![見出し画像](https://assets.st-note.com/production/uploads/images/86285825/rectangle_large_type_2_a7d7418176efee09f166aeb107696780.jpeg?width=1200)
原材料の配合や工程にAIを適用した最適化事例
製造業の材料配合・工程条件の予測の分野についてもAIの活用が進んでいます。製鉄、素材、製薬などの業界において、成分の配分量や工程条件を精度高く予測することは困難です。その解決方法のひとつとして、近年AIに注目が集まっています。
製造業が重視しているのは、良い品質の材質・モノを生成するのに必要な条件を効率よく算出することです。
「どんな材料を、どんな割合で混ぜて生成するのか」など、今までは熟練した職人の経験・勘などによってしかわからなかった製法が、AIの活用によって効率よく考案できるようになります。
この記事では、材料の配合の最適化についてAIの活用事例を紹介します。
数十年以上から数十秒に!半導体材料を最適化する配合について、AIを活用した大幅な高速化が可能に
ある化学工業会社では、量子コンピューティング技術を活用したAI導入によって、半導体材料の配合にかかる時間を、以前の数十年以上から数十秒にまで短縮できるといいます。
半導体材料の配合には、樹脂、フィラー、添加剤などの材料を使用します。それらをさまざまな比率で配合することになりますが、その最適な配合を調べるには、先に述べたように従来のAIモデルでは数十年以上かかる計算になっていました。
ブレイクスルーの契機となったのは、日本を代表する総合エレクトロニクスメーカーが考案した量子技術に着想を得た高速化技術でした。
半導体材料の配合に、この高速化技術を活用するには、統計力学の解析手法である「イジングモデル」の入力が必要です。
そこで、某化学工業会社では、半導体材料の特性を配合条件から予測できる「イジングモデル」を反映したAIモデルを独自に開発しました。
高速化技術と連携することで、以前のAIモデルと比較し、探索にかける時間を数十年以上から、たったの数十秒に短縮できるといいます。
また「速さ」だけでなく、性能の高さも特長です。
半導体材料として約3割程度、高い性能を得ることが可能だといいます。
飲料の新商品開発にAIを活用!材料配合の最適化で業務を効率化できる
![](https://assets.st-note.com/img/1662428085236-fCB2hqlCT5.png?width=1200)
次に、飲料の新商品開発におけるAI活用事例を紹介します。
従来は、技術者が自らの経験をもとに、原材料の配合・工程条件を調整しながら新商品の試作を繰り返していました。
国内の大手飲料事業会社では、その施策のレシピや技術者の知見をデータベース化するなどして、工夫をしていました。
しかし、その活用については技術者によってバラつきがあったのが事実です。
その改善のため、レシピ開発のためのAIを開発しました。
試作結果の予測機能を得るためのAIモデルです。
過去の試験データを学習させたAIモデルに、技術者の知見をプラスすることで、「原材料の配合はどのようにしたらいいか」「どのような工程条件を設定することで、どんな試作ができるのか」などをAIが予測できるようになります。
この機能によって、手を動かさなくても、精度の高い試作結果を事前に得ることができるようになりました。
新商品開発にかける時間について、飛躍的な効率化ができたといいます。
しかし、目指す「味」の実現には、技術者の発想力や経験が必要です。
そこで、今度は目標とする「味」から、工程・原材料を逆引きできる「レシピの探索機能」を開発し、AIモデルに追加しました。
目標とする「味」の具体的な数値を設定することで、文字通りAIがレシピを探索します。
そうすることで、例え経験の浅い技術者であっても、熟練した技術者と同じように、レシピ候補を抜け漏れなく検討できるようになります。
また、新しいレシピについても、AIの活用によって発見が見込めるといいます。
大手飲料事業会社の中には、飲料における豊富なレシピ開発の実績があります。
長年のものづくりで得た技術者の知見を引き出すAIの機能によって、開発力のベースの底上げが可能となります。
しかし、「味」の値だけでは表現できない全体のまとまり、風味などのバランスの調整には技術者の存在が欠かせません。
AIと人が相互に補い合うことで、これまでにない魅力的な飲料を効率的に開発することができるようになりました。
AIには「レシピの結果が予測できる機能」に加え、味の数値から「レシピの逆引きができる機能」が搭載されました。
その機能の完成によって、技術者の業務は飛躍的に効率化されたといいます。
業務が軽減されたことで、技術者はAIにはできない、人にしかできない業務に集中することできます。
今後、少子高齢化によって人材が不足する中、働き方の改革という面においても、AIの活用は期待されています。
また、熟練の技術者の知見を学習したAIを活用することで、技術の継承も見込まれています。
材料の配合最適化におけるAIの課題とは
続きは以下、MatrixFlow記事をご覧ください(無料で閲覧できます)。
MatrixFlowでは一緒に世界を変えるAIプラットフォームを作る仲間を募集しています!!
【会社概要】
株式会社MatrixFlowは、「テクノロジーで世界をつくる」をミッションとするAIベンチャーです。大人から子供、ビジネスマンから学生、デザイナーからサイエンティストに至るまで、様々な人々がAIを活用し、素晴らしい着想を得たり、あっと言わせるクールな活動をすることを支援したいと考えています。その実現に向けた第一歩として、プログラミング不要のクラウド型AI構築プラットフォーム「MatrixFlow」を開発しております。また、様々な会社でのAI活用を推進するためにAIの受託開発・コンサルティング事業も行っております。
【会社情報】
設立 :2018年10月
本社 :東京都台東区
URL:https://www.matrixflow.net/
事業内容:ビジネスのためのAI活用プラットフォーム「MatrixFlow」の運営、および、AIの受託開発・コンサルティング
この記事が気に入ったらサポートをしてみませんか?