コンカレントエンジニアリングとは - IT用語辞典
概要 コンカレントエンジニアリング（concurrent engineering）とは、製品の開発プロセスを構成する複数の工程を同時並行で進め、各部門間での情報共有や共同作業を行なうことで、開発期間の短縮やコストの削減を図る手法。 特に製造業で用いられる手法で、設計、試作、調達、生産などの各工程を担当する部門が情報を共有して高度に連携し、前工程の完了を待たずに前倒しで業務を進める。 また、後工程の持つ知見を前工程にフィードバックし、例えば量産時に不良品が生じにくい構造を設計に反映させるなどして、全体最適や全体を通じたコストの削減を目指す。 狭義には、設計から生産までのエンジニアリング部門間での共同作業を意味するが、広義には、企画やマーケティングから、開発、製造、販売、サポート、廃棄・リサイクルなどに関連する部門まで、製品のライフサイクル全般に渡って行われる活動を意味する場合もある。
カシオの「Gショック」が1億個突破。実はたった1行の企画書から誕生 その文言は （NIKKEI STYLE） - Yahoo!ニュース
始まりは20代の若手社員が出した、たった1行の提案。「落としても壊れない丈夫な時計」――。その1行が仲間を引き寄せ、会社を動かし、のちの大ヒット腕時計「G-SHOCK（ショック）」を生んだ。1983年4月に発売したGショックは2017年8月末の時点で、世界累計1億個を出荷するロングセラー商品になっている。ここに至るまでは決して順風満帆ではなく、むしろ何度も座礁しかけた。初代Gショックの生みの親、カシオ計算機アドバイザリー・エンジニアの伊部菊雄氏と取締役専務執行役員で時計事業部長の増田裕一氏、2人の証言から振り返る。 81年のことだ。カシオ計算機で腕時計の外装設計を担当していた伊部氏はその年、来る日も来る日も東京都羽村市の技術センターのトイレにこもり、ある実験を繰り返していた。 役員が審議する月に1度の提案会議に「落としても壊れない時計を作りたい」という1行だけの企画書を出して通ったものの、
Adobe MAX 2017のスニークス – 人工知能Adobe Senseiの活用技術 - ICS MEDIA
米Adobeアドビ Systemsシステムズが主催の世界最大のクリエイティビティ・カンファレンス「Adobe MAX 2017」（ネバダ州ラスベガス）。二日目の10月19日は「スニークス」と題してAdobeの研究中の技術が発表されました。スニークスはAdobe MAXで最大の盛り上がりをみせる恒例の人気イベントです。 ここで発表されたものは現時点では製品に搭載されていないものの将来的に製品に組み込まれるかもしれない技術。過去の例を挙げると、Photoshopのディフォグ（霧を増減させる）機能やマッチフォント機能、最新のPremiere Proに搭載されたイマーシブ空間内での編集機能もかつてスニークスで発表された技術です。本記事では発表された11のテクノロジーを、現地のイベントに参加したスタッフ（池田）がレポートします。 今年は人工知能Adobe Senseiをフル活用した次世代技術のオンパ
カシオの「Gショック」が1億個突破。実はたった1行の企画書から誕生 その文言は （NIKKEI STYLE） - Yahoo!ニュース
伊部氏と同じ時計事業部で企画を担当していた増田氏はそのころ、日々、フラストレーションを溜めていた。当時はまだ20代の若手社員。年齢は伊部氏より2つ下だ。 「カシオのものづくりは伝統的にバトンタッチ方式で、開発本部、技術本部、生産本部、営業本部と順番に仕事が流れていく。当時はLSI、つまり半導体の進化が著しく、次々と新しい技術が生まれていました。だからほとんど、商品開発イコール技術になってしまう。企画といっても実際はプロジェクトを進行するためのコーディネートが中心です。技術ありきで仕事が降ってきていたため、全く違うやり方で商品を開発してみたいと思っていました」（増田氏） そんな折、伊部氏から「壊れない時計を一緒に作らないか」と声がかかった。伊部氏は基礎実験をしている間、しょっちゅうトイレに様子を見に来る増田氏のことを覚えていた。ほかの社員がいぶかしがって声もかけずにいるなかで、「何をしている
オライリーから「仕事ではじめる機械学習」が出版されます
どういう本なの？まえがきのスクリーンショットを貼りましたが、この本は多くの機械学習の本とは異なり、機械学習の実務で使えるようになるために知りたい、機械学習を含めたシステムのアーキテクチャや機械学習プロジェクトの進め方、効果検証をどうするのかということをまとめました。 めざすところのイメージ既に多く刊行されているTensorFlowやChainerでディープラーニングをしてみようというものでもなければ、機械学習の理論をわかりやすく解説するといった類のものでもありません。ゼロから作るDeep LearningやCourseraのMachine Learningで学んだけど、実際の仕事に活かすにはどうしたら良いだろう？という疑問に答えているつもりです。また、大学の講義などで機械学習は学んだけど、実際仕事で機械学習のプロジェクトを進めるときはどうすればいいんだろう？という人にも得るものがあると思い
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
