“解析と組織定着”双方のサポート活用で、2名からの取り組みが組織全体へ波及

サンユレックは、「電気・電子材料」「半導体材料」「建築・土木関連材料」「各種工業用接着剤・複合材用材料」の4事業領域を設け、各分野に特化した配合樹脂、例えば業務用接着剤/塗料の開発・製造・販売を手がけています。

幅広い素材の特性への理解と、半世紀以上にわたって2,000種に及ぶ製品を開発してきたノウハウを活かし、分野や用途、工法を限定せず多様なニーズにお応えできることが私たちの強みです。

新製品開発や新市場の開拓にも注力しており、開発部 材料開発グループでは、そのための新たな技術・材料の研究開発に取り組んでいます。

材料選定から工程の決定までを行うにあたって、要求特性を満たし量産化に至る “答え” は担当者の数だけあると言えます。その中で「どの方法がより性能を高め、より効率の良い製造を実現するのか」を突き詰められていない、つまり製品開発が最適化されていないことをかねてより課題と捉えていました。

開発競争に遅れを取らないためにも、昨今発展しているITの力を利用して “より効率的な製品開発” と “自然にデータが蓄積される仕組み” を実現すべきだと考え、開発部を任されることになった2020年ごろから開発プロセス改革を構想し始めました。

時を同じくして、私が当時履修していた社会人博士課程で、計算（シミュレーション）化学やAI・MIを学んだことに加えて、新技術の開発・導入をミッションとして与えられ開発部に異動したことが、MIの取り組みが始動するきっかけとなりました。

大学院で知識を得て「今後の材料開発では理論と計算、そして実験化学を融合させなければ世の中についていけない」「できる・できないではなく、やらなければ世界についていけない」と感じていたため、この興味や危機感を石井と共有しMI導入に向けた調査を始めました。

MIや機械学習の活用によって、2,000種近くの製品にまつわる情報を共有・把握しきれないために生じる無駄、例えば「この製品を改良した方が早かったけれど、別のアプローチをしてしまった」「処方は異なるがよく似た製品が複数ある」といった事象を解消し、開発の効率化、期間短縮を実現できればという期待がありましたね。

「機械学習」をキーワードとしてアプリケーションや研究機関についての情報収集を進め、コストの観点からまずは内製を軸に取り組む方針を定めました。

大学の講義で知識を身につけたのみで実務経験がない中、Pythonを学び、低コストで導入できるノーコードプログラミングプラットフォームを活用して数式モデルの作成に1年ほど取り組みました。

その中で、顧客ごとの用途や特殊なご要望が多岐にわたるためにデータが分散しており、必要なデータ数を満たすのが難しいこと、一つの特性について数式モデルを作るのに多くの時間と労力がかかり、多量の要求特性に対応しきれないことが課題として見えてきました。これらを解決する方法を模索する中でたどり着いたのが、ベイズ最適化でした。

私たちの研究開発に有用だろうと思えたものの、自分でベイズ最適化の数式を理解してコードを書くのは難しいと判断し、ツールの導入を改めて検討しました。

miHub®︎に特に魅力を感じたのは、ノーコードで少数のデータからMI活用を始められること、データサイエンティストによる手厚いサポートが受けられることです。またトライアルで、1年かけて私が作ったモデルではできない予測や配合の提案が高速で計算されるなど、規模とスピードのメリットを実感できたことも導入の決め手となりました。

社内にMI活用を浸透させるため、効果を示す実績を作り広報することに注力しました。テーマとして選んだのは最終製品の耐久性を左右する課題で、長く社内で議論され、一定の理論はあるものの説明しきれない部分が残っていたものでした。例えば、「接着剤は硬い方がしっかりとくっつくものの、接着した部品の温度の変化に対して弱くなってしまう。ではどの硬さが最適なのか」といったイメージの課題です。

このテーマのもと、鳥越の持つCAEシミュレーションの知見を活かし、仮想実験を行いながらそのフィードバックをもってMIで材料設計を行うという連携を実践し始めました。

導入当初は実験を他部署にお願いするためのやりとりに多くの時間がかかっていたところ、仮想実験であれば部内で完結させられるため、取り組みが一気に前進した感覚があります。また選んだテーマが社内共通の課題であったことから、得られた成果に対して大きな注目が寄せられ、MIに対する関心が広まっていきました。

社内で持っているノウハウとは真逆の方法で性能が高まるという結果が、盛り上がりを生みましたよね。これまで同テーマの研究開発に携わってきた経験者を集めてシミュレーション内容を報告したところ、各自の経験をもとにさまざまな意見が噴出しましたが、最終的にシミュレーション内容と実際の試験結果が合致し、一同驚いていたことが印象に残っています。

miHub®︎の操作は簡単で一度研修を受ければ一通り触れるようになり、1〜2テーマ完結させた経験があれば自立して扱えるレベルに達せると思います。ただし、思った以上に “使い方のノウハウ” がありそうだと感じました。いかに自分の持つ知識や経験をMIの設定に組み込むか、MIの提案をもとにデータを見つめ直し実験を練り直すかによって、出てくる結果も、ゴールにたどり着くまでのスピードも変わってくる印象があります。

こうした点をふまえ、MIが機械的で自分の考えを挟む余地がないものではなく、“実験の良いパートナー” なのだと捉えるようになったことは、導入前の印象から大きく変化しています。

インターネット検索は誰でもできるけれど、上手い人とそうでない人がいる、というのと同じことですよね。

私としても当初は「MIを導入した結果、人は不要になるのでは？」「MIに言われるがままになる？」と懸念する部分もありましたが、むしろ人とMIが協業することでさらなる高みを目指せるのだなと、心配せず積極的に利用していきたいと感じています。

実際に少ないデータ数からスタートして実験サイクルを回していく中で、回を重ねるごとに良い結果になってきていることを実感しています。手応えを感じるとともに、実験データの蓄積によってさらにゴールに素早くたどり着けるようになることへの期待があります。

普及活動として若手を中心に勉強会を行っています。中には自分の実験で積極的に活用するようになった人もでてきているなど、徐々にではありますが着実に広まってきていると思います。

新しいものに対して抵抗を持たず、何かきっかけがあれば自分でしっかりと調べてみる人が多いという組織風土が、活用の浸透を後押ししてくれているのではないでしょうか。

MIの活用によって、自分では思いつかなかったようなアイデアや、同じ目標に対するいくつもの異なるアプローチが見られるようになったことは大きな変化だと捉えています。

また、これまで1〜2年はかかっていたようなチャレンジングなテーマや、長い間停滞していたテーマを数ヶ月内に達成できたという事例も複数生まれました。さらに、これらの成果が若手メンバーの主体的な取り組みから生まれている点にも、MIの有効性を感じます。

製品開発の過程における議論が活発かつ円滑になったことも良い変化の一つです。特にmiHub®︎のバージョンアップによって情報の視認性が高まり、メンバーがグラフを見ながら議論し新たな取り組みにも挑戦するような様子が見られるようになりました。

私自身、一人で機械学習モデルを作っていたときは「精度が高い/低い」しか見ていませんでしたが、鳥越と連携して「この結果はこの辺りの考慮が抜けている」「これは新人のころによく失敗した配合にそっくりだ」「僕らの知見とも相違ない推奨条件になってきたな」と考察・議論ができるようになり、面白みが増したことを実感しています。だからこそ、議論が活発になることの重要性を、強く感じています。

MIが出した結果をさらに解析して議論していくことで、面白みが増してスピードも高まる、今まで見落としていたことが見えるようになり考察の質が高まる、それによってノウハウが蓄積されるというサイクルに、MI活用の利点と必要性を感じますね。

解析から実験までを1,2人で行わなければならないような状況もあった中で、相談できる相手がいたことには大変助けられました。

特にMI-6はデータサイエンスだけでなく化学の知識も持たれているため、時間をかけて説明しなくとも社内で問題になっているところを理解して解決策を提案してくださり、テンポ良くやりとりできたことがありがたかったなと思います。

初期段階は解析結果の解釈へのアドバイスや疑問点の解消など、解析に関する部分でお世話になりました。さらに、取り組みが進む中で「どうやって組織に活用を定着させるか」についてもご相談するようになりました。

なかなか他部署の協力が得られず前に進めない時期もありましたが、取り組みの進め方からアドバイスいただき、物事が着実に進んでいったことに感謝しています。

ツールの提供にとどまらず、データサイエンスのプロフェッショナルが解析と組織定着の二つの観点からサポートしてくださると考えれば、大変価値ある投資だと言えると思います。

まずはMIを中心として議論がさらに活発になっていけば良いなと感じており、miHub®︎にはチームにおけるコミュニケーションツールとしての役割を期待しています。

また今後「社内でMIを活用する方法」を広く共有していくことができれば、より多くの人がMIをツールの一つとして利用するようになるとともに、より良い使い方も見つかっていくのではないかと考えています。そうした変化を経て、技術的な課題や開発フローにまつわる問題が解消され、より円滑に製品開発が進む状態を実現するのがまず第一段階でしょうか。

社内に利用が浸透していった先では、自発的にMI活用に取り組むパワーユーザーが部内の各グループにおり、さらに増えていくような環境を構築していきたいですね。その体制のもと、お客様のご要望への対応はMIを用いて即時行い、より難しい課題にMIの使い方を変えながら対応していくような開発業務のあり方を作っていければと思います。

MIだ、AIだ、などと肩ひじを張らずに、便利なツールとして日常的に、当たり前に使うのが最終的な姿だと思っています。そのようにして日々、「きれいなデータ」が再利用可能な状態で蓄積されることで、別のMI技術での利用も可能となります。例えるなら、個々の主体的な行動によって秩序が形成されていく「自己組織化」のようなことが、社内に蓄積したデータ間でも発生し、人とMIの織りなす最適データの自己組織化が起こるのが理想として取り組んでいきたいと思います。