概要
配合条件から物性を予測するワークフロー
概要図
配合条件、原料属性、試験結果をつなぎ、次に試すべき候補を絞り込む事例です。
塗料、樹脂、接着剤、インキなどの材料開発では、原料比率や添加剤条件、混練条件、乾燥条件などの多くの要因が粘度、硬度、密着性、耐久性といった特性値に影響します。実験だけで全条件を網羅するのは難しく、既存データの活用が重要になります。
本事例では、BIOVIA Pipeline Pilot を用いて Excel や CSV に散在した配合データと評価データを整理し、学習用テーブルへ変換した上で物性予測モデルを構築します。ローコードでデータ整形から学習、検証、レポート出力までを一つのフローにまとめられる点が特徴です。
想定する利用コレクションは Data Access and Reporting Collection、Data Modeling Collection、Machine Learning Collection、Reporting Collection です。表形式データの読込、特徴量整形、モデル比較、予測結果の可視化を一連化しやすい構成です。
構成
想定ワークフローの要点
詳細図 |
|
前処理から予測活用まで、現場導入時に重要になる観点を整理します。
|
活用
導入効果と展開先
活用イメージ
このような予測フローを構築すると、実験担当者は過去データを再利用しながら有望条件を優先的に評価できるようになります。特に探索範囲が広いテーマでは、全件試作の前に候補を絞るだけでも効果が大きくなります。
また、Pipeline Pilot のワークフローとして前処理条件やモデル条件を明示できるため、担当者変更時にも再利用しやすく、別の物性値や別配合テーマへ横展開しやすい点も利点です。材料開発部門の PoC として始めやすい代表的な事例です。
お問い合わせはこちらから
まずはお気軽にご相談ください。
045-682-7070