試作・実験・解析を始める前に
想像してみて下さい。
もし、理想の条件が 分かるとしたら。
UIDCS (汎用逆設計・条件探索プラットフォーム)は、ユーザーが用意したデータを使って機械学習を行います。機械学習とは、過去の「どんな条件で、どんな結果になったか」という記録をお手本にして、条件と結果のつながりをコンピューターに学ばせる方法です。UIDCSは、そのつながりを使って、まだ試していない条件の結果を予測し、ユーザーの目標に近い条件の組合せを探します。
※現在開発中です。リリース時期は未定です。
このような現場へ
条件探しに、時間と費用を使いすぎていませんか？
条件が多すぎる
温度、速度、材料、形、時間、装置の設定など、考える項目が増えるほど、組合せの数も増えます。すべてを実際に試すことは難しくなります。
次に何を試すか迷う
候補は思いついても、どの条件から試すべきか決めにくいことがあります。
過去データが眠っている
実験結果や解析結果が保存されるだけで、次の条件探しに使われていません。
1回の試験にも費用と時間がかかる
試験には、材料費、設備を使う費用、担当者の作業時間が必要です。解析にも、計算が終わるまでの時間が必要です。条件を一つずつ試すほど、費用と時間が増えます。
担当者によって答えが変わる
経験は大切ですが、担当者が変わると条件探しをやり直すことがあります。
目標が一つではない
品質、コスト、時間、重さ、エネルギーなど、複数の評価項目を同時に考える必要があります。
UIDCSを使う前と後
全部を試す前に、見込みのある候補から考える。
これまで
- 経験と勘で候補を選ぶ
- 思いついた条件を順番に試す
- 結果が別々のファイルや担当者に散らばる
- なぜその条件を選んだか残りにくい
UIDCSを使うと、ユーザーができること
- 用意したデータをUIDCSに読み込ませ、機械学習の結果から目標に近い条件を探せます
- 理想に近い複数の条件を、実際に試す前に比べられます
- 各候補で予測される結果と、目標との差を一覧で確認できます
- 一覧を見ながら、次に試す条件を選べます
UIDCSの使い方
データを読み込み、目標に近い条件を探すまでの 5つの手順です。
指定形式のデータを用意
ユーザーは、UIDCSが指定する形式で、条件と結果をまとめたデータを用意します。
データを読み込む
ユーザーは、用意したデータをUIDCSで選び、読み込みます。細かなデータ変換作業の説明は、このページでは省いています。
機械学習を行う
UIDCSは、ユーザーが用意したデータを使って機械学習を行います。過去の条件と結果のつながりを学び、まだ試していない条件の結果を予測できるようにします。
目標を決める
ユーザーは、理想とする結果、許せる範囲、変えられる条件などを指定します。
候補と予測結果を比べる
ユーザーは、UIDCSが表示した複数の条件候補と予測結果を比べ、次に試す条件を選びます。
具体的な使用例 10個
ユーザーの目標と、UIDCSが表示する結果を 具体的に示します。
次の10個は、UIDCSで扱える可能性がある例です。各例では、「何に困っているのか」「どのような目標を設定するのか」「どのような条件候補と予測結果が表示されるのか」を順番に説明します。実際に使う項目は、ユーザーが目的に合わせて決めます。
射出成形の条件を決める
プラスチック部品を成形するときの条件探しを想定した例です。
困りごと：
樹脂温度、金型温度、射出速度、保圧、冷却時間を変えると、部品の反り、寸法、重さ、不良の出やすさ、成形時間が変わります。組合せが多いため、実機ですべてを試すと、材料と時間を多く使います。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した成形データを使った機械学習の結果から、反りや不良を抑えながら、成形時間も短くできそうな条件を探せます。
- 樹脂温度、金型温度、射出速度など
- 保圧、保圧時間、冷却時間など
- 反り量、寸法、重量、不良の有無、成形時間など
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、射出成形で「反りを0.5mm以下」「成形時間を35秒以下」「不良率を3%以下」にしたいとします。UIDCSは、その目標に近い入力条件を複数探し、候補ごとの予測値と一緒に表で表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | |||||
|---|---|---|---|---|---|---|---|
| 樹脂温度 | 金型温度 | 射出速度 | 冷却時間 | 反りの予測値 | 成形時間の予測値 | 不良率の予測値 | |
| 候補A | 220℃ | 60℃ | 45mm/s | 20秒 | 0.42mm | 33秒 | 2.1% |
| 候補B | 215℃ | 65℃ | 40mm/s | 22秒 | 0.38mm | 35秒 | 1.8% |
| 候補C | 225℃ | 55℃ | 50mm/s | 18秒 | 0.47mm | 31秒 | 2.6% |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
二軸押出機の運転・スクリュ条件を考える
樹脂の混練や押出工程で、設定項目が多い場合の例です。
困りごと：
スクリュの組み方、回転数、材料の供給量、各部分の温度、空気を抜く設定を変えると、材料の出る量、樹脂温度、圧力、混ざり方、消費電力が変わります。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した運転データや解析データを使った機械学習の結果から、必要な生産量を保ちながら、樹脂温度や消費電力を抑えられそうな条件を探せます。
- スクリュの組み方、回転数など
- 材料の供給量、各部分の温度、空気を抜く設定など
- 材料の出る量、樹脂温度、圧力、消費電力、品質評価など
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「生産量を45kg/h以上」「樹脂温度を240℃以下」「消費電力を45kW以下」にしたいとします。UIDCSは、その目標に近い運転条件を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | |||||
|---|---|---|---|---|---|---|---|
| 回転数 | 供給量 | 設定温度 | 真空度 | 生産量の予測値 | 樹脂温度の予測値 | 消費電力の予測値 | |
| 候補A | 300rpm | 50kg/h | 220℃ | -0.08MPa | 49kg/h | 238℃ | 42kW |
| 候補B | 280rpm | 46kg/h | 225℃ | -0.07MPa | 45kg/h | 235℃ | 38kW |
| 候補C | 330rpm | 54kg/h | 215℃ | -0.09MPa | 52kg/h | 242℃ | 47kW |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
材料の配合割合を考える
樹脂、繊維、充填材、添加剤などを混ぜる場合の例です。
困りごと：
材料の割合を変えると、強さ、割れにくさ、熱への強さ、重さ、材料費が同時に変わります。強さを上げると重くなるなど、複数の目標がぶつかることがあります。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した配合試験データを使った機械学習の結果から、必要な強さを保ちながら、重さと材料費を抑えられそうな配合を探せます。
- 各材料の配合率、添加量など
- 成形条件、試験条件など
- 強さ、耐熱温度、密度、重さ、材料費など
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「強さを115MPa以上」「密度を1.32以下」「材料費を530円/kg以下」にしたいとします。UIDCSは、その目標に近い配合を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | ||||
|---|---|---|---|---|---|---|
| 樹脂の割合 | ガラス繊維の割合 | 添加剤の割合 | 強さの予測値 | 密度の予測値 | 材料費の予測値 | |
| 候補A | 70% | 25% | 5% | 120MPa | 1.32 | 520円/kg |
| 候補B | 74% | 21% | 5% | 112MPa | 1.27 | 480円/kg |
| 候補C | 67% | 28% | 5% | 128MPa | 1.36 | 555円/kg |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
流体・熱解析の設計条件をしぼる
空気や液体の流れ、温度の広がりを計算する解析の例です。
困りごと：
入口の大きさ、ファンの回転数、部品の形、すき間、材料を変えるたびに解析が必要です。条件が増えると計算するケースも増え、結果が出るまで長い時間がかかります。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した解析データを使った機械学習の結果から、温度と空気の流れを改善しながら、消費電力を抑えられそうな設計条件を探せます。
- 入口や出口の大きさ、部品の形、すき間など
- 流量、ファン回転数、材料の熱の伝わりやすさなど
- 最高温度、圧力の損失、流速、消費電力など
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「最高温度を70℃以下」「圧力損失を120Pa以下」「消費電力を20W以下」にしたいとします。UIDCSは、その目標に近い設計条件を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | ||||
|---|---|---|---|---|---|---|
| 入口の大きさ | ファン回転数 | フィン間隔 | 最高温度の予測値 | 圧力損失の予測値 | 消費電力の予測値 | |
| 候補A | 20mm | 1200rpm | 4mm | 68℃ | 120Pa | 18W |
| 候補B | 24mm | 1100rpm | 5mm | 70℃ | 96Pa | 15W |
| 候補C | 18mm | 1350rpm | 3.5mm | 64℃ | 145Pa | 22W |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
化学反応や実験の条件を決める
温度、時間、濃度、混ぜる割合などを変える実験の例です。
困りごと：
温度、反応時間、濃度、混ぜる順番、材料の割合を変えると、できる量、純度、副生成物、必要なエネルギーが変わります。すべての条件を試すには、多くの実験が必要です。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した実験データを使った機械学習の結果から、できる量と純度を高めながら、使用エネルギーを抑えられそうな条件を探せます。
- 温度、反応時間、濃度、混合比など
- 加える順番、かき混ぜる速さ、圧力など
- 収率、純度、副生成物の量、使用エネルギーなど
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「収率を88%以上」「純度を95%以上」「使用エネルギーを13kWh以下」にしたいとします。UIDCSは、その目標に近い実験条件を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | |||||
|---|---|---|---|---|---|---|---|
| 温度 | 反応時間 | 濃度 | 混合比 | 収率の予測値 | 純度の予測値 | 使用エネルギーの予測値 | |
| 候補A | 60℃ | 30分 | 10% | 1:1 | 88% | 96% | 12kWh |
| 候補B | 65℃ | 24分 | 9% | 1.1:1 | 90% | 94% | 14kWh |
| 候補C | 55℃ | 38分 | 11% | 0.9:1 | 86% | 97% | 11kWh |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
リチウムイオン電池のセパレーター製造条件を決める
セパレーターは、電池の中でプラス側とマイナス側が直接触れないようにする、とても薄い膜です。
困りごと：
膜を引き伸ばす温度や倍率、熱を加えて形を安定させる温度、表面に塗る層の厚さなどを変えると、膜の厚さ、小さな穴の割合、熱で縮む量、膜の強さが変わります。条件の組合せが多いため、すべてを実際に作って確かめるには、多くの時間と費用が必要です。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した製造データを使った機械学習の結果から、必要な厚さと小さな穴の割合を保ちながら、熱による縮みを抑え、十分な強さを得られそうな製造条件を探せます。
- 膜を引き伸ばす温度、引き伸ばす倍率など
- 形を安定させるための加熱温度、表面に塗る層の厚さなど
- 膜の厚さ、小さな穴の割合、熱で縮む量、膜の強さなど
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「膜の厚さを16µm以上20µm以下」「小さな穴の割合を40%以上50%以下」「熱で縮む量を3%以下」「膜の強さを110MPa以上」にしたいとします。UIDCSは、その目標に近い製造条件を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | ||||||
|---|---|---|---|---|---|---|---|---|
|
引き伸ばす
温度 |
引き伸ばす
倍率 |
形を安定させる
温度 |
表面に塗る層の
厚さ |
膜の厚さの
予測値 |
小さな穴の割合の
予測値 |
熱で縮む量の
予測値 |
膜の強さの
予測値 |
|
| 候補A | 105℃ | 4.0倍 | 130℃ | 2.0µm | 18µm | 45% | 2.6% | 118MPa |
| 候補B | 110℃ | 4.5倍 | 135℃ | 1.5µm | 16µm | 48% | 3.2% | 126MPa |
| 候補C | 100℃ | 3.8倍 | 128℃ | 2.5µm | 20µm | 42% | 1.9% | 110MPa |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
金属を削る加工条件を決める
旋盤やマシニングセンタで金属を削る場合の例です。
困りごと：
主軸の回転数、工具を進める速さ、削る深さ、冷却液を変えると、表面のきれいさ、寸法、工具の寿命、加工時間が変わります。速く削るだけでは、工具が早く傷むことがあります。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した加工記録を使った機械学習の結果から、表面をきれいにし、工具を長持ちさせながら、加工時間を短くできそうな条件を探せます。
- 主軸回転数、送り速度、切込み量など
- 工具の種類、冷却液、材料の種類など
- 表面粗さ、寸法誤差、工具寿命、加工時間など
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「表面粗さをRa0.8以下」「工具寿命を130分以上」「加工時間を45秒以下」にしたいとします。UIDCSは、その目標に近い加工条件を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | ||||
|---|---|---|---|---|---|---|
| 主軸回転数 | 送り速度 | 切込み量 | 表面粗さの予測値 | 工具寿命の予測値 | 加工時間の予測値 | |
| 候補A | 6000rpm | 0.10mm/rev | 1.0mm | Ra0.8 | 140分 | 42秒 |
| 候補B | 5400rpm | 0.08mm/rev | 0.9mm | Ra0.6 | 165分 | 49秒 |
| 候補C | 6800rpm | 0.12mm/rev | 1.1mm | Ra1.0 | 112分 | 37秒 |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
溶接条件を決める
金属部品を溶接するときの電流や速度を決める例です。
困りごと：
電流、電圧、溶接速度、ワイヤの供給量、部品のすき間を変えると、接合の強さ、変形、穴や割れなどの不良、作業時間が変わります。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した溶接データを使った機械学習の結果から、必要な強さを保ちながら、変形と不良を抑えられそうな条件を探せます。
- 電流、電圧、溶接速度、ワイヤ供給量など
- 部品の厚さ、すき間、材料の種類など
- 接合強さ、変形量、不良の有無、作業時間など
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「接合強さを400MPa以上」「変形量を1.5mm以下」「不良率を1.5%以下」にしたいとします。UIDCSは、その目標に近い溶接条件を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | |||||
|---|---|---|---|---|---|---|---|
| 電流 | 電圧 | 溶接速度 | 部品のすき間 | 接合強さの予測値 | 変形量の予測値 | 不良率の予測値 | |
| 候補A | 180A | 22V | 35cm/min | 0.8mm | 410MPa | 1.2mm | 1.5% |
| 候補B | 170A | 21V | 32cm/min | 0.7mm | 398MPa | 0.9mm | 1.1% |
| 候補C | 195A | 23V | 39cm/min | 0.9mm | 424MPa | 1.7mm | 2.0% |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
金属の熱処理条件を決める
金属を加熱し、硬さや変形を調整する工程の例です。
困りごと：
加熱温度、保つ時間、冷やし方、冷却速度を変えると、金属の硬さ、強さ、変形量、処理時間が変わります。硬くしすぎると割れやすくなるなど、複数の結果を一緒に考える必要があります。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した熱処理データを使った機械学習の結果から、必要な硬さを得ながら、変形と処理時間を抑えられそうな条件を探せます。
- 加熱温度、保持時間、冷却方法、冷却速度など
- 材料の種類、部品の厚さ、炉の設定など
- 硬さ、強さ、変形量、処理時間、不良の有無など
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「硬さをHRC59以上61以下」「変形量を0.20mm以下」「処理時間を150分以下」にしたいとします。UIDCSは、その目標に近い熱処理条件を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | |||||
|---|---|---|---|---|---|---|---|
| 加熱温度 | 保持時間 | 冷却方法 | 冷却速度 | 硬さの予測値 | 変形量の予測値 | 処理時間の予測値 | |
| 候補A | 850℃ | 45分 | 油冷 | 中 | HRC60.2 | 0.18mm | 142分 |
| 候補B | 840℃ | 55分 | 油冷 | 遅い | HRC59.6 | 0.14mm | 151分 |
| 候補C | 865℃ | 38分 | 水冷 | 速い | HRC61.3 | 0.26mm | 128分 |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
塗装・コーティング条件を決める
部品の表面へ塗料や保護膜を付ける工程の例です。
困りごと：
塗料の粘り、吹き付ける圧力、ノズルとの距離、乾燥温度を変えると、膜の厚さ、むら、たれ、不良率、乾燥時間が変わります。
UIDCSを使うと得られるもの：
UIDCSを使うと、ユーザーは、用意した塗装データを使った機械学習の結果から、膜の厚さを決めた範囲に保ち、不良と乾燥時間を抑えられそうな条件を探せます。
- 塗料の粘度、吹付圧力、ノズルとの距離など
- 乾燥温度、乾燥時間、部品の形など
- 膜厚、むら、たれ、不良率、乾燥時間など
この使用例の出力イメージ
下の数値は説明のために作った架空の例ですたとえば、「膜の厚さを45µm以上55µm以下」「不良率を2%以下」「乾燥時間を20分以下」にしたいとします。UIDCSは、その目標に近い塗装条件を複数探し、予測結果と一緒に表示します。
| 候補名 | 入力条件 | 機械学習による予測結果 | |||||
|---|---|---|---|---|---|---|---|
| 塗料の粘度 | 吹付圧力 | ノズルとの距離 | 乾燥温度 | 膜厚の予測値 | 不良率の予測値 | 乾燥時間の予測値 | |
| 候補A | 22秒 | 0.30MPa | 180mm | 150℃ | 50µm | 1.4% | 18分 |
| 候補B | 20秒 | 0.28MPa | 170mm | 155℃ | 47µm | 1.1% | 17分 |
| 候補C | 25秒 | 0.34MPa | 200mm | 145℃ | 56µm | 2.3% | 21分 |
ユーザーは、入力条件と予測結果を見比べ、目標に近い候補を次に試す条件として選びます。
このページでは、現在開発中のUIDCSが目指している製品の考え方と、現時点で予定している機能をご紹介しています。掲載している使用例、画面上の数値、条件候補、予測結果は、仕組みを分かりやすく説明するための架空例です。各分野での導入実績や、実際の性能を示すものではありません。
リリース時に提供する機能、対応するデータ形式、入力項目数、目標項目数、探索方法、画面、出力内容、動作環境、提供時期などは、今後の開発・検証の結果により、予告なく変更する場合があります。
開発元について
数値解析・機械学習・最適化の研究開発を行う会社が UIDCSを開発しています。
開発元
株式会社シムロン
数値解析、機械学習、産業向け最適化システムなどの研究開発に取り組んでいます。UIDCSは現在開発中です。
よくある質問
お問い合わせ前に確認したいこと。
逆設計とは何ですか？
欲しい結果を先に決め、その結果に近づく条件を後から探す考え方です。通常は条件を決めてから結果を確認しますが、逆設計では、目標とする結果から条件候補を探します。UIDCSは、この条件探しを機械学習の予測結果を使って支援します。
どんなデータを使いますか？
条件と結果が組になった表形式のデータを想定しています。たとえば、温度と速度を変えたときの品質、材料の配合を変えたときの強さ、解析条件を変えたときの温度や圧力などです。
データが少なくても使えますか？
必要な量は、項目数やデータのばらつきによって変わります。データが少なすぎる場合は、信頼できる予測ができないことがあります。
機械学習とは何ですか？
過去の記録をお手本にして、条件と結果のつながりをコンピューターに学ばせる方法です。UIDCSでは、ユーザーが用意したデータを使って機械学習を行い、まだ試していない条件では、どのような結果になりそうかを予測します。
理想の条件を必ず見つけられますか？
UIDCSは、ユーザーが用意したデータを使って機械学習を行い、ユーザーが指定した目標に近い条件の組合せを探します。データの中に必要な関係が含まれていれば、理想の条件または理想に近い条件が見つかる可能性があります。ただし、用意したデータに含まれていない現象や条件までは正しく予測できないため、必ず見つかるとは限りません。
いつ利用できますか？
現在開発中で、リリース時期は未定です。お問い合わせページから件名を「UIDCSリリース後、連絡希望」として送信してください。
現在開発中です
リリース後の連絡を希望する
お問い合わせページで、件名に次の文言を入力して送信してください。
件名：UIDCSリリース後、連絡希望現在の困りごとや、使いたいデータの例も書いていただけると、今後の開発の参考になります。