第1部　ものづくり基盤技術の現状と課題
第1章　我が国ものづくり産業が直面する課題と展望第3節　製造業の企業変革力を強化するデジタルトランスフォーメーション（DX）の推進

アジャイルは2001年に著名な17名のソフトウェアエンジニアが集まり提唱した考え方である。近年では、ソフトウェア開発だけにとどまらず、人事や経営といった分野にまで応用されている。アジャイルは源流に日本の製造業があるとも言われており、日本に逆輸入されてきたともいえる。

アジャイルの定義は「アジャイルソフトウェア開発宣言」と「アジャイル宣言の背後にある原則」の２種類の主張のみであり、具体的な開発手法はあえて定めていない。この定義を突き詰めると、アジャイルの本質は「より良い方法を探し続けるマインド」であることが分かる。アジャイル開発でよく聞く「スクラム」は、この定義を実現するためのプラクティス（手法）の一種である。本稿では、アジャイル開発の具体的な進め方を、このスクラムを例として紹介する。

スクラムは顧客の要求事項の中から最も優先順位の高い要求を実現するプロダクトを漸進的に開発し、提供し続ける事でビジネス価値を高めていくプロセスである。

要求事項の優先順位を決める役割を「プロダクトオーナー」、プロダクトの開発を行う役割を「開発チーム」、スクラムプロセスがうまく回るように支援する役割を「スクラムマスター」と呼ぶ。３つの役割をまとめたスクラムチームは「スプリント」と呼ばれる１週間から４週間単位の作業を行い、その都度、価値を確認しながら開発や改善をし続けていく。スクラムが適しているのは複雑で不確実性の高い問題の解決であり、その活用はシステム開発だけでなく、製造業その他の産業の事業開発、学校、政府、組織運営マネジメントにまで広がっている。

スクラムを製造業に応用した例は数多く報告されている。開発（エンジニアリング）にスクラムを適用した例の１つに、SAAB社における戦闘機開発がある。同社では、戦闘機を、エンジン、コックピット、機体、兵器といった、疎結合なパーツに分けた上で、パーツごとにスクラムチームを組成し、３週間ごとに全体を統合しながら成果を確認し、開発を進めていった。これはかなり大規模な取組であるが、大規模スクラムに適した方式（Scrum@Scale）を駆使して行った。F35は総開発費が1.5兆ドルだったのに対して、スクラムを導入した結果、SAABの戦闘機開発費は140億ドルに抑えられた。

SAABの事例以外にも様々な分野での応用例が報告されており、製造業でも利用可能なプラクティスが多く存在する。しかし、プラクティスを鵜呑みにして実施するのではなく、自社の状況を踏まえて小さな実験を繰り返しながら少しずつ取り入れて改善を続けていく行為がアジャイルの本質である「より良い方法を探し続けるマインド」を体現しているといえる。

インターネットを介して膨大なデータを集め、ビッグデータとすることで価値を生み出し続けるビジネスモデルが注目されている。一方で、製造業の現場にも膨大なデータがあるが、それらは、個別の状況に依存し、複雑な因果関係に基づいているため、共有するよりは、むしろ個々の事情を深く分析し、モデルを常に精査していくことで価値を生み出す“ディープデータ”である。製造業のデジタルトランスフォーメーションの成否は、このディープデータの扱いに懸かっている。

図１　ビッグデータとディープデータ

図１に示すように、ビッグデータは、消費者の行動に関するものである場合が多いのに対して、ディープデータは、生産者側の情報であり、そこにはノウハウなどの知的財産を多く含む。生産者にとって、ひとたび外部に流出したら、元の状態には戻せない。したがって、その扱いには、十分な配慮が必要となる。

IVIでは、経済産業省の施策であるコネクテッドインダストリーズの製造業への展開を具体化するために、データ流通基盤及びそのユースケース開発事業を受託し取り組んでいる。製造業オープン連携フレームワーク（CIOF）は、生産現場の複雑で奥深い知的活動をデータを介してつなぐことで、バリューチェーンをより強く柔軟なものとする。生産現場に存在するディープデータの特徴を踏まえ、それぞれの現場の知財を守りつつ、自律的で個性的なつながる現場を支援するフレームワークとなっている。2019年度は、以下の４つのカテゴリーに分かれ、実証実験を実施した。

＜カテゴリー１：製造ノウハウを含むデータの知財管理＞

加工に関するノウハウやNCプログラムなど、営業秘密として価値が高い情報をデータとして外部の取引先と共有する場合に、技術漏洩のリスクがある。知財としてのデータの送信先において、データの保存、修正、削除を、CIOFが取引契約に基づき監視し、かつ利用の実績を必要に応じて照会することで、取引先との高い信頼関係に裏付けられた生産プロセスの共有を可能とする。（DMG森精機（株））

＜カテゴリー２：品質データ管理による高付加価値経営＞

高度な品質管理では、工程内の様々な箇所で適切な検査が要求される。このような検査結果をデータ化し、CIOFにより関連する複数拠点で共有し、問題発見に活用することで、適正な品質管理を現場サイドと経営サイドが一体となって管理できる仕組みとする。また、ブロックチェーン技術を利用して、品質データの正当性を保証し、高品質を強みとして製造業を高付加価値化する。（（株）ジェイテクト）

＜カテゴリー３：つながる中小製造業の競争力強化問題＞

生産プロセスの一部を担う中小製造業は、比較的規模が小さく、現場のオペレーションと経営とが一体である場合が多い。注文内容や在庫、出荷品の検収などのデータを、取引先と共有する場合に、中小企業が不利な立場とならないようにCIOFによって管理することで、中小企業の管理レベルの向上と経営力向上につなげ、同時に発注側であるメーカーの生産性向上にもつなげる。（三菱電機（株）、ビジネスエンジニアリング（株））

＜カテゴリー４：AIによるエッジデータ収集と価値の共有＞

設備から得られる膨大なデータを、AIを用いて価値あるデータとするには、生産管理や品質管理などのデータと関連づけて学習させる必要がある。現場のデータをクラウド上に置くことには抵抗があるなかで、CIOFにより、エッジサイドで分散管理された一次データを、AIによる学習モデルに応じて収集し、それによって得られた成果を契約に基づき共有する。（（株）安川電機、SCSK（株））

現場と現場をつなぐための仕組みであるCIOFは、図２に示すように、インターネット上に連携サーバーと辞書サーバーをもち、各現場に配置された連携ターミナルと通信する。以下の３つの機能を有することを特徴とする。（（株）アプストウェブ）

①　辞書機能・・・複数の異なる現場の独自性の高い情報を相互につなげるための個別辞書を、共通辞書と関係づけて定義する。

②　契約機能・・・データに関する権利関係を契約として合意した後にデータの受け渡しを行い、データの利用や削除などを監視する。

③　認証機能・・・取引履歴の改ざんや、なりすましによるデータ送受信を検知するために、分散台帳技術を用いた履歴管理を行う。

本システムは2020年度より運用を開始し、2022年度から商用サービスとして本格的な展開を図る予定である。

図２　CIOFシステム構成図

東洋エンジニアリング（株）を前身とするビジネスエンジニアリング（株）は、製造業を中心とした幅広い業種の顧客に対して基幹業務システム（ERP）等のITソリューションを提供するベンダーである。

日本の製造業においてDXへの取組がなかなか進まない背景として、同社は、日本企業の役員層に設計・生産双方での知見や経験を兼ね備えた人材が少ないこと、また、デジタル化によるコスト削減効果が見えづらいことなどが、経営者のデジタル化へ向けた投資判断や意思決定を妨げているためと分析する。そこで同社は、IoTの現場データやPLM（製品ライフサイクルマネジメント）の製品データと基幹システムの原価データなどを相互に連携させ、経営指標を生成してトップダウンの意思決定を強化するとともに、活動指標を現場に浸透させて全体最適につながる改善や改革を促すことで、デジタル技術を活用したビジネスモデル変革を支援している。

また、拠点や部門ごとに部分最適化が進み、設計と生産の間で情報が分断されデータが分散しているという課題を解決するため、拠点（部門）や会計期間を越えて製品ごとの原価管理を行う手法を推奨している。同社が提供するERPパッケージであるmcframe（エムシーフレーム）は、生産・販売・原価管理といった基幹業務を、PLMを中心とするエンジニアリングチェーン、そして製造現場と相互連携させることで、製品の企画・設計・生産・販売・保守に至るまでのプロセスをITで一元的に管理し、データ駆動経営を具現化させている。このシステムによって製造企業は、原価構成のシミュレーション機能を活用して、開発初期段階や製品のラインナップ変更時に、精度の高い原価企画を実現できる。さらに、想定販売量や利益、設備稼働率、設備の投資回収状況などを割り出し、製品ごとの投資回収進捗や見通しを管理する経営判断ツールとしての活用も可能になるという。

今後、製造業がデジタル改革を推進していくためには、経営陣を巻き込んだ全社的な取組と、エンジニアリングチェーンとサプライチェーンの連携が重要であると同社は説く。具体的には、上記のようなPLMと原価に注目した経営管理の手法などを活用して、コスト削減効果や利益創出の観点で経営陣が意思決定し易い仕組みを整えるなど、様々な取組が考えられる。また、今後デジタル化が進むうえで、AIに任せる部分と人が得意な部分（感性に訴えるところ）の棲み分けをしっかり行うことも、DXを進めていくうえで重要なポイントの１つであると、同社では考えている。

図　現場データの経営指標化

出所：ビジネスエンジニアリング（株）より提供

2019年で創立100年を迎えた（株）ダイセルは、同社の出発点でもあるセルロイドを基盤としたセルロース事業、有機合成事業、合成樹脂事業、火工品事業、そして水処理製品などを含むその他の事業を展開している。1996年に網干工場（兵庫）で開始した生産改革の取組を皮切りに、同社が「ダイセル式生産革新」として展開してきた知的生産支援ソリューションは、今や幅広い業界で模範とされる取組である。

ダイセルが知的生産システムを導入するきっかけとなったのは、1990年代のベテラン人材の大量退職に伴う技能伝承の問題や、各工場の歴史的な出自の異なりを受けて個別最適化されていた部門・工場ごとの多様な生産性向上の取組を、全体最適化・標準化した生産方法へ移行する必要性が高まったためであった。例えば、不具合により一部の設備が停止した場合に、その影響を受けて前後工程も停止を余儀なくされるために、工程上の無駄が生じていた。そのような課題を受け、機械化・自動化が進んでいるプロセス型産業であるにもかかわらず、人が介在する業務が多数存在することに疑問を呈した小河課長（現社長）が、当時「人」に焦点を当てて問題の深堀を進めたことで誕生した同システムは、トップの意思とミドル層、そして各現場社員の改善に対する思いが成功要因となって実現したものである。

このダイセル式生産革新は、以下の４つの段階で構成されている。①共通の切り口で現行業務の在り方を点検の上、全体像を把握してマスタープランを策定する。②①で明らかになった無駄やロスを排除し、製造担当者の負荷軽減・安定化を図るとともに、言語の定義や図面の統一を行う。③現場のオペレーションの知見を科学的な法則と照らし合わせてデータベース化し、運転を標準化（総合オペラビリティスタディ手法）する。④③を継続的に運用するための仕組みとして、ITを活用した「知的統合生産システム」を構築する。これらの取組により、工程間の連携性を高め、全体最適化された運転を実現した結果、品質や生産効率の向上、作業負担の減少、安全面強化など様々な成果が得られた。さらに、ダイセル式生産革新として他の製造企業へライセンス供与を行うことで、自社のビジネスモデルを通じて他社の課題解決に資することが可能となった。その他にも、要求品質の高い新規顧客の開拓につながったり、標準化が進んだことで人材の多能工化が機能するようになったりと、同社に多くの成果をもたらした。

今後の取組について同社は、新設したイノベーション・パーク^注12を活用して、研究開発部門や技術部門、エンジニアリング部門を連携させ、社内の知見を集約することで、製品開発力を強化し、新規事業による利益創出を目指していきたいという。今後、社外を含めた自社製品のサプライチェーン全体にダイセル式生産革新を展開していくことで、品質・コストに良い影響を与え、全体最適化を通して日本のものづくりの競争力強化に貢献していけるのではと、同社は意欲を示す。

注12　新しい素材の企画・開発から量産化技術の確立に至るまで、オープンイノベーションにより新事業創出を加速していく、ダイセルグループのモノづくり技術の協創拠点。

図　知的生産システム構築の流れ

出所：日経ものづくり2012年１月号「知的生産システム構築の流れ」

ローレルバンクマシン（株）は通貨処理機の専門メーカーである。保有特許は3,000件以上の研究開発型企業で、全国に拠点を設けて地域密着の保守メンテナンスを展開しているとともに、紙幣自動仕分け機は日本の他中国、メキシコ、欧州などにも出荷している。硬貨包装機は高度な技術を必要とするが市場に対してはコストを抑える必要があり同社とグローリーしか製造していない。同じ大きさの包装紙で様々な大きさの硬貨を包装するところに同社のノウハウがある。

同社は長年、企画段階で計画していた原価と、設計終了時点で計算した原価との乖離に悩まされてきた。新製品を開発する際にはDR１～DR５という５段階のデザインレビューを行っているが、序盤のDR１・DR２（企画・構想）の段階では設計当事者にも原価が把握できず、DR３の詳細設計段階になってようやくCAD上で形になり原価が把握できるようになる。しかし、詳細設計の段階になると、すでにコスト（原価）の85％は決まってしまうといわれ、この時点から後戻りすることは事実上、不可能である。企画と詳細設計との原価の乖離は部品の調達にも影響するため、同社としてはコストをもっと早い段階から見える化するための取組に着手し、企画段階から正確な原価を把握するためのコストシミュレーション構築プロジェクトを立ち上げた。

プロジェクトで検討した結果、2015年９月に、品質の向上、コスト見直し、部品共有化を目的にVisual-BOMの導入を決定し、コストシミュレーションシステムに向けた要件定義の作業に入った。この要件定義に１年掛かり、システム構築にはさらに１年半を要したが、2018年５月には使い勝手のよい念願のシステムが稼働することとなった。

コストシミュレーションシステムが稼働したことで、企画と詳細設計の原価乖離の解消はもとより、生産性が大幅にアップした。例えば、開発担当者によっては担当ユニットの部品点数が1,000点を超える場合もあり、その原価を一つひとつ計算していくと大変な時間と労力が掛かる。そこをCADファイルの保存とPDM連携で自動的に原価が計算できるようになり、開発担当者１名が従来の原価計算に掛かっていた時間のうち、最大で１か月分に相当する作業工数の削減につながった。

なお、コストシミュレーションについては４つの段階（１．企画段階でのコスト、２．設計段階でのコスト、３．試作段階でのコスト、４．量産組立段階でのコスト）を想定し、現在は２（設計段階）と３（試作段階）に注力しているが、今後は１（企画段階）と４（量産組立段階）にも注力していく。特に４（量産組立段階）についてはこれまでも内部では参照する数値はあったが、輸送費などのコストが含まれておらず、実際に掛かるコストについて見直す必要があるとしている。例えば、これまでは大阪で設計されたものであれば生産も大阪で行っていたが、今後は１～４を総合的に踏まえた上で最適な生産工程を検討することが可能となる。

図１　オープン出納システム「SmartAXis」

出所：ローレルバンクマシン（株）より提供

図２　Visual BOMでのコストシミュレーション例

出所：ローレルバンクマシン（株）より提供

石川県金沢市に本社を置く（株）アイデン（従業員130名）は、制御盤の設計から板金、塗装、組立までの全工程を社内で一貫生産する制御盤の専門メーカーである。同社が謳う高品質・短納期・低コストは、独自開発した工法である制御盤の配線・組立支援システム「IWS（i-DEN Wiring Solution）」を軸としたデジタル化によって実現されている。

アイデンの主力製品である制御盤は従来、配線作業が一点一様である背景から、作業者の経験やスキルに依存したものづくりを行っており、人材育成に時間を要したり、作業進捗・工程管理が作業者任せになってしまうなどの課題があった。そこで作業を標準化する必要性を感じた同社は、CADメーカーと連携し、工程ごとに必要な図面と作業を可視化できるデジタルツール「IWS」を開発・導入した。IWSの導入によって進捗・材料の正確な管理が可能になるとともに、一部作業を機械化することで制御盤の生産性が向上した。

一方で、機械化に対する製造担当者からの懸念も発生したため、同社はベテランの製造担当者をより付加価値の高い業務専従とする棲み分けを実施することにより、現場の理解を得たうえでIWSの展開を進めた。また、IWSによる作業の標準化は、当時日本の制御盤メーカーがほとんど進出しておらず現地技術者も少なかったべトナムへの事業展開を可能にし、同社の海外進出の契機にもなった。

また、IWSが組立の進捗管理に特化したツールである一方で、設計→板金→塗装→組立という全く異なる生産工程をつなげ、作業進捗を見ることを目的として、同社はシーメンスが展開する産業用IoTプラットフォームである「MindSphere」を日本第１号として導入した。MindSphereは比較的安価且つ簡単な方法で導入できるため、中小企業にとっても導入のハードル自体は低く、これによって生産データの蓄積や生産状況の見える化を実現した。しかし、蓄積したデータを分析・活用できる人材が社内におらず、機能を十分に使いこなすことができていないのが現状であり、社外とのデータ連携面なども含め、完全な導入・活用にはまだハードルが高いと認識している。

将来的にデジタルツイン^注13の構築を検討する同社は、MindSphereで蓄積されたデータの活用を見据えた人材獲得・育成の必要性を感じており、IWSの更なる機能拡充により、エンジニアリングチェーンの強化・生産性向上を目指していきたいと語る。

注13　フィジカル空間の情報を、IoTなどを活用してほぼリアルタイムでサイバー空間に送り、サイバー空間内にフィジカル空間の環境を再現することで、フィジカル空間のモニタリングや高度なシミュレーションなどを行う概念のこと（出典：MONOist）。

図　IWSの従来生産との違い

出所：（株）アイデンホームページ「IWSの従来生産との違い」

川崎重工業（株）は、航空・宇宙・エネルギー・産業機器・電力・輸送・船舶業界向けの機器製造事業を展開するグローバル企業である。カンパニー制を導入する同社では、設計・開発・製造・ITなどの各部門がカンパニーごとに存在しているため、従来は各カンパニーごとに最適なパッケージソフトを使用し、デジタル化の環境構築を行っていた。しかし、全体最適化を目指すコーポレートIT部門にとっては、アドオン^注14開発機能など情報資産の横展開やソフトウェアライセンスの調達コストの観点から課題を抱えていた。また、種々のシステムが乱立しているため、外部ベンダーへの依存が高まっており、新市場開拓・新製品開発の際に必要なIT開発などに際して、各ベンダーへの支払い費用がかさむとともに意思決定が遅くなっていることも課題であった。

注14　アドオン（Add-on）は、「付属品」「追加機器」の意味。パッケージソフトウェアを導入する企業が、不足している機能を追加する拡張機能のこと。

これらの課題を解決するため、同社は各カンパニー共通の全社PLMプラットフォームを導入した。システム選定に当たっては、複合企業特有の多様な業務に対応できること、同社製品のライフサイクルの長さに対応した使用寿命であること、自社内でシステムの追加修正ができること、といった点に配慮した。展開方法として、システムの運用をコーポレートが請け負い、利用料をユーザー単位で配賦して徴収する「社内PaaS（Platform」as a Service）^注15」の形式をとった。これにより、各カンパニーIT部門の負荷や費用負担の低減を実現した一方、導入判断やカスタマイズは各カンパニーに一任して自由度を持たせたことで、各カンパニーの課題に合った運用が可能となった。

注15　アプリケーションを実行するためのプラットフォームをインターネットを介して提供するサービスのこと。川崎重工業（株）では、同社組織のIT部門が使いやすい情報基盤をPaaSの形で事業部門に提供し、現場のIoT/AI活用を支援している。

このプラットフォームの提供により３DCADデータをPLM上で管理する際に、カンパニーがPLMシステムを一から構築した場合との比較において、80%近いコスト削減を実現した。また、データの集約が可能になったことにより、設計部門の部品手配等の付帯作業が減少したことに加え、カンパニーIT部門のベンダー管理等の業務が減少したことで、各部門が付加価値向上業務により注力できるという効果が見られた。一方で、同社の製品ライフサイクルが長いため、既存システムを一括移行するのが難しいことや、３DCADを使いこなせる人材の不足、マーケティングやアフターサービスなど市場との接点を持つ部署と設計との情報連携不足などの課題は残っており、今後のデジタル化に向けて段階的に対応していく必要があるという。

今後同社は、経営方針として、競争力強化のために付加価値の高い業務（マーケティング・企画・アフターサービスなど）にシフトすることを掲げている。全社PLMの導入を契機に既存業務プロセスの見直し・整流化を実施し、スマイルカーブ^注16の両端へ経営資源を移行をするとともに、モジュラー化設計の推進などにより、市場要求とマッチしたものを効率良く作る仕組みを整えたいと語る。さらに、AI開発が得意なパートナーとの連携やベンチャー投資等も視野に入れることで、オープンイノベーションを進めていきたいという。

注16　収益構造を表すモデルの名称で、バリューチェーンの上流工程（商品企画や部品製造）と下流工程（流通・サービス・保守）の付加価値が高く、中間工程（組立・製造工程）の付加価値は低いという考え方を示す。

図　PLM運用基盤とビジネスプロセスとの関係

出所：川崎重工業（株）より提供

（株）小松製作所（以下、コマツ）はKOMTRAXで建設機械のつながる化・見える化を進め、取得したデータを建機の保守メンテナンスにも活用している。しかし、製造現場のつながる化・見える化は進んでいなかった。そこで、生産性２倍、サプライチェーンの最適化、トレーサビリティの確保を狙いとして、IoTの技術を駆使してつながる工場を実現することで製造現場の見える化を図り、生産性改善に役立つアプリケーションとしてのKOM-MICSを開発し、プロセス改善を進めている。生産性を飛躍的に向上させるKOM-MICSは生産年齢人口の低減対策としても評価され、第８回ものづくり日本大賞の製造・生産プロセス部門で内閣総理大臣賞を受賞した。

対象のプロセスは機械加工、溶接、熱処理及び出荷検査をカバーしており、KOM-MICSで得られた加工実績データに基づき、生産計画との差を見て、リスケジューリングするMES（生産実行システム）とつなげて活用している。このように製造現場を見える化することによって、機械加工では切粉を出している時間が、溶接ではアークを出している時間が50%しかなく、予想以上に動いていなかったことが分かり、非加工時間の短縮にもっと注力する必要があることが判明した。

図１　つながる工場の全体像

出所：コマツより提供

生産状況の見える化は、タブレット端末からサーバーにデータを送信し、そのデータを専用のビューワをインストールしたPCで閲覧する形になっている。リアルタイム稼働状況、日毎稼働率、タイムチャート、出来高、切削抵抗の見える化などの様々なアプリケーションを備えている。また、単なる見える化に終わらず、これらのデータを元に改善につながるアプリケーションも作成している。

KOM-MICSの大きな特徴は国内外のコマツの工場のみならず、協力企業も巻き込んだ取組になっているところにある。コマツ製品の部品の８～９割は協力企業で生産しているため、協力企業の生産性を改善しなければ大きな効果が見込めない。協力企業もKOM-MICSで見える化することで、コマツグループ内全体の生産を見える化し、ムリ・ムダ・ムラの削減を図り生産性を高めることが可能となる。しかし、製造情報を見える化することは製造原価も見えてしまうため、当初は協力企業の了解を得ることが難しかった。しかし、協力企業の負担を軽くするためKOM-MICSを無償提供し、改善効果を折半し、協力企業の他社製品の加工情報をコマツが見られないようにする機能の追加などにより、協力企業にもKOM-MICSの導入が進んでいる。コマツと協力企業が長年にわたりWin-Winの取引関係、信頼関係を維持してきたことも後押しした。機械加工分野、溶接分野とも年々協力企業への導入が増えている。機械加工のサイクルタイム低減率は2016年度を基準として2017年度までに14%、2018年度までに19%を実現しており、溶接分野のサイクルタイム低減率は2017年度までに17%、2018年度までに40%を実現している。

図２　KOM-MICSの全体像

出所：コマツより提供

図３　機械（左）と溶接（右）のKOM-MICS接続状況

出所：コマツより提供

＜産業データの安全・公正な管理の枠組みを提言するWGの発足＞

近年の製造業では、モノのサービス化、シェアリングエコノミー等の新しいビジネスモデルの出現や、AI活用による生産性向上のニーズの高まりなどから、サプライチェーンを構成する企業間で、国境を越えてデータを確実・安全に流通させる仕組みが必須となってきている。例えば、MaaS（Mobility as a Service）のようなビジネスをグローバルに展開する場合、サービス提供に必要な一連の業務（サービス企画、システムデザイン、資金調達、ソフトウェア設計製造、ハードウェア設計、製造設備設計、原材料調達、部品調達、車両調達、エネルギー供給、サービス販売、契約/解約、物流・配車、コンテンツ配信、利用履歴管理・課金決済、金融/リース、故障/事故/クレーム対応、点検・修理、セキュリティ管理、ソフトウェア更新、部品/製品交換、廃品回収、リユース/リサイクル等）に携わる全ての企業が、業務に役立つデータを企業間で互いにシェアしていつでも利用できるようにすれば、各国・地域の利用者や行政当局の様々な要求に迅速に応えることができ、SDGs（Sustainable Development Goals：持続可能な開発目標）等にも配慮しながら生活者の安心・安全を守る付加価値の高いサービスを提供することが可能となる。

企業・国境を越えたデータ流通は、産業の発展や新しいビジネスの創出などが期待される一方、もし、産業データの秘匿性が損なわれれば、各企業の製造ノウハウや設備の稼働実態を示す情報の流出や、企業間の機密保持義務を果たせなくなるなど、企業経営や存続に大きな損害を及ぼす可能性がある。また昨今では、米国の巨大IT企業のデータ独占、国家によるデータの検閲や国外流出規制、各国・地域バラバラのデータ保護ルールなど、国際的なデータ流通を制限する動きが見られ、今後、国・地域別に独自のデータ管理基盤が乱立する恐れもある。例えば、海外工場や輸出製品のデータが自由に利活用できなくなれば、社会全体のデジタルトランスフォーメーション（DX）が阻害され、影響は一企業内にとどまらずバリューチェーン全体や国家全体の経済活動を停滞させてしまうなどの大きなリスクとなり得る。

国際的なデータ流通を円滑に行うには、各国・地域の基盤を相互接続する仕組みを構築し、国際共通ルールで安全かつ公正に管理することが重要であり、その運営に当たっては情報セキュリティに加えデータ提供者の権利（データ主権）の保護が鍵となる（図１）。

図１　将来的な国際データ流通管理基盤の構成イメージ

データ流通を巡るこのような潮流の中、国内では、各企業・団体・行政等で行われている取組の方向性を一本化し、世界の動きに取り残されないための産官学一体の戦略実行の加速が急務となっている。

このような背景から、ロボット革命イニシアティブ協議会（以下、RRI）では2019年10月に「IoTによる製造ビジネス変革WG」の配下に「グローバルデータ流通管理基盤検討サブWG」を設置し、検討を進めている（参加企業：アズビル、NTTコミュニケーションズ、クニエ、シーメンス、日本電信電話、日本マイクロソフト、日立製作所、三菱電機、ユニアデックス）。

＜活動成果 ～現状分析・課題設定・要件整理からPoCへ＞

上記サブWGは、未来の社会に役立つ産業データの流通や共有を適切に管理できる社会基盤（インフラ）をつくり、日本の産業力を向上させることを目的とし、具体的には（１）産業データ活用のユースケースの整理、（２）ユースケースをベースとしたデータ流通管理基盤の要件整理及び提言、（３）要件を満たすプロトタイプ（デモシステム）の制作、（４）国際展示イベント等でのデモシステムの評価検証を目標としている。

サブWGではまず現状の問題点の洗い出しと分析を行った。

特に日本国内においては、①デジタルデータを収集・体系化できていない、②企業内外のデータ流通を阻害する規定等がある、③データ流通の意義や価値に関する経営層の理解不足、④リスクを取ってDXを進める姿勢の欠如、⑤産業構造転換への対応準備の後れ、⑥国際標準/各国法規制に対する理解不足といった、そもそもデータ流通以前に各企業がクリアすべき問題もあることが改めて認識された。

データを企業間で流通させ共有する際の問題としては、⑦全社（エコシステム全体）でデータを利活用できるシステム基盤がない、⑧取引先とデータを共有するシステムの基盤がない、⑨通信手順やデータ形式が統一されず、互換性・相互接続性がない、⑩OTとITがつながっていない（現場データを会社の経営判断に活かせない）、⑪ヒトの属性・知識などをデジタルデータ化する手法が確立していない、⑫IoTに不可欠なセキュリティやデータの信頼性を保証する仕組みが不十分、⑬国境を越えるデータ流通の管理や権利保護に関するシステム対応が不十分、といった問題が挙げられ、国際的なデータ流通の基盤とそこでのセキュリティ、データ主権に対する懸念が確認された。

続いて、これら問題の解消に向け、業界横断でまたは政府等と取り組むべき課題を整理した。

取組課題は①データ利用目的別KGI・KPIの設計、②データ流通にかかわる標準の制定、③セキュアなデータ流通管理基盤の構築、④データ保証ルールの確立（品質・セキュリティ・開示可否制御等）、⑤データ流通の運営体制構築、⑥データの所有権や知財等に関する法体系整備、⑦データ流通管理基盤の構築運用コスト負担の最適化の７点に整理された。

今後、取組課題に対するさらに具体的な要件の整理やデモシステムでの検証等を通じ、公正、安全かつデータ主権が保証された国際的データ流通管理基盤実現への道を探っていくことが予定されている。

＜今後の取組 ～関連団体と協力し産官学連携で基盤整備を推進～＞

海外におけるデータ流通基盤の検討例としては、2019年10月にドイツ政府とフランス政府が発表した「GAIA-Xプロジェクト」があり、本サブWGではこれを検討の参考の１つとしている（図２）。GAIA-Xは、認証や契約手続きに基づいてデータへのアクセスを制御し、データ主権を保護しつつ様々なクラウドサービスとの相互運用性を確保する技術的な仕組みで、2020年中に運用開始予定とされている。GAIA-Xは、EU域内での接続性を保証しているが、域外との接続方法については不明確な点もあり、米・中など大国と利害が対立する可能性もある。EU・米・中のいずれにも属さない日本やASEANなども先行する動きに取り残されないための取組の加速に加え、公正な国際データ流通ルールの確立に向けて主張していく必要があるだろう。

図２　GAIA-Xプロジェクトにおける取組の全体像

出所：経済産業省「『第３層：サイバー空間におけるつながり』の信頼性確保に向けたセキュリティ対策検討タスクフォースの検討の方向性」

本サブWGでは、先行するGAIA-Xの調査・検証・評価をドイツ（IDSA等）と連携しながら進めつつ、前述の問題点や取組課題を基に、円滑で公正な国際データ流通の実現に向けて日本が取るべき対応を議論し、日本の企業・行政・市民・研究機関等のためのデータ流通管理基盤の在り方を提言していく。その要件をまとめ、2020年度後半には、参加企業等と協力してプロトタイプの構築検証を行う予定である。DTA（一般社団法人データ流通推進協議会）、JEITA（一般社団法人電子情報技術産業協会）等の他団体と協力するとともに、製造事業者のみならずクラウド事業者、データプラットフォーム事業者等様々な企業に参加を呼びかけ、産官学連携によるグローバルデータ流通管理基盤の整備を推進して行くことが予定されている。

自動車産業は、電動化、自動化などのCASEと呼ばれる百年に一度の大きな変革に直面している。高機能化（電子制御システム及び安全運転システムの導入、ネットワーク化）・複雑化が進む自動車開発の徹底的な効率化が不可欠となっており、開発・性能評価のプロセスをバーチャルシミュレーションで行うMBD（モデルベース開発）の取組の重要性が拡大している。

【事例１】MBDにより短期間での商品開発を実現（ダイキョーニシカワ（株））

広島県東広島市のダイキョーニシカワ（株）は、自動車の内外装及びエンジン関係樹脂部品の開発から生産までを一貫して手がけているTier1総合プラスチックメーカーである。

同社では2016年からMBD推進部門を発足し、金型・製品を製作した後に発生する機能/品質不具合の対策経費や時間ロスなどの手戻りの無い高効率な開発の実現を目指して活動を進めている。導入に当たっては地域の産学間連携の推進を行っている「ひろしま自動車産学連携推進会議」の技術面のバックアップや「ひろしまデジタルイノベーションセンター」のCAEソフト・スーパーコンピュータ等の計算機環境を活用した。

MBDを活用した具体的な開発事例としては、インストルメントパネルの衝突性能の開発がある。従来はインストルメントパネルとその周辺部品のみでCAE解析をしていたが、車体も含めた大規模モデルを作成、さらには衝突時の速度を想定した材料物性を織り込んでCAE解析することで解析精度が上がり、設計変更のロスを大幅に削減させた。

今後、同社内で確実にMBDの成果を積み重ねていき、手戻り防止により開発費の削減を実現するとともに、MBDをTier2に対しても展開していきたいと考えている。

【事例２】MBDを通じて得た解析技術により取引先との関係を強化（（株）ヒロテック）

広島県広島市にある（株）ヒロテックは自動車の排気系部品、ドア部品の開発・生産を行うメーカーである。同社では机上の段階での製品設計から試作・評価テストや工程設計等の生産までの製品開発の工程を同時に行う取組を全社的に進めている。また経営ビジョンの１つとしても、「世界に通用する技術と製品開発でお客様に満足頂く」を掲げており、その実現に向けた1つの取組としてMBDを導入し、世界での競争に向け開発型部品メーカーへの転換をした。

具体的には排気系の騒音性能や熱マネジメント性能の開発の領域において、CAE解析を活用して実機を用いない開発の効率化が行われている。これまでのMBD導入による効果は社内での開発プロセスの効率化のみならず、新規取引先の獲得にもつながってきた。

今後はMBDの適用領域を拡大するとともに、開発の初期段階に従来自動車メーカーのみで行われてきた「機能設計」にパートナーとして参画する技術力を身に付け、例えば、排気系部品のモデルを車両モデルに組み込んで車全体の燃費性能を予測し改善案を考えるなど、MBDによってシステム全体を俯瞰した高度な技術提案を行える企業に成長し、国内外の自動車メーカーから更なる受注拡大を目指す。

（株）ツバメックス（新潟県新潟市）が立地する燕三条は、江戸時代の初期に和釘産地として栄え、その後はヤスリで栄え、近年は洋食器の産地として栄えており、アップル社のiPodの製品筐体を磨いていた磨き屋シンジケートという職人集団が活躍していることでも知られるものづくりの産地である。（株）ツバメックスも明治時代にヤスリづくりで創業し、現在はプレス金型やプラスチック金型、そして金属プレス加工やプラスチック成形品加工を手掛ける総勢200名ほどの企業である。

地方に本社を構えて事業展開する企業であるが、1982年にフランス製の３次元設計の基本ソフトCATIAを導入し、金型業界で初めて３次元CAD/CAMシステムの開発に取り組んだ会社である。当時CATIAを使いこなしていたのはボーイングの航空機やダッソーの戦闘機と本田技術研究所くらいであり、日本へ導入した当初は大手企業を始め同社への見学者が絶えなかったという。CATIA導入と同時にホストコンピュータも１台導入し、半端な投資額ではなかったうえに、CATIAを使いこなすために試行錯誤し苦戦した。

悪戦苦闘しつつもCATIAを使い続けることに迷いがなかったのは、当時は曲面設計ができるソフトウェアがCATIAだけであったという理由に加えて、1995年には①３D（Solid）設計は将来主要な設計手段になる、②1台500万円もするワークステーションなどのハードウェアは年々必ず安くなっていく、③ソフトウェアは常に改良されるのでいずれ使用に耐え得るものとなっていく、④ネットワークによる情報交換はますます盛んになっていく、⑤CADとCAMはより一体化される、⑥CAD情報は広範に活用されていく、⑦省力化（なるべく自動化）が必須で、人間が一度入力した情報を二度入力すべきではない（営業が入力した情報を設計者がエクセルに入力したりするのは無駄な作業）、⑧他システムへの拡張連携（生産管理）へと発展させる必要がある、との明確なビジョンを経営陣が持っていたことによる。

1998年にはCATIAの大規模なカスタマイズ化に成功し、「TADD〜TSUBAMEX Auto Die Design system〜」と呼ばれる、非常に高度なオール３次元設計システムを完成させた。同社のものづくりは、顧客→営業→構想設計→金型設計→生産準備→金型製作→調整→現地調整といった具合に仕事が流れている。３次元設計することで、営業情報や購買連携や図面・ビューワなど、全て連携してつなぐことができる（図１）。３次元設計と営業の情報をつなげばより効率的な設計ができる。ビューワで見せることができれば図面のスキルがなくても理解できる。加工実績が入手できれば原価が分かる。特に中小企業はこの原価把握力が弱い。IoTを使って故障予知をするよりも、実績を拾って経営にフィードバックする方がよほどIoTとしての価値がある。

図１　ツバメックスものづくりシステムの全体像

出所：（株）ツバメックスより提供

システム化する上で同社が重視したポイントは「設計データを核として戦略をシステムに上げること」である（図２）。例えば、本来は設計の段階で部品情報は全て入っているので、自動で購買情報に出力できるはずなのに、設計と部品情報を分けているので連携ができない。そのような無駄を無くすためにも、製品形状、工程設計データ、量産プレス仕様などの全ての情報を入力してソリッド設計を行い、そこからビューワデータ、加工属性データ、鋳物データ、三面図（単品図・組図）、部品表・購買情報を全て自動で出力させる仕組みを構築した。三面図も出力できるようにしたのは、３次元設計は必要だが図面は当面なくならないと考えたからであり、３次元設計ができあがったら、自動的に三面図そのものをアウトプットするプログラムもつくった。

図２　設計データを核とするシステム化

出所：（株）ツバメックスより提供

３次元CADは顧客ごとの仕様の違いにも対応しており、顧客仕様に合わせてソフトで一括変換できるようにしている。また、３次元データの活用により、購買の自動処理（自動発注）も可能となっている（図３）。そのために、鋼材には加工する前（削る前）の直方体の情報も持たせており、取引先ごとの厚みや決まりもインプットされている。例えば、協力企業として４～５社の鋳物屋と取引しているが、鋳物の削り代も鋳物屋ごとに決まっており、鋳物屋ごとの仕様というものがある。削り代とデータを別々に引き渡すといった決まりがある。このように、顧客や協力企業ごとに細やかな標準化を実施していることが３D設計システム・生産管理システムの成立に大きく役立っている。

図３　３次元データの活用による購買自動処理

出所：（株）ツバメックスより提供

2001年にはラティス・テクノロジーのXVL（軽量３Dフォーマット）を導入し、2007年頃にCATIAの情報がXVLに乗るようになったため、現場への展開を一気に進めた。今では社員番号を入力すると日報が出てくる仕組みになっており、金型にユニークな工番情報を入力すると必要な情報が表示され、例えばビューワ上で部品をクリックすれば部品が入荷されているかどうか、部品の加工が終わっているかどうか、全てが見える化された。営業が受注の段階でインプットした詳細な情報も全て設計に引き継がれ、一度営業が入力した情報は改めて設計で入力する必要はない仕組みになっている。検査は図面で行うこともできるし、ビューワ上で確認することもできる。XVLを導入した当時は年間で約4,600回も現場の人が設計室に問い合わせに行っていたが、ビューワが動き始めてからは生産管理情報との連携も始まり、現場が設計室に出向く頻度は約1,000回へと激減した。

今後は産地の外注先の金型屋ともTADDの仕組みを共有しようと考えている。具体的には２社と検討を進めており、３社一体となって受注から生産まで行うことができる仮想工場をつくり、この地域で世界を相手に戦える手段としたい（図４）。

図４　地元企業との緩やかな連携構築

出所：（株）ツバメックスより提供

Nature Architects（株）（東京都港区）は、2017年5月に設立された東京大学発のスタートアップ企業である。研究開発を手がけるコアメンバーは、（独）情報処理推進機構（IPA）の未踏IT人材発掘・育成事業の採択者等となっている。また、大嶋代表は、具体的な技術シーズを活用した事業構想を有する起業家候補支援プログラム（NEDO Entrepreneurs Program（NEP））に採択されるなど、独創的な技術力が評価されている。

現在、ユーザーが求める製品等の機能要件をダイレクトに実現する独自の設計技術として、「Direct Functional Modeling （以下、DFM）」の技術開発を手がけている。DFMでは、部材の構造と機能について膨大な計算結果が蓄積されたデータベースのライブラリから、その固さや密度、弾力、動きをコンピュテーショナルに生成し、最適化を図る独自のアルゴリズムにより、一切の組立なく、可動部がある人工物を一体成形したり、部材の強度を保ちながら軽量化を図る設計を可能とする。これまでハードウェアとして設計が難しかったものを、ソフトウェア技術で設計することで、どこにも存在していないものを瞬時につくり、誰も設計できないものを生み出せることが大きな強みである。

また、同社はコア技術の開発を加速させるとともに、国内外の素材から加工組立メーカーまで多種多様なユーザー企業と設計・開発段階からの協業を推進しており、建築、家具インテリア（ベンチ、オフィスチェア）、自動車、ロボット、航空宇宙等の幅広い分野へのソリューションを提供している。DFMによる設計の自由度を活かし、最終製品だけでなく、レバー、スイッチ、ファン、バネ等の多様な部材へと適用範囲を広げている。

なお、同社は３Dプリンティングに象徴される「Additive Manufacturing （AM）」の技術・ビジネス展開の可能性やポテンシャルをまだ十分に活かしきれていないと考えている。海外では、数年前のメーカーズムーブメントとは異なり、３Dプリンティングによる大量生産が始まり、DFMのような新たな設計の考え方やソリューションが適用されようとしている。今後、３Dプリンティングによる量産が浸透すれば、同社としてライセンス等でフィーを得る新たなビジネスモデルを構築するとしている。さらに、海外では自己修復部材等の４Dプリンティング、カーボン３Dプリンティングで、クッション性など衝撃を吸収する素材の研究が始まっているため、最先端の技術開発を加速させることで、次世代のイノベーション創出を目指している。

図　DFMで設計された多様な曲面形状のベンチ

出所： Nature Architects（株）より提供

（株）科学計算総合研究所（東京都千代田区）は2015年から、CAE（Computer Aided Engineering）とAIを創発的に組み合わせることで製品仕様を満たす最適設計を瞬時に提案できるAutodesignの実現に向けた研究開発をスタートさせた。

CAEは設計の評価において重要な技術である。物理現象をコンピュータ上でシミュレーションすることにより、試作や実験の回数を削減しながら製品の評価を行うことができ、ものづくりプロセスのコストダウンを実現するための技術として注目されている。例えば、シミュレーション上で力を加えて変形の度合いをみることで材質の選定に役立てたり、新幹線のレールと車輪の間の摩擦といった実際に観測することが難しい現象に関する知見を得るためにも活用されている。

一方で、CAEを行うのは人手が掛かり高コストであるため、現状は資本力のある大手企業を中心とした導入にとどまっている。CAEの一般的なプロセスは、CA（Computer Aided Design）と呼ばれる製品設計をコンピュータ上で行う技術を用いて作成された製品形状をメッシュと呼ばれる単純形状の集まりに変換するステップ、行いたい解析や材料などシミュレーションの条件を付与するステップ、実際に解析を行うステップ、解析結果を解釈して設計にフィードバックするステップなどからなるが、それぞれのステップで膨大なコストが掛かっているのが現状である。メッシュを作成するステップでは、このメッシュの品質によってCAEの精度が大きく異なってしまうため、メッシュを人手で直す際にも膨大なコストが発生している。また、ハイエンドなCAEソフトウェアを使用して複雑なシミュレーションを行う場合、１回のシミュレーションを行うためにも数日・数百万円のコストが掛かる場合がある。

これらCAEに掛かるコストが最適な設定を行うための障害となっている。設計を修正しながらCAEで性能を評価するといった設計最適化のためには数百回程度シミュレーションを行うことになるが、１回のシミュレーションに膨大な時間・人手・コストが掛かっていてはCAEを用いて設計最適化を行うことは非常に困難なものとなる。

そこで、同社はCAEを活用した設計フローの効率化を支援している。高品質なメッシュを生成する技術やシミュレーション技術などの強みを活かしてCAEプロセス全体の自動化を実現する。さらに、高コストなシミュレーションをAIに置き換えるほか、目標とする性能や完成品形状からそれらを実現するための条件をAIで推論することにより設計プロセスの高速化・高効率化を実現する。これらの技術を適用することによって数日掛かっていたシミュレーションが数秒で完了することになり、ここまでの高速化を行うことで初めてCAEが設計最適化のためのツールとして有用なものになるのである。

同社ではAutodesignを用いたコンサルティングも実施している。多数の部品からなるような複雑な製品については、個々の部品のシミュレーションモデルを簡略化して全体の挙動を調査した後にそれを元の複雑な製品にどう復元するかを考えることによって高効率な最適設計を実現する。

自動運転技術などが重要度を増したことによってこの３〜４年で自動車業界がソフトウェアリッチになっているため、設計の部門に負荷が掛かっている。この設計負荷をなんとか軽減してリードタイムを短縮したいという要望は極めて強い。米CADメーカーのオートデスクはそういった自動車メーカーの要望に対応するべく、ジェネレーティブデザインと呼ばれる、製品の性能を高くするための設計案を生成する仕組みを提供している。オートデスクに比べた同社の強みは汎用性の高い機械学習の技術を使用している点である。同社は機械学習を用いることによって高速な最適設計を実現できるため、「硬さ重視」「軽さ重視」といった条件を入力すれば瞬時に最適な設計を得ることができる。また、汎用性が高い機械学習の技術を使用しているため、硬さや軽さだけでなく、例えばエンジンの近くに配置するような部品に関しては「排熱効率重視」といった要件を追加することも可能となる。したがって、計算よりもプロダクトデザインに設計者のリソースを割くことができる点も強みとなっている。

図　CAEのワークフローが完全自動化された「Autodesign」

出所：（株）科学計算総合研究所より提供

AASDとは、設計開発に携わるエンジニアの能力をAIによって拡張するためのソフトウェアである。これまで熟練したエンジニアの経験などに依存していた設計作業のうち間接的な作業をAIによって補助することで、エンジニアが「モノの形を作る」という本質的な作業に集中できるようになり、設計工程の生産性を大きく向上させることが期待される。

そもそも設計作業とは、単にモノの形をつくるだけでなく、言葉による非常に抽象度の高い情報（仕様）を徐々に具体化して設計図に落とし込んだ後、応力変形や構造強度、組立プロセスや加工時の変形の評価、過去のトラブル事例との照合、規格や規則への適合性確認など、様々な検証プロセスを行う必要がある。しかし、これらの中には法令や文献検索などあまり本質的でない作業も多く含まれる。また、設計工程に応じて、CAD、CAE、CAMといった、様々なデジタルツールを使用するが、これらを連携して使いこなすためには、単にファイルをそのまま転送するだけではうまくいかずツールに合わせたデータ表現などの変換作業が必要となり、設計工程の特性を理解した、熟練エンジニアの介在が欠かせない。さらに、熟練エンジニアが蓄積した経験や知識が、デジタル情報として残っていない、記載ルールや言葉などが統一化されておらず同様な事例を探す他の分野のエンジニアには読み取れないといった問題もあり、エンジニアの高齢化等によってこれらが失われてしまう懸念もある。

AASDでは近年飛躍的な進歩を遂げたAIを、高度な意味理解に基づく工程や分野を横断した検索や推論エンジンに応用し、設計データの検証作業（デザインレビュー）といったエンジニアの支援システムの構築を目指す。その実現に当たっては、AIの要素技術開発だけでなく、知識ベースの構築も必要となる。基盤となるデータの構造化手法や言語整備、またサプライチェーン全体で使うためにデータ流通・保護機構の開発も重要となる。

国立研究開発法人新エネルギー・産業技術総合開発機構（NEDO）を中心に研究開発を進めることによって、製造業サプライチェーンの構成企業が全体で使えるようなサービスとなり、ひいては日本の製造業の競争力強化につながることが期待される。

図　従来システム（左）とAASDを適用したシステム（右）の違い

出所：NEDO 技術戦略研究センター（TSC）「AIを活用したシステムデザイン（AASD）技術分野の技術戦略策定に向けて」（2019年7月）, TSC Foresight vol.34.

近年、材料分野等のプロセス型の製造業においてデジタルトランスフォーメーションやデータサイエンスが進展する中、素材メーカーである三菱ケミカル（株）は、マテリアルズ・インフォマティクス（以下、MI）の研究開発を推進している。

MIの研究では、高度なシミュレーション等を用いた新規物質探索に向け、複合領域における横断的な研究開発が必要となるため、多種多様な企業や研究機関との協業やオープンイノベーションを加速させている。

例えば、2019年10月には、大学共同利用機関法人情報・システム研究機構 統計数理研究所と共同研究部門として、「ISM-MCCフロンティア材料設計研究拠点」を設置し、新たなMI分野における基盤技術の構築を目指している。同研究部門には、親会社である（株）三菱ケミカルホールディングスのデジタルトランスフォーメーションを推進する先端技術・事業開発室のデータサイエンティストも参加しており、グループ一体となり研究開発を推進する体制となっている。

従来のデータ科学に基づく物質探索では、既存の入力データの範囲で探索をするのに対し、計算化学では、これまでにはない革新的な新物質の予測等が可能となるため、両者を高度に融合することで新たなMIの基盤技術を構築することが可能となる。今後、これらの研究で構築・蓄積したアルゴリズムを用いることで、これまでにない材料研究のフロンティアの開拓を図ろうとしている。　

図１　データ科学と計算化学の融合による物質探索（イメージ）

出所：大学共同利用機関法人情報・システム研究機構 統計数理研究所、三菱ケミカル（株）より提供

このような中、MIを用いた素材メーカーの材料開発を支援するサービスも現れており、大企業に加え、スタートアップ企業も参入している。

例えば、（株）日立製作所は、2017年からAIを活用したマテリアルズ・インフォマティクスに基づき、素材メーカーにおける新材料開発の期間やコスト削減を支援する「材料開発ソリューション」を提供している。

同社が蓄積した実験・シミュレーション結果等の膨大な材料データを分析し、材料特性の変化を予測することで、実験回数の低減につなげることが可能となる。また、材料開発者のクラウド上での画像化や分析、素材メーカーから預かった材料データの分析代行、研究者間での分析結果の共有等により、材料開発の効率化を図っている。2019年10月には、アルミニウム総合メーカーである（株）UACJとMIを活用した高機能アルミニウムの効率的な研究開発に向けた協創を開始するなど、材料開発の効率化や新材料開発に資するオープンイノベーション環境を整備している。

また、MI分野のスタートアップとして、MI-６（株）（東京都港区）が2017年に設立されている。同社は、ITを活用した材料開発の研究・開発、コンサルティング、ソフトウェアの開発・提供等を手がけている。特に、ハンズオンでのデータ解析サービスでは、専業で培った技術やノウハウだけでなく、大学の教員からなる同社の技術顧問の専門知識も組み合わせた、顧客の研究開発テーマに個別カスタマイズした解析を提供している。

近年、大学・研究機関との連携も強化しており、新エネルギー・産業技術総合開発機構（NEDO）の「次世代ロボット中核技術開発／次世代人工知能技術分野」のプロジェクトに採択され、「MIによる材料探索に関する調査研究」の成果により、優れたAIベンチャー企業として高く評価されている。

図２　MIを用いた「材料開発ソリューション」

出所：（株）日立製作所より提供