<img src="/wavebase/img/sumitomo-rubber-logo.png" width="50%" vspace="50"/>


##### 背景・目的

タイヤ用のゴム材料開発のためには、材料内部の構造と性能の関係を示すこと、そして性能を発現するメカニズムを解明することが求められます。そのために、材料の種類や様々な環境によって変化する材料内部の構造を定量化する必要があります。



##### 課題

タイヤ用ゴム材料の性能発現メカニズム解明のため、ゴム材料に動的な変形を与え、その時々の材料内部の構造を様々な手法で分析します。この時、時間とともに取得されるデータ数が膨大となり、データ解析の時間がメカニズム解明や材料開発のボトルネックになっていました。そのような状況から、取得データのごく一部のみを使った解析しかできず、ほとんどの取得済データが有効に活用されていないという問題がありました。


<img src="/wavebase/img/sumitomo-rubber1.png" width="100%" vspace="10"/>


##### 検討内容
<材料計測>
ゴム材料を試験片として切り出し、試料に引っ張りを加えながらX線小角散乱(SAXS)パターンを取得し、WAVEBASEで解析しました。
データ数 およそ1500 (SAXS画像数 約50枚 × 材料種 約30)


##### 計測データの特徴量化

全SAXSパターンから取り出した特徴量を俯瞰すると、時系列に変化する様子が見られ、機械特性毎に異なる挙動が見られました。


<img src="/wavebase/img/sumitomo-rubber2.png" width="100%" vspace="10"/>


##### 回帰分析・解釈・考察

取り出した特徴量を使って材料の機械特性を回帰するモデルを作成することができました。これより、材料の機械特性は材料内部の構造情報を含むSAXSから取り出した特徴量で記述できることがわかりました。今後、特性に影響度の高い主成分の解釈、材料作製の条件とSAXS特徴量との相関調査を進めることで、材料開発の指針が得られることも期待されています。


<img src="/wavebase/img/sumitomo-rubber3.png" width="100%" vspace="10"/>

タイヤ用ゴム材料開発の実績

画像解析AIや波形データといった非構造化データの利活用が研究開発で加速する中、日東電工株式会社(以下、Nitto)は「誰でも使える」AI解析の実現に向けて、トヨタ発のマテリアルズインフォマティクス（MI）プラットフォーム「WAVEBASE」の導入を決断しました。



粘着剤や多孔技術などの基幹技術を核として、エレクトロニクス、モビリティ、ライフサイエンスなど多様な分野で高機能材料を展開する同社。これまで経験と勘に頼っていた研究開発現場から脱却し、再現性のあるデータ駆動型を根づかせた変革プロセスとは？



「エクセルを使うようにAIを使う」というスローガンのもと進められた「現場発」のDX推進。R&DにおけるAI画像解析導入の成功事例として注目されるリアルな軌跡を伺いました。


<img src="/wavebase/img/article-nitto-2509-image1.jpg" width="100%" vspace="10" alt="左上から時計回りで松田氏、片山氏、前田氏、末岡氏、伊藤氏"/>


（左上から時計回りで松田氏、片山氏、前田氏、末岡氏、伊藤氏）


## **経験と勘の限界：画像・波形データ活用への挑戦**


「以前は、測定値や実測値など数値データを扱っていました。しかし、実際の研究では画像や波形データなど、より重要な非構造化データが数多く存在している。これらを解析し活用するためには、どのようなサービスがあるのかを調査しました。」



そう語るのは、本プロジェクトを牽引してきた研究開発本部主幹研究員の前田和久博士（以下、前田氏）。R&Dで取得される画像・波形データを効果的に解析し、誰が見ても同じ判断ができる「再現性のある現場」をつくりたいという思いが出発点でした。



同社が直面していたもう一つの課題は、マテリアルズインフォマティクス人材の不足です。2018年当時、社内のデータ活用に精通したメンバーは数名程度。


<img src="/wavebase/img/article-nitto-2509-image3.jpg" width="100%" vspace="10" alt="基幹技術研究センター データサイエンス領域 主幹研究員　前田 和久博士"/>


（基幹技術研究センター データサイエンス領域 主幹研究員　前田 和久博士）


「現場の研究者は材料のエキスパートですが、マテリアルズインフォマティクスの専門知識を持つとは限りません。しかし、彼らこそが素材の本質を理解している。その知見とAI技術を組み合わせれば、大きなブレークスルーが生まれると確信していました」



2017年頃から当時のセンター長がAI分野に興味を持って情報を集めていたこともあり、創成期から前田氏を先頭に現場から意見を上げて導入の後押しをするきっかけとなりました。



## **なぜWAVEBASEだったのか：トヨタ発の信頼性と使いやすさ**


約1年間の検討期間を経て、数あるMIツールの中からWAVEBASEを選択した理由は複数の要素が組み合わさった結果でした。



研究開発本部基幹技術研究センター主任研究員の伊藤孝彦氏（以下、伊藤氏）は次のように語ります。「トライアル期間中に最も驚いたのは、画像データをアップロードするだけで、即座に説明変数へ自動変換できる点でした。また説明変数が従来の材料の特徴も定量化できるのか検証が必要なため、トライアル初期から製品開発者と説明変数の解釈をすすめました。通常、画像データの解析には専門知識と工数が必要ですが、専門知識を多く持たない現場の研究者でもすぐに扱える。この直感的な使いやすさが、最重要ポイントになりました。」


<img src="/wavebase/img/article-nitto-2509-image2.jpg" width="100%" vspace="10" alt="基幹技術研究センター データサイエンス第2グループ 主任研究員　伊藤 孝彦氏"/>


(基幹技術研究センター データサイエンス第2グループ 主任研究員　伊藤 孝彦氏）


新しいシステムを導入する際に、値段に見合う価値が本当にあるのかと検討をしていたところ現在のセンター長が、実際にWAVEBASEを使用している伊藤氏の後ろで「これなら俺でも使える」と言ったというエピソードも。



## 現場に寄り添う設計と充実サポート


実際の導入では、データサイエンス専門知識を持たないユーザーでも即座に操作が可能になりました。



WAVEBASEが導入されてから配属された研究開発本部基幹技術研究センター主任研究員の末岡芽衣氏（以下、末岡氏）は、先輩研究員からレクチャーを受け実際に使用した感想を次のように語ります。「以前データ解析は少しだけ取り扱ってはいましたが、専門ではありませんでした。ですが、マニュアルを読み込まなくても操作ができる設計のため、現場で困ることがほとんどありませんでした。気になった事があったら？マークを押せば解説してくれて、『痒いところに手が届く』インターフェイスで使いやすいです。」


<img src="/wavebase/img/article-nitto-2509-image5.jpg" width="100%" vspace="10" alt="基幹技術研究センター データサイエンス第2グループ 主任研究員　末岡 芽衣氏"/>


（基幹技術研究センター データサイエンス第2グループ 主任研究員　末岡 芽衣氏）


全社展開の一環として導入し、属人化を防ぐ運用体制を構築。「解析者間での解析条件の共有化が容易なところが良い。担当者が1〜2ヶ月などで研究を切り替えると、解析で得た知見が組織として共有化が難しくなりますが、解析フローがわかりやすいWAVEBASEですと、解析履歴やパターンを共有できるようになりました。」とトライアル時から関わっている伊藤氏の率直な声だ



WAVEBASEのコンサルティングサービスとして、月次相談会も特徴的です。これまで製造業の最前線で材料開発に取り組んできたTOYOTAが、自社課題解決のために開発したツールであるため、TOYOTA WAVEBASE開発チームとの相談会では技術から運用まで、これまでのノウハウを活かし幅広くサポートしています。



導入から月日が経過し、現場の研究開発担当者たちは画像解析を通じて本質的な気づきを得られるようになりました。



定量的効果以上に重要な成果として、研究者間での「共通言語」の確立があります。前田氏は「以前は『この波形は良い感じ』といった属人的判断でしたが、WAVEBASEにより『このデータパターンはこういう意味』という客観的で再現性のある判断基準を共有できるようになりました」と語ります。



## MI人材をどう育て、拡散していくか


データ解析のツールが使いやすくなっても、それを使いこなす人が増えなければ意味がありません。NittoではWAVEBASE導入と並行して、MI人材の育成と裾野拡大に力を注いできました。



組織面では、マテリアルズインフォマティクスを扱うグループが2018年に発足し、その後規模は大きく成長しています。新卒採用に加え、インターンシップの取り組みも活発です。「社外に向けて発信しないと、誰も来てくれない」と前田氏は語ります。



特に力を入れている学生向けインターンシップでは、実際のデータを題材に、打合せからデータ解析まで一連の流れを体験できるプログラムを構築。会議室の場所を毎回変えたり、現役社員との座談会を用意したりするなど、座学だけではない「リアルな現場感」を感じてもらう工夫をしています。



実際に解析を体験して『面白い』と思ってもらえた学生が、そのまま入社を志望してくれることが増えMIが単なるスキルではなく、「ものづくりを進化させる手段」として若手に伝わり始めています。



また、滋賀大学など学術機関との連携や、TOYOTAのWAVEBASEサイトでの発信も、人材獲得の好循環を生んでいます。記事や大学の公式サイトなどで紹介されることで、NittoのMI活動が楽しいと感じてもらえる仕掛けです。



「人材は外から来るだけではありません。社内の誰もが解析を自分事として扱い、日々の業務の中で使いこなしてくれる文化をどう作るかが大事だと思っています」と前田氏は語ります。



データ解析によって、現場で生まれた小さな成功体験を横展開していく。そんな「ボトムアップ型の育成サイクル」が、WAVEBASEを軸に少しずつ形になりつつあります。



## WAVEBASEの差別化要因：「思考支援」ツールという位置づけ


WAVEBASEが他のAI解析ツールと根本的に異なるのは、完全自動化ではなく「人間の思考プロセス支援」という設計思想です。



前田氏は「研究者にとって重要なのは、すぐに結論に達することではありません。仮説を立て、『なぜそうなるのか』を検証するプロセスが価値の源泉。WAVEBASEは、まさにその思考プロセスを支援する『思考ツール』として機能しています」と語ります。



なぜその結果が導出されたかの可視化により、研究開発者が納得感を持って結果解釈できる点も重要です。



## Nittoらしさを支える「ニッチトップ」と挑戦の風土


WAVEBASEの導入と社内展開が短期間で進んだ背景には、Nittoならではの企業文化が大きく関わっています。



「Nittoには、独自の差別化戦略であるニッチトップ戦略が根付いています。広く何でも手をつけるのではなく、成長するマーケットを見極め、圧倒的な強みを磨く。」と前田氏は語ります。



加えて、社内には「まずはやってみよう」と背中を押すボトムアップの提案が尊重される風土があります。（ データサイエンス第2グループ長　中村 伸博士）



「やりたいことを現場から提案しても、会社にストップされることはなかった。実際にトライアルを小さく始めて、価値を示してから広げられたのは、挑戦を許容する空気があったからだと思います」と中村氏。



現場の声を拾い、小さな実証を繰り返しながら経営層を巻き込む。この柔軟さが、属人化しがちなデータ解析を"共通言語"に変え、再現性のある現場をつくりあげていく原動力となっています。



失敗を恐れず、勝てる分野を徹底して磨き続ける。Nittoらしさを支えるこの文化こそが、WAVEBASE活用を支える大きな力になっています。



## 「エクセルを使うようにAIを使う」未来への展望


「WAVEBASEがさらに手軽に、誰にとっても使いやすい存在になれば、社内での活用も一気に広がるはず。エクセルを使うようにAIを使う——その実現に向けて、次の一歩を踏み出していきたいですね」



前田氏のこの言葉が示すように、日東電工のWAVEBASE導入事例は、R&DにおけるAI活用の理想的な姿を具現化したものと言えるでしょう。技術的な高度さと現場での使いやすさを両立し、段階的な価値実証を通じて組織全体の変革を実現した同社の取り組みは、多くの企業にとって貴重な示唆を提供しています。



2018年に抱いた「エクセルを使うようにAIを使う」という構想が、今、まさに現場という最前線で確かに実現しつつあります。Nittoの挑戦は、日本の研究開発全体におけるデジタルトランスフォーメーションの新たなモデルケースとして、今後も注目され続けることでしょう。


<img src="/wavebase/img/article-nitto-2509-image4.jpg" width="100%" vspace="10" alt="外観"/>

日東電工株式会社 WAVEBASE導入事例：「エクセルを使うようにAIを使う」現場発のデータ活用革命

## 日本パーカライジングが挑むDXとWAVEBASE導入の舞台裏
 


### 表面処理のリーディングカンパニーが直面した課題


金属の表面に様々な機能を付与する表面処理薬剤を開発してきた日本パーカライジング株式会社。同社の総合技術研究所の一部門、コア技術研究部機能性皮膜設計第二センター（以後、機能性皮膜設計第二センター）は、アルミニウムをはじめとする非鉄金属材料に、親水性や防錆性といった機能を付与する表面処理技術の中核を担う部門だ。



「地球上に限りある資源の有効活用を図り、あらゆる素材の表面改質を通じて、資源の新しい価値を創造し、地球環境の保全と豊かな社会づくりに貢献します」という企業理念のもと、研究員たちは日々新たな機能を持つ皮膜の開発に取り組んでいる。



しかし、研究開発における課題は大きかった。これまでの材料開発は、研究員一人ひとりの経験や勘に依存する部分が大きく、重要因子を突き止めるには膨大な時間を要していた。実際、ある特定の成分が性能に与える影響を解明するために、何年もの歳月を費やすことも珍しくなかった。



加えて、DXやIT活用の重要性が社内で叫ばれながらも、研究開発の現場では「どのように具体的に取り入れるのか」という構想段階で停滞していたのである。研究員の多くは処理や評価などの実験に集中したいという思いが強く、新しいITツールの導入には消極的な姿勢を示していた。



この状況を打破すべく、同センターが導入したのがマテリアルズインフォマティクス（MI）を活用するシステム「WAVEBASE」だった。


<img src="/wavebase/img/article-parker-2511-1.jpg" width="100%" vspace="10" alt=""/>


（新研究所共同実験室にて　左から福士英一氏、松本優規氏、足立湧綺氏）

### 長年の仮説を一瞬で証明 ― 導入のきっかけ


WAVEBASEとの出会いは偶然の訪問から始まった。ある日、トヨタ自動車からの紹介でデモを体験する機会があり、機能性皮膜設計第二センターのセンター長である福士英一氏（以下、福士氏）は驚きを隠せなかった。



福士氏は当時を振り返る。「私は以前から『処理液組成が、ある皮膜形態を介し、要求される性能に効いているはずだ』という仮説を持っていました。ところが、従来のデータ解析では、それを裏付けるのに長い年月が必要だったのです。実際に、この仮説を立ててから確信を得るまでに数年を要していました。ところが、WAVEBASEにデータを入力したところ、翌日には同じ因子が重要だと提示されました。『自分の何年もの試行錯誤は何だったのか』と驚かされました。」


<img src="/wavebase/img/article-parker-2511-2.jpg" width="100%" vspace="10" alt="総合技術研究所コア技術研究部機能性皮膜設計第二センター センター長　福士英一氏"/>


（総合技術研究所コア技術研究部機能性皮膜設計第二センター センター長　福士英一氏）


このデモの結果は、単なる偶然ではなかった。システムは統計学的根拠に基づいて、福士氏が長年の経験から導き出した仮説と同じ結論を瞬時に提示したのである。



この体験をきっかけに、「研究員の勘や経験に依存しない、新しい研究開発体制を築けるのではないか」という期待が社内に広がり、試験導入を経て正式導入へと進んだ。

 



### 社内説得の流れと導入の決め手


新しい仕組みを導入するには、当然ながら社内の理解を得る必要がある。特に研究員の多くは「実験こそ全て」という意識を持っており、ITツールの検証に時間を割くことへの抵抗感もあった。また、MIやAIといった新しい技術に対する認知度も十分ではなく、「本当に研究に役立つのか」という懐疑的な声も少なくなかった。



福士氏は当時の状況をこう説明する。「最初は『本当に役に立つのか』という懐疑的な声もありました。研究員は自分の経験や直感を大切にする傾向があり、データ解析ツールに対しては慎重な姿勢を示していました。そこで、画像解析による結果を社内で共有しました。数値や画像として『ここが性能に効いている』と直感的に示すことができたのは大きかったです。理解が一気に進みました。」



特に効果的だったのは、実際の実験データを用いたデモンストレーションだった。WAVEBASEが画像から抽出した特徴量（特徴量：機械学習のモデルに入力するデータのことで、学習する対象のデータの特徴や属性を数値として表す。）と、実際の性能データとの相関関係を視覚的に示すことで、研究員たちはシステムの有効性を実感することができた。



導入を後押ししたのは、ノーコードで扱える直感的な操作性と、手厚いサポート体制だった。研究員自身がプログラミングをする必要がなく、導入直後からすぐに解析を始めることができる。さらに「欲しい機能があれば迅速に検討・実装してくれる」というベンダーの姿勢が安心感をもたらした。

 



### 実験サイクルを加速する活用方法


では、実際に研究の現場でWAVEBASEはどのように活用されているのか。機能性皮膜設計第二センターの足立湧綺氏（以下、足立氏）は具体的な運用についてこう説明する。



「私たちの研究は、水準を考案し、評価物を作製し、性能を評価し、その結果を考察して次の水準を決める、という開発におけるPDCAサイクルの繰り返しです。WAVEBASEでは、性能評価の際に得られた画像から特徴量を抽出し、回帰分析を用いて『どの部分が性能に寄与しているか』を明らかにします。さらに、データセットを読み込んで相関関係や予測モデルの精度を確認し、次の実験条件を決める際の参考にしています。」


<img src="/wavebase/img/article-parker-2511-3.jpg" width="100%" vspace="10" alt="総合技術研究所コア技術研究部機能性皮膜設計第二センター足立湧綺氏"/>


（総合技術研究所コア技術研究部機能性皮膜設計第二センター足立湧綺氏）


具体的には、表面処理後の皮膜の顕微鏡画像をWAVEBASEに入力すると、システムが自動的に特徴量を抽出する。これらの特徴量と実際の性能データとの相関関係を解析することで、どのような皮膜構造が優れた性能を発揮するかを定量的に把握できるようになった。



従来の手法では、研究員が目視で画像を観察し、経験に基づいて判断していたが、WAVEBASEを活用することで、人間では気づかない微細な特徴も数値化して評価できるようになった。



こうした一連の流れにより、研究の効率は大幅に向上。人の勘や経験に頼る部分が減り、データに基づいた判断が可能になった。

 



### データがもたらす"セレンディピティ"


WAVEBASE導入によって得られた効果の一つが、研究開発における新しい発見の促進だ。機能性皮膜設計第二センターの松本優規氏（以下、松本氏）はこう語る。



「従来は、作業者の思い込みや経験に基づく解釈が議論の中心でした。『この条件だと性能が良くなるはず』という予想のもとで実験計画を立てることが多く、議論も感覚的なものになりがちでした。WAVEBASEでは統計学的な解析結果に基づいて議論できるので、より深く、より建設的な議論が可能になりました。」


<img src="/wavebase/img/article-parker-2511-4.jpg" width="100%" vspace="10" alt="総合技術研究所コア技術研究部機能性皮膜設計第二センター松本優規氏"/>


（総合技術研究所コア技術研究部機能性皮膜設計第二センター松本優規氏）


さらに福士氏は、システムがもたらす"思いがけない発見"についてこう語る。「我々はよく『セレンディピティ』という言葉を使います。思いもよらない因子や水準が提示され、それを試してみると性能が大きく向上することがあるのです。従来なら絶対に思いつかなかった条件が、新しい研究の突破口になる。これは研究者にとって非常に大きな価値があります。」



実際に、WAVEBASEが提案した実験条件を試したところ、従来の性能を上回る結果が得られた事例もあった。このような発見は、研究員の固定観念を打破し、新たな可能性を示してくれる貴重な体験となっている。



こうした発見は単に効率化にとどまらず、イノベーションの源泉となっている。

 



### 使いやすさと改善点


実際に利用してみて「すぐに解析を始められる」「直感的に操作できる」といった使いやすさが高く評価されている。特に規定フォーマットを備えたCSVをダウンロードできるため、初心者でも迷わず分析データを入力できる点が好評だ。



足立氏は使いやすさについてこう評価する。「ノーコードツールであるため、プログラミングの知識がなくても解析を始められます。データセットの入力フォーマットも明確で、サンプルファイルをダウンロードできるので、初めて使う人でも迷うことはありません。」



また、サポート体制の手厚さも高く評価されている。エラーが発生した際の対応が迅速で、新機能の要望に対しても早期に検討・実装してもらえることが、継続的な利用の決め手となっている。



一方で改善点も挙げられた。足立氏は指摘する。「プロジェクト一覧画面に更新日が表示され、過去の解析結果をスムーズに探せると良いです。」また、解析途中にエラーが発生した際に原因が分かりづらい場合もあり、「解析手順書」にエラーのトラブルシューティングがあると今後さらに使いやすくなると期待している。

 



### 他部署への展開と社内浸透の取り組み


現在、機能性皮膜設計第二センターでの成功事例をもとに、他部署への展開も進められている。福士氏はこの取り組みについてこう語る。



「我々三人がパイロットケースとして活用方法を確立し、その成果を社内に紹介しています。『こういうことができるのです』『こんな発見がありました』と具体的な事例を示すことで、他の研究員にも関心を持ってもらえるようになりました。」



ただし、部署によって研究の特色や課題が異なるため、単純に同じ手法を横展開するのではなく、それぞれの部署の特性に合わせたカスタマイズが必要だと考えている。

 



### 今後への期待 ― 未知の材料探索へ


WAVEBASEの活用はまだ始まったばかりだ。松本氏は今後の期待についてこう語る。



「材料データベースとの連携によって、社内に知見のない『全く新しい材料』を提案してもらえるようになれば、研究開発はさらに進化すると考えています。既存の枠にとらわれない新しい発見ができるはずです。」



現在検討されているのは、外部の材料データベースとWAVEBASEを連携させ、目標性能を達成するために有効な材料候補を自動的に提案するシステムだ。これが実現すれば、研究員が思いつかないような新規材料の探索が可能になり、イノベーションのスピードがさらに加速すると期待されている。



現在は機能性皮膜設計第二センターが中心となって運用しているが、今後は他部署へも展開し、全社的に研究開発の基盤として浸透させていく構想だ。

 



### 導入を検討する企業へのメッセージ


最後に、これからWAVEBASEの導入を検討する企業に向けて、松本氏はこうメッセージを送る。



「研究開発の生産性向上は、多くのメーカーに共通する課題です。WAVEBASEは多機能でありながら、単なる効率化にとどまらず、新たな観点での実験設計を後押しするツールだと思います。導入や社内推進には時間がかかるかもしれませんが、粘り強く取り組むことで必ず成果につながります。同じユーザーとして、このシステムを盛り上げていきたいですね。」



福士氏も付け加える。「MIの導入には社内の理解と協力が不可欠です。最初は小さな成功事例を積み重ねることから始めて、徐々に社内に浸透させていくことが重要だと思います。」

 



### データが切り拓く新たな研究開発


日本パーカライジングが掲げる「変革への挑戦」は、WAVEBASEを活用したMI導入を通じて確実に前進している。経験や勘に頼らず、統計学とデータ解析を武器にした研究開発は、これからの材料科学における新しいスタンダードになり得るだろう。



同社では2025年に新しい総合技術研究所を開所し、「変革への挑戦」を会社方針として掲げている。WAVEBASEを活用したMI導入は、まさにこの方針を体現する取り組みとして位置づけられている。



その挑戦は、単なる効率化にとどまらず、"セレンディピティ"という偶然の発見をもたらし、新しい技術と価値を社会に届ける原動力となっている。研究員の能力を超えた新たな発見の可能性を秘めたWAVEBASEは、日本パーカライジングの未来を切り拓く重要なツールとして、その価値を発揮し続けている。


<img src="/wavebase/img/article-parker-2511-5.jpg" width="100%" vspace="10" alt="外観"/>


（2025年7月開所 日本パーカライジング株式会社 新総合技術研究所）

日本パーカライジング株式会社 WAVEBASE導入事例　研究開発を加速する"セレンディピティ"

<img src="/wavebase/img/日東電工0.png" width="100%" vspace="10" style="display: block; margin: auto;"/>
 

<img src="/wavebase/img/日東電工-ロゴ.JPG" width="50%" vspace="50"/>様
 


こちらの事例は、日東分析センター様よりご提供いただいたデータに基き作成しております。 
　技術分野によらず、皆様に広くご理解いただける内容と思います。ぜひご一読ください。

 
 


##### <登場人物>
Ａ：若手研究者（材料開発２年目）
Ｂ：ベテラン研究者 （材料開発歴20年、データサイエンス知識も豊富）
Ｃ：マネージャー
 
 


##### <材料の分析データ>


Ａ：最近DXとか、MIとかよく聞くけど、結局何が出来るのか、よくわからないなぁ。 
　　　そういえば、Bさん、「WAVEなんちゃら」とか使ってましたよね？あれって、何が分かるんですか？



Ｂ：「WAVEBASE」ね。材料分析データを入れると、人が気が付かない特徴量も抽出してくれたり、 
　　　材料組成や配合データ、プロセスデータと性能との相関を解析したり、色々つかえるよ。



Ａ：材料分析データって、例えばどんなのですか？



Ｂ：XRDやIR、SEM/ TEMの顕微鏡画像とかかな。 
　　　試しに、そこのチョコレート、IRで測定して、WAVEBASEに入れてみたら？ 
　　　何かみえてくるかもしれないよ？



A ：Ｃさんのお土産ですけど。。。いただきます！ 
　　　どれで試してみようかなー。 
　　　カカオの割合違いで４種類あるんですねー。(´～｀)ﾓｸﾞﾓｸﾞ



Ｂ：n=3で夫々３サンプルずつ 4種類、計１２のサンプルでやってみたら？ 
　　　種類間の違いやサンプル間の違いが見えたら面白いね。



Ａ：同じ種類なら同じ結果が出るんじゃないんですか？



Ｂ：どうだろうね～？

 
 


##### <FT-IR測定～WAVEBASEへ>


Ａ：n=3／種類で、４種類、計１２個のサンプルのFT－IR測定しました。 
　　　csvファイルのまま WAVEBASEに入れられるんですか？



Ｂ：入れられるよ。ファイルごといれてもOKだよ。


<img src="/wavebase/img/日東電工1.png" width="60%" vspace="10" style="display: block; margin: auto;"/>
 


Ａ：はいりました。 
　　　データ入れると自動で分析開始されるんですね。


<img src="/wavebase/img/日東電工2.png" width="60%" vspace="10" style="display: block; margin: auto;"/>
 
 


##### <WAVEBASE解析>


Ａ：次は入れたデータを使って解析ですか？



Ｂ：そうそう。さっき入れたデータを選択して、解析してごらん。



Ｂ：どんな結果が得られた？



Ａ：主成分分析の結果で、こんな結果が出てきました。カカオの割合で色を塗り分けてみました♪ 
　　　試しに PC1とPC2の軸を見てみると、同じ種類のサンプルは比較的近くにプロットされてるような・・・ 
　　　ＰＣ２の軸（縦軸）で、４種類がきれいに分かれている気がします。


<img src="/wavebase/img/日東電工3.png" width="50%" vspace="10" style="display: block; margin: auto;"/>
 


Ｂ：そうだね。ＰＣ２の軸（縦軸）は、カカオの割合と相関がありそうだね。 
　　　ＰＣ２は何を表してるの？



Ａ：え？



Ｂ：ＰＣ２の影響を解釈ツールで見てみた？



Ａ：解釈ツール？それは何ですか？

 
 


##### <PCA解釈ツール>


Ｂ：PCA解釈ツールは、WAVEBASEが抽出した各特徴量（PC1-PC10）を正負方向に変化させたときに、 
　　　スペクトルがどう変化するかを視覚的に確認することができるツールなんだよ。メカニズムの理解に役立つよ。



Ａ：へぇ～。そんなのがあるんですか。やってみます！ 
　　　・・・・



Ａ：Bさん。 
　　　PC2が一番小さいサンプルを選んでPCA解釈ツール で見てみました。


<img src="/wavebase/img/日東電工4.png" width="70%" vspace="10" style="display: block; margin: auto;"/>
 


Ａ：PC2のスライドバーを変化させてみると、800~1150cm-1において元のスペクトルが 
　　　変化することが分かりました。PC2を正の方へ変化させると800~1150cm-1のピークが大きくなって、 
　　　PC2を負の方へ変化させると800~1150cm-1のピークが小さくなります。



Ｂ：うん。そうだね。で？

 
 


##### <解釈>


Ａ：・・・800~1150cm-1って何由来のピークでしたっけ？



Ｂ：聞く前にまずは自分で調べなさいよ。 
　　　・・・スクロース（ショ糖）だね。



Ａ：すみません ＆ ありがとうございます。スクロースですか！！ 
　　　なるほど。だからカカオ割合と相関があったんですね！ 
　　　「スクロース濃度が高ければ甘味が強く、カカオ割合は低い。 
　　　スクロース濃度が低ければ甘味は弱く、カカオ割合は高い。」 
　　　ということがデータから見えるんですね。



Ｂ：そうだね。チョコレートの重要な成分を、ＩＲデータから特徴量抽出して、解釈できるということだね。 
　　　そういえば、最初のプロットを見ると、同じ種類のサンプルでも少しバラツキがあったね。 
　　　カカオ割合が同じチョコレートでも、我々人には分からない違いが何かがあるのかな？ 
　　　興味深いね。時間あったらちょっと調べといてくれる？


Ａ：は・・・はい！

事例紹介　chocolat

## 導入前の課題
樹脂板へのスクラッチ傷が目立たない材料の開発に向けて、まずは傷の程度評価の基準作りが必要でした。従来の塗膜評価では、作業員が目視で５段階評価をしていましたが、同じ条件で生じた傷でも、見る角度や樹脂の種類によって傷の見え方が異なり、傷の判定が難しいという課題がありました。

## WAVEBASEを活用した解決の過程
レーザー顕微鏡画像をWAVEBASEで解析し、画像情報の特徴量化を実施しました。その後、取得した特徴量からスクラッチ傷の評価を判定する機械学習モデルを構築しました。判定結果への影響が大きい特徴量について、画像上で可視化を行うことにより、メカニズムの解明をサポートしました。

## 導入による成果
画像データを機械学習モデルに適用することによって、自動でスクラッチ傷の評価結果を取得できるようになりました。撮影条件を統一することで、属人性を排除した判定結果を得ることができ、同一基準でのモノづくりが可能となりました。

レーザー顕微鏡画像を特徴量化し、スクラッチ傷の5段階評価を自動化

樹脂板へのスクラッチ傷の定量化

## 導入前の課題
樹脂材料開発では、複数の原料を組み合わせ所望の性能を実現することが求められます。各原料が性能に与える影響を定量的に評価するには、各原料比率を変えた組み合わせを網羅的に試作する必要があり、特に候補原料が多い場合、試作数が膨大になってしまうという課題がありました。

## WAVEBASEを活用した解決の過程
各原料のスペクトルを準備し、配合比率に応じた計算により合成スペクトルを取得しました。次に、WAVEBASEにより合成スペクトルの特徴量を抽出し、性能と関係づける機械学習モデルを構築しました。構築したモデルから所望の性能値に対応するスペクトル形状を逆計算し、得られたスペクトル形状を再現可能な配合比率を予測させ、それをもとに試作条件検討を行いました。

## 導入による成果
各原料が樹脂材の性能に及ぼす影響を定量化しながら、所望の性能を実現できる可能性のある試作条件を検討できました。網羅的に膨大な試作条件を設ける必要がなく、試作水準を低減させることができました。

原料のスペクトルと配合情報から、所望の性能実現に向けた樹脂の配合条件を提案

樹脂材料の配合比率予測による開発効率化(べスプラ)

## 導入前の課題
リチウムイオン電池の開発において、負極カーボン表面の結晶構造状態がセル出力等の性能に影響を​及ぼしていることが知られていました。しかし、性能－結晶構造の関係、また結晶構造－処理プロセス条件の関係が定量的でなく、適切なプロセス制御要件が得られていないという課題がありました。

## WAVEBASEを活用した解決の過程
負極カーボン材の結晶構造を評価するためXRDスペクトルを取得し、WAVEBASEを用いてXRDスペクトルを解析しました。WAVEBASEにて構造特徴量を抽出し、負極カーボン材の性能・構造特徴量・プロセス条件についての関係を解析しました。解析の結果、性能と相関のある構造特徴やプロセス条件を見出すことができました。

## 導入による成果
性能に寄与する構造特徴とプロセス条件を特定し、性能と相関のある構造特徴やプロセス条件を見出すことができました。目視では困難だった違いをWAVEBASEにより定量化し、プロセス制御要件を取得することができました。結果として、セル出力向上に向けた表面改質処理の最適化が進み、開発効率と品質の両面で更なる改善が期待されています。

XRDスペクトルから構造特徴量を抽出、負極カーボン材の性能・構造・プロセスの関係を明確化

負極カーボン材料の結晶構造解析

## 導入前の課題
カーボンニュートラルの実現に向けて、組成の異なる燃料に対応したエンジンの開発が求められています。開発過程で、エンジン内部における燃料の挙動を確認し、燃料の制御指針を獲得することが必要となりましたが、エンジン内部の状態を定量的に評価する方法がないという課題がありました。

## WAVEBASEを活用した解決の過程
燃料の噴射状態を撮影し、撮影データのコマ送り画像をWAVEBASEで解析することで、画像の特徴量を取得しました。画像特徴量のマッピング結果から、燃料ごとのプロット傾向を把握できるようになりました。また、抽出した特徴量のメカニズムを推測し、燃料の量と燃料サイズに影響する変数を制御する必要性を見出しました。

## 導入による成果
エンジンの内部状態の定量化を実現できました。大量のコマ送りデータに対しても自動で解析を進めることができ、解析工数の削減に貢献しました。また、取得した特徴量のマッピング結果を活用することで、新規燃料の噴射条件を定量的に最適化できる見込みが得られ、開発の効率化が期待されます。

動画データから切り出した燃料噴射時の画像を解析し、燃料種による噴射状態の差を定量化

エンジン開発における燃料噴射状態の定量化

## 導入前の課題
生産現場では、少ないデータから最適な生産条件を見つけることが求められます。温度や圧力など、生産設備から得られる時系列データと製品性能を結びつけることで、高品質・高性能な製品を生み出せる条件を探りたいニーズがありました。しかしながら、時系列データから特徴的な要素をうまく抽出する方法がありませんでした。

## WAVEBASEを活用した解決の過程
WAVEBASEを用いて生産設備の温度時系列データを解析しました。温度時系列データから主要な特徴を抽出し、製品性能で色分けした特徴量マップを作成、性能に影響している特徴を突き止めました。さらに、その特徴量が加工速度と加工温度に対応することを確認しました。また、これらの特徴量と製品性能との相関が、温度設定値と製品性能との相関よりも高いことも明らかになりました。

## 導入による成果
温度設定値と製品性能を直接結びつける場合に比べ、時系列データを解析することで、より強い相関を持つ特徴量を抽出することができました。この結果は、設定値以外の情報も製品性能に影響していることを示しており、従来手法では活用しきれなかったデータを有効に利用する重要性を示唆しています。

時系列データから特徴量を抽出し、製品性能に影響する製造条件を抽出。

ユースケース

樹脂板へのスクラッチ傷の定量化

樹脂材料の配合比率予測による開発効率化(べスプラ)

負極カーボン材料の結晶構造解析

エンジン開発における燃料噴射状態の定量化

時系列プロファイルデータの最適化

導入企業

導入事例