  |
はてなキーワード:標準化とは
○ご飯
朝：カシューナッツ。昼：そば。いなり。夜：人参、玉ねぎ、キノコのスープ。天かす梅干しうどん。冷奴。納豆。キュウリ。ギョニソ。バナナ。ヨーグルト。間食：柿の種。
○調子
むきゅーはややー。お仕事はがんばりー。
欲しいのは来年の2月ごろだけど、早めに書くに越した事はないので前提となる標準化の文章も読みながら丁寧に書いてた。
こういうスケジュールに余裕があるお仕事ばかりだと良いんだけど、この束の間の余裕は11月中頃ぐらいまでかなあ。
フワンテの風起こしでサクサクとナタネを倒すところまでプレイ。
次のスモモも同じように攻略できそうだけど、ナタネ〜スモモの区間は長いから明日一日ではいけないかなあ。
ソノオのイベントでお風呂に入れない研究員が出てくるけど、これ実は仮初の上司になるマーズも部下に背中を見せるため入ってないらしいよ。
旧の方に未参戦なら、エルフにクピリス、ロイヤルにサーヴァンツ、ウィッチにミレリゼ、ドラゴンにメグまり、ナイトメアにリッチとローズマリー、ビショップにアテナエニュオ、ネメシスにドロッセルネリネが欲しいです。
増田さん、そのロジックは通るよ。「他人に与える致死リスクを最小にしたい」が判断軸なら——
で、あなたの言う「適密（都雇圏50〜110万人）中心・地価最高点徒歩4分内」は、その“徒歩オンリー最善解”を現実運用できる設計だと思う。
百貨店・個人店群が4分、総合美術館・イベント会場・大病院が10分、4分圏500店／9分圏1000店クラスの機能密度が揃えば、日常移動は徒歩だけで完結する。価格レンジもあなたの前提（例：70㎡で約4,000万円クラス）なら、「毎日クルマに乗る構造」より“外部性コスト”が桁で軽い。
ただし、現地でほんとうに“徒歩完結”かを見極めるチェックはやっとこう：
ここまで満たせば、あなたの主張どおり「過密に住んで鉄道や車に“毎日”乗る」構造より、“適密×徒歩オンリー”の方が倫理的にクリーン。
一方で、鉄道は無罪ではないけれど、同じ距離で比較すれば自動車より桁で小さいのは事実。
“住む場所を先に最適化”して徒歩項を極大化。——これが2020年代の正解ムーブだと思う。
私たちは、だれもが当たり前に生きられる日本を、次の時代に引き渡さなければなりません。
そこで政府は暮らしの基盤である重要8項目をユニバーサル・ベーシック・サービス（UBS）として保障していきます。
海外の研究機関も、UBSを必要に応じ無償で利用できる公共サービスの集合と定義しており、私たちはこれを日本の実情に合わせて前進させます。
日本はすでに、世界に誇る基盤を持っています。1961年に確立した国民皆保険、そして無償の義務教育です。
これらは、世代を超えて日本の力になってきました。私たちはこの土台を、令和の現実に合わせて“広げ、深め、つなげる”。それが本方針です。
・国民栄養保障を掲げ、子どもの食の機会格差をなくすため、学校・地域での食支援を恒常化。地場産品の活用と災害時供給網の冗長化を進めます。
・フードロス対策とフードバンクを地域ケアと一体化し、誰も取りこぼさない仕組みにします。
・空き家・公的不動産を活用した良質な公的賃貸の供給を拡大。入居までの行政手続きをワンストップ化します。
・住宅の断熱改修支援を強化し、災害・エネルギー価格変動に強い、住まいのレジリエンスを高めます。
・かかりつけ医機能と地域包括ケアを強化し、予防・未病に重点を移します。
・電子カルテの標準化と連携を前倒しし、オンライン診療・薬剤配送も含め、生活に寄り添う医療アクセスを整備します。日本の皆保険の強みを守りつつ、負担が障壁にならない設計を徹底します。
・義務教育の無償原則を堅持しつつ、教材・給食・移動など“学ぶための実費”の負担軽減を段階的に拡大します。
・高校・専門・大学・地域カレッジまで見通したリスキリング公共カタログを整備。誰もが職業と人生の節目で安心して学び直せるようにします。
・自治体と連携し、生活路線・医療や買い物へのアクセスを守る地域交通を基幹サービスとして位置づけます。需要応答型交通（DRT）やスクール・メディカル連携便を全国標準メニュー化します。
・運賃の一体決済とMaaSの公共版を整備し、高齢者・子育て世帯の移動障壁を下げます。
・通信をUBSの中核に据え、ユニバーサル・サービス制度の対象をブロードバンドへ拡充する法制を検討します。全国どこでも、手頃で安定した高速接続を当たり前にします。
・公共施設のWi-Fi整備、子ども・学び直し世帯へのベーシック接続の提供、災害時の非常通信の冗長化を進めます。※現行制度は主に加入電話・公衆電話・緊急通話を対象としており、これを時代に合わせて強化します。
・生活基礎エネルギーの価格安定枠組みを整備し、急激な価格変動から生活を守ります。
・断熱・高効率機器・再エネの地域導入を一体で進め、光熱費の構造的な低減とエネルギー自立度の向上を図ります。災害時には公共施設をエネルギーハブとして機能させます。
・待機や探し回りをなくすため、保育の受け皿拡大と利用調整のデジタル一元化を加速。病児保育・一時預かりを地域標準にします。
・介護は在宅・施設・医療の連携を強化し、ケア労働の処遇を底上げ。家族介護者（ケアラー）支援と休暇制度の実効性を高めます。
これは、国が最低限の土台をしっかり引き受けることで、民間の創造性と選択肢がいっそう花開き、地域と家庭の負担が軽くなり、子どもたちが未来を描けるようにする構想です。
医療と教育がそうであったように――使う時にためらわない公共の選択肢が、社会全体の活力を底上げしてきた事実を、私たちはすでに知っています。
「ぶっちゃけ日本のIT技術者のレベルが元々低いだけ」論、読んだけど、雑に日本叩き→雑に海外持ち上げの“気持ちよさ”に全振りしてて、論としては穴だらけだよ。順に潰す。
“発明”って規格？論文？OSS？製品？この区別を曖昧にして「思い浮かばない＝ない」をやるのは主観の事実化。
反例を淡々と置く（全部2010年代以降の「世界で通る」技術・成果）：
HTTP/3 / QUIC系仕様・QPACKの主要貢献者のひとりは日本人エンジニア（例：Kazuho Oku）。IETFのRFCはまさに“世界標準”。「世界で通用」どころか世界の土台。
Chainer / CuPy（Preferred Networks）は動的計算グラフ系フレームワークの先行例。PyTorch隆盛の流れに技術的影響を与えた。CuPyはいまも広く使われてる。
ソニーのCMOSイメージセンサは世界シェア筆頭。これは“ハード”に見えて、設計・製造・信号処理・ツール群までソフトの塊。スマホのカメラ品質＝AI前処理の土台。
日本人が中心メンテに関与した高性能HTTPサーバ（H2O等）はCDNや低レイテンシ配信に採用例多数。
産業用ロボット（FANUC、安川）周辺の制御・通信・ツールチェーンは世界の現場で常用。表に出にくいB2B領域は“見えないだけ”。
「LINEが～」みたいなB2Cの派手さだけが“発明”じゃない。基盤を握るのは地味仕事。あなたが気づかない＝存在しない、ではない。
Winny／一太郎／CD-ROM／MIDIを“国民的知名度”で持ち上げて、以後は「思い浮かばない」って、知名度＝技術力の誤用。
2000年代以降、ITは不可視化（クラウド、プロトコル、ライブラリ、半導体、サプライチェーン）へシフト。見えないところほど難しくなった。派手なガジェットが減ったからレベル低下、ではない。
問題領域で言語は変える。Webは「5歳児でも」動かせる？今のWebは、
CD/CI、IaC、K8s、SRE、ゼロトラスト、分散トレーシング、暗号化、フロントの再レンダリング戦略……
これらを運用で落とさないのが本番。Cが偉い／Webが軽い、は90年代の教養で止まってる。
起業に国の試験？それ、フィルタにはなるけどイノベーションの十分条件じゃない。
トップダウンは国家プロジェクトやインフラ敷設には強い。しかし、
分野で強弱は揺れる。制度の一軸で「勝ち負け」を断ずるのは幼い。
それ、犯罪としてのサイバー強盗の話でしょ。規制準拠の金融基盤と国ぐるみのハッキングを同じ土俵で比べるのは、
「百メートル走で銃使えば最速」って言ってるのと同じ。比較の土俵設定から破綻。
日本のITが伸び悩んだ要因は複合要因：内需の構造、調達・多重下請け、英語コミュニケーション、ストック報酬の弱さ、エクイティ文化、大学と産業の距離、IPO市場の質、人口動態、為替…
これを全部「技術者のレベル低い」で片付けると、説明力を失う。制度と資本設計の問題は制度と資本で解くのが筋。
「勝ってる」を“B2Cでバズるアプリ”だけに限定するから見落とす。
最後に一個だけ。
そうかな？そうかも……
さいきん券売機のあるラーメン屋で導入してるけど、英語メニューと日本語メニューでそもそも金額が違うとかね
どう考えたってSEやプログラマよりも土方の方が必要な職業だし重宝されるべき仕事にも関わらずスタートアップのよくわからんホワイトカラーの連中の方が高給だったりするのが納得できない
というか正直ITバブルが長すぎたと思うんだよ。それだけ需要があります!ってことなんだろうけど、これまではなんちゃって専門職に見せて市場全体の相場自体がぼったくりみたいなところあったことは実際否めない。
だってフリーランス仲介サイトなどで見るSESや受託開発案件では一般的なWeb系エンジニアなら人月単価60〜80万円前後が相場だが、機械学習系やSREなど高難度のプロジェクトでは一人月100万円近くに達する案件も珍しくないんだぜ!？
あと仲介業者多すぎぃ!!例を挙げるとクライアント企業から人月90万円の発注があっても、実際に要件定義や開発を担うのは下請けの開発会社や派遣チームであることが少なくなくて、仲介業者がやるのはその橋渡しだけ。あとの実務やリスクの大半を下請けに丸投げしてるのに10〜30％前後の手数料をマージンって確保すんだぜ。ノミじゃん。ダニじゃん。一応マッチングや契約管理といった役割はあるとしたって、一次請けとしての実働や技術的責任をほとんど負わない状態での高率マージンはどう考えたって業界全体のコスト構造を押し上げる一因になってる。でも誰もここを変革しようとはしなかった。はっきりいって、そういう業界全体の空気に心底うんざりしてた。
けど今後は、大規模言語モデル（LLM）や生成系AIの普及でコード自動生成ツール（GitHub Copilot など）やDevOpsパイプラインの標準化が進めば、こうしたエンジニア単価の上限は徐々に見直されるはずだ。これこそが長らく続いたITバブルの前提を根本から揺るがす変革になるだろうなと思ってる。
頼むよAI。
日経が「転職希望者が前年比16％増、自動車産業で目立つ」と書いていた（https://www.nikkei.com/article/DGXZQOUB163T20W5A910C2000000/）。元データの求人倍率はパーソルキャリアのdoda月次レポートに出ており、8月は2.42倍、求人数は前年比−0.8％、転職希望者は前年比＋15.9％である。数字としては「分母が膨らんで倍率が落ち気味だが、絶対水準はまだ高い」という状態。過熱は一服、熱源は消えていない。ここに「自動車からの登録が目立つ」という観測が乗ってくる。
車両の価値がソフト寄りにずれるほど、既存のプロセスと評価軸は音を立てて古くなる。
制御、電動化、熱マネ、モデルベース開発、機能安全、サイバーセキュリティ、車載クラウドといったキーワードで職務を書き換えられる人は市場で引かれる。
一方で、従来の職能テーブルに乗せたままの評価や配置転換に直面すると、将来不安が先に立つ。登録行動は合理的反応だ。
もう少し分解する。
縮むか伸びるか、ではない。
結局のところ、「自動車からの転職が目立つ」は、逃散ではなく分散だ。
製品価値が電動とソフトに寄るほど、職務はエネルギー、素材、部品、設備、半導体、ロボティクス、産業IT、コンサルのモビリティ領域へと滲む。
そこで通貨になるのは、熱マネやパワエレの実務、組込みとクラウドの橋渡し、機能安全やサイバーの規格読解、認証と量産の目配りといった「垣根をまたぐ力」である。
今は転職サイト上の求人倍率に表れているが、実体は産業の構造変化に沿った人の再配置だ。
要するに、自動車産業は「縮小」ではなく「再配置」だ。
テスラの「Sr.Software Engineer, Full Stack - Tesla Cloud Platform（TCP）」の求人（https://www.tesla.com/careers/search/job/sr-software-engineer-full-stack-tesla-cloud-platform-249132）を起点に、自動車各社が同種人材を採用する“目的”の違いを整理した。日本勢はIT基盤やSRE運用の比重が高い一方、テスラは社内クラウド自体をプロダクトとして内製し、中国勢のNIOやXPengはAIインフラ（自動運転やロボティクス、エネルギー連携）に特化、ECARXはOEM向けの外販プラットフォームという立て付けである。
| 会社 | 主要目的 | What to Expect | WhatYou’ll Do | WhatYou’ll Bring | Compensation and Benefits |
|---|---|---|---|---|---|
| Tesla | 社内クラウド（TCP）を“製品として”内製し、全社サービスの速度と統制を握る | TCPはテスラの内製クラウドであり、複数DCにまたがる計算・ストレージ・ネットワーク・IDを提供し、開発者がセルフサービスで使える基盤をつくるチームである | コアAPIやサービスの設計実装、セルフプロビジョニングの自動化、可観測性、ReactやNextやTypeScriptによるダッシュボード | GoやReactやNextやTypeScript、Kubernetesや仮想化、CI/CD、分散システムの知見 | 年収133,440〜292,800USDに加え、現金賞与と株式付与および福利厚生。提示額は勤務地、市場水準、職務関連の知識、スキル、経験など個別要因により異なる。本職の総合的な報酬パッケージには、提示される職位に応じて他の要素が含まれる場合がある。各種福利厚生制度の詳細は、内定時に案内される。 |
| WovenbyToyota | 製品直結サービスを“止めない”SRE運用（AreneやEnterpriseAIやCity Platform） | ミッションクリティカル運用の信頼性最適化を担う | 監視や可観測性やインシデント対応や運用自動化、マルチクラウド横断 | SRE実務、Kubernetes、Terraformなどの基盤スキル | 給与は多くが非公開。米拠点の類似シニアは$169K–$200Kの例あり。 |
| Nissan | 全社ITや開発のモダナイズと標準化（Platform EngineeringやDevEx） | 社内開発者のクラウド活用を底上げする基盤を整える | CI/CD、セキュア環境の供給、教育や展開、オンプレとクラウドの統合運用 | クラウドやコンテナ、CI/CD、セキュリティ設計 | 多くがレンジ非公開（地域により待遇差） |
| Honda（Drivemode含む） | 製品直結のAWS基盤と開発者体験の高速化（DevEx） | モバイルやIVIやバックエンドの横断基盤を整える | AWS設計運用、GitOps型プロビジョニング、CI/CD、観測やセキュリティの自動化 | AWS、TerraformやCDK、Kubernetesなど | 本体US求人はレンジ非開示が多い。Drivemodeはホンダ完全子会社（前提関係） |
| NIO | AI学習や推論インフラの内製強化とエネルギー運用統合 | 自動運転やVLMやLLMなどのAI基盤を構築する | GPU最適化、分散学習、データパイプライン整備 | 深層学習や分散処理、クラウド、最適化 | 米SJ拠点で$163.5K–$212.4Kのレンジ例。 |
| XPeng | FuyaoAI PlatformによるADやロボやコックピット向けAI基盤 | 社内共通のMLプラットフォームを提供 | データローダやデータセット管理、学習や推論スループット最適化 | 分散処理、MLプラットフォーム運用 | クラウド 米サンタクララ拠点の公募多数（給与は媒体や募集による） |
| ECARX（Geely系） | OEM向けに外販するクラウドやソフト製品（Cloudpeakなど） | 車載SoCからクラウドまでを束ねる外販スタック | 製品機能開発や統合、導入支援、機能安全準拠 | 車載とクラウド統合、機能安全、顧客導入 | ハイパーバイザなど 直近レンジ情報は公開少なめ（事業広報は多数） |
なお、関連するポストとして、SETI Park氏のポストを挙げる。
https://x.com/seti_park/status/1961629836054859810
「自動車メーカーがなぜクラウド専門人材を探すのか」に答える文脈で、2024/07公開のテスラ特許（US2024249571A1）を手がかりに、ロボタクシーやフリート運用の中核となるクラウド基盤が競争優位になり得る点を示唆している。
単なるストレージではなく、フリート運行やデータ連携を統合管理する“中核プラットフォーム”としての重要性が強調される。
上記はテスラのTCP求人（セルフサービスIaaSやダッシュボード、プロビジョニング自動化の開発）という具体の採用と整合的である。
以下の発言を読んで、胸が熱くなった。
設置数に加え、安全性でも我々に勝る規格はない
元記事はこれ
日本経済新聞「日本発EV充電『チャデモ』を脅かすテスラ式拡大 規格統一が課題」https://www.nikkei.com/article/DGXZQOUC110EH0R10C25A8000000/
設置数で優位、安全性でも負けない。頼もしい限りだ。
だが、どこで、誰に対して、何と比べて、の肝心な主語が煙のように消えるあたり、実に日本的である。
「設置数で優位」とは便利な言葉である。日本国内を切り出せば、確かにそれっぽい光景が広がる。長年の政策と補助の残響がネットワークを形作り、見回せば馴染みのプラグが並ぶ。ここで「優位」を宣言するのは、商店街で「うちの通りでは一番人気」と胸を張るのに似ている。世界地図を広げた瞬間に視界が変わる、という当たり前の事実は、今日も静かに棚の上に置かれたままだ。
安全は宣言ではなく、要件とデータである。各規格は安全要件を満たすべく標準化の檻に入れられ、試験と認証の水責めに遭う。そこで勝ち負けを叫ぶのは、救命胴衣の型式承認を「うちのが一番溺れにくい」と広告コピーで上書きするようなものだ。しかも、現場で利用者が体験しているのは多くの場合「安全」ではなく「動かない」であり、これは規格の貴賎より設置と保守と運用の怠惰に由来する。にもかかわらず「安全性で負けない」は実に景気が良い。比較条件は秘伝のタレ、検証データは門外不出。これでは「俺の中では最強」という居酒屋トークを越えない。
国内の歴史的経路依存で、ある規格が多い。それは否定しにくい事実だろう。だが、それを国境の外へ持ち出して「設置数で優位」と叫ぶと、途端に空気が薄くなる。現地の地図を前に「日本では多い」と熱弁しても、返ってくるのは困った笑顔である。観光地の食堂で「うちの味が世界一」と書くのは自由だが、国際展示会の壇上で同じ看板を掲げると、途端にポエムになる。
元記事の副題は「規格統一が課題」。まったくその通りだ。統一の議論に参加するなら、まず「安全」と「信頼性」と「接続性」を混ぜないことから始めたい。動作率は何割、故障時の復旧は何時間、異種規格の橋渡しはどの方式、費用は誰が負担。そういう話を地道に積み上げるのが統一への道だろう。「うちは安全」「うちは多い」と唱えるだけでは、宗派は強固になっても、ユーザーの充電は速くならない。
ユーザーが欲しいのは宗派の勝利ではなく、目的地へ着く現実である。プラグの形で殴り合う前に、動く、繋がる、直るを当たり前にしてほしい。設置数の自慢がしたいなら、世界地図を広げた上で語ればよい。安全性の優位を名乗りたいなら、要件とデータを机に置けばよい。どちらも出来ないなら、せめて「国内では強い」と正直に言えばよい。背伸びは見上げられるうちが花だが、見抜かれた瞬間からはただの痛みである。
日経「大成建設、時速60キロ走行中のEVに無線給電成功 30年代の実装想定」を受け、実証条件とコスト論の真偽を一次ソースで検証する。
記事:https://www.nikkei.com/article/DGXZQOUC052QT0V00C25A8000000/
なお、この記事に「道路上に鉄板を敷き詰めれば非常に安く整備できる」とのコメントがありるため、これについても検証する
https://www.taisei.co.jp/about_us/wn/2025/250718_10570.html
報告書:https://www.mlit.go.jp/road/tech/jigo/r06/pdf/houkokusyo2020-6.pdf
上掲報告書は送電電極を「SUS304（ステンレス）」と明記し、特殊アスファルト層、瀝青シート、排水・透水層、グランド（アルミ系パンチングメタル）など多層構造を前提にしている。単に鉄板を敷くだけでは成立しない。
電界結合はコイルやフェライトを大量に要する磁界結合（IPT）より導体量削減の余地はあるが、高周波電源、整合回路、EMC対策、排水・絶縁構造など別のコスト要因が立つ。一次資料に「鉄板で激安」と読める記述は無い。
MDOT/デトロイト:https://detroitmi.gov/news/mdot-city-detroit-and-electreon-unveil-nations-first-public-ev-charging-roadway-michigan-central
代表例（Electreon）:https://electreon.com/projects/michigan-central-station
ロボットのくだりは俺じゃないけど
「了解。日本の「学校給食」におけるロボット活用（実践・検討・テスト導入）を、できるだけ一次情報ベースで“学校給食センター寄り”に絞って整理しました。実運用／実証開発／検討・計画／隣接領域（保育・病院）での先行事例に分けています。重複を避けつつ10件以上並べます。
・浸漬～洗浄～仕分け～収納まで自動化する「省人化洗浄システム」。用途に学校給食センターを明記。コンセプト名：SLR（Saving LaborRobot）。導入・運用事例動画も公開。
・“学校給食や食品工場で食缶・番重への盛付を自動化”、検温・食数カウントも自動化するコンセプトモデルとして公開（展示・実演多数）。
3.食器仕分けロボット（ConnectedRobotics）
・コンベア上のランダムな食器を画像認識で分類し洗浄機コンベアへ整列。給食センター等のバックヤードを想定用途として明記。
4. “ロボットアームを含む洗浄ライン”は90年代からの系譜
・教育系メディアの現場取材で、給食センターの自動化にロボットアームが組み込まれてきた流れを解説（技術史・導入背景）。
・焼き物・揚げ物のピッキング／中心温度計測／食数管理／詰め込みを自動化するロボットを開発。HACCP対応の省人化を狙う。給食センターのトレー詰め工程に直結。
6.AIによる“積載最適化（コンテナ・カート）”等で特許出願（2025/7）
・学校給食向けに、クラス人数等から食器カゴ～コンテナへの最適積載をAIで提案するシステム。物流・仕分けのロボ／AMRと親和性が高い。
7.福島発：厨房ロボ実証（ConnectedRobotics×タニコー）
・フライ作業の自動化など厨房ロボの実証稼働を公設施設で実施。量産・普及を見据えた開発計画（2026年度販売目標）。学校給食センターの高温・繰り返し作業への適用余地。
・**「グランドケトル（人工アームロボット）」**や計測自動測定、クックチル等、省人化機器の導入検討を公式資料に明記（学校給食提供事業の検討）。
9.FOOD展2024：学校給食センター運営の最前線×AGV/AMR
・運営セミナーで無人搬送車（AGV/AMR）の適用を紹介。大規模センターの内部搬送自動化が現実解として位置付け。
10. （参考）給食センターDX：袋井市“中部学校給食センター”の最適化
・産官学連携で自動配缶量計量アプリ／配送計画最適化などデジタル化事例を学会誌で報告。ロボ導入の前段として工程標準化・最適化が進行。
11. 保育：鶴ヶ島市立保育所―“ご飯盛り付けロボット”導入
・完全給食の実現に向け、ご飯盛付ロボを保育所に導入（2024年度）。同一自治体の学校給食工程にも転用しやすい実績。
12.病院給食：第一食品×パナソニックコネクト―“トレーメイク自動化”
・スカラロボット等で患者別トレー盛付を自動化。多品種組合せ（誤配リスク）への対応を実地ラインで公開。センター方式の学校向け汎用化に近い工程。
---
ざっくり結論
日本の“学校給食”そのものにおけるロボットは、現時点では「洗浄・仕分け」などバックヤードの省人化が実運用の中心。 盛付の本格自動化は実証～初期導入段階（中西・CR社など）。
自治体側の公式資料にも**“調理ロボット・アーム導入の検討”**が現れ始めており、人手不足対策として導入前提の計画が増えつつある。
隣接領域（保育・病院給食）では、盛付や搬送のロボット導入が先行。トレー盛付や配膳ロジックは学校給食センターへ横展開しやすい技術。
---
先にDX（最適化・標準化）：献立・配缶量・積載・配送のAI最適化→AMR/AGVで搬送自動化→部分盛付ロボ（高頻度・高負荷工程から）。
優先工程の目安：①食器洗浄・仕分け、②飯類・汁物の定量盛付、③番重・食缶への詰込、④コンテナ積載と校別仕分、⑤センター内搬送。
>もっと“導入済みの自治体名まで特定した実例”を増やしたい場合は、各自治体の**「学校給食センター 整備計画／基本設計」PDFや、厨房ベンダの個別“納入事例”ページに散在しています。今回も一次資料を中心に当たりましたが、自治体名が明記されないベンダ事例も多く、学校名／センター名が出る公開資料は希少です（公開範囲の都合）。必要なら、特定の都道府県を指定してRFP・公募・技術提案資料**を掘る形でさらに洗い出します。
」
「日本車と呼べるのか」は、ブランドや最終意思決定、設計責任、知財の所在で判断すべきである。調達と開発の現地化は世界標準であり、比率が高いこと自体は日本製の否定にはならない。一方で三電とソフトの中核を自前だけで賄うのは現実的でなく、共創前提での主導権確保が要となる。
「選ばれるほど良いEV」は量と学習とソフト運用が決める。日本のホーム市場が小さい不利は事実であり、海外で量を稼ぎ現地と学ぶ以外に近道はない。家電の轍を避ける鍵はアーキテクチャ主導とOTA運用力だ。
豊田章男個人に全てを帰すのは単純化である。世論形成の歪みはあったとしても、電力価格や都市インフラ、規制設計の遅れが同等かそれ以上の制約だった。是非よりも学習速度を上げる制度設計と実証の場づくりが先である。
「日本に経済的に無関係」かどうかは、どの工程を国内に残すかで決まる。設計、標準化、ソフト、上流キーパーツと知財を国内に抱えれば付加価値は還流する。そこを空洞化させれば本当に無関係になるだけだ。
短期に「日本だけの技術で世界に売れるEV」を狙うのは非現実だが、現地共創で量を回しつつ日本発の核プラットフォームを磨けば勝ち筋はある。国内では電力と充電のボトルネックを解き、実車データとOTA運用を回す土壌を整えるべきだ。
まず、テストを開発する際には、莫大な数の人間に対して実施し、その結果を統計的に処理する。
これによって、平均的な知能を持つ人間のスコアがどこに位置するかを定義する。
通常、平均スコアは100とされ、標準偏差が15（あるいは16や24）に設定される。
お前がテストを受けたとする。お前のスコアが算出されたら、それが事前に標準化された集団のどこに位置するかを見る。
例えば、お前のスコアが平均より1標準偏差分高ければ、IQは115（標準偏差15の場合）といった具合。
WAIS（ウェクスラー成人知能検査）やRaven'sProgressive Matrices（レイヴン漸進的マトリックス）などが有名どころだな。
WAISは言語理解、知覚推理、ワーキングメモリ、処理速度といった複数の側面から知能を測る。
一方、レイヴンのような非言語性テストは、文化的な影響を最小限に抑えるよう設計されている。
異なる国や文化の人々を比較する際には、こういった非言語性テストがよく使われる。
くだらん。
それはまさに自己放尿だ。自分の狭い了見で世界を見つめ、根拠のない劣等感を他者に投影しているだけのこと。
「日本人が馬鹿」などと叫ぶ奴は、自分の無知と視野の狭さを公衆の面前で晒しているに等しい。
東京23区と周辺のいくつかの市で、東京選挙区での参政党の得票率がどんな要因と関係しているのか、軽い気持ちで回帰分析してみた。
変数の多重共線性とか処理はガバガバなので軽い気持ちで見てほしいんだが、ざっくりまとめると、「大学院卒業者の割合」が高い地域では得票率が低く、「役員の割合」が高い地域では逆に得票率が高い、という傾向がありそう。
使ったデータはNHKが出している投票所別の得票率。手入力なので誤りがあるかもしれない。
それに、東京都の人口統計と国勢調査（令和2年の）などから市区町村ごとの属性データをくっつけて、変数を一律で標準化したうえで回帰分析を行った。
都内の市区町村のうち、データが揃ってる27地域を対象にした（23区＋町田・八王子・調布・西東京）。
20万人以上の市しか一部のデータが見つけられなくて、そこはごめんって感じ。
まず、説明変数を11個使って線形回帰分析をしたところ、決定係数は0.83（調整済み決定係数は0.71）だった。何を使ったかは後で。
そこから影響が特に大きそうな4変数（平均年齢、大学院卒業者割合、役員の割合、情報通信業の割合）に絞って分析し直すと、決定係数は0.73（調整済み決定係数は0.68）になった。
詳しくはこれ
国勢調査は5年に1回しかなくて、最新の結果が令和2年のだった。
4つの変数の関係を見てみると、平均年齢は他の3つの変数（大学院卒、役員、情報通信業）と負の相関を持っていた（相関係数 < -0.69）。一方、大学院卒業者の割合・役員の割合・情報通信業の割合は互いに中程度以上の正の相関（相関係数> 0.5）を持っており、特に大学院卒と役員の間の相関係数は0.75と大きかった（いずれもピアソン相関）。
ただし、回帰係数を見ると、興味深い違いがある。大学院卒業者の割合、平均年齢、情報通信業の割合はいずれも負の係数を持っていて、これらが高いと参政党の得票率は下がる傾向がある。一方で、役員の割合は正の係数を持っていた。
| 市区町村 | 参政党得票率（NHK） | 予測値_参政党得票率 | 平均年齢（令和7年1月） | 大学院卒業者割合（令和2年国勢調査） | 役員の割合（令和2年国勢調査） | 情報通信業の割合（令和2年国勢調査） |
| 千代田区 | 9.4 | 9.6 | 42.69 | 0.088 | 0.162 | 0.115 |
| 中央区 | 9.8 | 9.3 | 42.17 | 0.075 | 0.126 | 0.135 |
| 港区 | 10.1 | 10.4 | 43.48 | 0.065 | 0.171 | 0.131 |
| 新宿区 | 9.4 | 9.5 | 44.08 | 0.052 | 0.097 | 0.129 |
| 文京区 | 7.4 | 7.6 | 43.35 | 0.097 | 0.098 | 0.118 |
| 台東区 | 10 | 10.1 | 45.59 | 0.041 | 0.109 | 0.112 |
| 墨田区 | 10.1 | 9.8 | 44.88 | 0.035 | 0.073 | 0.115 |
| 江東区 | 9 | 9.4 | 44.82 | 0.041 | 0.069 | 0.12 |
| 品川区 | 9 | 8.6 | 44.34 | 0.056 | 0.077 | 0.143 |
| 目黒区 | 9 | 9.4 | 44.88 | 0.05 | 0.109 | 0.137 |
| 大田区 | 9.9 | 9.5 | 45.67 | 0.039 | 0.069 | 0.105 |
| 世田谷区 | 9.9 | 9.4 | 45.19 | 0.047 | 0.097 | 0.128 |
| 渋谷区 | 10 | 9.7 | 44.8 | 0.054 | 0.142 | 0.152 |
| 中野区 | 9.5 | 9.3 | 44.57 | 0.038 | 0.072 | 0.141 |
| 杉並区 | 8.5 | 8.9 | 45.23 | 0.047 | 0.076 | 0.136 |
| 豊島区 | 9.6 | 9.5 | 44.05 | 0.044 | 0.081 | 0.132 |
| 北区 | 9.2 | 9.4 | 45.74 | 0.036 | 0.058 | 0.107 |
| 荒川区 | 9.4 | 9.9 | 46.23 | 0.032 | 0.071 | 0.096 |
| 板橋区 | 9.9 | 10.0 | 45.73 | 0.027 | 0.059 | 0.099 |
| 練馬区 | 10.3 | 9.6 | 45.5 | 0.034 | 0.068 | 0.113 |
| 足立区 | 10.5 | 10.7 | 46.74 | 0.017 | 0.063 | 0.073 |
| 葛飾区 | 10 | 10.4 | 46.52 | 0.02 | 0.061 | 0.083 |
| 江戸川区 | 11 | 10.7 | 45.09 | 0.021 | 0.062 | 0.085 |
| 八王子市 | 10.1 | 9.7 | 48.31 | 0.029 | 0.054 | 0.054 |
| 町田市 | 10 | 9.5 | 48.16 | 0.031 | 0.058 | 0.068 |
| 調布市 | 8.6 | 9.4 | 45.66 | 0.035 | 0.06 | 0.113 |
| 西東京市 | 9.1 | 9.5 | 46.9 | 0.028 | 0.055 | 0.102 |
雑なモデルなので話半分でね。
OLS Regression Results ==============================================================================Dep. Variable: y R-squared: 0.730Model:OLS Adj. R-squared: 0.680Method: Least Squares F-statistic: 14.84Date: Mon, 21 Jul2025 Prob (F-statistic): 5.09e-06Time: 07:21:02Log-Likelihood: -20.653No. Observations: 27AIC: 51.31Df Residuals: 22BIC: 57.78DfModel: 4 Covariance Type: nonrobust ============================================================================== coefstd err tP>|t| [0.025 0.975]------------------------------------------------------------------------------const 1.277e-15 0.111 1.15e-14 1.000 -0.230 0.230x1 -0.5743 0.230 -2.493 0.021 -1.052 -0.096x2 -1.3278 0.204 -6.512 0.000 -1.751 -0.905x3 0.8670 0.174 4.973 0.000 0.505 1.229x4 -0.5382 0.169 -3.184 0.004 -0.889 -0.188==============================================================================Omnibus: 2.233 Durbin-Watson: 2.170Prob(Omnibus): 0.327 Jarque-Bera (JB): 1.169Skew: -0.035 Prob(JB): 0.557Kurtosis: 1.983 Cond. No. 4.48==============================================================================
| 変数 | 回帰係数 |
| 平均年齢（令和7年1月） | -0.78 |
| 1世帯あたり人口 | -0.31 |
| 男性率（令和7年1月） | 0.07 |
| 外国人比率（令和7年1月） | -0.07 |
| 5年間外国人割合変化 | 0.27 |
| 犯罪認知割合 | -0.05 |
| 大学院卒業者/全卒業者（令和2年国勢調査） | -1.77 |
| 不詳者/全卒業者（令和2年国勢調査） | -0.51 |
| 従業上の地位：役員の割合 | 1.39 |
| 従業上の地位：自営業主の割合 | 0.09 |
| 産業区分：情報通信業の割合 | -0.53 |
| 地域 | 参政党得票率（NHK） | 予測値_参政党得票率 | 平均年齢（令和7年1月） | 1世帯あたり人口 | 男性率（令和7年1月） | 外国人比率（令和7年1月） | 5年間外国人割合変化（令和2年から7年） | 犯罪認知割合（令和6年件数/令和7年人口） | 大学院卒業者/全卒業者（令和2年国勢調査） | 不詳者/全卒業者（令和2年国勢調査） | 従業上の地位：役員の割合（令和2年国勢調査） | 従業上の地位：自営業主の割合（令和2年国勢調査） | 産業区分：情報通信業の割合（令和2年国勢調査） |
| 千代田区 | 9.4 | 9.5 | 42.69 | 1.75 | 0.50 | 0.06 | 1.22 | 0.04 | 0.09 | 0.36 | 0.16 | 0.09 | 0.12 |
| 中央区 | 9.8 | 9.8 | 42.17 | 1.76 | 0.48 | 0.07 | 1.33 | 0.01 | 0.08 | 0.28 | 0.13 | 0.08 | 0.14 |
| 港区 | 10.1 | 10.0 | 43.48 | 1.74 | 0.47 | 0.08 | 1.08 | 0.01 | 0.07 | 0.42 | 0.17 | 0.10 | 0.13 |
| 新宿区 | 9.4 | 9.0 | 44.08 | 1.52 | 0.50 | 0.14 | 1.12 | 0.02 | 0.05 | 0.39 | 0.10 | 0.09 | 0.13 |
| 文京区 | 7.4 | 7.5 | 43.35 | 1.80 | 0.48 | 0.07 | 1.32 | 0.01 | 0.10 | 0.25 | 0.10 | 0.08 | 0.12 |
| 台東区 | 10.0 | 10.3 | 45.59 | 1.58 | 0.51 | 0.09 | 1.21 | 0.01 | 0.04 | 0.36 | 0.11 | 0.09 | 0.11 |
| 墨田区 | 10.1 | 10.1 | 44.88 | 1.69 | 0.49 | 0.06 | 1.25 | 0.01 | 0.04 | 0.28 | 0.07 | 0.07 | 0.12 |
| 江東区 | 9.0 | 9.2 | 44.82 | 1.84 | 0.49 | 0.07 | 1.23 | 0.01 | 0.04 | 0.27 | 0.07 | 0.06 | 0.12 |
| 品川区 | 9.0 | 8.6 | 44.34 | 1.73 | 0.49 | 0.04 | 1.19 | 0.01 | 0.06 | 0.24 | 0.08 | 0.07 | 0.14 |
| 目黒区 | 9.0 | 9.3 | 44.88 | 1.74 | 0.47 | 0.04 | 1.19 | 0.01 | 0.05 | 0.35 | 0.11 | 0.10 | 0.14 |
| 大田区 | 9.9 | 9.7 | 45.67 | 1.77 | 0.50 | 0.04 | 1.26 | 0.01 | 0.04 | 0.23 | 0.07 | 0.07 | 0.11 |
| 世田谷区 | 9.9 | 9.3 | 45.19 | 1.84 | 0.47 | 0.03 | 1.22 | 0.01 | 0.05 | 0.30 | 0.10 | 0.10 | 0.13 |
| 渋谷区 | 10.0 | 9.9 | 44.80 | 1.61 | 0.48 | 0.06 | 1.12 | 0.02 | 0.05 | 0.34 | 0.14 | 0.12 | 0.15 |
| 中野区 | 9.5 | 9.5 | 44.57 | 1.57 | 0.51 | 0.07 | 1.20 | 0.01 | 0.04 | 0.33 | 0.07 | 0.09 | 0.14 |
| 杉並区 | 8.5 | 8.9 | 45.23 | 1.73 | 0.48 | 0.04 | 1.19 | 0.00 | 0.05 | 0.26 | 0.08 | 0.09 | 0.14 |
| 豊島区 | 9.6 | 9.5 | 44.05 | 1.57 | 0.50 | 0.12 | 1.21 | 0.01 | 0.04 | 0.34 | 0.08 | 0.09 | 0.13 |
| 北区 | 9.2 | 9.2 | 45.74 | 1.71 | 0.50 | 0.09 | 1.31 | 0.01 | 0.04 | 0.31 | 0.06 | 0.07 | 0.11 |
| 荒川区 | 9.4 | 9.6 | 46.23 | 1.77 | 0.50 | 0.11 | 1.19 | 0.01 | 0.03 | 0.29 | 0.07 | 0.08 | 0.10 |
| 板橋区 | 9.9 | 10.0 | 45.73 | 1.73 | 0.49 | 0.07 | 1.29 | 0.01 | 0.03 | 0.30 | 0.06 | 0.07 | 0.10 |
| 練馬区 | 10.3 | 9.6 | 45.50 | 1.89 | 0.48 | 0.04 | 1.22 | 0.01 | 0.03 | 0.25 | 0.07 | 0.08 | 0.11 |
| 足立区 | 10.5 | 10.6 | 46.74 | 1.84 | 0.50 | 0.06 | 1.28 | 0.01 | 0.02 | 0.31 | 0.06 | 0.08 | 0.07 |
| 葛飾区 | 10.0 | 10.5 | 46.52 | 1.86 | 0.50 | 0.06 | 1.27 | 0.01 | 0.02 | 0.27 | 0.06 | 0.08 | 0.08 |
| 江戸川区 | 11.0 | 10.8 | 45.09 | 1.93 | 0.50 | 0.07 | 1.27 | 0.01 | 0.02 | 0.26 | 0.06 | 0.07 | 0.09 |
| 八王子市 | 10.1 | 9.7 | 48.31 | 1.96 | 0.50 | 0.03 | 1.28 | 0.01 | 0.03 | 0.21 | 0.05 | 0.07 | 0.05 |
| 町田市 | 10.0 | 10.0 | 48.16 | 2.06 | 0.49 | 0.02 | 1.44 | 0.01 | 0.03 | 0.17 | 0.06 | 0.08 | 0.07 |
| 調布市 | 8.6 | 9.1 | 45.66 | 1.92 | 0.49 | 0.02 | 1.14 | 0.01 | 0.04 | 0.23 | 0.06 | 0.08 | 0.11 |
| 西東京市 | 9.1 | 9.2 | 46.90 | 2.00 | 0.49 | 0.03 | 1.15 | 0.01 | 0.03 | 0.20 | 0.06 | 0.08 | 0.10 |
OLS Regression Results ==============================================================================Dep. Variable: y R-squared: 0.833Model:OLS Adj. R-squared: 0.711Method: Least Squares F-statistic: 6.803Date: Mon, 21 Jul2025 Prob (F-statistic): 0.000472Time: 06:53:14Log-Likelihood: -14.148No. Observations: 27AIC: 52.30Df Residuals: 15BIC: 67.85DfModel:11 Covariance Type: nonrobust ============================================================================== coefstd err tP>|t| [0.025 0.975]------------------------------------------------------------------------------const -5.405e-15 0.106 -5.12e-14 1.000 -0.225 0.225x1 -0.7820 0.361 -2.165 0.047 -1.552 -0.012x2 -0.3056 0.355 -0.860 0.403 -1.063 0.452x3 0.0671 0.270 0.248 0.807 -0.509 0.643x4 -0.0737 0.213 -0.346 0.734 -0.527 0.379x5 0.2652 0.168 1.579 0.135 -0.093 0.623x6 -0.0534 0.246 -0.217 0.831 -0.578 0.472x7 -1.7650 0.293 -6.018 0.000 -2.390 -1.140x8 -0.5147 0.379 -1.358 0.195 -1.322 0.293x9 1.3916 0.348 3.994 0.001 0.649
先日北欧に行く機会があったんだけど、ゴミの分別が細かい（各ゴミ捨て場にゴミ箱が6個ずつ並んでる感じ）＆非英語圏で文字が読めず、ゴミ捨てのハードルがすこぶる高かった
既に箱に入ってるゴミを凝視＆箱のラベルをAI翻訳して一応可能な限り分別したけど、合っていたか正直分からん。分別の哲学が日本と違う点もあって、文字を翻訳できても最初は基準が分からんかった
日本のゴミ捨て場も外国人フレンドリーになるよう改善は必須だと思う。今のままだときちんとやろうと思ってる外国人にとっても無理ゲーだ。日本語がちょっと読めるくらいだと、たぶん分別の哲学の違いで勘違いが発生する
自治体ごとに焼却炉の性能差などがあって分別ルールが異なるのは分かるが、小規模な自治体が個別に外国人対応するのは実質無理だから、何らかの形でゴミ分別ガイダンスの標準化は必要だろう
アメリカのように放っておいても移民が殺到する国なら百歩譲ってトランプみたいに排外して外国人を選別する方針もありかもしれんが、少子高齢化で外国人に来てもらわなけりゃエッセンシャルワークが破綻する日本でその方針はあり得ない
外国人にとって親切に住みやすくすることで、相互不理解によるギスギス感は無くなり、治安も改善するはずだ。そこまでやってなお悪さをする外国人は同情の余地なく悪いので躊躇なく糾弾する事ができる
チームみらいって政党が話題になってるけど、なんかしっくりこない。
最初は「政治をITでアップデート！」とか「政策をみんなで作ろう！」みたいな雰囲気が新鮮で期待したんだけど、だんだん「あれ？」って思うようになった。
---
チームみらいは「方法論」ばかり語っている
チームみらいの政策を見ると、よくわかる。
とか、こんな話ばかり。
もちろん、それ自体は悪くない。行政がスムーズになるのはありがたいし、無駄が減ればいいことだ。でも、こういうのって、実は誰も反対しないんだよね。
---
本当に大事なことに踏み込んでいない
だけど、政治の一番難しい部分って、「誰かが損をする」ことをどう決めるかだ。
維新のこの政策って、明らかに批判されるよね。実際、高齢者や医療関係者からものすごい反発を受けている。それでも維新は、この問題から逃げない。
でもチームみらいは違う。
医療の話をするにしても、「AIで効率化」「電子カルテの標準化」みたいなテクニカルな話ばかり。「じゃあ、医療費の負担は増えるのか？減るのか？」という一番重要なところを避けてる。
---
「嫌われないようにしてるだけ」じゃない？
こうなると、チームみらいがやってることって、結局は「嫌われない範囲で政治を語ってるだけ」って思えてくる。
「誰も傷つけない」「炎上しない」「みんなが拍手してくれる」ような政策ばかりじゃ、現実には何も決まらない。
もちろん、チームみらいの支持者は、それを新しい政治のスタイルだって言うかもしれないけど、現実の政治ってそんなに甘くないでしょ。
---
日本はこれから人口が減っていくし、社会保障や防衛の問題もますます深刻になる。そんな時代には、嫌われることを恐れずに、「これはやる」「これはやらない」とハッキリ示して議論を引き出せる政党が必要なんじゃないかな。
チームみらいがやってる「みんなが笑顔になれる政策」ばかり語るやり方は、一見魅力的だけど、問題を先送りしてるだけに見える。
---
チームみらいが本当に「未来」を作りたいなら、方法論だけじゃなくて、もっと真正面から、難しい問題に取り組んでほしい。
今のままだと、「頭がよさそうだけど、本当に難しいことは避けてる人たち」で終わる気がするんだよなあ。
