top of page
hero-bg-08.jpg
Profet AI Insight

私たちが最新情報や産業観点を理解することで

化学工業産業の AI 技術応用多様な挑戦に対応



化学工業産業が関連する分野は幅広く、生活用品からハイテクまで様々な産業で必要な原材料を石油化学産業やプラスチック・ゴム産業などが生産している。経済部統計局のデータによれば、2022年の化学工業産業の総生産額は5兆台湾ドルを超えており、台湾の四大製造業のうちで情報電子産業と金属機電産業に次ぐ3位となっている。

石油化学産業およびプラスチック・ゴム産業の産業チェーンの川上は原油だ。原油を精製すると様々な副産物が生まれる。川中では川上原料のナフサを分解してベンゼン、フェノール、アルケンなどの基本材料、またこれら材料の重合、エステル化 、アルキル化などの化学反応を経て生成したプラスチック、ゴム、合成繊維などが産出される。川下では、プラスチック、ゴム、合成繊維を加工した生活用品が生産される。例えば、3C製品の外殻、プラスチック製品、ゴム製品、接着剤、合成繊維、可塑剤、化粧品などで、その範囲は大変広い。

近年、化学工業産業は多様な挑戦に直面している。とくに国際情勢におけるESG(環境・社会・ガバナンス)への対応は、今後10年間で最大の課題となるだろう。いかにエネルギー節約と二酸化炭素排出量の削減を行い、ムダを省くか、これは最も手強い問題である。

ESGへの対応のほか、産業の構造とトレンドの変化も避けては通れない難題だ。近年、ハイテク産業の給与構造と環境の強み、学校の人材育成、人材の就業選択などの要素が複雑に関連し、化学工業産業に世代断絶が起こっている。これらの人材に起因する問題が直接的あるいは間接的に企業経営に影響した結果、技術者の経験伝承、新製品の研究開発、経営の最適化などが大きな挑戦となった。



未来の化学工業産業の人材はAI応用の達人でなければならない


化学工業産業を取り巻く外部の環境と、内部の人材断絶について述べたが、一方で新たなチャンス、新たなターニングポイントも見つかる。産業の若年化は、新技術によって作業を最適化できるということを意味する。この数年、化学工業産業は生産や材料の研究開発におけるデータ運用でAI導入が進んでいる。これについて、以下の大まかな方向が挙げられる。


一、AI応用で製品の研究開発を支援し、重要要素を把握してシミュレーションを行って時間とコストを削減する

まずAIを新製品材料の研究開発におけるデータ分析とモデリングのツールとする。AIで過去のデータからモデリングを行って、研究開発資料をモデル化し、製品に影響する要素を把握する。このほか、研究開発スタッフがAIモデルを使用して材料配分の変更が製品品質に及ぼす影響を調査することによって、開発時間の大幅短縮と同時にモデル化による経験の伝承を実現する。


二、AI応用で製品品質が不良となる重要要素を分析し、問題の調査時間を短縮して品質を高める

化学工業産業の生産システムが監視・制御するパラメーターは非常に多い。加えて、成分配分などの条件が加わって生産データは複雑になるため、統計によって品質に影響する要素を効率的に把握することは困難だった。AIを導入し、DCSまたはSCADAシステムによる生産ビッグデータとAIによるデータ分析を応用することで、すばやくその重要要素を見つけることができ、問題の調査時間を短縮して、不良品または不合格品を減少させてムダを省くことが可能となる。


三、AI応用で製造プロセスの品質を予測

化学工業産業の製造プロセスは品質の検査が必要だが、リアルタイムで全検査を行うことはできなかった。過去の生産データと品質検査の資料を運用し、AIで予測モデルを構築すれば、AIとIoTによる品質予測が可能となる。品質変化の傾向を把握し、事前に対策を講じることで、不合格の廃棄品を減少させることができる。


四、AI応用で生産システムの運用効率を最適化し、エネルギーの浪費を削減

ESGへの対応と挑戦のため、いかに消費電力量の多い設備のエネルギー使用率を最適化するかという化学工業産業の問題にもAIを応用できる。AIモデリングによって過去のシステム操作パラメーターからモデルを構築し、生産効率、品質、エネルギー消費のバランスが取れた最適なパラメーターを取得することが可能だ。


産業の問題を熟知するProfet AIが開発した24時間稼働する「バーチャルAIデータサイエンティスト」

化学工業産業の発展にデータ分析とAI応用技術を活かすため、多くの企業がデータアナリストを採用したり、従業員にAIやデータ分析の研修を受けさせたりしている。しかし、データアナリストの化学工業産業への就業意欲は低い一方、従業員が新たにAIについて学び、技術を習得するまでには時間がかかるため、短期間でAIを応用した分析能力を持つことは難しい。


製造業のAI応用と人材需要の高まりに応じ、杰倫智能(Profet AI)は製造業向けAIプラットフォームの発展に尽力している。Profet AIが開発した自動機械学習(AutoML、Automated Machine Learning)プラットフォームの目的は、企業のAI応用における問題の解決だ。このプラットフォームはまさに「バーチャルAIデータサイエンティスト」として、専門家がプログラムを書いたり、複雑なアルゴリズムを研究したりする必要なく、過去の生産データを使用してすばやくAI分析を行うことができる。


Profet AIのツールはR&D部門による製品開発の最適化、品質管理の専門家による異常の要因発見、製造プロセスの専門家によるすばやく最適なパラメーター調整をサポートし、生産フローを改善する。そしてイノベーティブなAI機械学習応用技術で膨大なアルゴリズムを簡略化し、使いやすいデータ分析ツールとして標準化したスマート意思決定システムをすばやく構築して、生産規模の拡大、そして製造と開発の効率向上を支援する。Profet AIのプラットフォームは石油化学産業の生産品質予測だけでなく様々な産業で活用でき、企業の各分野の80%の重要人材が自らAIを使用し、データ分析を応用して意思決定を行う文化を育てることを可能にする。


Profet AIのAutoMLプラットフォームは企業の「バーチャルAIデータサイエンティスト」として、簡略化された直感的な図表で操作できるAIデータ分析ツールであり、業務の専門家がすばやくAI応用能力を身につけ、手元のデータを理解するだけでアップロードから分析完了までを数ステップで実行できる。これにより、従来型の製造業が「1日でマスターして、1週間で結果を出せる」AI導入を実現しており、例えば化学工業産業の製造プロセスにおける材料配分の最適化やエネルギー消費予測などで容易にAIを応用することが可能だ。(図1参照)。

(図1)杰倫智能(Profet AI)の「AI自動機械学習(AutoML)プラットフォーム」は、まさに企業の「バーチャルAIデータサイエンティスト」だ。


化学工業産業の材料配分の研究開発を例にすると、配分と実験結果のデータをProfet AI のAutoMLプラットフォームにアップロードして構築されたモデルを使用することで、以下2点を達成することができる:

一、配分(X)の製品に影響する要素をすばやく把握し、各目標の重要な配分パラメーターがどうなっているかを確認できる。

二、AIモデルによるバーチャルテストを行い、各配分パラメーターをシミュレーションで調整する。これにより、品質目標への影響を把握し、実際のテストセット数を減少させて時間とコストを削減できる。



AI応用によるモデリングのプロセス


顧客の明確なニーズを再確認した後、Profet AIは以下のステップに従って顧客のAIによる問題解決と応用をサポートする


步驟1 実験データの整理

顧客が過去の実験データを整理し、実験結果(Y)と各配分用量(X)を構造化して、Excel形式またはCSV形式の図表を作成し、以下のようなExcel形式またはCSV形式の図表を作成する(図2)。

(図2)Y=F(X)のロジックに基づき、データの図表を作成する。


ステップ2:AI予測モデルを構築

Profet AIプラットフォームにデータの図表をアップロードすると、システムがデータの前処理を実行する。顧客がデータの品質を再確認して、各固有値の結果Yに対する関連性を把握した後、このデータを用いてオートモデリング作業を進める。技術者はモデリングの内容、プログラム設定、開始の3ステップを確認するだけで、全自動のAI機械学習によるモデリング作業を実現できる。


ステップ3:要因の分析、シミュレーション予測、バーチャル全品検査、最適化したパラメーターの推薦


1.要因の分析:

Profet AIプラットフォームがモデリングを完了した後、システムスコアで最適なAI予測モデルを見つけ出す。予測モデルから、品質に影響する要素をただちに分析して重要度に合わせてランク付けし、配分の変更が目標に及ぼす影響を把握する。


2.シミュレーション予測:

過去のデータから構築した予測モデルに基づいて、R&Dエンジニアはプラットフォーム上でリアルタイムのパラメーター調整シミュレーションを行うことができる。研究開発スタッフが配分を調整すると、システムが結果を予測する。これにより、R&Dエンジニアはこれまでの実製品を使用した実験方法に頼ることなく、事前のパラメーター調整シミュレーションを行うことが可能だ。システムのシミュレーションがより適したパラメーターを予測した後、実際のパラメーターを調整して設定を切り換えることで、エンジニアの作業時間と実験コストを削減することができる。


3.最適化したパラメーターの推薦

予測モデルが正確になった後、Profet AIプラットフォームで研究開発スタッフが期待する品質目標を設定すると、システムが配分パラメーターを推薦する。内容領域専門家が微調整を行い、優れた基礎の上で研究開発を続けることで、より多様な材料配分の可能性を見つけることができる。


Profet AIは化学工業産業がAIを研究開発、製造プロセス、品質管理においてAI技術を容易に応用できるようサポートする。ベテラン技術者の経験を効率的に系統立てたエキスパートシステムであり、ユーザーはより便利にすばやく使用して問題を見つけ出し、改善を続けることができる。最も重要なことは、大量かつ異なる製造プロセスの生産データからプラットフォームを通じてより多くの価値が生み出された後、多くの導入企業でデータに基づいて思考する文化、そしてデータ資産収集の習慣が育っていることだ。このようなデータドリブンで改善を続ける文化が根付いた後、企業は有形無形の恩恵と利益を得ることが可能となる。

石油化学産業でに多くの企業が「1日でマスターして1週間で結果を出せる」Profet AIプラットフォームを現場に導入しており、このプラットフォームを通して、企業の各分野の80%の重要人材が自らAIを使用できるようになる。現在、製造業のAI導入は加速しており、各メーカーがAIによって戦略的優位性を高め、今後5年間のアップグレードを目指している。このため、ますます多くの管理者が「AI導入はすでに実施するかどうかの問題ではなく、いかに競合より速く、広範囲で応用するかが問題だ」と異口同音に言うようになっているのだ。



 
 





Comments


bottom of page