れるかどうかということ。
その切り口は、次の４つに整理できる。
①視点（立場）を変える
いまの位置・立場そのままでなく、相手の立場、他人の視点、子供の視点、外国人の視点、
過去からの視点，未来からの視点、上下前後左右，表裏など
②見かけ（外観）を変える
見えている形･大きさ･構造のままに見ない、大きくしたり小さくしたり、分けたり合わせたり、
伸ばしたり縮めたり、早くしたり遅くしたり、前後上下を変えたりなど
③意味（価値）を変える
分かっている常識・知識のままに見ない、別の意味、裏の意味、逆の価値、具体化したり抽象化
したり、まとめたりわけたり、喩えたりなど
④条件（状況）を変える
「いま」「ここ」だけでのピンポイントでなく、5年後、10年後、100年後など
ここでいう、「変えてみる」とは，それを意識してみるという意味。
例えば、「視点を変えてみる」の，「視点を意識してみる」とは，「～と見た」とき，「いま自分は，どういう視点・立場からみたのか」と振り返ってみるということ。
そのとき，会社の立場で見たのだとすれば、それ以外の父親として見たらどうなるか、客の立場で見たらどうなるか，………など、別の視点にもうひとつは気づけるはずである。
その意識的な「問い直し」が、少なくとも問題意識の端緒であり、問題の感度を研ぎ澄ます出発点である。
是非、”問題にすべきこと”を”問題にする”ことができるようにしたい。
GPUの威力！ ― 2020年01月18日 19:07
パソコン（XPSスペシャルエディション）にPython関連のセットアップが完了したので、いよいよディープラーニングの学習をやってみました。
ディープラーニングにあけるＧＰＵの威力を試した結果です。
学習はNNCで行っているので、NNCのSetupで”ENGIN”タブの”CUDA-Enabled GPU”を選択するだけでいいはず。
とりあえず、CPUで8時間くらいかかったモデルとデータで試してみたら、猛烈に速い！
表示されている終了までの時間が20分、学習曲線がどんどん伸びていく。
ＧＰＵの威力は絶大です。
これなら、いろいろ詩行錯誤ができそう。
ディープラーニングにはＧＰＵは必須ですね。
クラウドでも学習環境を提供しているサービスがあるので、それを利用するのもいいかもしれません。
これで、パソコン関連の環境は整ったので本格的に目視判別の自動化システムを構築していける。
これからＰｙｔｈｏｎとＮｎａｂｌａ（Neural Network Libraries）を使って、ラインで学習済みのモデルを使用するためのソフトを作っていきたいと思っています。
それとデータのN増し、これが一番大変かな。。。
ついでに学習中のパソコンの状態ですが、GPUは外部排気の構造で熱風が出ている。
CPUも常にブーストクロックで動作しているのでかなりの電力を使っていると思う。
ＣＰＵのクロックが下がることはないので冷却効率は悪くなさそう。
製造工程内にPCを設置しているので音は全く気にならないが、学習中はCPU、GPUともに冷却ファンはフル回転しているので、それなりの音はしていると思うけど一般的な事務所なら気にならないレベルだろう。
でも、会社の空調が効いた部屋ならいいけど、自宅では使いたくないかな。。。
Neural Network Consoleの自動最適化機能は便利！ ― 2020年01月25日 13:21
XPSスペシャルエディションは今のところ絶好調です。
1週間連続でブン回しています。温風ヒーターみたいな状態ですが空調が効いているので問題なし。
この1週間は、NNC（Neural Network Console）の自動最適化機能を試しています。
これってすごく便利です。
自動でネットワーク構造やパラメータを変えて学習してくれる。
自分では思いつかないような設定を勝手に作ってくれるので、”なるほど”って思うこともあります。
Training Data=20,000ヶ、Validation Data=5,000ヶで300 epochで、Best Validationが0.000989になったものがありました。
最初（リファレンス）はBest Validationが0.013だったので約1桁も良くなっています。
ある程度候補となるモデルが定まってきたら、学習サンプルを追加して再学習してみたいと思っています。
最近のコメント