--.--
--
上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。

12.25
Fri
食欲の秋真っ只中です!
1年で最も食べ物の美味しい季節は、やっぱり秋ではないかと思います。
海幸山幸各種フルーツ・・・色々と目移りしてしまいますが、今回はさつまい
ものお菓子をお取り寄せしてみました。

『安納芋』という品種があります。少し前までは幻の芋などと呼ばれていまし
たが、最近ではスーパーなどでもちらほら見かけるようになりました。
その安納芋を使ったスイーツが食べたい、と思い見つけたのが、

『訳あり安納芋の半生スイートポテト端っこ1kg』です。

訳ありで、端っこで、ドドーンと1Kg。
有名店の高級スイーツも心惹かれますが、欲張りな私はこのボリュームの魅力
に抗えません。

ただ、この商品を選んだのはボリュームのせいばかりではありません。
職人さんがじっくりと焼き上げることで実現したという驚きの糖度40度!の安
納芋ペーストを使用したスイートポテトだという点が一番です。
リンゴやナシ、柿などの平均的な糖度が15%前後、ぶどうでも20%を超える糖
度のものは中々ないことを考えると、信じられない甘さですよね。
そのため、使用される砂糖がかなり控えめなのだそうです。
つまり砂糖は少なく繊維質はたっぷりな、ヘルシーおやつということです。

届いたスイートポテト(冷凍)を早速食べてみます・・・が!
1度目は解凍に失敗(常温で解凍したのですが、時間をかけ過ぎました)した
ため、柔らかすぎて残念な食感となってしまいました。
元がねっとりと柔らかい安納芋なのですから、当然といえば当然なのですが、
送られてきたのが商品のみで説明書きの紙などが一切入っていないのも、この
事態に拍車をかけた気がします。ちょっと不親切・・・じゃないですかね?

というわけで、2度目は解凍時間に気をつけて・・・再度挑戦。
今度は丁度よい柔らかさでした。
冷蔵庫で1時間程度、中心に少しシャリシャリ感が残るくらいが食感的によい
と思いますが、いっそのこと、半分ほど凍らせたままアイスのようにして食べ
ても美味しいかもしれません。

お味の方は、良くも悪くも素朴。どこか懐かしいというか、リッチ感はまった
くありませんが、食べ飽きない優しい味がしました。
原材料も安納芋、バター、生クリーム、グラニュー糖、卵、塩と、添加物等は
入っていないようなので、小さなお子様のおやつとしても安心して召し上がれ
るかと思います。

たっぷり1Kgの大容量なので、普段使いのおやつには最適ですね。
ただし食べすぎには注意!しつつ、秋の味覚を楽しみたいものです。

■訳あり安納芋の半生スイートポテト端っこ1kg
1,980円 (税込) 送料別
http://item.rakuten.co.jp/supple-itb/sw-ak-007-2/
スポンサーサイト
comment 0 trackback 0
12.25
Fri
前回も設備情報管理の「保全計画の支援」というテーマのお話の中で、
「予測」のための、定量的な分析の方法のなかで、MTBFや故障率について説明
をしてきました。
MTBFや故障率の精度を少しでも上げるためには、故障モードに分類して、細か
くMTBFや故障率を計算していく手法が考えられます。
しかし、事象の発生頻度が少なくなります。
発生頻度が少ないと、次のような問題も出てきます。

稼働後3年で故障が発生した機械で、MTBFをもとに次回いつ故障が発生するか
考えるとします。
すると、故障発生時点では次回故障予測は前回故障から3年後という計算です。
しかし、そこから2年たってから公式通りにMTBFを計算すると、次回故障予測は
前回故障から5年後という計算になってしまいます。

このズレを避けるためには、常に「最新の故障時点」を基準にMTBFを計算する
方法が考えられます。
この計算であれば、データが少なくても、MTBFのズレの問題は避けられます。

一方、故障率も故障発生時点の計算を基準にしたとします。
すると、故障発生時点の故障率の方が高く算出されますので、それを今現在の
値として取り扱うには問題があるように感じられます。
実はこれは一つ前提を抜いているため、計算がおかしく見えるのです。

このようなお話をしてきました。

さて、この故障率の問題について考えるため、具体的な例をまた確認します。

[機器A]
・稼働開始:2010年10月1日
・今現在:2015年10月1日(5年稼働)
・故障回数:1回
・前回故障:2014年10月1日(4年稼働)

今現在を基に計算すると故障率は0.2回/年。
故障時点を基に計算すると0.25回/年となります。
つまり、今現在の方が故障率が低くなります。

「今現在の方が故障していないトータル時間が長いから、故障率が低くても当
然では?」

このように解釈できるかもしれません。

では、次のような例を考えるとどうでしょうか?

[機器B]
・稼働開始:2011年4月1日
・今現在:2015年10月1日(4.5年稼働)
・故障回数:1回
・前回故障:2015年10月1日(4.5年稼働)

つまり、今まさに故障した機械ということです。

今現在をもとに計算すると故障率は0.22回/年です。

整理すると今現在の日付で故障率を比較した場合、

[機器A]→0.2/年
[機器B]→0.22/年

このようになります。
つまり、[機器B]の方が故障率が高い、ということになります。
(故障モードがそれぞれ一種類ずつしかないという仮定ですが)

「じゃあ、Bの方が故障しやすいんですね」

さて、このように言えるでしょうか?

直感的に考えると、使い始めて4年で壊れたAの方が、4年半使えたBより故障し
そうな気がしませんか?

何か変です。
なぜ、このようなことが起こるのでしょうか?

それは、そこに、
「故障が劣化の進行等によりある程度周期的に起こる」
つまり、
「将来、必ず故障が起こる」
という前提が抜けているからです。

機器Aは使い始めてから4年で故障しています。
その前提に立ち、今後もずっと4年周期で故障する、と仮定すると、故障率は

0.25回/年になるわけです。
つまり「故障時点での故障率」で計算をするということです。

この「0.25回/年」であれば、機械Bの「0.22/年」よりも故障率が高くなっ
ていて、直観的なイメージとのズレはあまりないと思います。

逆に言うと、「将来(周期的に)故障が起こる」という前提に立てば、単純な
経過年数だけで故障率を算出するのは実態とのズレが大きくなる可能性があ
る、ということです。

この前提は、先月ご説明したMTBFでも同様です。

つまり、最新の「故障時点」までの稼働時間で計算のが、MTBF・故障率の計算
上都合が良いのです。
ここでは学術的な計算を求めているのではなく、便宜上どのように考えると比
較などの取扱いがしやすいか、ということがポイントです。

もう一つ考えてみましょう。
もし、周期が過ぎても故障が発生しなかったとしたら、故障率をどのように考
えればよいのでしょうか?

先の機器Aの例で言えば、2014年10月1日の4年後、2018年10月1日に再び故障が
発生するという前提に立っています。
しかし、それが1ヶ月過ぎても、2か月過ぎても故障が起こらないとします。

その場合、故障率の計算時点で故障が発生したと仮定して、故障率を計算して
ください。
例えば、2018年12月時点で計算するときには、12月に故障が発生したと仮定し
て、計算します。
つまり、

2018年10月まで→故障率は0.25回/年
2019年1月→故障率は0.24回/年

となります。

実際に故障が起こっていないのに故障を入れるのは違和感があるかもしれませ
ん。
しかし、この計算は「最新の故障時点を基に計算する」という前提にたってい
ます。

当初の予測を過ぎて、故障率をより実態に近づけて計算するためには、

「今故障が発生したとしたら」

と考えることで妥当性が増します。

もし、故障を仮定せず、総稼働時間で計算すると何と故障率は、

0.12回/年

となります。
この数値ではそれ以前の「0.25」という値とのギャップが大変大きくなっ
てしまいます。

故障データが少なければ、いずれにしても精度が低いのは確かです。
ただ以上のような方法を使うと、通常のMTBFの計算や故障率の計算に比べて、
計算時点での整合性ずれが少ないと思います。
比較もしやすくなります。

実は、もう一つこの件で問題があります。
つまり、予防保全を行った場合には、故障率などをどのように解釈すればよい
のか?
ということです。

長くなったので、これは次回お話ししたいと思います。
comment 0 trackback 0
back-to-top
上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。