RXによる研究プロセスの変革と高度化、効率化の実現

第1部 RXサイクル実現のための新組織立ち上げと研究プロセスの変革

(2023年7月24日 10:00〜11:30)

　リサーチトランスフォーメーション (RX) とは研究へのデジタル活用であるが、それをもとにしたRXサイクルは、実験研究と理論研究とAIの各研究分野を連携させ、研究結果から抽出された知見を迅速に次の研究の方向性決定に還元する新時代の研究手法である。この新しい研究サイクルによる研究の好循環を実現する仕組み (RXプラットフォーム) はどのように構築されるべきかを考える。

1. データ駆動化学とは
2. データ駆動化学で何ができるか
3. 研究はどう循環するか
4. RXと意思決定のあり方
5. RXサイクルをどう実現するか
6. RXサイクルのための要素
7. 電子ラボノートの活用とRXサイクル
8. 大規模サイバーラボの構築
• 質疑応答

第2部 研究開発におけるDX業務変革の可能性と導入、活用のポイント

(2023年7月24日 12:15〜13:45)

　近年多くの分野でDX (デジタルトランスフォーメーション) による変革が求められている。その中で各種データ活用は重要な取組であり、データからの価値創出手段としてのデータ分析技術 (統計・人工知能・機械学習などのアルゴリズム技術) の重要性が増している。 　本発表では、プラント分野におけるデータ分析技術の適用例として、センサデータからの「異常診断」「品質推定」技術を中心に紹介・概説する。これらはデータがあれば適用可能という取り組みやすさと、品質安定化・改善や省エネ等の効果がわかりやすいという特徴がある。また、データから価値を生み出すことの意味、その中でのデータ分析技術の本質的な意味についても解説する。

1. 研究開発DX変革とAI活用の目指す姿
2. 研究開発DXにおける業務課題と解決策案
3. ChatGPTや基盤モデルの主な機能、業務活用事例、進め方
4. IBM watsonx発表の振り返りと導入に向けたポイント
5. 生成AI×商品開発のより具体的な活用案
6. 飲料メーカー様におけるDX業務変革とAI活用のポイント
7. 化粧品メーカー様におけるDX業務変革とAI活用のポイント
8. 化学メーカー様におけるDX業務変革とAI活用のポイント
9. 研究開発DXとAI活用の期待効果と実ビジネス効果
• 質疑応答

第3部 日立が考えるRXソリューション

(2023年7月24日 14:00〜15:30)

　研究開発の国際的な競争が激化し、より短期間・低コストでの研究開発が課題となっている。この課題に対し、日立はRXを加速するLumadaで展開されるソリューション・技術を活用し、研究部門で発生する各種データに対してAIを用いて、研究者間で研究手法やノウハウを最大限利活用するためのサイバー・フィジカルシステムの導入を推奨している。これにより、日立は新たな研究知見の獲得や迅速な研究探索を可能とするなど、研究開発のさらなる高度化・効率化を支援する。 　本講演では、そのサイバー・フィジカルシステムの概要と自然言語処理や生成AIを用いたソリューションについて説明する。

1. 研究開発を取り巻く背景・めざすべき姿
   1. 研究開発を取り巻く背景
   2. 研究開発業務におけるめざすべき姿
   3. 研究開発業務における課題
2. めざすべき姿を実現する、日立RXソリューション
   1. 日立RXソリューションとは
   2. サービスの概要
3. 導入パターン
   1. 導入パターン
   2. 進め方のご提案
   3. 計測機器との連携
4. 導入事例
   1. 事例1:三菱ガス化学様
   2. 事例2:積水化学様
5. 別添. ソリューションのご紹介
   1. ナレッジ抽出
   2. 発想支援
• 質疑応答

第4部 MI普及による データ駆動型研究開発へ転換について

(2023年7月24日 15:45〜17:15)

　データ駆動型研究開発とは、

• 目標の特性に到達するために必要なデーターを科学的根拠を基にクリアにし取得する
• それらのデータを解析し、解析結果を基に目標の特性に到達するために科学的な議論を繰り返す活動のこと
  です。

　データを基に科学的な議論する研究が重要ということは、研究開発という活動が始まった時から言われてきたことです。コンピューター能力が向上し、機械学習 (AI) や統計学を駆使した解析ツールも開発され、構造化されたデータベースも構築できる時代となり、科学的な議論をしながらその場で様々な解析がサクサクとできるようになりました。今一度、データ駆動型研究開発という原点に戻り、MIの普及についてその意義と研究開発の成果を最大化する研究開発のDXについて考えてみたいと思います。

1. データ駆動型研究開発に転換する前に大事なこと
2. 筋の良い研究開発テーマをより多く創出する活動を研究開発マネジメントの大事な一部として取り込む必要がある。お祭りで終わらせない。
3. 筋の良い (バックキャスト型) 研究開発テーマ創出プロセスとは
4. データ駆動型研究開発へ変革するためには
5. 議論しながらサクサクとデータ解析ができるツールを導入する
6. 科学的考察を可視化するための「なぜなぜ分析」を「チーム」で行う
7. 科学的考察を行うために必要なデータ (説明変数) を取る
8. 解析しながら科学的考察を繰り返す
9. データ駆動型R&Dを文化にするためのアクション
10. ツールをサクサク使えるようになるまで支援を続ける
11. 解析しながら科学的考察をする=「なぜなぜ分析をする」活動を常に行うようにする
12. 文化になるまで支援する人材を育てる
13. 自部門でデータ駆動型R&Dを普及する人を任命する
14. データ駆動型研究開発活動の全体像 (まとめ)
• 質疑応答