ジョニー・イングリッシュ アナログの逆襲

 「面白い度☆☆☆☆☆ 好き度☆☆☆☆ アンチBMW☆☆☆☆☆」

 ツイッター、インスタグラム、ウーバー…なんのことだ?私は武器が欲しい。

 気休めの報酬でのババアとの死闘から早7年くらい・・・!あの男が帰ってきた!!前にも言ったけど、このシリーズに関しては邦題の方がいい!つけてる人本当にセンスあるよなw
 ということで、アナログな身体芸の持ち主(イギリス人)がデジタルなIT長者(アメリカ人)を懲らしめる話。すごいシンプル!考察もなにもないんだけどさ、やっぱりローワン・アトキンソンって愛国的というか、やはり保守的な英国紳士なんだなっていうのはすごい伝わるよね。

 私の生き甲斐はお前のような悪漢からこの国を守ることだ。

 今回は、友達とその子ども(小2)と観に行ったんだけど、小学生の女の子もゲラゲラ笑えるわかりやすいギャグとともに、車オタクなお父さんも唸る、ドイツ車いじめが炸裂してて、やはり最先端な電気自動車にうつつを抜かしたり、かつての愛車を買収したBMWがとにかく嫌いなんだろうという(アストンマーティンに吹き飛ばされるバイクもBMWという徹底ぶり)。

 さて、授業でアナログとデジタルについて取り上げたら、生徒にとってはアナログは古くて汚い、デジタルは新しくて洗練されているというイメージがあるらしい。
 でも、アナログにしろデジタルにしろ、ただの情報の表し方の違いなだけで、どっちも一長一短なわけだ。論理的で数値化されているというデジタルだって、標本化や量子化の際にわりと適当に細かい情報を切り捨てているので、大雑把なところはあるし、もっと言えば、アナログという大きなベン図の中にデジタルが入っているわけで(まあ、量子力学とかは置いといて)、連続したアナログの世界が基盤となって、その技術の延長にデジタルがあるに過ぎないわけ。なにデジタル風情がアナログのライバルぶってるんだと。

 つまり、歴史や伝統を重んじる英国が、こういう内容の映画を撮るのはすごい腑に落ちるわけ。アメリカは歴史がないし、細かなニュアンスや心の機微をデジタル的に切り捨てるようなところがあるからね。
 そう考えてみると、なるほど、アナログが古く、デジタルが新しいという直感的イメージも納得する。なんでもエクストリームな二元論にするデジタル的思考というのは、幼稚で子どもっぽい考え方だというわけだ。
 てことで、ヴィクトリアンな大人の紳士がVRもサーバコンピュータもスマートフォンも物理的に叩き潰すのは見ていて気持ちよかったです。
 私も引退したら地学の教師でもやりたいなあ。

 ナビやICチップもない。つまり敵には見えざる相手。

ディジタル画像概論覚え書き②

 フォトショップの謎のカタカナ用語が判明して面白い部分。半年ちょいのコンピュータおばあちゃん生活もこれまででござる。

画像の変換

ラスタ化
ベクタ表現された図形を画素の集合であるラスタ表現に変換すること。

画像座標系
画素の大きさを1単位とする、座標値が整数のところが画素の中心。

線分のラスタ化
A(xA,yA)、B(xB,yB)を含む直線の式

y=(Δy/Δx)(x-xA)+yA
※ただしΔx=xB-xA,Δy=yB-yA

xとyのうち座標の変化が大きい方で1つの整数座標に対して1つの画素を塗る。
計算時間を減らすため、増分法を取り入れる。

ブレゼンハムのアルゴリズム
x=xA;
y=yA;
dx=xB-xA;
dy=yB-yA;
e=2*dy-dx; /*最初からxA+1での誤差eを入れておく。

xをxAからxBまでひとつずつ増やしながら次の処理を繰り返す。
※わかりやすいように私が表現を変えたのでプログラムコードとしては動きません。


画素(x、y)を塗る;
もしe>0ならば①~③の式を全て計算する。それ以外(e≦0)なら③だけ計算する。

①y=y+1;
②e=e-2*dx;

③e=e+2*dy;


※e>0かe≦0の誤差の判別は各画素の中心がどこにあるかで判別する。
例えば、ベクタの中央が画素の中心よりも上にある場合はe>0。
ベクタの中央が画素の中心よりも下、もしくは中心と一致している場合はe≦0。

アンチエイリアシング
エイリアシングとは斜めの線や境界部に、階段状のギザギザのジャギーが生じたり、細い線や物体が寸断されたりする現象。これを目立たなくする処理のこと。

①画素の寄与率を用いる方法
境界の画素の色を隣接する複数の領域の中間色とする方法。

g=αfr+(1-α)fb

g=書き込むべき画素値
α=寄与率
fr=各画素の色
fb=フレームバッファにすでに格納されている画素値

②スーパーサンプリング法
画素内に複数個のサンプリング点を設け、それらの色をレンダリング処理する方法。

ヒストグラム
画像の濃淡変換や色変換をする際に用いるグラフのことで、画素値(0黒~255白)を横軸、画素値の頻度を縦軸にとっている。
・暗い画像:画素値の頻度が左寄り(画素値の集合が0による)。
・明るい画像:画素値の頻度が右寄り(255による)。
・コントラストが低い画像:画素値の頻度が中央による。
・コントラストが高い画像:画素値の頻度が分散される(暗い色も明るい色もある)。

画像の統計量

画素値0:頻度7
画素値1:頻度4
画素値2:頻度3
画素値3:頻度2
の場合

最小値と最大値
横軸を見て、最も低い画素値=最小値、高い画素値=最大値なので・・・
最小値は0、最大値は3である。

総画素数
各画素の頻度の合計なので・・・7+4+3+2=16

平均値μ
各画素の(画素値×頻度)/総画素数なので・・・
μ=(0×7)+(1×4)+(2×3)+(3×2)/16=16/16=1

分散σ²
{各画素の(画素値-平均値)2×頻度}の合計/総画素数なので・・・
σ²={(0-1)²×7}+{(1-1)²×4}+{(2-1)²×3}+{(3-1)²×2}/16
=(7+0+3+8)/16=18/16=1.125

中央値
全画素数が偶数の場合は総画素数÷2番目の画素値が中央値なので・・・
小さい順に並べて8番目がメジアン。
0、0、0、0、0、0、0、1(←これがメジアン)、1、1、1、2、2、2、3、3なので、1。

最頻値
もっとも頻度が高い画素値なので0。

トーンカーブ
入力画素値と出力画素値の対応関係を表したグラフ。
トーンカーブがy=xの斜めの直線より上で出ている部分は出力画像が入力画像よりも明るくなる。
また、トーンカーブの傾きが1より大きい部分(落差が急なカーブ)はコントラストが高くなる。

ガンマ変換
y=255(x/255)の(1/r)乗
r>1の時は上に凸(明るくなる)
r<1の時は下に凸(暗くなる)

S字トーンカーブによる変換
中間調が引き伸ばされコントラストが上がる。

ヒストグラム平坦化
出力画像のヒストグラムが画素値の全域にわたって均等に分布するように自動的に変換する。

画素ごとの変換による特殊効果
・濃淡の反転(ネガポジ反転):y=xの傾きが逆になる(y=1-xになる)。
・ポスタリゼーション:トーンカーブは階段状になる。
・ソラリゼーション:一部の濃淡だけ反転するためS字カーブではなく正弦波っぽくなる。
・2値化:出力値が0(黒)から255(白)に一気に飛ぶ。

グレースケール画像への変換
y(輝度)=0.2999r+0.587g+0.114b

疑似カラー
グレースケール画像の明るさの違いを色の違いに変換する(結構まちがって置き換わる印象)。

空間フィルタリング
線形フィルタリングは積和演算で計算される。
フィルタと入力画像の対応する画素の数値同士をかけて、その数値(積)を全て足す(和)。

平滑化
濃淡変化を滑らかにする(ぼけさせる)。

①平均化フィルタ
領域内の画素値の平均を求める。3×3の9マスの場合は全てのマスは等しく1/9となる。

②重み付き平均化
・加重平均化フィルタ:フィルタの中央に大きな重みをつける。
・ガウシアンフィルタ:重みをガウス分布に近づけたもの(平均化フィルタと比べより滑らかで自然)。

エッジを保存した平均化
エッジは保ちつつ、ノイズなどの細かな変動は平滑化すること。

①メディアンフィルタ
領域内の画素値の中央値を求める。
スパイク状のノイズ除去が可能。

②バイラテラルフィルタ
注目画素との距離と関数によって重み付けした平均化。
くり返し適用すると細かいテクスチャが失われ色を塗りつぶしたような表現になる。

エッジ抽出

①微分フィルタ
・横方向:横方向の差分を求める→縦方向のエッジ
・縦方向:縦成分の差分を求める→横方向のエッジ

微分の大きさの式
√{(Δxf)²+(Δyf)²}

ソーベルフィルタ
ノイズを軽減するフィルタ。

②ラプシアンフィルタ
2次微分の一種であるラプシアンの値を求めるフィルタ。
横方向の二次微分と、縦方向の二次微分の和。

先鋭化フィルタ
入力画像の濃淡を残したままエッジを強調する。

方向性を持つ平滑化
特定方向だけの画素値の平均をとる。

エンボス処理
画像の濃度差を利用し、画像の一部を浮き出たように見せる。
濃淡(f1)を反転し、それを平行移動し(f2)、g=f1+f2-128を出力する。

画像の再標本化と補間
変換後の画像の各画素が変換前のどの位置に対応するかを決め、そこで濃淡値を求める。
このとき、求めたい点の濃淡値を周辺の濃淡値から求めることを補間という。
以下に補間の例を挙げる

①ニアレストネイバー
補間したい点に最も近い画素の濃淡値にする。
最大1/2画素の位置誤差が生じるが処理が簡単。

p=pi,j
ただしi=[x‘+0.5],j=[y‘+0.5]

②バイリニア補間
周囲の4画素の濃淡値から、双一方式により求める。
平均化のために平滑化の効果が得られる。

画像間演算
複数の画像の同じ位置にある画素間で演算を行う。

①アルファブレンディング
2枚の入植画像に対する画像間演算として以下の式で示すような重み付きの平均をとる。

g=αf1+(1-α)f2
α(0≦α≦1)は混合比

②ディゾルブ(オーバーラップ)
αが時間的に変化する。
例えば、あるシーンから別のシーンへ徐々に変化するような動画像。

③マスク処理
2枚の画像のどちらを使うかを白黒画像で表したマスク画像をもとに合成する。

画像のセグメンテーション(合成)

①閾値に基づく分割(クロマキー)
特定の色を抜き出し、そこに他の画像を埋め込む合成(バラエティ番組など)。

②グラフに基づく分割(グラフカット)
画像をグラフと見なし、それを分割することでセグメンテーションを行う。

③クラスタリングに基づく分割
互いに類似したデータごとにいくつかの組に分けること。
画像のセグメンテーションでは類似度として画素間の距離と色を用いる。

イメージモザイク
複数の画像を接合して1枚の画像を作成する。

ディジタル画像概論覚え書き①

 もうすでに覚えて試験を凌いでしまったので、“覚え書き”じゃないような気もするけど、せっかく勉強したんでここに残すものである。

画像のディジタル化
格子状に置かれた標本点における光強度を取り出す。

画素値
量子化後の各画素のデータ。通常は8ビットで0~256のレベルの値をとる。
2値化画像では量子化レベルが2。これが2以上だとグレースケール画像。

擬似輪郭
量子化レベルが不十分な場合発生。

標本化定理
画像上の位置に対して光強度が正弦波状に変化するようなアナログ画像(最大周波数がF)を考えた場合、標本間隔をFの1/2よりも小さくすれば、元の画像を再現することができるという定理。

エイリアシング
標本化間隔が1/2Fよりも大きいと、元の濃淡信号とは異なる偽信号が発生すること。

ベクタ画像
線分(ベクタ)の組み合わせで構成された画像。

ラスタ画像
画素の集合で構成された画像。

フレームバッファ
コンピュータでディジタル画像を画素の集合として記録するメモリ。

スキャンライン
水平方向の画素の線。

二次元座標変換
平行移動や拡大・縮小、回転といった幾何学的変換は全て行列の積で表すことができる。その場合、変換順序を入れ替えると一般には同じ変換にはならない(回転→平行移動と平行移動→回転では結果が変わるということ)。

鏡映
直線に関して対称な位置に移動する。

スキュー
斜めに歪ませる。

二次元アフィン変換
直線は直線に変換され、直線上の距離の比率は保存される特徴がある。
3Dのポリゴンを変換する場合は、頂点のみを変換し、その間を直線で結ぶだけでよい。
逆変換も二次元アフィン変換であり、元の変換行列の逆行列である。

剛体変換
平行移動や回転をどの順序で何回組み合わせても形状を変えない変換のこと。

投影
投影面に写る範囲を表す角度を画角という。
投影面が大きいほど、焦点距離が短いほど、画角は大きい。

広角レンズ
画角が大きく、広い範囲を1枚の画像に写し込める。

望遠レンズ
画角が小さく、遠くからでも対象物を絞り込んで大きく撮れる。

透視投影
三次元図形の各点から視点に向かって投射線を引いて投影図を作る方法。
点(x,y,z)の投影面上の座標(x′,y′)はx′=x/2とy′=y/2の連立方程式。
遠近感があるが平行線が歪んで表示されるため、ものの形の把握には不向き。

平行投影
投射線が平行。
点(x,y,z)の投影面上の座標(x′,y′)はx′=xとy′=yの連立方程式。
遠近感がないので写実的ではないが、ものの形は正確に把握できるので、設計製図やグラフ描画に利用。

ウィンドウ
投影面上の表示範囲を示す長方形。
奥行き方向の投影範囲を与えるふたつの面を、前方クリッピング面、後方クリッピング面という。
また、描かれる範囲であるビューボリュームは、透視投影では4角錐台のかたち、平行投影では長方形の形になる。

射影変換
透視投影は三次元射影変換。
直線は直線に変換されるが、直線上の距離の比は保存されない。
平行投影はすべてアフィン変換。

消点とn点透視
透視投影では三次元方向の平行な直線群が1点に収束する。
投影面が2軸に平行→1点透視図法
投影面が1軸に平行→2点透視図法
どの軸とも平行でない→3点透視図法

平行投影
投射線が投影面に垂直な直投影(三面図やアイソメ図など)と、垂直ではない斜投影に分けられる。

カメラの露出
撮像素子に光を当てること。
露出を決める要素はレンズ絞り、シャッタスピード、撮像素子の感度の3つである。

①レンズ絞り
レンズ絞りとはレンズ内部の円環状の遮蔽板のこと。
光量を調節する役割があり、その度合いはF値で表す。

F値=レンズの焦点距離(mm)/入射瞳径(mm)

F値が大きい(絞りを絞る)ほど、光量は少ない!
F値が√2倍になると光量は1/2倍になる。
開放F値:レンズで設定できる最小のF値。

②シャッタスピード
撮像素子の前にある光を遮る幕であるシャッタが開いている時間。
光量:シャッタスピードが速いほど暗い。
ぶれ:シャッタスピードが速いほど小さい。

モーションブラー
一定時間内に各画素に到達する光量を積分して人工的にCGでぶれを表現すること。

③撮像素子の感度
例えば、ISO感度というものがある。これは電気信号の増幅率を表す尺度で、これが高いほど画像は明るくなりノイズが増える。

焦点距離とピント調節
ガウスのレンズ公式

(1/a)+(1/b)=(1/f)

a=レンズ前方にある物体の距離
b=レンズ後方で結像する距離
f=焦点距離

被写界深度
実質的にピントの合う距離範囲
・焦点距離が短いほど深い
・絞りを絞るほど深い
・被写体まで距離が遠いほど深い
・ピントを合わせた位置より遠方に深く、手前に浅い
・撮像面が小さいほど深い

画像処理

ダイナミックレンジ
明るい部分と暗い部分の明るさの比。現実はこれがとても大きい。

ハーフトーニング
白と黒しか表示できない装置で、白黒の割合を利用して濃淡を表現すること。
以下の3つがある。

①濃度パターン法
原画像の1画素に複数画素からなる白黒パターンを対応させる。
そのため、画素数は増える。

②ディザ法
画像を各4×4画素のブロックに分割し、ブロック内の画素と原画の画素の値を比較し、その大小関係で、その画素を白にするか黒にするか決める。

③誤差拡散法
処理対象画素値fと0と255に二値化した値gとの誤差e(=f―g)を求め、e分をキャンセルして補正するように未処理の周辺画素に分散させ、画像全体の画素を白にするか黒にするか決める。

HDR画像
画素値を整数ではなく、浮動小数点の実数で表現することで、広大なダイナミックレンジに対応できる画像。

LDR画像
通常の8ビット程度の画像。

表色系
色の知覚に基づく顕色系(マンセル表色系など)と、色光の混合量に基づく混色系(XYZ表色系など)に分けられる。

①マンセル表色系
色相、明度、彩度の3つの要素で色を分類する。
ULCS表色系は、色差ができるだけ均等になるように定めたもの(CIE―L*a*b表色系など)。

②RGB表色系
加法混色における三原色に基づく。
C=rR+gG+bBという式において、r、g、b(三刺激値)が負の値をとることを認めると常に成り立つ。

③XYZ表色系
三刺激値がすべて正の値になるよう、仮想的な色XYZを用いる。
三刺激値の比率は、以下の色度座標に表す。
x=X/(X+Y+Z)
y=Y/(X+Y+Z)
z=Z/(X+Y+Z)
このときx+y+z=1の関係があり、色度座標は(x、y)で表現できる(xy色度図)。

④YIQ表色系
輝度成分と二次元の色成分で表現。

カラーモデル
色の信号値に基づく色記述の体系。
行列で表せるが、ブログで書けないので割愛。

画像の圧縮

可逆圧縮方式
画像データの情報を全く失わないので、圧縮率は低いが、完全に復元可能。

非可逆圧縮方式
情報を削減するので、圧縮率は高いが、画質劣化が生じる。

HTMLでの色作成
頭に#をつけたRGB2桁ずつの計6桁の16進数を使い、それぞれ00~FFの256階調の明るさを指定する。
具体的には、白が#FFFFFF、黒が#000000、赤が#FF0000、マゼンダが#FF00FFなど。
色化けを回避するにはWebセーフカラー(RGBそれぞれを00、33、99、cc、ffのいずれかに指定した216色)を使う。

JPEG
写真品質の画像を効率よく圧縮する。
プログレッシブJPEGにすると、ダウンロードの途中で全体がぼんやりと表示され、おおよその内容が早く分かる(昔は上からちょっとずつだったのでじれったかった)。

GIF
256色までしか使えないので、色数の少ないはっきりしたイラストの画像に向く。
インターレースGIFでは使われている色の中の1色を透過色に設定し、透明な領域として扱える(背景色が表示される)。
アニメーションGIFではフレームとして複数の画像を記録し順番に表示していく(パラパラマンガの原理)。

PNG
特許の問題があったGIFに代わる新しい画像形式。
高圧縮率と同時に画質の変化もない。
最大48ビットまでのフルカラーをサポートし、8ビットまたは16ビットのアルファチャンネルにより透過レベルを指定できる。
インターレースのオプションもある。

アニメーションとシミュレーション
アニメーションは動いてないものを動いているように見せる映像技術である。
少しずつ変化する静止画を速い間隔で見せると、人間の目が持つ残像効果や仮現運動(異なる像を見ると動きを知覚する現象)により動いているように見える。
テレビでは毎秒30枚、映画では毎秒24枚の画像を表示している。
アニメーションでは、正確に表示するより、誇張(デフォルメ)して表示した方がうまく見えることがあるが、シミュレーションは正確な数値計算により現象を再現するものであるため、アニメーションのように誇張してはならない。

中野への旅(おそらく最終章)

 結果から言ってテスト前の2週間で6科目どうにかなった。最後まで諦めないことの大切さを学んだ二日間でした。

一日目
怒涛の4連発。どれも記述量が多くて腕が限界、最後の方はグロッキーでした。

情報科教育法II(難易度☆☆)
5月に受験したⅠ同様に問題数は少ないが、一部問題の意図がわからない問があった。
しかし大部分は穴埋めで、これはぶっちゃけ文章の前後関係で推測できるものが多かったため、おそらく大丈夫だろう。

システム設計演習(難易度☆☆☆)
おもいのほかER図が難しくて死んだ(エンティティを自分で増やすという発想が出てこなかった)が8割がたできた。
つーか問題数がめちゃくちゃ多い・・・!!大問が16問くらいあったぞ!
おかげで失点が薄まったとも言えるが(^_^;)

コンピュータネットワーク(難易度☆☆☆☆)
システム設計演習を凌ぐ半端ない記述量!!時間ギリギリで倒しました。
もう、腕が痛くて痛くて・・・もはや小論文レベル。
転送レートやIPアドレスに関する計算もちょっとだけあります。
ブログで一通り理解してから臨んだのが功を奏したが、ぶっつけ本番でもっとも難易度が高いのはおそらくこの科目だろう。
コンピュータサイエンス入門でふれた基数変換はある程度出来たほうがいいかもしれない。

データベースシステム(難易度☆☆☆)
SQLの文法はかなり単純なため、一通りの命令文を押さえれば対応ができる。問題数もちょうどよく、どれも粒ぞろい。
ちなみに、時間がないんです!状態だった私は、学習プリントの内容しかノートにまとめなかったので、最大値と最小値の文法をカバーできず失点。
調べてみると、MAX (列名) FROM テーブル名と記述するらしい。・・・あれ?苦し紛れに書いたやつと一緒な気がする・・・もしかして、できたかも。

 この日の夜は、中野でホルモンを食べて精をつけて、その後、平日にほとんどできなかった(!)二日目の試験勉強を駅のカフェが閉店するまでやってました。まさにTHEその場しのぎ。ホント辛かったですがいい思い出です。
 あと、都心のホテル高い。アパホテルが一泊3万円超えるって・・・!そして部屋が取れないって・・・!

二日目
初日の4科目が割とできたので、ちょっとは安心したが、なによりもガチの数学を使うディジタル画像概論が最後に控えていたため、昨晩の眠りは浅かったそうな。
幸いだったのが、一発目の情報職業論から三時間ほど時間が空いたこと。
この空き時間を使って、ディジタル画像概論の計算系の練習問題をミスドやKFCで行ったのだが、昨夜のカフェでの一夜漬けが功を奏し、計算方法は程なくして完全に理解。
二時間弱時間が余ったので、ちょっと中野を散策しようと、5月にはいかなかった西のエリア(※清潔感があり健全)に進出、そこの漫画喫茶で『北斗の拳』を読んでました。最初~ジャギを成敗するところまで読めた。

DsQX2QwU0AA6Aha.jpg
未開だった中野駅の西エリア。

情報職業論(難易度☆)
最も簡単な試験だった。問題数は少ない上に選択式が多く、頑張れば15分で終わる。
つーか社会科の範囲なので自作ノートなしでもいけた気がする。
まあ文字数の制限なしの記述問題が気になるが、概要を説明しなさいとか言ってたので、そこまで長文である必要はないと思われる。

ディジタル画像概論(難易度☆☆☆)
計算が恐怖だったが、フィルタ処理における積和演算くらいしか出ず、難なく出来た。
あとは、平均とか分散といった統計学的なところか。これはかつて数学でもうちょっと難しいやつをやっていたので大丈夫でした。
試験で警戒していたのが、恥ずかしながらこの年で初めて勉強した行列式の計算(画像の平行移動や回転で用いる)と、画素のマス目ごとに条件式を変える必要があるブレゼンハムのアルゴリズムの計算だったが、どちらも出なかった。
まあ出ても、完全に理解できたので倒せたであろう。ぬかりはなかった。

 ということで、なんということでしょう。絶望的だった中野の試験第二弾を乗り切ったのでした。どれも8割がた出来たし、ディジタル画像に関してはおそらく満点な気もするので、二度と中野に行くこともないと思われる・・・とかいって落ちてたらすごい恥ずかしいんだけど。

情報職業論覚え書き⑥

 抜けがありそうだけど、この単位のテスト勉強はひとまずこれでおしまい。あと一週間しかねえからな。

 時間がないんです!(※アイドルマスターのあいつ)

参考文献:廣石良雄著『情報と職業』

システム要件定義プロセス
要件定義は、企画をシステムという装置の設計図にしていくための重要なプロセスである。ここで定義されたことがシステムとなる。
具体的には、要件定義者は、新たに構築する(あるいは再構築する)業務、システムの仕様を明確化し、それをベースにIT化範囲とその機能を具体的に明示する。また、関連する組織およびシステムに対する制約条件を明確にし、定義された内容について取得者側の利害関係者間で合意することである。
以下の6つのアクティビティで構成される。

①プロセス開始の準備
要件定義者が行う要件作業(システム化の範囲、規模、および複雑さに適合した要件作業の定義あるいは選択を行う作業)の定義、成果物の文書化などを行う支援プロセスの実施、要件定義で使用する組織で文書化された標準、方法論などの選択、適用などを行う要件定義環境準備および、このプロセスのアクティビティ実施計画の作成を行う。
以下の5つのタスクで構成される。
・要件定義作業の組み立て
・要件合意および承認ルールの決定
・要件定義プロセス実施計画の作成
・必要なプロセスの組み込み
・要件定義環境の準備

②利害関係者の識別
要件定義者が、システムのライフサイクルの全期間を通じてシステムに関わる利害関係者またはその種類(利用者、運用者、支援者、開発者、製作者、取得者および供給者の組織など)を定義する。
・利害関係者の識別

③要件の識別
要件定義者が、利害関係者のニーズ、要望を引き出し、技術的、物理的、社会的、企業方針、組織などの制約条件を認識し、システムソリューション上の制約条件を定義する。
また、ユーザビリティの要件を決定し、システムの使用が環境など周囲に及ぼす影響に対処する。
・要件の抽出
・代表的活動順序の定義
・利用者とシステム間の相互作用の識別
・システムの使用が周辺に及ぼす影響への対処
・制約条件の定義

④要件の評価
要件定義者は、定義された要件の実現可能性を分析し、必要があれば、システム化計画、プロジェクト計画を見直す。
・導出要件分析

⑤要件の合意
要件定義者は、要件に関する問題(実現できない、または達成できない要件)を解決し、利害関係者に提案を説明し、合意を得る。
また、利害関係者要件を利害関係者と共に確立する。
・要件の問題解決
・要件の確立
・利害関係者へのフィードバック

⑥要件の記録
要件定義者は、ライフサイクルを通して、および、その後も要件管理に適した形式で利害関係者要件を記録する。
・要件の記録
・要件の追跡可能性維持

プロジェクトの特性
アメリカにある世界最大のプロジェクトマネジメント団体であるPMIによれば、プロジェクトとは「独自のプロダクト、サービス、所産を創造するために実施される有期生の業務」であり、有期性(期間が決まっている)、独自性(プロジェクト独自の成果物ができる)、段階詳細化(プロジェクトが進むにつれて成果物の詳細や終了日時が決まっていく)といった特性がある。
プロジェクト型と相対する業務として、オペレーション型がある。オペレーション型は、同じ活動が継続的に繰り返される業務を指す。こちらは、期間が定まっておらず、またプロダクト(製品、製造物)も同じものを反復的に作るものである。

プロジェクト・チーム育成
プロジェクトマネージャの使命は、チームの全体的な能力を向上させることである。プロジェクトの開始前と終了後でメンバーの能力が横ばいだった場合、高い評価は得られない。
プロジェクト終了後にメンバーの結束が強まり、コンピテンシー(技能や態度を含む様々な心理的・社会的リソースを活用して、複雑な要求に対応することができる力)が少しでも高まっていなければならない。
メンバーを育成していないと、いつまでたっても作業の負荷分散ができず、作業負荷の高い要員が固定されることになる。
メンバーは、このタスクは自分にしかできないと決めつけず、他のメンバーを信頼し任せることにより、自身はより上の技術や業務に挑戦したいものである。

教育
意図的に若干難しい技術や知識が必要と思われるタスクに対して、成長を促すため挑戦させること。
現実的には、タイムリーに社内教育ができないため、書籍で独学させる機会を設けたり、社外技術セミナーに参加させたりするといったOff-JTと、実際に指導者をつけタスクをこなしながら育成するOJTがある。

プロジェクト・チーム管理
いくらパフォーマンスが高いメンバーをそろえても意外とプロジェクトは成功しないことがある。
相手の立場を理解できずコミュニケーションが不足したり、メンバーの何気ない言動により士気が下がったりするかもしれない。
そこでメンバーの作業や態度を観察し、問題があれば課題として取り上げ、課題を解決し、対策を講じることがプロジェクト・チーム管理である。
問題そのものはメンバー自身に依存して発生することが多いが、これに依存しない是正措置、予防措置を提案していく。
例えば、あるタスクで担当メンバーの有識者への確認が遅れたため、実績遅れになった問題があったとする。これに「ギリギリに確認するのではなく、スケジュールを意識して早めに確認しなさい」と注意しただけでは、おそらく再発する。
有識者が多忙で確認する機会を逃してしまったなどの事情があれば、一日一回プロジェクトの手続きとして有識者に確認する場を設けたり、メンバーがサーバ上に確認項目を記載したり、プロジェクトリーダがまとめた上で責任をもって有識者に確認するといった措置を講じる。

構成管理
システムの構成やプロジェクトにおける成果物を管理すること。
その際は、構成品目(構成管理をする項目)を明確にしなければならない。
まず何を構成品目にするかの品目名(システム方式設計書、ソフトウェア詳細設計書、納品ソフトウェアなど)、品目種類(モジュール、テストケース、文書、データなど)を定義する。
そして開発ベースラインを定め、構成品目に対して構成管理を開始する。例えば、格納場所、管理方法(構成管理ソフトウェアの使用など)、バージョン名、構成ステータス(未作成、作成中、レビュー中、テスト中、リリース済みなど)、リリース対象区分(リリース対象、非対象、いつのリリース対象かなど)を対象とすることで管理を行う。
そしてリリース・納品作業では、どの構成品目を実際に対象とするか確認し、構成品目とリリース・納品物の履歴を追えるようにすることが大切である。

品質マネジメント
品質に関して組織を指揮し、管理するための調整された活動。

品質管理
品質計画で定められた基準値に達しているかチェックし、達していなければ、その原因を除去し改善していくこと。

品質保証
品質計画で定められた手順や基準通りにプロジェクトが実施されたかチェックし、実施されていなければ改善する。
品質管理の手順も品質保証の一つである。たまたま、品質管理の結果、ベースラインに達しているプロダクトができたとしても、品質計画で定められた手順に従ってプロジェクトが実施されていないのであれば、品質保証されているとはいわない。たまたまでは、常に品質のよいものができる保証はないからである。
ただし逆に、品質計画で定められた手順に従ってプロジェクトを実施しなくても、常にベースラインに達しているものが出来るのであれば、品質計画で定められた手順に無駄な作業があるということである。
ベースラインを見直したり、手順を簡略化したりするべきである。
また、品質管理の結果、ベースラインに達していないものがあったとしても、品質計画で定められた手順通りに原因を除去し品質改善がされたのであれば、品質保証されているといえる。

リスク管理
リスクとは、現時点では問題となっていないが不確定要素で、そのままにしておくと脅威になるため、課題管理として対応を検討するなど、速やかに対応をすべきものである。
なお、すでに問題となっているものはリスクとは呼ばない。
プロジェクトで発生する可能性のあるリスクを洗い出し、プロジェクトに影響するリスク発生確率、影響度、優先順位、リスク許容レベルを定義し、リスク対応の予算を見定め、それに基づいて分析したリスクについてリスク対策を実施する。
計画段階でできるだけ多くのリスク項目を考えることが必要で、考える機会には多くのステークホルダーに参加してもらうようにする。
当然、実行中にもリスクは発生してくる。計画時に実施したことと同様に、定義したリスク発生確率、影響度、優先順位、リスク許容レベルを適用し、リスク対応の予算を見定め、それに基づいて分析したリスクについて対策を実施する。

労働環境の変化
最終章(IT技術者の勤労観)はかなり短いので、この記事にくっつけることにしました。逆に第4章は長大なので記事を二つに分割しています。

在宅勤務
自宅を就業場所とするもの。

モバイルワーク
施設に依存せず、いつでもどこでも仕事が可能な状態のもの。

サテライトオフィス
施設利用型勤務の1つ。事業拠点の目的ではなく自宅に近いなど勤務場所という観点で、本来の事業所と離れた場所に従業員が勤務できるようにした事務所。
本来の事業所での勤務と変わらない通信設備を整えている。

テレワークセンター
テレワーク(ICTを活用した場所や時間にとらわれない柔軟な働き方)が行える労働場所提供の中心となる施設や組織。

スポットオフィス
出張先や外出先の近くに配置した簡易オフィスで、出張などで従業員が自由に使うことができる。

ノマドワーカー
遊牧民という意味。自宅や会社といった固定された施設ではなく、喫茶店やファーストフード店などでモバイル型端末を使って仕事をする。

クラウドソーシング
Webサービスとして、ネット上の不特定多数の人に業務を委託する、新しい雇用形態。

新3K
情報サービス産業の「きつい、厳しい、帰れない」というブラックぶりを上手に表現した言葉。
特にプロジェクト型の業務は、月末や決算期が忙しくなると事前に分かっている経理業務などとは異なり、仕事のピークがどの時期に来るかが決まっておらず、土日や年末年始にシステム本番移行が行われることもある。
Calendar
<< January 2020 >>
SunMonTueWedThuFriSat
   1234
567891011
12131415161718
19202122232425
262728293031
search this site.
tags
archives
recent comment
recent trackback
others
にほんブログ村 科学ブログへ にほんブログ村 科学ブログ 恐竜へ カウンター
admin
  • 管理者ページ
  • 記事を書く
  • ログアウト

1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | 88 | 89 | 90 | 91 | 92 | 93 | 94 | 95 | 96 | 97 | 98 | 99 | 100 | 101 | 102 | 103 | 104 | 105 | 106 | 107 | 108 | 109 | 110 | 111 | 112 | 113 | 114 | 115 | 116 | 117 | 118 | 119 | 120 | 121 | 122 | 123 | 124 | 125 | 126 | 127 | 128 | 129 | 130 | 131 | 132 | 133 | 134 | 135 | 136 | 137 | 138 | 139 | 140 | 141 | 142 | 143 | 144 | 145 | 146 | 147 | 148 | 149 | 150 | 151 | 152 | 153 | 154 | 155 | 156 | 157 | 158 | 159 | 160 | 161 | 162 | 163 | 164 | 165 | 166 | 167 | 168 | 169 | 170 | 171 | 172 | 173 | 174 | 175 | 176 | 177 | 178 | 179 | 180 | 181 | 182 | 183 | 184 | 185 | 186 | 187 | 188 | 189 | 190 | 191 | 192 | 193 | 194 | 195 | 196 | 197 | 198 | 199 | 200 | 201 | 202 | 203 | 204 | 205 | 206 | 207 | 208 | 209 | 210 | 211 | 212 | 213 | 214 | 215 | 216 | 217 | 218 | 219 | 220 | 221 | 222 | 223 | 224 | 225 | 226 | 227 | 228 | 229 | 230 | 231 | 232 | 233 | 234 | 235 | 236 | 237 | 238 | 239 | 240 | 241 | 242 | 243 | 244 | 245 | 246 | 247 | 248 | 249 | 250 | 251 | 252 | 253 | 254 | 255 | 256 | 257 | 258 | 259 | 260 | 261 | 262 | 263 | 264 | 265 | 266 | 267