戦略的工場経営ブログ生産管理で直面する工程間調整を人工知能に任せる
現場の納期やリードタイムを決めている項目が明らかになっていますか？
１．新材料開発は先端技術のみでは進まない
人工知能（ＡＩ）の話題を、毎日、何らかのメディアで目にします。新聞や雑誌でこの話題を目にしない日が無いほどです。人工知能が活用される分野がドンドン拡大されています。日本の製造業を縁の下で支えている素材産業も例外ではありません。 材料開発の効率化を狙って、人工知能の活用が検討されています。物質・材料研究機構や産業技術総合研究所が、こうしたプロジェクトを発足させました。 （出典：日経ものづくり２０１６年２月号） 新材料の開発は、今でも勘や経験が大きな役割を果たしていると言われています。材料科学の進歩によって基礎理論の解明や材料データベースの整備が進みました シミュレーション技術も大幅に向上しています。それでも、研究者の勘や経験が開発に欠かせないのは現代も変わっていません。理論式やシミュレーションでおおよその見当をつけることはできます。 しかし、最後は泥臭い試行錯誤がものをいうのは昔も今も同じです。 ここで、ある特性をもった新材料の開発を仮定します。既存材料の材料特性や材料データベースの情報を活かし、研究者は狙った材料特性が得られそうな材料パラメータを設定します。材料設計です。 設定した材料パラメータをもとに、シミュレーションで材料特性を予想します。ただし、この時点で、材料を製造するための具体的な材料パラメータは特定されません。あくまで、おおよその見当をつけるまでです。 ですから材料を構成する配合比や、場合によっては構成元素などを、トライ＆エラーで特定する仕事が残ります。絨毯爆撃的アプローチが最後に必要なのです。 例えば、構成元素を３種類まで特定できたとします。ただし、「らしい」配合比は見当づけられましたが、確定できていません。そこで、特定された３種類の構成元素の配合比を動かし、実際に材料を製造してみます。 ここでは、各構成元素の配合量を下記のように動かしてみることにしました。 構成元素Ａの配合量を３通り。 構成元素Ｂの配合量を４通り。 構成元素Ｃの配合量を３通り。 すると、３×４×３＝３６通りの材料を製造してみることになります。さらに製造条件上、動かしてみたいパラメータ（温度や供給速度や時間等）が３通りくらいあったとしたら・・・。 試行錯誤の回数は、軽く１００回を超えます。というように、新材料開発には泥臭い作業が残っているのが現状です。２．所望の材料特性から必要なパラメータを逆算
物質・材料研究機構は２０１５年７月に「情報統合型物質・材料開発イニシアティブ」を創設しました。革新的な新材料開発手法を生み出すことが目的です。磁石や電池、熱電交換素子の新材料開発に取り組んいます。 日経ものづくりでは下記のように取り組みを解説しています。イニシアティブの目標は、そうした状況に革新を起こすことである。 ＡＩの活用によって、所望の材料特性を効率的に実現しようとしているのだ。 このような新材料開発のアプローチについて、イニシアティブのプロジェクトリーダーを務める寺倉清之氏は「逆問題を解く」と表現する。 「順問題」に相応する従来の手法は、構成元素や配合比、組織構造といったパラメータを調整し、理論式やシミュレーションから特性の見当を付けていくというものだった。 それに対してイニシアティブで取り組むのは、所望の特性からパラメータを導き出すというものだからである。（出典：日経ものづくり２０１６年２月号）
近年、材料を構成する元素の多元化や微細化構造の工夫によって材料特性改善が進んでいます。したがって、パラメータやの種類や組み合わせが爆発的に増えているのです。従来のやり方ではとても間に合いません。
そこで、逆問題を解く、従来の枠組みを超えたブレークするが求められています。その切り札が人工知能です。人工知能を使って逆問題が解けるようになれば、新材料開発が比較的に効率化されます。
逆問題を解くアプローチが、材料開発だけでなく他の分野へも応用できたらと思わずにはいられません。望む状況を生み出すパラメータを導き出すことができるのです。