第1部 研究・実験データ収集の自動化、一元管理への仕組み作り

(2023年11月8日 10:30〜12:00)

　当社では、材料開発、シミュレーション、評価分析等の幅広い専門領域の人材が協創することによって、独自のMIを推進し、近年では、データ駆動型開発で提案された材料の顧客採用や現場での実装など、実際の成果が見えてきている。データ駆動型開発を進めるためには、研究・実験データの収集、一元管理そして、その有効活用が必要となる。
　本講座では、素材・材料開発において、当社が進めているデータの収集、一元管理そして活用に向けた仕組み作りの考え方と、それが事業貢献に繋がった事例について述べる。

1. データの収集、一元管理が必要な背景
   1. 素材、材料開発における世の中の状況
   2. 収集されたデータのMI活用と開発貢献
2. 事例紹介 データの自動収集×MIが事業貢献に至った事例
   1. データを効率的に収集できる実験計画
   2. 開発が活用できるデータベースの構築
   3. データの取得、収集、活用の仕組み化
3. データの収集、一元管理そして活用に向けた仕組み作り
   1. データの収集、一元管理を阻む壁の理解
   2. トップダウン/ボトムアップ
   3. データ収集、活用に向けた人材育成と文化の醸成
   4. スモールスタート&スモールゴールの設定
   5. ツールの活用
4. 今後の展開
• 質疑応答

第2部 研究DX基盤におけるデータアーキテクチャ

〜計測装置からのデータ収集・データ構造化の進め方〜

(2023年11月8日 13:00〜14:30)

　データ駆動型研究の進展に伴い、効率的なデータ収集の仕組みが求められている。機械学習等による新規材料を開発するマテリアルズインフォマティックス (MI) では、実験データ等を多角的にデータ収集することが予測モデルの構築や検証において極めて重要である。このようなマテリアル開発におけるデータ駆動型研究のためには、教師データ (学習データ/検証データ) となる計測装置等からのデータおよび、そのデータ構造化の方針を策定しておかなければならない。物質・材料研究機構では、計測・プロセス技術に特化したデータ構造化の設計指針をもとにICT技術を活用したデータ収集を省人的に進めるDX基盤 (マテリアルDX基盤) を運用している。
　本セミナーでは、マテリアルDX基盤に必要となるデータ設計 (データアーキテクチャ) の考え方について紹介する。

1. なぜデータ構造化が必要か – Why –
   1. データをとりまく環境の変化
   2. データ利活用の研究動向
   3. データ収集ができない主な理由
   4. 科学技術のデータ収集で直面する三重苦
   5. ソリューション: データ構造化とデータ設計
   6. データ構造化のポイント
2. データ構造化で何ができるか – What –
   1. データ構造化システムの概要
   2. データ構造化のシステムデザイン
   3. 機器の分類
   4. データ構造化による自動化機能
   5. データセットの活用形態例
   6. データ構造化のメリット
3. データ構造化のデータ設計指針 – How –
   1. データ構造化のための5D
   2. データ利活用におけるデータセットの基本構造
   3. 計測分野におけるデータ空間の展開
   4. データ取得にかかる負荷 (工数)
   5. データ設計の指針
   6. データ構造化の開発におけるフロー
• 質疑応答

第3部 研究・実験データの効果的な蓄積、管理と定着のさせ方

(2023年11月8日 14:45〜16:45)

　IoT等で製造工程以降のデータ利活用は、急激に進展しています。一方、公的研究機関であれ、民間企業であれ、R&D部門におけるデータの取り扱いは、属人的のままであり、効果的な利用、活用が殆ど進んでいないのが実態です。R&D部門は技術の源泉であり、データを精緻に管理し、効果的な利用、活用を行うことは、今後の競争力にとって不可欠です。
　本講演では、まず、R&D部門のデータ蓄積の実情をお話させていただき、そのような状況がなぜ生まれているのか?そのような状況にはどのような問題を孕んでいるのか?を説明させていただきます。次に、研究・実験データ、主にExcelの共有、利活用状況を改善するためには、データ探査、分析を意識したデータ蓄積が重要であることを説明させていただき、具体的にどのような点に注意をして、研究・実験データの効果的な蓄積、管理を行っていくべきかを論じます。最後に、データ共有システム、データベースを導入する場合の陥りがちな落とし穴とそれを防ぐ方策に関して、解説します。

1. R&D部門のデータ蓄積の実情
2. 属人的データ蓄積状況が生み出される原因
3. 属人的データ蓄積状況が引き起こす問題
4. 属人的データ蓄積状況を脱するために必要な方策
5. 研究・実験データの共有、利活用状況を改善するためのデータ蓄積方法
6. データ探査、分析を意識したデータ蓄積での注意すべき点
7. 蓄積されたデータを使ってデータ分析を行う時の注意すべき点
8. データ探査、分析を意識したデータ蓄積を行うための意識改革
9. データ蓄積、DB化着手時に陥りがちな落とし穴とそれを防ぐ方策
10. データ蓄積、DB化後に陥りがちな落とし穴とそれを防ぐ方策
• 質疑応答