日本人は、小学生の頃から鍛えられた多目的最適の専門家です。遠足のおやつ選びがその証拠。それなのに、製品開発では最適な設計を探すために、何度もシミュレーションをやり直していませんか？AIでその手戻りをなくす方法を紹介します。

遠足のおやつ選びを思い出してください。「500円以内」「溶けるものはダメ」「ゴミが出るものはダメ」というルールをすべて満たすお菓子の中から、値段、量、甘いものと塩味のバランスといったトレードオフを考えて選ぶ。これこそが多目的最適の考え方です。

製品開発でも同じように、性能、コスト、重量、安全性など、複数の要件を同時に満たす設計を見つける必要があります。しかし設計の選択肢は膨大で、すべてを試すことはできません。そのため、経験をもとに一部の範囲だけを検討し、思うような答えが見つからなければ別の範囲を探し直す、という手戻りが多くの現場で起きています。

では、なぜ開発の現場ではそれが難しいのでしょうか。おやつと違い、開発では一つひとつの選択肢の性能が、シミュレーションや実験をしないと分からないからです。

本講演では、この課題を解決する、英国発のエンジニアリングAI企業Secondmindのアプローチを紹介します。Secondmindは、要件を満たす範囲を先に見つけ出す解空間探索をAIで実現します。

AIは、少ないシミュレーションや実験の結果から開発の全体地図をまず描きます。さらに、地図のどこが十分に確かめられていて、どこにまだリスクが残っているのかも示します。そのため、どこを探すべきかが開発の初期から分かり、探し直しの手戻りをなくせます。

講演では、二つの製品を紹介します。

一つ目は、開発初期の構想設計を支援するSecondmind for DSEです。複数の要件を同時に満たす設計の範囲を見える化し、要件を変えたときの影響もその場で確認できます。自動車業界では、性能を落とさずに1台あたり3,900円ものコストダウンを実現できる設計解を見つけ出した実績もあります。

二つ目は、制御の適合作業を支援するSecondmind for Calibrationです。試行回数を大幅に抑えながら最適な調整値を見つけます。自動車業界では、実験回数を最大80%削減しました。

どちらの製品も、AIが答えを出すだけでは終わりません。なぜこの設計値・制御値に決めたのかをデータで説明できるため、技術的な開発会議だけでなく、製品企画や提案営業の場面でも、開発判断の根拠をお客様や社内に分かりやすく伝えられます。

エンジニアの方はもちろん、開発プロセスの効率化に関心のある企画・営業の方にもご参加いただきたい講演です。