Ｒ&Ｄ部門におけるデータ共有・利活用（AI,MI）は、なぜ難しいのか？

Copyright (C) 2023 QUATRE-I SCIENCE Co. Ltd.,
All rights reserved. 禁無許可転載・複製
Ｒ&Ｄ部門におけるデータ共有・利活用
（AI,MI）は、なぜ難しいのか？
（株）キャトルアイ・サイエンス代表取締役上島豊 https://www.i4s.co.jp/
～データ分析・AI活用を進める上で必要となる準備と環境～

目次
2）日本のR&D環境における課題と問題点
3）データ共有、利活用システムを
導入する為に必要な要件や体制
1）会社概要
5）導入事例
4）R&Dデータ利活用実態の改善

感性と知性を
情報技術で
革新します
会社名：株式会社キャトルアイ・サイエンス
代表取締役：上島豊
設立： 2006年1月
資本金： 22,500,000円
会社設立経緯
上島が研究員だった当時の課題（日本原子力研究開発機構でHPCによるシミュレーションを行う）
1）HPC性能向上によるデータ数・容量増大とそれらの処理・管理作業の増大
2）属人的作業のミス発生や効率化の限界
3）刻々と進展する結果及びコード、ツール共有の煩雑さ
これらの問題を解決する仕組みを研究員時代に考案・開発
2000年大規模データマネジメント研究会を立ち上げ
2003年製薬会社や各種研究機関よりシステム相談を受け始める
2006年キャトルアイ・サイエンスを設立
『研究開発を革新する』を原動力とし、 R&D統合プラットフォーム「RCM」を製品化
研究所で培った研究開発業務のシステム化ノウハウを
結集し、R&D部門のデータ共有/利活用に特化した会社
会社概要
3
私自身が元研究者
で、R&D自身や研究
者の悩み事を実際に
経験し、他人事でな
く、自身の事として良
く理解していることが
強みです

弊社製品RCMは販売開始から17年以上を経ており、
R&D統合プラットフォームとして信頼を得ております
4
主要取引先(順不同、敬称略)
東京大学
大阪大学
北海道大学
東京工業大学
兵庫県立大学
宇宙航空研究開発機構
日本原子力研究開発機構
防災科学技術研究所
高エネルギー加速器研究機構
情報・システム研究機構
情報通信研究機構
国立天文台
理化学研究所
物質・材料研究機構
計算科学振興財団
鉄道総合技術研究所
家電メーカA,B社
製鋼メーカC,D社
重工系メーカE社
自動車関連メーカF社
材料系メーカG,H,I,J社
化学系メーカK,L,M,N,O,P,Q社等
会社概要

２）日本のR&D環境における課題と問題点

頭の中でデータの整理ができていると思っていることが
多いですが、その状態では他人への伝達ができません
人によって異なる様々なもの
・あるデータが頭にあるか、実験ノートに記録か
・実験ノートへの記録の仕方
・実験結果の評価方法
・項目名、単位など
データ共有状況
他人へ伝達不可能であり、組織として、
データ管理ができているとは言い難い
6

何から何まで実験をした人に聞く必要があり、
また、その情報が間違っていることも多々あります
データ共有状況
7

「生データと最終結論＋α」程度のデータ蓄積では、
AI化はおろかデータ利活用さえ推進できません
2）「生データと最終結論＋α」だけのデータ管理では、
「誤記録、記録漏れ」,「捏造」は抑止できない。
1）「生データと最終結論＋α」だけのデータ管理では、
「利活用」,「Infomatics, AI化」は推進できない。
＝＞実作業者本人にしか精緻なことが分からないので、
第3者が確認、検証することができない。
その結果、「誤記録、記録漏れ」,「捏造」を十分に抑止できない。
＝＞データ生成、処理プロセスを再現可能かつ人の記憶に頼らず
参照できる状態でない場合、データの信頼性に不安を感じ、
実作業者以外の人は、データを扱う事を避けてしまう。
その結果、「利活用」,「Infomatics, AI化」は、進まない。
課題、問題点
8

日本のR&Dは属人傾向が高く、一人の作業範囲が広い
ので、利活用不能な状態でのデータ蓄積になっています
日本型R&D 欧米型R&D
人事的側面終身雇用を前提としているプロジェクト単位で人材を集散す
ることを前提としている
分業体制と
データ管理
1人の作業範囲が広く、作業内で
の多くの中間データの管理が個
人任せになっている
1人の作業範囲が狭く、分業間で
のデータ引き渡し部分で、厳密に
管理されている
IT化（DB化）積極的でない積極的である
文化的側面同一文化の人が多い為、暗黙の
了解事項が多く、細かく規定さ
れることに窮屈感を強く感じる
異文化の人が多い為、そもそも契
約、ルールに従って、業務遂行す
ることに慣れている
日本型R&Dは、属人的かつ一人の作業備範囲が広いが故に、
客観的データに表れ難い部分までも突き詰めることができている。
9
しかしそれ故、細かなプロセスやデータ記録が疎かになり、IT化、DB化
が進まず、大量データの分析が必要なAI化は実現できていない。
課題、問題点

装置ログ
実験生データ
データ利活用、AI化の“要”は、変化するR&D活動を再現
可能なレベルで記録し続ける仕組みを構築することです
課題、問題点
実験ノートグラフ化
解析
比較、統計
利活用 AI化
R&Dデータベース
10

従来のDB化、システム化技術では、 R&Dの変わりゆく
DB化対象項目や既存ソフト連携の実現は不可能です
従来システムで使われているRDBは、「事前にDB化項目
を決め、原則変更はしない」という制限があるため、変化
が激しいR&D部門では、データベース化が困難
R&D部門では、検索結果を表で見るだけでは役に立たず、
他の分析ソフトとの連携が必要だが、従来のシステム技
術では、「機能追加、自動化は大規模な開発」になり、迅
速かつ簡便に開発、変更ができない
データベースの問題
システム化技術の問題
11
課題、問題点

RCMはこれら課題を解決し、R&Dに必要なIT環境を
実現できる為、多くのR&D部門に導入されています
スキーマレスデータベース
WorkFlowエンジン
データベースの問題解決
システム化技術の問題解決
DB化項目の追加、変更が容易で、堅牢なアクセス制御が簡単
に設定できるスキーマレスデータベース
DBと他サーバ、PC上の様々なソフトウェアとの連携、自動処理
が簡単に追加・変更できるWorkFlowエンジンを搭載
課題、問題点
ファイルサーバ計算サーバシミュレータ
-
PC
PC
PC
-
RCM Server
12

３）データ共有、利活用システムを
導入する為に必要な要件や体制

変化に追従させやすいDBを持ち、他サーバ/PCの既存
アプリケーションに処理を受け渡せることが必要です
ソフトウェア要件
1. 項目名変更、追加を有
する事
2. 項目名や他工程のIDと
の紐付けがドロップダ
ウン選択できる事
3. データ入力部とDB登録
部が分離され、必須入
力やレイアウトのカス
タマイズができる事
利用者レベルで利用できる機能
システム基盤として必要な機能
1. アクセス制御がDBMSレ
ベルで制御されている事
2. システム無停止で機能変
更・追加が可能な事

楽譜
R&Dのデータベース、システムは、魔法の箱では
ありません！データ処理をするオルゴールなのです！
DB、システムは魔法の箱ではなく、データを蓄積し、データ
をツールへ引き渡し、データ処理をさせるオルゴールである。
どのような動き、音を奏でるかは、別途既存ツールを準備す
るか？設計、作成しておく必要がある。
データベース、システムとは
シリンダ
オルゴール
手順書
ツール
システム
組み込み
システム
15

DB化を着手する前にどのような項目が適切か合意し、
データ探査、処理の手順確認が必須です
データ共有、利活用システムを実現するためには、パッケージ
ソフトや請負開発を考える前に、以下の課題を解決しておく
必要がある。
-1)属人的データ共有状況からの脱却（情報記録、項目名定義）
0)形骸化したデータ共有状況からの脱却（十分な情報、適切な項目）
1)第三者が手動処理で確実に実施できる手順書の作成
2)手順書作成時の問題点の列挙と改善案検討
3)正確性を犠牲にしない手順書の一般化
4)手順に沿った手続きの時間測定と発生頻度推定
5)共有、利活用の価値と手順順守負担のトレードオフ判断
6)データベース化、システム化意義のある部分の検討
6)だけが、ソフト会社でも議論に参加できるものである。
構築準備
16

事前調査不足やシステム利用の想像不足は、
システムが利用されない致命的原因になります
どのようにシステムを使うかを具体的に考え（システムがない状態で実施で
きていないことは具体的に考えられないので対象としない）、 DB化する項
目を決定する必要がある。
1)検索で絞り込む項目
2)結果検討する為に作るグラフの軸と系列になる項目
また、そのDB化項目を使って、どのようにデータ探査、処理を
するかも事前に十分意識する必要がある。
構築準備
17

ファシリテータを立て、データ記録・活用
実態調査、項目合意形成、意見交換等の支援が必要です
構築体制
18

MI(データ活用専門)部隊は、システム構築前の
研究者ヒアリングにも緊密に関わることが重要です
19
信頼関係
構築体制

システムが存在しない状態で、どのような
システムを作るべきかを考えることは難しい問題です
利用者が使いたい機能だけな
らまだしも、データ保全を意
識した運用に必要な機能は、
研究者には仕様判断が困難
R&Dにおける運用実績が豊
富なパッケージ（機能を作
らなくてよい）を採用する
運用に必要な機能を研究者
と合意形成を図ることがで
きるコンサルタントを雇う
20
構築体制

研究者を運用、開発チームにローテーション兼務させ、
お互いの痛みが分かる体制にする必要があります
運用体制
21

既存研究者は今までのやり方を変えないので、
最初はデータ活用専門部隊が主な利用者になります
ミッション
運用体制
22

４）R&Dデータ利活用実態の改善

自分が実施した実験や解析でも、他人が実施した実験や
解析でも検索ですぐに探し出せます
課題の解決
検索するだけで結果をリスト表示
フォルダを内を記憶を辿りながらひたすら探す
アルフォンス
アルフォンス
アルフォンス
アルフォンス
コメントなどの文字列だけでなく実験パラメータなどの数値も上下限を設
定し、検索絞り込みが可能！アクセス制御設定もGUIで簡単設定！
こんなフォルダ
で、ファイルを
自動分類してく
れると
ありがた
いんだけど・・・
れると
ありがた
れると
ありがた
自分で実施した解析
だけど、どのフォル
ダに保存したのか思
い出せない！
検索条件指定検索結果リスト
RCM
現状
絞り込みの
均質性と網羅性
24

探し出した実験や解析は、再現可能なレベルの情報が
記録されており、第3者でも安心して参照、分析できます
課題の解決
0.000 -80.0 20.0
0.025 60.0 18.0
00.28 -10.0 15.0
0.001
0.000 -70.0 10.0
0.025 60.0 18.0
00.28 -10.0 22.0
0.031
少し結果が違うぞ！そのファイルじゃないって！
解析再現に必要な全情報が検索一発！
電話、メール、対面で説明はしているのに・・・
RCMで解析を行えば、結果データは、自動的に紐付け管理される！
解析後のレポートやネット非接続の実験データも手動で関連付けができる！
データ間の紐付
解析レポートも紐付
信頼性確保
RCM
現状
25

実験前、解析前に、まずは、検索をしてみてください。
同じ、もしくは類似の実験を提示し、実験を支援します
課題の解決
圧力＝10kPa
温度＝400K
密度＝10g/cm3
流速＝10m/s
成否=成功
実験/解析条件
同じような条件で実
験したような気がす
るんだけど・・・
実施しようとする実験/解析条件で検索をすることで、同一条件実験/解析の
有無、回数がすぐに分かるので、無駄実験/解析がなくなる！
検索するだけで、同条件の実験/解析はすぐ判明
結局わからないので、再実験、解析を何度も実施
検索実行
圧力＝10kPa
温度＝400K
密度＝10g/cm3
流速＝10m/s
成否=成功
実験/解析条件
去年、自分が5回も実施し
ていて、誤差評価まででき
てるじゃないか！
R&Dの効率、
品質（誤差評価）向上
RCM
現状
26

目標性能値を指定して、検索してみてください。近い
性能の実験を見つけ出し、実験方針決定を支援します
課題の解決
耐電圧>10kV
Tg＞400K
粘度＞10P
熱膨張＜10(1/K)
成否=成功
目標性能
実験/解析結果の値でも検索が可能！実験/解析条件で自動的に
分類プロットをしてくれるので、実験/解析方針決定を大きく支援！
検索するだけで、目標性能に達するための条件がすぐ判明
記憶を頼りに勘で、試行実験条件を決定
耐電圧>10kV
Tg＞400K
粘度＞10P
熱膨張＜10(1/K)
成否=成功
目標性能
近い性能が出た実
験が何度かあった
ような気がするんだ
けど・・・
○○剤を入れると耐
電圧が上がり、××剤
を加えると熱膨張が抑
えられるのか！
自動分類Plot
検索実行
AI化
RCM
現状
27

５）導入事例

29
10名程度の研究グループに対して、システム化のため
の事前コンサル及び評価システム構築、講習会で8か月
事例（某総合化学メーカー様）
システム化のためのコンサルティング：5 ～ 6ヶ月
（利活用状況確認、データ構造と項目名決定、システム案）
評価システム構築：２～３ヶ月
（講習会用データ調整、ハード設置、インストール及び設定）
利活用シーンに沿った利用者及び管理者講習会：1ヶ月
（利活用ヒアリングと講習会実施）

30
システムに登録した多工程のデータを簡単に検索でき、
簡単にデータ分析ができるようになりました
共有ファイルサーバ
（WindowsServer)
生データファイル群
ドライブ割り付けをした共有フォルダ
RCMサーバ
（DB Server)
実験データ登録Excel
①ブラウザにD&D
②Excel内の項目をDB登録
③Excel内で指定された
生データをDB登録
④検索 ⑤結果分析

31
実験IDや項目名は、ドロップダウンで指定できるので、
従来データ共有で困っていた表記揺れがなくなりました
原材料
合成
測定
DB連携機能で、原材
料名をドロップダウン
選択になり、表記揺
れがなくなりました
実験生データも登録
できます

32
エクセルに記録した実験データをブラウザにD&Dする
だけで簡単にデータベース化が行えるようになりました

33
様々な工程の条件を指定した検索ができ、結果はグラフ
ソフトへ出力されるので、データ分析が楽になりました
検索結果をグラフソフトで見る
ことができるだけでなく、実験
生データや登録したエクセル
ファイルもDL可能です
検索条件指定において、
項目名、IDは全てドロップ
ダウンで指定できます

34
多変量な実験データを自動的に分類したグラフが
作成できるので、データ分析が大幅に省力化されました
傾向が同じようなプロットをまとめてみる
と第三添加剤名ごとにデータが分かれて
いることがわかる。つまり、第三添加剤名
が熱伝導率を支配的に決めていることが
わかります
第三樹脂名、第二添加剤濃度、第
三添加剤名が同じものでデータを
自動的にグループ化する。本グラ
フでは、データは11パターンに分
けられています

35
マーカー種が多すぎて傾向把握が困難な場合は、
グループ毎に別グラフを作る機能が役立ちました
[CELLRANGE] [CELLRANGE]
[CELLRANGE]
[CELLRANGE]
[CELLRANGE]
[CELLRANGE]
[CELLRANGE]
[CELLRANGE]
9.2
9.25
9.3
9.35
9.4
9.45
9.5
9.55
9.6
0 20 40 60 80 100 120
IP[eV]
対象材料|*|分子量
IP[eV]の対象材料|*|分子量依存性(対象材料|*|分類=アルケン)
対象材料|*|分子量-IP[eV]
[CELLRANGE]
[CELLRANGE
[CELLRANGE]
[CELLRANGE]
[CELLRANGE
[CELLRANGE]
[CELLRANGE]
[CELLRANGE]
[CELLRANGE]
0
2
4
6
8
10
12
14
0 20 40 60 80
IP[eV]
IP[eV]の対象材料|*|分子量依存性(対象材料|*|分類=アルカン)
[CELLRANGE]
[CELLRANGE]
[CELLRANGE]
[CELLRANGE]
9
9.2
9.4
9.6
9.8
10
10.2
0 20 40 60 80 100 120
IP[eV]
IP[eV]の対象材料|*|分子量依存性(対象材料|*|分類=アルデヒド)
測定法との比較はしたいので、測
定法はグループ化から外します

36
実験画像ファイルをDB登録しておけば、検索結果の
表に画像を埋め込めるので、結果比較が楽になりました

37
グラフの点をクリックすると対応するセルが自動
表示されるので、データ分析が捗るようになりました

38
生データ（CSV）をDB登録しておけば、別タブにデータ
が自動取り込みされるので、作業間違いが減りました
粘度の温度依存性、
素子の耐電圧測定、
材料の引張強度試験
などの生データをpath
指定しておきます

39
別タブに取り込んだ複数のCSVファイルからグラフが
簡単に作成できるので、データ分析が楽になりました
粘度の温度依存性の生
データを複数材料で比較
をしたり、ガラス転移点の
比較が容易になります

40
これら蓄積されたデータとAI、機械学習プログラムを
簡単に連動動作させることができました
①Pickerツールで起動、雛型入力ファイル
の変数化・文字列置換位置を指定する
②コンポーネント登録画面で①ファイルを選択し、
コンポーネント名、動作モード等を設定する
③ワークフロー編集画面で必要なコンポーネント
を連結し、解析フローの完成

何かを買って、解決するという問題ではなく、
企業風土及びR&D従事者の意識変革が必要です
まとめ
41
本社命令での全社DXの流れに身を任せるとデータのデジタル化は達成されるかもしれ
ないが、R&D部門ではデータの墓場ができるだけで、データ共有利活用は実現しない

キャトルアイ・サイエンスは、
感性と知性を
情報技術で
革新します！
分析PC
計測装置
可視化サーバ
ファイルサーバ
AIサーバ
利用者PC
RCM Server
「RCM」は、R&Dプロセスを革新し、
技術者の創造性を支援します！
スパコン、PCクラスタ

Ｒ&Ｄ部門におけるデータ共有・利活用（AI,MI）は、なぜ難しいのか？

Recommended

Recommended

More Related Content

Similar to Ｒ&Ｄ部門におけるデータ共有・利活用（AI,MI）は、なぜ難しいのか？

Similar to Ｒ&Ｄ部門におけるデータ共有・利活用（AI,MI）は、なぜ難しいのか？ (20)

Recently uploaded

Recently uploaded (9)