セミナー 印刷

研究開発部門のDX導入事例とポイントおよび
成功に導くためのデータ共有・利活用技術

~企業における実課題と人材育成・アルゴリズム開発・プラットフォーム開発等の事例~
~DX成功に向けたデータ共有・利活用技術と体制づくり~

受講可能な形式:【Live配信】のみ

研究開発部門におけるDX導入を成功に導くためのエッセンスと実例について3名の講師が解説!
DX導入の課題、データサイエンティストやプロジェクトマネージャーの人材育成、アルゴリズムの開発、データプラットフォームの開発、導入・社内展開のポイントや必要な技術と技術を自社に適合させるための各種工夫、効果的なデータ共有・利活用技術と体制づくりなど。
他社の取り組みから、実課題や具体的な方法・ポイント等について学べます。
日時 2023年2月22日(水)  10:30~16:40
会場 Live配信セミナー(会社・自宅にいながら受講可能)  
会場地図
受講料(税込)
各種割引特典
55,000円 ( E-Mail案内登録価格 52,250円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体50,000円+税5,000円
E-Mail案内登録価格:本体47,500円+税4,750円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で55,000円 (2名ともE-Mail案内登録必須​/1名あたり定価半額27,500円) 
【テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】
 1名申込みの場合:受講料( 定価:39,600円/E-Mail案内登録価格: 37,620円 )

定価:本体36,000円+税3,600円
Email案内価格:本体34,200円+税3,420円
※1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。
※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
※他の割引は併用できません。
配布資料PDFテキスト(印刷可/編集不可)
※開催2日前を目安にダウンロード可能となります。
オンライン配信ZoomによるLive配信 ►受講方法・接続確認申込み前に必ずご確認ください
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

セミナー講師

第1部【10:30~12:00】
「機能性材料メーカーにおける実践的活用を指向したデータサイエンス導入

昭和電工マテリアルズ株式会社 先端技術研究開発センター 博士(理学) 花岡 恭平 氏
専門:分子シミュレーション、データサイエンス、マテリアルズインフォマティクス
化学メーカーでデータサイエンティスト育成やマテリアルズインフォマティクスプラットフォームの企画・開発に従事している。また、機能材料メーカーにおける実用性を重視したデータ解析アルゴリズムの研究開発にも取り組んでいる。
第2部【13:00~14:30】
「三井化学におけるDXの社内導入、技術展開」
三井化学株式会社 / 信州大学 工学部 特任准教授 博士(工学) 向田 志保 氏
専門:情報科学、マテリアルDX(マテリアルズ・インフォマティクス)、生物工学
第3部【14:40~16:40】
「R&D部門のDXを成功に導くデータ共有・利活用システムの導入・運用

(株)キャトルアイ・サイエンス 代表取締役 博士(工学) 上島 豊 氏
専門:物理学全般、シミュレーション、ITシステム、データ利活用環境
講師詳細情報

セミナー講演内容

第1部【10:30~12:00】

「機能性材料メーカーにおける実践的活用を指向したデータサイエンス導入

 データサイエンスに基づく研究開発の加速は現在、多方面から注目を集めるホットトピックスですが、ホットな分野にゆえに玉石混淆で様々な技術情報が飛び交い、どの技術をどのように活用するかの戦略を立てるのが難しくなっています。一方で、データサイエンスの活用を前進させるには、こうした技術で研究開発がどう変わるかを冷静に見極める必要があります。
 本講座では、研究開発でデータサイエンスの活用を前進させるコア技術・戦略を見極めるヒントを提供することを目的として、機能性材料メーカーでデータサイエンスに基づく研究開発の加速に取り組んできた事例を、そこで必要になる技術の簡単な原理、技術を自社に適合させるために実施した各種工夫と共に紹介します。紹介する内容は単なる解析事例に留まらず、データサイエンティスト育成、アルゴリズム開発、プラットフォーム開発など、データサイエンス活用を前進させるためのエッセンスを含んでいます。数式は最小限に留めます。

<得られる知識>
・研究開発における古典統計学の活用法
・研究開発における先端データサイエンスの活用法
・データサイエンス導入戦略立てるためのヒント

<主な受講対象者>
 データ駆動材料開発、マテリアルズインフォマティクスを取り入れたいが、どこから着手したらいいのか分からない方、着手しているが実用レベルに持っていくのに苦戦している方など。

1.はじめに
 1.1 講演者の会社、所属部門の紹介
 1.2 研究所主導のDXの全体像

2.統計ツール、統計教育を軸にした社内データサイエンティスト育成
 2.1 データサイエンティスト育成の背景
 2.2 研究開発に有用な統計手法(実験計画法、重回帰分析)の簡単な原理
 2.3 統計教育を受けていない新人に向けた統計研修
 2.4 データサイエンティスト育成の効果

3.データが溜まる前から使える先端データサイエンス技術:ベイズ最適化
 
3.1 ベイズ最適化の簡単な原理
 3.2 アルゴリズムを改良して自社に最適化(目標指向型多目的ベイズ最適化)
 3.3 ベイズ最適化機能を搭載したデータ活用プラットフォーム開発

4.データが溜まった後に使える先端データサイエンス技術:深層学習
 4.1 深層学習の簡単な原理
 4.2 アルゴリズムを改良して自社に最適化(多成分深層学習)

5.まとめ

 □質疑応答□
 
第2部【13:00~14:30】

「三井化学におけるDXの社内導入、技術展開

 DX技術の進展は著しく、多様化も進んでいる。様々な情報のキャッチアップ並びに組織内のスキルセットを随時アップデートしていかなくはならない。これからはDX人財の不足が深刻化する中、どのように社内のDXリテラシーを向上し、DX人財を育成し、展開していくかが各社共通の課題であると思われる。材料メーカのDXは、マテリアルDX(MI)をはじめとしたものづくりに特化したDX活用から、スマートファクトリー、スマートオフィス、ビジネス展開といった多種多様な活用に取り組んでいかなくてはならない。今後は、個々のサプライチェーンを考慮したアジャイルな材料開発に取り組んでいく必要があることは必至であり、当社に限らず、様々な事例を用いて将来的な見通しについて見解を述べる。
   
<得られる知識>
・DXを社内導入するにあたり、どのような点に配慮・考察したらよいか。
 また現在困っていることに対して、共通課題として他社はどのように取り組んでいるか。
・今後DXを展開するにあたりどのような技術・人財育成に注視していくとよいか 
・マテリアルDXの導入にあたり、おさえるべきキーワード・ポイント・課題など

<主な受講対象者>
・予備知識は必要ありません。数式などは扱いません。
・これからDX技術の活用を組織内に広く展開したいと考えている方。
・DX技術の課題を整理し、将来見立てを知りたい方、人材育成に役立てたい方

1.はじめに

2.DX導入の課題

 2.1 DX疲れ/PoC疲れ
 2.2 マテリアルDX、MIの課題(少数データ、ベイズ最適化など)

3.DXの導入とは
 3.1 導入の目的
 3.2 啓蒙活動の展開
 3.3 外製か内製か
 3.4 外部連携,解析ツールの活用
 3.5 DXの人財・組織

4.DXの人財育成
 4.1 解析系人財
 4.2 プロジェクトマネージャー

5.データベースプラットフォーム構築

6.DXの技術開発

 6.1 機械学習
 6.2 量子コンピュータ
 6.3 シミュレーションの活用
 6.4 3D活用 ~メタバース/VR/AR,3Dプリンター~
 6.5 自然言語処理の活用

7.自動化への対応
 7.1 RPA (Robotic Process Automation)
 7.2 自律型実験システム
 7.3 データハーベスティングシステム

8.MLOps

9.おわりに


 □質疑応答□
 
第3部【14:40~16:40】

「R&D部門のDXを成功に導くデータ共有・利活用システムの導入・運用

 IoTやAIの普及により、製造工程以降のデータ利活用は急激に進展しています。一方、公的研究機関であれ、民間企業であれ、R&D部門におけるデータの取り扱いは属人的なままであり、研究の信頼性が阻害されたり、効果的なデータの利活用がほとんど進んでいないのが実態です。R&D部門は技術の源泉であり、データを精緻に管理して効果的に利活用する、つまりデータ分析・AI化を行うことは、今後の競争力にとって不可欠です。
 本講演では、R&D部門のDX推進において重要となるデータ利活用について、R&D部門のデータ共有・利活用の実情からお話しさせていただきます。次に、データ共有・利活用状況を改善するために必要な方策について説明します。具体的には、データ共有・利活用システムに必要な要件について紹介し、システムの導入、運用時の陥りがちな落とし穴を回避するために必要なプロジェクトチームの要件等を説明させていただきます。

<得られる知識>
・R&D部門のデータ共有、利活用の実情
・属人的データ共有状況が生み出される原因
・属人的データ共有状況が引き起こす問題
・属人的データ共有状況を脱するためのデータ共有システム導入に必要な要件
・データ共有システム導入時陥りがちな落とし穴とそれを防ぐ方策
・データ共有システム運用後陥りがちな落とし穴とそれを防ぐ方策
・データ共有、利活用状況を改善するために必要なプロジェクトチームの要件

<主な受講対象者>
・データ共有、利活用でお困りの方
・自社及び他の一般的なR&D部門のデータ共有、利用、活用状況を知りたい方
・R&D部門のデータに対して、AIを活用したい、させたいと考えられている方
・R&D部門のデータの利用、活用を推進することのメリットを具体的に知りたい方

1.はじめに(講演者の会社、経歴紹介)

2.R&D部門のデータ共有、利活用の実情

3.データ共有・利活用状況を改善するために必要な方策

4.データ共有・利活用システムに必要な要件

5.データ共有・利活用システムの導入、運用に必要なプロジェクトチームの要件

 5.1 導入時における落とし穴
 5.2 運用時における落とし穴
 5.3 プロジェクトチームに必要な要件
  5.3.1 実験研究者
  5.3.2 データサイエンティスト
  5.3.2 プロジェクトリーダ
  5.3.4 システム開発、運用スタッフ
  5.3.5 ファシリテータ

6.まとめ 

 □質疑応答□