本日は、2026年夏号64ページにある
ミールタイム肉まんについてご紹介いたします！
お弁当と一緒に「あと肉まんも！」と注文される方が多く、
“74-260”の注文コードを覚えてしまいました(^^;)

電子レンジで加熱するだけなので朝ごはんやおやつにいかがでしょうか？

まずミールタイム肉まんの3つの特徴についてお話します！
1.　蒸した後、急速冷凍を行うことにより、生地に水分を残しているため
レンジ調理の際にふっくら仕上がります
2.　生地を独自の配合にすることで、たんぱく質量を控えています
3.　味付けに香味野菜のしょうが、にんにくのペーストを使用することで、
1個当たりの食塩相当量を0.4ｇに控えつつ、
減塩を感じない味わいをお楽しみいただけます

一般的な肉まんと比較すると塩分50％、、たんぱく質35％カットしているため
腎臓病をお持ちの方や減塩が必要な方におすすめできます！
（日本食品成分表2020年版で肉まんと比較）

また、病院の栄養士さんに肉まんを使ったアレンジレシピを
紹介していただいています。
私のおすすめはピザ風肉まんです！

ほかにも肉まんを使ったアレンジレシピがございますので
以下のページをご覧ください📣
▶ミールタイム肉まんを使ったアレンジレシピ特集 | ミールタイム

これから暑くなり、熱中症や夏バテが心配な季節になります。
しっかりと食事をとって体力をつけて夏に打ち勝ちましょう🌞✊

肉まんやお弁当のご注文・お食事に関するご相談いつでもお待ちしております！
お気軽にご連絡ください！☎

——————————————————————————————
ファンデリーでは、一緒にお客様の在宅食をサポートしてくれる
栄養士仲間を募集しています。エントリーはこちら【第二新卒歓迎♪】

＜2027新卒　栄養士・管理栄養士職＞
エントリースタート！2026年７月会社説明会参加必須
募集要項　詳細は☟
https://www.fundely.co.jp/recruitment

下記ブログもご覧くださいませ。
大阪で働く栄養士の医療機関紹介ブログ
神奈川で働く栄養士の医療機関紹介ブログ
AKABANE TECH BLOG
——————————————————————————————

本日は、前回同様そよぎハート＆ライフクリニック　湘南平塚の管理栄養士
谷野麻衣様をご紹介いたします。

私が驚いたのは、広い診察室の一角で、理学療法士によるリハビリトレーニングを行える環境が整っていたことです。

また、院内には臨床検査技師も常駐しており、血液検査の結果が約1時間で分かるため、その結果をすぐに栄養相談へ反映できる点も非常に魅力的だと感じました。検査結果をもとに食生活を振り返りながら、患者さんと一緒に改善点を確認できる環境が整っています。

栄養相談は常勤管理栄養士2名で対応しており、予約時には食事に関する「事前アンケート」を実施しています。患者さんに1日分の食事内容を記入していただき、その内容をもとに栄養相談を行っているそうです。

ここからは、谷野様をインタビュー形式でご紹介いたします。
—————————————————————————-

1.管理栄養士を目指したきっかけ

食べることが好きだったことに加え、両親が医療関係者であったため、医療分野の仕事に興味を持ちました。その中で、食事を通して健康を支える「管理栄養士」という職業があることを知り、大好きな食事を通じて人の健康をサポートできる点に魅力を感じ、目指すようになりました。

2.やりがいを感じるとき

患者さんの検査数値が改善した時はもちろんですが、「楽しく会話ができた」「会うのが楽しみだった」と言っていただけることにも、大きなやりがいを感じています。

最も印象に残っているのは、独居の高齢の患者様で、初回の面談時には「早く死にたい」「生きている意味がない」といった否定的なお言葉が多く聞かれていました。 しかし、継続して栄養相談を行う中で、現在では「あなたと話すために頑張るよ」と前向きなお言葉をいただけるようになりました。この経験から、患者様の生活や気持ちに寄り添いながら関わることの大切さを実感しました。

3.管理栄養士として今後やりたいこと

患者さんに寄り添った栄養指導を大切にしながら、自身の知識や経験を深め、食事を通して前向きに生活できるよう支えられる管理栄養士でありたいです。
また、知識をつけて患者様の数値改善ができるように資格も取得していきたいです。

—————————————————————————–
谷野様、ありがとうございました。

谷野様、秋葉様は、努力の末「心不全療養指導士」の試験に合格されたそうです。
近年は難易度も上がっており、合格率は約70％とのことです。

さらに今後は、「糖尿病療養指導士」などの資格取得にも挑戦したいと、前向きにお話しされていました。お二人の向上心あふれる姿がとても印象的でした。

——————————————————————–
下記ブログもよろしくお願い申し上げます。
赤羽ではたらく栄養士たちの日記
大阪で働く栄養士の医療機関紹介ブログ
AKABANE TECH BLOG
———————————————————————

5月21日（木）～23日（土）まで大阪国際会議場にて開催された
第69回日本糖尿病学会年次学術集会に参加いたしました。
ファンデリーは企業展示ブースにて、
来場者へ『ミールタイム』をご紹介しました。
今年は8,000名を超える来場者で、企業展示ブースも
3つの階に分かれて各企業が参加しました。

ファンデリーブースでは春号カタログとサンプル商品を配布しました。
全国各地から集まった医療従事者へミールタイムを
紹介していると、「昨年もブースでミールタイムについて
教えてもらいました」、「昨年も展示されてましたよね？」と
ミールタイムを覚えていてくださる先生方が
たくさんいらっしゃりとても嬉しかったです。

ミールタイム春号では疾患別解説ページや、
栄養士による英語対応が新たに加わったことなど
最新情報をご案内させていただきました。
現在は2名の栄養士が英語で電話対応しております！

また、一緒にお写真を撮らせていただいた
管理栄養士の先生をご紹介します↓

🌷赤坂おけだ糖尿病内科　後藤先生

次回は7月18日（土）から京都で開催される
第13回JADEC年次学術集会に企業展示で参加いたします。
ご来場予定の先生方は、ぜひファンデリーブースに
お立ち寄りください♪

——————————————————————————————-
ファンデリーでは、一緒にお客様の在宅食をサポートしてくれる
栄養士仲間を募集しています。エントリーはこちら【第二新卒歓迎♪】

＜2027新卒　栄養士・管理栄養士職＞
エントリースタート！2026年7月会社説明会参加必須
募集要項　詳細は☟
https://www.fundely.co.jp/recruitment

下記ブログもご覧くださいませ。
赤羽ではたらく栄養士たちの日記
神奈川で働く栄養士の医療機関紹介ブログ
AKABANE TECH BLOG
——————————————————————————————-

こんにちは。
デザインシステム室の濱口です。

直近の業務で重み付き乱択アルゴリズムを導入しました。
導入するにあたり知らないことが多く、学ぶことがあったので今回記事にしました。

重み付き乱択アルゴリズムとは？

重み付き乱択アルゴリズムとは、各要素に「重み（Weight）」と呼ばれる数値を設定し、その重みの大きさに比例した確率で要素をランダムに選ぶアルゴリズムです。

プログラムの世界では、単純にランダムな数（乱数）を生成すると、すべての選択肢が同じ確率で選ばれてしまいます。そこで、抽選対象のオブジェクトに「出やすさの数値（重み）」を持たせ、合計値の中での割合に応じて当選を決める仕組みが必要になります。これが重み付き乱択アルゴリズムです。

累積和について

このアルゴリズムを調べてる中で、累積和というテクニックが重要になっているのでこちらも紹介したいと思います。累積和（cumulative sum）とは、配列の「先頭からの合計」をあらかじめ計算しておくことで、後続の処理にて好きな区間の合計を一瞬で求められるようにするテクニックのこと。

例えば、ある1週間の日ごとの勤務時間（データ）と、その日までの合計勤務時間（累積和）の表です。

日数 (1日目 (月)2日目 (火)3日目 (水)4日目 (木)5日目 (金)6日目 (土)7日目 (日)勤務時間4時間5時間0時間3時間4時間8時間6時間合計時間（累積和）49912162430

この表を使って、「4日目（木）から6日目（土）までの3日間に、合計で何時間働いたか」を計算してみます。

1. 普通に計算する場合

4日目、5日目、6日目の時間をそれぞれ確認して足し算します。

3 + 4 + 8 = 15時間となります。

今回は3日間だけなので簡単ですが、これが「12番目から250番目までの合計」のように範囲が広くなると、何十回も足し算を繰り返さなければならず大変になります。

2. 累積和を使って計算する場合

累積和の表があれば、範囲がどれだけ広くても「知りたいエリアの右端の数字」から「不要なエリアの右端の数字」を引き算するだけで答えが出ます。

1〜6日目までの合計時間：24時間（必要な範囲の右端）
1〜3日目までの合計時間：9時間（いらない範囲の右端)

(1日~6日間の合計) – (1日~3日間の合計) = 24 – 9 = 15時間

このように、「6日目までの累計（24）」から「4日目の直前、つまり3日目までの累計（9）」を一回引き算するだけで、間の3日間の合計時間が正確に導き出せます。
これが累積和の基本的なやり方になります。

実務で使うにあたりどれだけデータが大量にあっても、この表（累積和の配列）をあらかじめプログラムに作らせておけば、任意の区間の合計値を出す計算が一瞬で終わります。

ガチャのレア度（UR, SR, N）で見る具体例

それでは本題の重み付き乱択アルゴリズムについて例を挙げながら説明します。よく活用されているのがソーシャルゲームのガチャです。新しく実装するガチャに、「UR（ウルトラレア）」「SR（スーパーレア）」「N（ノーマル）」の3つのレア度を入れるケースを考えてみます。

「重み付き」で設定する

重みで設定するときは、全体の合計値はいくらでも構いません。それぞれのレア度に「出やすさのパワー（数値）」を割り振るイメージです。

• 
  UR：3
  
• 
  SR：17
  
• 
  N：80
  
• 合計：100

この場合は合計が100なので確率と同じように見えますが、重みのメリットは合計値が柔軟に変えられる点にあります。たとえば、以下の設定も比率（3 : 17 : 80）が全く同じであるため、ゲーム内では完全に同じ確率のガチャとして動作します。

• 
  UR：30
  
• 
  SR：170
  
• 
  N：800
  
• 合計：1000

なぜ開発で「重み」を使うのか？

なぜ『重み』というアルゴリズムを使うの？」という疑問が湧くかもしれません。 その理由は、ゲームの運用中に「新しいレア度や、限定キャラを追加したい！」となったときに、重みを使った方が圧倒的にメンテナンスしやすいからです。

ガチャに新レア度「SSR」を追加する場合

重み付き乱択アルゴリズムを使っていると……（追加するだけ）

重みの場合は、全体の合計を気にする必要がありません。新レア度「SSR」の出やすさのパワー（重み）を「5」と決めたら、ただそれをリストに追加するだけでシステムが成立します。

• 
  UR：3
  
• 
  SR：17
  
• 
  N：80
  
• 
  SSR：5 （新しく追加！）
• 新しい合計：105

重み付き乱択アルゴリズムのプログラムは、自動的に「全体の合計値（105）のうち、5の割合でSSRを出す」という計算を処理してくれます。開発者は他のレア度の数値を書き換える必要が一切ありません。

イメージ

実験

最後に実際にコードを使って重み付けの乱択を試してみます。
以下がコードになります。

# 1. ガチャの中身と「重み」を設定

# 比率は UR:3, SR:17, N:80（合計100）

gacha_box = { "UR" => 3, "SR" => 17, "N" => 80 }


# 2. 合計の重みを計算（3 + 17 + 80 = 100）

total_weight = gacha_box.values.sum

# 結果を記録するためのハッシュ（初期値はすべて0回）

results = { "UR" => 0, "SR" => 0, "N" => 0 }

# 3. ガチャを1000回引くシミュレーション

total_rolls = 1000

total_rolls.times do

  random_value = rand(0..total_weight)

  

  # どのレア度に当選したかを判定するループ

  current_sum = 0

  gacha_box.each do |rarity, weight|

    current_sum += weight # 重みを順番に足していく（境界線を作る）

    

    # ランダムな数字が、現在の境界線より小さければ当選！

    if random_value < current_sum

      results[rarity] += 1

      break # 当選したら今回のガチャは終了、次の回へ

    end

  end

end

# 4. 検証結果の出力

puts "=== ガチャ1000回の実行結果 ==="

results.each do |rarity, count|

  # 実際に当たった確率（%）を計算

  actual_percentage = (count.to_f / total_rolls * 100).round(1)

  

  # 設定した本来の理論上の確率（%）を計算

  theoretical_percentage = (gacha_box[rarity].to_f / total_weight * 100).round(1)

  

  puts "[#{rarity}] 当選回数: #{count}回 | 実際の確率: #{actual_percentage}% (理論値: #{theoretical_percentage}%)"

end<

実行結果

ruby free/gacha.rb

=== ガチャ1000回の実行結果 ===

[UR] 当選回数: 33回 | 実際の確率: 3.3% (理論値: 3.0%)

[SR] 当選回数: 148回 | 実際の確率: 14.8% (理論値: 17.0%)

[N] 当選回数: 819回 | 実際の確率: 81.9% (理論値: 80.0%)

多少のズレはありますが、重み付けした比率の抽選結果になりました。

感想

実際の業務では、今回のガチャとは全く異なる対象の設計と実装に取り組みました。対象が複雑であったため形にするまでは非常に大変でしたが、粘り強く向き合ったことでシステムを構築する上での貴重な経験と深い理解を得ることができました。
近年はAIなどの技術を活用することで、以前に比べプログラムの実装自体は比較的簡単に行える環境が整ってきています。今後はこの利点を活かし、実装のハードルに阻まれることなく、さらに多様なアルゴリズムの仕組みや設計に触れ、エンジニアとしての引き出しを増やしていきたいと考えています。

さいごに

現在デザイン・システム室では、新しいメンバーを募集しています。少しでも興味を持たれた方は、ぜひご応募ください✨💻
皆様からのご応募、心よりお待ちしております。

参考資料
https://harucoder.jp/blog/algorithm-cumulative-sum#%E7%B4%AF%E7%A9%8D%E5%92%8C%E3%81%A8%E3%81%AF
https://qiita.com/kohnosuke/items/4b09507c63fbee32a372
https://qiita.com/pocokhc/items/a8f0281d54e1de7d3a30
https://www.shokasonjuku.com/ux-psychology/variable-reward