プロセスインフォマティクスにおけるデータ解析と製造工程の最適化

第1部 プロセスインフォマティクスにおけるデータ解析とプロセスの運転管理・制御方法

(2026年10月20日 10:00〜11:30)

　化学・化学工学データおよび機械学習を活用して、分子・材料・プロセスの設計やプロセス管理を高度化することが一般的になっている。分子設計では、分子の物性・活性とその化学構造の分子記述子の間で数理モデルを構築し、モデルに基づいて新たな化学構造を設計する。材料設計では、材料の物性・活性・特性と材料の実験条件・製造条件の間でモデルを構築し、モデルに基づいて新たな材料を設計する。プロセス設計やプロセス管理では、プロセスのパラメータの間でモデルを構築し、モデルに基づいて望ましいプロセスを設計し管理する。分子・材料設計の研究・開発はケモインフォマティクスやマテリアルズインフォマティクス、プロセス設計やプロセス管理の研究・開発はプロセスインフォマティクスと呼ばれる。 　本講演では、特にプロセスインフォマティクスの中で、装置・化学工場・プロセスのデータ解析・機械学習による効率的な設計や、プロセスの運転管理・制御方法を対象にして解説する。さらに、プロセスインフォマティクスを高度化する研究例を説明する。また、プログラミングなしでそれらの計算および種々の設計ができるクラウドサービス Datachemical LAB を紹介する。

1. プロセスインフォマティクス
   1. プロセス設計・装置設計
   2. ソフトセンサー
   3. 用いられるデータ例
   4. モデリング
   5. プロセス設計・装置設計・ソフトセンサー
2. データ解析・機械学習
   1. 実験計画法
   2. 適応的実験計画法
   3. 線形回帰分析
   4. 非線形回帰分析
   5. 適応型ソフトセンサー
   6. Datachemical LAB
3. 研究事例・応用事例
   1. プロセス設計・装置設計の実例
   2. プロセス設計・装置設計の研究例
   3. ソフトセンサーの実例
   4. ソフトセンサーの研究例
• 質疑応答

第2部 大規模ボイラープラントのスタートアップにおけるAI運転ガイダンス

(2026年10月20日 12:15〜13:45)

　さまざまなプラントに熱と電力を供給するボイラープラントは、化学工場の中枢とも言える重要なプラントです。このため通常は連続運転しているものの、数年に一度は停止して検査点検を行い、そうした定修明けにはスタートアップ運転が必要になります。ただし、こうしたプラントは基本的に稼働し続けているため、スタートアップを運転員が経験する機会は多くない上、運転データも乏しく、また常温常圧の状態から高温高圧の状態に移行するという高度な運転技術が求められます。 　そこでわれわれはプラントシミュレータと強化学習というA I技術を組み合わせることで、運転データの少なさをシミュレーションで補いつつ、最適な運転手順を提示するガイダンスシステムを開発し、実証実験を続けています。本講演では、その仕組みと状況についてお話しします。

1. はじめに:機械学習の基本的な考え方
2. 最適制御問題と強化学習
3. ダイナミックシミュレーション
4. 学習型状態オブザーバー
5. Simulation-to-realityギャップ
6. レプリカモデル予測制御
7. ボイラープラントにおける実験事例
8. おわりに
• 質疑応答

第3部 プロセスインフォマティクスの実践事例と研究開発DXへの展開

(2026年10月20日 14:00〜15:30)

　素材・材料開発は、原料配合の最適化に加え、材料形成プロセスを精緻に制御することで実現される。近年は、研究開発から製造までの各工程で蓄積される膨大なデータを統合・活用し、開発加速や品質向上につなげる取り組みへの期待が高まっている。一方で、材料の製造プロセスには多数の因子が複雑に関与しており、品質安定化や不良改善、スケールアップ時の再現性確保は依然として大きな課題である。 　本講演では、マテリアルズインフォマティクス (MI) とプロセスインフォマティクス (PI) の実践事例を交えながら、材料開発・製造プロセスにおけるデータ活用の考え方と進め方を紹介する。特に、品質安定化、不良改善、プロセス最適化に向けたデータの前処理・可視化・解析手法、現場との連携による課題解決アプローチ、さらに人材育成や組織的な推進の仕組みについて解説する。加えて、AIや実験自動化を活用した今後の研究開発DX (RX) の方向性についても紹介し、データ駆動型研究開発の実現に向けたポイントを共有する。 。

1. はじめに
   1. 当社R&Dの目指す姿
   2. 変化する素材産業とMI・PIへの期待
2. プロセス制御におけるインフォマティクス活用
   1. 材料開発における反応プロセス制御の重要性
   2. PIの考え方と実践上の課題
   3. 品質安定化・不良改善に向けたデータ活用アプローチ
3. 事例から見るプロセスインフォマティクス活用
   1. テーマ概要:複数の反応プロセスからなる原料の品質設計
   2. データ可視化の基本とその重要性
   3. データ解析において考慮すべきプロセス範囲
   4. プロセス制御に向けた特徴量設計の工夫
   5. 制御可能なプロセス変数を用いたモデル構築
   6. 品質安定化・不良改善への適用事例
4. 材料・素材開発へのMI/PI活用に向けた仕組みづくり
   1. 成果創出につながるMI・PI推進の要件
   2. MI・PI人材の育成と組織への定着
   3. 事業貢献につながるテーマ選定と成果創出の仕組み
   4. AI・自動化を活用した研究開発DXの展望
5. まとめ
• 質疑応答

第4部 プロセスインフォマティクスによる製造プロセスのデータ活用と社会実装

〜ソフトセンサー、バッチプロセスデータ解析、AI制御の実践事例〜

(2026年10月20日 15:45〜16:45)

　製造業では大量のプロセスデータが蓄積されている一方で、品質変動要因の解明や運転条件の最適化、熟練者知識の継承など、多くの課題が残されている。 　本講演では、三井化学におけるプロセスインフォマティクスの実践事例として、ソフトセンサーによる品質推定システム、バッチプロセスデータ解析による原因究明と合理化、ならびにバイオリアクターを対象としたAI運転支援・推定制御技術について紹介する。また、研究開発段階の技術を実際の現場へ展開し、継続的な価値創出につなげるための社会実装の取り組みについても解説し、プロセスインフォマティクス推進のポイントを紹介する。

1. はじめに
   1. 三井化学のプロセス開発におけるデータ活用の取り組み
   2. 自己紹介
   3. プロセスシステム工学とプロセスインフォマティクス
2. プロセスデータ活用の課題
   1. 製造現場に蓄積されるデータ
   2. 品質変動要因解析の難しさ
   3. 現場におけるデータ活用推進の課題
3. プロセスインフォマティクスによる最適化事例
   1. 化学工学モデルと統計モデル
   2. シミュレーションによる設備設計
   3. Lockhart-Martinelliモデルのパラメータ最適化
   4. データ解析を活用したプラント増強検討事例
4. ソフトセンサーの基礎と実装
   1. ソフトセンサーの考え方
   2. PLSモデルによる品質推定
   3. JIT-PLSによる適応型推定
   4. 実プラント展開事例
5. バッチプロセスへの適用
   1. バッチデータの特徴
   2. バッチプロセスデータ解析
   3. 知識発見と原因解析
   4. バッチデータベース構築の考え方
6. ソフトセンサーとAI制御
   1. 発酵プロセスにおける課題
   2. 生産速度推定モデルの構築
   3. 推定結果を活用した運転支援
   4. AIによる操作条件最適化
7. データ解析アプリによる業務変革
   1. データ解析アプリ開発の経緯
   2. 相関解析・モデリング・レシピ最適化
   3. 現場技術者による活用事例
   4. データ活用文化醸成の取り組み
8. 研究成果の社会実装
   1. 研究成果を現場へ展開する方法
   2. 解析技術の民主化
   3. 知識共創の仕組みづくり
   4. プロセスインフォマティクス普及のポイント
9. 今後の展望
   1. 推定から自動制御へ
   2. プロセスインフォマティクスの将来像
• 質疑応答