Recommended
More Related Content
Similar to 事業モデル仮説に基づいた水産業における産学連携の試み
Similar to 事業モデル仮説に基づいた水産業における産学連携の試み (20)
Recently uploaded
Recently uploaded (14)
事業モデル仮説に基づいた水産業における産学連携の試み
- 1. 事業モデル仮説に基づいた水産業における産学連携の試み： 『サステイナブル漁業に向けたデータ指向型リアルタイム解析基盤の開発』での取組事例 笠原秀一（ 京都大学 学術情報メディアセンター） 飯山将晃（ 京都大学 学術情報メディアセンター） 美濃導彦（ 京都大学 学術情報メディアセンター） CREST 「イノベーション創発に資する人工知能基盤技術の創出と統合化」 1
- 2. ∗ 産学連携による研究開発では，技術シーズが重視される傾向があり，研 究成果を社会実装する事業モデル開発が十分行われない事も多い． ∗ しかし，今後更なる活用が期待される人工知能技術には大量のデータ が必要であり，データの収集方法も含めた事業モデルの必要性は高い． ∗ 筆者らの研究チームは，持続可能な漁業を実現することを目指す CREST事業を対象に、技術開発と平行して事業モデル開発を進める手 法を実践的に試みており，その現状について報告する． ∗ 対象となるCREST事業では，ステークホルダを交え，PDCAサイクルに 従って事業モデル仮説を検証することで，研究成果の社会実装を容易 にすることを目指している． 2 研究の背景
- 4. ∗ 課題： 広域海況予報をもとに漁業者が勘と経験で漁場決定 ∗ 課題： 海況情報も漁獲実績も十分には収集できていない サステイナブル漁業に向けた現状と課題 漁業コストの大部分は漁場探索 漁場探索にかかる 燃料費が高い ⇒十分な精度ではない ⇒知識集約・継承が不十分 許容漁獲量の算出には海況情報と漁獲実績の収集が必要 ⇒漁業者の行動をリアルタイムに収集・把握する必要 高精度・高精細な海況予測データの創出 漁業者の勘と経験を代替する技術 漁業・海況の情報を収集する基盤 課題解決に向けた技術
- 11. 我々の取り組みについて 11
- 14. 海況データ海況データ海況データ海況データ 供給元供給元供給元供給元 ステークホルダ分析 14 データ JAMSTEC/京都大（CREST） ESL GLI データ処理データ処理データ処理データ処理 標本船 衛星 ユーザ船 販売先（卸先）販売先（卸先）販売先（卸先）販売先（卸先） システム運用・システム運用・システム運用・システム運用・ 販売販売販売販売 水産試験場 漁協 水産企業 漁船エンドユーザーエンドユーザーエンドユーザーエンドユーザー 契約漁船 漁船団 商品候補商品候補商品候補商品候補 海況予測 漁獲予測 資源量予測 ツール 漁獲・海況データ漁獲・海況データ漁獲・海況データ漁獲・海況データ ※漁獲データの保有形態は 検討課題 水試から漁船に配信 ※漁師・釣り師など向けB2Cは、 CRESTでは広告費が計上できない ため厳しい 競合競合競合競合漁業機器メーカー ※漁獲・海況データは ユーザーからフィードバック （注意：機微データ) 処理結果・ツール・モデル
- 15. 15 事業モデル構築と フィージビリティテスト サービス名 サービス 内容 スペック（要求仕様） 想定顧客 ・・・ 1 資源管理 情報 海域の資源 量推定 Xヶ月先までのYｋｍメッシュ海 況予測と漁場漁獲量のパター ン解析から、XXXXヶ月先までの資ヶ月先までの資ヶ月先までの資ヶ月先までの資 源量予測源量予測源量予測源量予測 官公庁 ・・・ 2 海況予測 数日先の 海況予測 数日後のX㎞メッシュの海況予 測 漁協 ・・・ 3 コンシューマ 向け漁獲予測 当日の 漁獲予測 当日のX㎞メッシュの漁獲予測 情報 釣り師 ・・・ ・・・ ・・・ ・・・ ・・・ 項目： サービス名，サービス内容，スペック，利用技術，利用データ，対象海域・魚種，顧客，単価，予測市場規模 共有しやすい目標記述で 研究開発目標と要求仕様をすり合わせ モデル毎に 実現可能性を検証 バリューチェーン分析、ステークホルダ分析の 結果を元に12の事業モデルを作成 想定年商（想定顧客数×単価） － 初期投資（CAPEX） －人件費・運用費（OPEX) 研究開発の実現可能性 や顧客の反応を加味 PDCAサイクルで 事業モデルの検証と 精緻化
- 16. 将来の社会実装ビジョン ボトムアップで全国の水産データを集積し、データ漁業を実現 ESL，GLI 新規起業 ・水産研究・教育機構 ・中央水産研究所等 ・各県の水産試験場 ・海洋情報一元化センター（仮） ・その他官公庁 ・中期資源管理情報 （海況漁獲予測） ・海況情報 • 各地の漁業協同組合 • 各地の漁業会社 • 大手小売業の漁船団 魚探等装備漁船 魚探等漁具メーカー 短期海況予測 機器組込パートナー 行政への行政への行政への行政への 情報提供情報提供情報提供情報提供 漁船ナビサービス群漁船ナビサービス群漁船ナビサービス群漁船ナビサービス群 漁業情報事業者B 短期流れ予測 釣り師など個人 漁業情報事業者A 新規参入民間企業群 MSC認証支援 DB 海洋モデル・データ解析 サービス提供 DB DB むしろ東南アジア など？ 地域毎の水産DB 漁獲予測
- 17. 17 本モデルの長所と短所 • 事業モデルに基づく研究開発目標と将来ビジョンの共有 • 事業化に向けたスケジュールとToDoの共有 • 研究機関と事業者・ユーザーとの橋渡し機能の強化 長所 • 事業推進役となる人材確保の難しさ • アカデミックな研究目的が、事業目的によってバイアスがかか るおそれ 短所：
- 18. ∗ 本ケースでは、産業側に事業化人材が不足 ∗ 民間による情報提供サービスの経験が少なく、規模も小さい ∗ 機械学習による漁獲予測には、漁獲・海況データの循環が不可欠 ∗ 事業化推進役を研究機関側に設置 ∗ 事業モデルの構築 ∗ 実現可能性を検証（フィージビリティテスト） ∗ 事業化スケジュール管理 ∗ PDCAサイクルを通じて事業モデルを検証、精緻化 ∗ 事業活動のプロセスを可視化し、プロセスの分担、事業化スケ ジュールを共有 まとめ サステイナブル漁業に向けた日本発のイノベーションを世界に先駆けて創発 18