このサイトでは、サイトや広告を改善するために Cookie を使用します。サイトを利用することで、Cookie の使用に同意するものといたします。詳細はプライバシーについてをご覧ください。
Multi-Sigma は、研究開発からマーケティングまで、幅広い分野で具体的な成果を上げています。
ここでは、お客様がどのように課題を解決し、ビジネスを加速させているか、その一部をご紹介します。
農業は、気象条件、土壌環境、植物の生理状態など、無数の変数が複雑に絡み合うシステムであり、その予測は極めて困難です。トマト加工および生鮮野菜事業の大手であるカゴメ株式会社にとって、生鮮トマトの収穫量予測の精度は、経営効率に直結する最重要課題でした。
従来、収穫量の予測は、各菜園の担当者の「勘・経験・度胸 (KKD)」に依存しており、属人性が高く精度にばらつきがありました。気候変動による想定外の環境変化に対応できないケースも増えていました。
カゴメはアプローチを転換し、過去に蓄積された膨大な「栽培履歴データ」を Multi-Sigma に入力することで、収穫量を予測するモデルの構築に着手しました。品種ごとに気温、湿度、日射量だけでなく、灌水量、施肥量、着果数、茎の太さなど 100 項目以上の詳細なデータをすべて入力変数として採用しました。
Multi-Sigma のニューラル ネットワークとオート チューニング機能は、人間には認知できない変数間の非線形な相互作用や、収穫量に影響を与えるパターン (生物学的なラグや累積効果) を自動的に抽出しました。
2022 年 2 月より大規模菜園で実導入されたこのシステムは、劇的な成果をもたらしました。
これにより、以下のような戦略的なメリットが生まれています。
体外設置型人工心臓の設計には、極めて困難なトレードオフが存在します。「機械的な性能 (浮上力)」と「生体適合性 (溶血低減)」は相反する関係にあり、これらを同時に満たす最適解を見つける必要がありました。
設計パラメーターは 4 つでしたが、その組み合わせは 7,200 通りにも及びます。これらすべてに対して流体解析 (CFD) を実施することは、計算資源と時間の制約上、不可能でした。
産総研の研究チームは、Multi-Sigma の最適化機能 (AI-DOE) を活用し、以下のプロセスで設計解を探索しました。
このアプローチにより、驚異的な効率化と新たな工学的知見が得られました。
この事例は、Multi-Sigma が単なる効率化ツールではなく、人間の直感や経験則の盲点を突き、イノベーションを創出する「発見のツール」であることを如実に示しています。
電線・ケーブル大手の SWCC は、巻線 (コイル) の新規製造プロセスの開発において、マテリアルズ インフォマティクス (MI) の導入を試みていました。しかし、他社の AI ツールでは、なぜそのパラメーターが推奨されるのかという理由が分からず (ブラックボックス問題)、エンジニアが結果に納得感を持てないため、現場への導入が進まないという課題がありました。
Multi-Sigma の「要因分析機能」が決定的な役割を果たしました。エンジニアは、Multi-Sigma が作成した複数の高精度モデルを比較・評価し、どの変数が品質にどう寄与しているかを可視化しました。
これにより、エンジニアは「モデルの精度が高いからこの結果が出る」という数理的な根拠と、「物理的にこの変数が効いている」という工学的な納得感 (腹落ち) を同時に得ることができました。
これは、従来の「匠の技」で行われていた製造条件の調整を、科学的な裏付けのあるプロセスへと昇華させるものです。SWCC はこれを足がかりに、データ ビジネスやソリューション ビジネスへの展開を目指しています。
アルミニウムのリサイクルでは、不純物の混入により品質が劣化する「カスケードリサイクル」が一般的でした。しかし、EV 化に伴い低品質なリサイクル材の需要が減少し、廃棄リスクが高まっています。このジレンマを解消するため、NEDO の事業において、不純物を含むスクラップから高品質な展伸材を再生する「アップグレードリサイクル」技術の確立が急務でした。
本プロジェクトの課題は、6 つの制御因子と 6 つの目的変数 (機械的性質、コスト、GHG 排出量など) を持つ複雑なプロセスに対し、実験データがわずか 18 点しか存在しないという「超スモールデータ」環境でした。Multi-Sigma は、この極限的な状況下で、ベイズ最適化やニューラル ネットワークを駆使し、プロセス条件と物性の相関関係をモデル化しました。
解析の結果、以下の画期的なプロセス条件が導き出されました。
わずか 18 点のデータから地球規模の課題解決に繋がるプロセス条件を見出したこの事例は、材料インフォマティクス (MI) における Multi-Sigma の威力を最も端的に表しています。
プレス加工や空調機器の大手である東プレは、環境配慮型の次世代省エネファンの開発において、世界最高水準の性能を目指していました。従来の開発は、ベテラン技術者の経験と勘、そして基本原理に基づく相似則の適用によって行われていました。
Multi-Sigma を用いた「目的関数の深掘り」を実施しました。従来の最適化ソフトとは異なり、設計変数と目的変数の設定自由度が高い Multi-Sigma を用いることで、従来の相似則にとらわれない形状探索を行いました。
東プレの研究員は、Multi-Sigma が導き出した設計解を見て、「脅威」すら感じたと語っています。AI は、設計における最低限の要求仕様を即座に満たすだけでなく、人間が長い時間をかけて到達するはずだった「最高到達点」を、入社 1～2 年目の若手エンジニアでも出せる可能性を示したからです。
これは、熟練者の直感が不要になるという意味ではなく、熟練者がより創造的な「目的関数の設定」や「結果の妥当性評価」に注力できるようになったことを意味します。また、事業部を超えた「連鎖解析」への応用も視野に入れています。
自動車開発における Multi-Sigma の活用は、安全性と性能の両面で大きなインパクトをもたらします。
エンジンの制御パラメーター (点火時期、燃料噴射量など) の最適化は、燃費向上、排ガス規制、出力維持という多目的を同時に満たす必要があります。Multi-Sigma は、燃費を最小化しつつトルクを犠牲にしないパレート最適解を導出し、数千時間に及ぶエンジンベンチテストの工数を削減します。
衝突安全シミュレーションにおいて、多様な体格の乗員保護が求められます。Multi-Sigma を用いた解析では、特に小柄な女性乗員がサブマリン現象 (シートベルトの下に体が潜り込む現象) のリスクが高いことを特定しました。わずか 14 ケースの衝突シミュレーションデータからサロゲートモデルを構築し、シートベルトのアンカー位置を「低く、前方へ」移動させることで、傷害リスクを最小化できることを定量的に示しました。
製造業における物理法則とは異なり、マーケティング データは人間の行動や心理、季節性、突発的なイベントが複雑に絡み合うため、ノイズが多く予測が困難です。ある小売店の売上予測において、単純なニューラル ネットワークでは、気温や燃料価格といった変数と売上の間に明確な線形相関が見られず、予測精度が上がらないという壁に直面しました。
Multi-Sigma を用いた解析では、時系列データ特有の特徴量エンジニアリングが鍵となりました。
これらの施策により、各部門の売上予測精度は劇的に向上しました。特に、マークダウン イベントによるスパイク (売上の急増) や、季節性の変動を正確に捉えることが可能となり、小売業における在庫最適化やダイナミック プライシングへの応用の道が開かれました。
Multi-Sigma は、ここで紹介した事例以外にも、様々な分野での活用が期待されています。開発元である株式会社エイゾスでは、より多くの事例や、Multi-Sigma を用いて執筆された学術論文のリストを公開しています。
※本ページの事例情報は株式会社エイゾスより提供されています。