Customer
Transformation

AI・データ駆動開発を、
一人の実践から組織の力へ。

データやAIを研究開発の力に変えるには、技術の導入に加えて、人材、業務プロセス、データ、意思決定、推進体制までを一体として変えていくことが重要です。
MI-6のCustomer Transformation(CX)は、研究開発組織がデータを日常的に活用し、知識を蓄積し、自ら学習し続ける状態をつくるための変革支援です。

お客様が実現したいことは、研究テーマや組織の状況によって異なります。MI-6は現状や課題を整理し、状況に応じた最適なアプローチを設計します。

進捗や得られた知見に応じて、新たな課題や可能性も見えてきます。私たちは仮説を立て、実践し、結果をもとに改善を重ねるサイクルをお客様とともに回し続け、次の実践へとつなげていきます。

こうしたサイクルを継続することで、研究開発の前進と、その先にある変革を支援します。

Customer Transformationの特徴

  • データ駆動組織を設計する

    研究開発の現状と課題を捉え、データに基づく判断や実験計画を日常的・自律的に行える組織の目指す姿を明確にします。その実現に向けて、具体的な取り組みを整理し、ロードマップや推進体制を設計します。

  • 人と組織の実践を支える

    研修やコーチング、実践プロジェクトを通じて、研究者が自らデータを活用し、課題の検討や次の実験につなげる力を育てます。さらに、実践を組織全体へ広げ、継続的なデータ活用を支援します。

  • データと知識をつなぐ

    実験データだけでなく、実験条件や考察、意思決定の背景までを関連付けて蓄積し、組織で共有・活用できる環境を構築します。研究開発で得られた知見を、次の実験や新たな開発テーマに活かせる状態を目指します。

  • 研究開発プロセスを進化させる

    実験計画から実験・計測、データ解析、結果の解釈まで、研究開発の各工程をつなぎ、得られた知見を次の判断や実験に活かせるプロセスを構築します。実践と改善を重ねながら、研究開発の進め方を継続的に進化させます。

Case Study 01

MI人材を育て、
組織に定着させる

課題

研修やツール導入を進めても、実際の研究テーマで活用できる研究者は限られていました。「自分のテーマへの適用方法が分からない」「試す時間や相談相手がいない」といった壁があり、推進部門が個別案件を支え続ける状態になっていました。
研究マネージャーや推進部門を含め、誰がどの役割を担い、各研究テーマの課題に対してどのようにMIを適用するか判断できないことも、組織展開を妨げていました。

解決策

MIを実践する研究開発メンバー、中核MI人材、推進人材など、組織に必要な役割と育成方針を設計します。実際の研究テーマを使い、課題設定からデータ解析、結果の解釈、次の実験計画までを経験する実践型プログラムを実施。MI-6の専門家がレビューや伴走を行い、研究者が実務の中でMIを使える状態をつくります。

Case Study 02

研究課題から
必要な計測を設計する

課題

達成したい製品性能や技術目標は明確にあるものの、そこへ至るまでに「何を明らかにすればよいのか」「どの順番で検証すべきか」が十分に整理されていませんでした。複数の技術課題が並行して存在し、個々の実験は進んでいる一方で、それぞれの結果が最終的な目標達成にどうつながるのかを俯瞰しにくい状態になっていました。

解決策

目標とする製品・技術の状態から逆算し、開発の道筋をお客様とともに整理し、実証の支援をします。
最終目標を複数の技術課題やマイルストーンへ分解し、それぞれについて「何が分かれば次の段階へ進めるのか」「その判断にはどのデータが必要なのか」「どのような実験や計測によって確認するのか」を整理します。研究者が持つ仮説や経験も組み込みながら、開発全体の依存関係と優先順位を可視化します。その結果、計測手法の確立がボトルネックになると判断し、MI-6のラボにおいて検証環境を構築しました。

Hands-on MI

経験豊富なデータサイエンティストが課題解決を支援

材料領域に精通したデータサイエンティストが、お客様のテーマに適したソリューションをご提案します。MI研修や技術力向上支援などのハンズオンサポートも。

Case Study 01

分子生成の事例

課題:合成に関わる制約条件の多さ

目的の特性を有した新規分子の設計・合成には、特許や環境規制をはじめとする多くの課題が存在します。一般的なバーチャルスクリーニング技術やシミュレーションのアプローチでは、このような複雑な制約条件の一部しか考慮できず、候補分子の有用性は限定的でした。

解決策:計算科学と機械学習の両面からのアプローチ

計算科学と機械学習を組み合わせた独自のバーチャルスクリーニング技術で、所望の分子探索を行います。様々な制約条件を考慮しながら多くの分子を高速にスクリーニングすることで、有望分子のみを対象とした高精度なシミュレーションが実施でき、確度の高い候補分子の提案が可能となりました。さらに、従来の検討からは想像できない新しい分子構造も発見でき、研究者の想像の幅を広げることにも繋がっています。

「AIによる分子生成」や「高精度計算による評価」を主眼に置いたHands-on MIの、お客様毎にカスタムしてプロダクトとして提供出来るというサービス価値を表した図
Case Study 02

画像やスペクトルに関する解析・数値化の事例

課題:定量化、重要因子特定の難しさ

半導体、触媒、ナノ材料などをはじめ、画像やスペクトルなどのデータを扱う研究開発領域は多く存在します。これらのデータは定量的な評価が難しく、MI活用、解釈可能な重要因子の特定に多くの課題があります。さらに、組成・プロセスが多段階になることから紐付けが難しく、研究者の経験に頼るしかありませんでした。

解決策:特徴量の抽出と機械学習への展開

独自の解析ノウハウを用いて、画像やスペクトルから特徴量(数値情報)を抽出しました。これまで感覚的な特徴として扱っていた情報を数値化することで、機械学習の活用が可能になりました。結果として、これまで定量的に議論できなかった重要因子の発見に繋がりました。

miHub

研究者のドメイン知識とMIを融合しデータドリブンな研究開発を組織のものに

MIによる高度なデータ解析、研究ナレッジ蓄積を実現する実験計画プラットフォーム。直感的な操作と、意思決定の過程を記録できるコラボレーション機能によって組織レベルで研究開発力を向上させます。

Case Study 01

配合条件最適化(低融点ガラス)の事例

課題:目標性能を満たす配合の最適化

過去の知見を基に、数十種類の主成分候補から数種類を組み合わせ、熱伝導性とガラス転移点のトレードオフを打開できる条件を探索。膨大な組み合わせ候補から探索する必要がありましたが、従来の開発では大幅な改善は見られませんでした。研究者が直感的に性能の良し悪しを推定できず、検討の進展には至りませんでした。

解決策:ベイズ最適化による効率的な組成探索

ベイズ最適化を用いることで、広大な未探索領域を予測し、従来では試みないような組み合わせを含む高期待値の候補点を見つけることができました。数十点の追加試行で従来よりもコストを下げつつ高い性能を実現する組成を発見しました。miHub®を用いたMI解析では、最適組成の発見にとどまらず、その過程で多くの洞察を得ることができます。

Case Study 02

有機合成プロセス(貧溶媒晶析)の事例

課題:最適なプロセス条件探索

ポリマーの原料となるモノマー製造において、純度、収率、容積効率の3つの目標を同時に満たす貧溶媒晶析出の条件を求める必要がありました。溶媒の種類や割合など、検討すべき条件の変数が多いため、網羅的な実験は困難でした。また、製造プロセスの設計は多段階にわたるため、各プロセスの条件検討の短縮が求められていました。

解決策:重要変数の特定と効果的な検討

独自に開発したLASSOモデルを用いて解析し、重点的に検討すべき変数を判断しました。予測モデルで実験候補条件を網羅的に扱い、無数に存在するプロセス条件の中から達成可能性の高い条件をスクリーニングすることで、実験検証前に条件を客観的に厳選できました。

Case Study 03

MI組織展開の事例

課題:ノウハウ・ナレッジの共有

データ駆動型R&D推進の鍵となるのは、長年の研究開発の財産であるデータ、ノウハウ、ナレッジとMIの融合です。MI解析においては、検討の経緯や解析手法が重要であるものの、その複雑な手順を共有するハードルは高く、属人化が起きやすい状況になっています。

解決策:試行錯誤の過程・考察とMI解析の紐づけ

miHub®によりデータ解析とそこから得られる考察を結びつけて記録、共有することが可能になりました。一つのプラットフォーム上で解析、考察、ディスカッションが行われています。MI解析にこれまでのノウハウ・ナレッジをかけ合わせた研究開発が促進され、組織全体で研究開発の土台として展開可能になりました。

Lab Automation

実験のデジタル制御と自律化を支援

自動実験によるハイスループット化とMIによる実験計画を通じて、自律的な実験サイクルを実現します。これにより研究者の創発性と開発組織の生産性を非連続に向上させることを目指します。

Case Study 01

無機薄膜の自動自律実験システムの事例

課題:薄膜開発における多数のパラメーター調整

薄膜材料の合成プロセスには、多くのパラメータが関わるため、目的とする特性を持つサンプルを効率的に作製する条件を見つけることは非常に困難です。さらに、半導体分野では技術の進化が非常に速く、スループットを上げて開発期間を短縮することが求められています。

解決策:自動自律実験システムでの合成・分析とmiHub®での最適化

MI-6の無機薄膜向け自動自律実験システムは、薄膜の合成と分析を自動かつ連続的に行うことが可能です。取得したデータはmiHub®で高度に解析・最適化され、効率的な実験を実現します。大量に収集した質の高いデータを俯瞰することで、重要な合成パラメータや新たな知見の発見にも寄与します。

Case Study 02

液体材料の自動分注・合成システムの事例

課題:同時に有機合成できるサンプル数の少なさ

モノマーからポリマーを合成する工程では、反応に時間がかかる上に同時に合成できるサンプル数が少ないため、開発スピードが上がらないことが課題となっています。反応前に材料同士を混ぜ合わせる分注作業にも多くの手間がかかり、時間的にも精神的にも、研究者の大きな負担になっています。

解決策:自動分注装置による同時合成および光学測定の自動化

液体材料を自動で分注できる装置とヒーターを連動させるシステムを用いて、最大で48サンプルの同時合成が可能に。合成後、GPC測定や薄膜化した上での光学測定も自動で実施できます。将来的にはmiHub®と連携して、合成→測定→データ解析→合成のサイクルを自動で自律的に運用できるシステムを構築することができるようになります。