鶴田 明三 　（ニックネーム：つるぞう）

1994年 京都大学（院・工学）修了。同年三菱電機株式会社に入社。
生産技術や研究所で携帯電話・太陽電池・開閉器など電機製品の製造プロセス改善、生産性向上、設計改善およびそれらのマネジメントに従事。出願特許の実施額は1000億円以上。
また全社設計品質リーダを6年間で888人育成し、e-Learningはのべ50000人以上受講、数10億円の業績改善に貢献。

2016年12月に同社よりスピンアウトし、株式会社ジェダイト代表取締役に就任。

資格

　技術士（経営工学部門）、QC検定1級、第1種情報処理技術者、
　第1種衛生管理者　等

著書

　「これでわかった！超実践品質工学」, 日本規格協会（2016年）
　「エネルギー比型SN比」, 日科技研出版社（2016年）　等

学会発表・論文

　鶴田明三他（2005）:「ＮＣ加工機主軸用モータの低騒音化・高生産性設計」
　　,第13回品質工学研究発表大会.
　鶴田明三他（2006）:「新型直交歯車の開発」
　　, 第14回品質工学研究発表大会.
　鶴田, 清水, 太田, 鐡見（2008）:「新SN比の研究(1)」
　　, 第16回品質工学研究発表大会.
　太田, 清水, 鶴田, 鐡見（2008）:「新SN比の研究(2)」
　　, 第16回品質工学研究発表大会.
　鐡見, 清水, 太田, 鶴田（2008）:「新SN比の研究(3)」
　　, 第16回品質工学研究発表大会.
　清水, 太田, 鶴田, 鐡見（2008）:「新SN比の研究(4)」
　　, 第16回品質工学研究発表大会.
　鶴田, 清水, 太田, 鐡見（2008）:「新SN比の研究(5)」
　　, 第16回品質工学研究発表大会.
　鶴田明三他（2009）:「SN比の合成方法の検討」
　　, 第17回品質工学研究発表大会.
　鶴田明三他（2010）:「微小信号での機能性が重要な場合の評価方法」
　　, 第18回品質工学研究発表大会.
　鶴田明三他（2010）:「品質工学で用いるSN比の再検討」 , 品質工学誌.
　鶴田明三他（2011）:「T法およびその改案法の汎化能力の検証」
　　, 第19回品質工学研究発表大会.
　鶴田明三他（2012）:「RT法への1次元マハラノビス距離項目の導入の
　　提案と検証」 , 第20回品質工学研究発表大会.
　鶴田明三他（2013）:「高周波回路のパラメータ設計」
　　, 第21回品質工学研究発表大会.
　鶴田明三他（2015）:「設計品質リスクを未然にあぶり出す新手法“XCN”」
　　 , 日本品質管理学会 第107回研究発表大会.

出願/登録特許　46件、下記はデータエンジニアリング関係の例

　特開2014-174594　工業製品の設計装置および設計方法
　特許第5645791号　パターン認識装置およびパターン認識方法
　特許第5517973号　パターン認識装置およびパターン認識方法
　特許第5328707号　はんだ接合部の品質管理方法および品質管理装置
　特許第5034120号　製品の組立調整方法および組立調整装置

受賞

　第16回品質工学研究発表大会 大会実行委員長賞（2008）
　品質工学会 貢献賞（2015）
　日本科学技術研修所 StatWorks活用エキスパート賞（2019）
　三菱電機株式会社 社内表彰多数

講演実績

　国内メーカー様多数、日本規格協会、日科技研、
　品質工学研究会（埼玉・浜松・中部・滋賀・京都・関西・佐賀）、
　中部品質管理協会、日本技術士会、ITEQインターナショナル　等

寄稿

　日本経営工学会 「経営システム」2019年7月号
「超実践品質工学の概要とうまく推進するためのポイント」

家族は妻と一女。

名の明三（ひろぞう）は一度も初見で正しく読んでもらったことがなく、愛称はたいてい「つるちゃん」。

1969年神戸市に生まれ、育つ。
小学生時代は自作四コマ漫画が地元新聞が掲載されるほどの漫画少年。
中学よりパソコンに興味をもち、高校時代はゲームプログラムの雑誌投稿やコンピュータミュージックによるバンド活動に熱中。
大学では作詞作曲もはじめ、90年代には作詞家として3曲の商業デビュー。

北海道の風景と食をこよなく愛し、これまで30年間200泊以上滞在。
書道5段。競馬歴20年以上、好きな馬はサイレンススズカ。プロ野球は関西人なのにホエールズ（現ベイスターズ）一筋。
日本の古代史、日本語の起源に興味。

2021年よりコロナ禍（ステイホーム）を期にアンティークコインの勉強と収集を開始してドハマリ。紀元前6世紀の世界初の通貨となるリディア王国の硬貨など、歴史と美術のロマンに魅了されている。

座右の銘は持たないが、好きな四字熟語は「一網打尽」。

1969年5月26日生まれ、誕生石は翡翠。

アクセス数230,000PVを超える品質工学ブログ「つるぞうの品質工学QEと、EQ的生活」も開設。

ジェダイトさんは社名の由来にもあるとおり、日本産業にこだわりを持っていますね。

その通りです。日本の一人当たりGDPは、3万6230ドルで、韓国、台湾、中国より高いものの、OECD加盟国34か国で20位です(2015年度）。残念ながら1970年以降最も低い順位になってしまいました。

どのようにしていけばよいのでしょうか。

日本の特に製造業の国際競争力強化に向けては、税負担の問題や各種規制の問題も大きいですが、やはり日本企業の「製品・サービスの性能・品質」「研究開発・技術」という”強み”をより強くして戦っていく必要があります。

その中で最近は、ビッグデータやIoT（モノのインターネット）の利活用に代表されるような「データサイエンス」が次の柱として取りざたされています。

GoogleやAmazonのような超巨大企業はともかく、多くの一般企業ではこれらの言葉が先行し、「溜める」ことが目的化してしまい、肝心の「使って」事業貢献までつながっているところが、まだまだ少ないのが実態です。

なぜデータサイエンスが言われているほど事業成果につながっていないのですか。

その理由は、データサイエンスによるビッグデータ活用のためには、活用の目的やビジネスモデルの明確化、データサイエンティスト育成または外注、高速・大量データ処理のための情報システムへの多額の投資、等のいくつかのハードルにあります。10年後20年後を見据えたときには確かにこの分野にかかる期待が大きいことは理解できます。

ジェダイトさんの「データエンジニアリング」もそのような技術の一種なのでしょうか。

そうではありません。事業の損益に重要な1～数年先を見据えた場合、ほとんどの組織や企業が活用しているデータは、いわゆるビッグデータ(*1)でありません。半導体工場などのの量産プロセスから日々出力される大量のデータも、従来の統計解析で処理できるような「ふつうのデータ」なのです。もちろん、エンジニアが研究開発や実験のために採取するデータの量に関しては、言うに及びません。

「データエンジニアリング」では扱うデータもやり方も違うのですね。

その通りです。当社は、この日常扱う大量のデータを、事業貢献のために迅速に利活用するための「データエンジニアリング」を推し進めています。これらに用いる手法は、従来から活用されている統計解析や信頼性工学はもちろん、実験データを飛躍的に効率的に採取し、製品やプロセスを迅速で改善・最適化するための品質工学を含みます。特に品質工学は日々進歩しており、また一般には難解と考えられているため、活用すべきである製造業での普及は遅々としています。

逆に言えば、データエンジニアリングを駆使できれば他社や諸外国と差別化が図れるとうことですね。

そういうことです。データエンジニアリングのさまざまな手法を駆使して、活用できるデータを増やしていくことで、製品の価値向上（性能・品質）、生産性向上、ロス低減などの事業貢献を地に足をつけて加速し、差別化することができます。

統計解析や品質工学を活用するコンサルティングは従来もあったかと思いますが。

当社は「超実践品質工学」などの独自の方法論によって、分かりやすく、成果につながる「データエンジニアリング」で製造業をお手伝いします。詳しくは、「ジェダイトが選ばれる5つの強み」をご覧ください。

それによって、業績向上・顧客満足、ひいては世界競争力強化、日本産業の復興につなげていくということなんですね。

それが、当社の使命と考えています。

ありがとうございました。