製造現場にデータサイエンティスト　複雑な現場を情報が変える

IoT（もののインターネット）の広がりによって、手に入れられるデータの種類・量が急増。データに基づいて製造業の抱える課題を解決するデータサイエンティストの重要性が高まっている。ものづくりの現場を変えるには数学的/統計的な分析能力だけでなく現場力が必要だ。

開発のアプローチが従来と違う
●「データドリブン」で帰納的な新商品・サービス開発

ビッグデータやAIの活用により、データの蓄積と分析で得た知見を根拠とした開発が可能になる。既存の機械製品の製品開発のように、理論を積み上げる方法を補完できる

[画像のクリックで拡大表示]

　「数年前に比べてデータ活用の状況が変わってきた」と指摘するのは、デンソー生産技術部Factory IoT室データ解析課担当次長技師の吉野睦氏。「系よりも個」、すなわち工場IoTであれば、工程の状態を示すデータ（系）より、個々のワークがどうなっているか（個）を示すデータに重点が移りつつあるという。

　背景にあるのはデータをきめ細かく取得する技術の発展だ。加えて膨大なデータ（ビッグデータ）を蓄積・処理する技術も進む。ID（個体識別番号）にひも付いたデータは、数が膨大になるだけでなく変数（特徴量）の種類も膨大（高次元）になる。これにより、従来は得られなかったような知見がデータから得られる。いわゆる「データドリブン」といわれる考え方で、大量に観測されるデータから知見を帰納的に導き出す。これまでの理論を積み上げて現象を証明するのとは異なったアプローチだ。

計算が難しい複雑系に役立つ

　研究開発、生産、顧客先での製品の稼働管理などのものづくりの各分野で「既存の限界を超える手法として新鮮味を感じてもらっているようだ」と三菱ケミカルホールディングス（HD）でデジタルトランスフォーメーショングループのチーフコンサルタントなどを務める磯村哲氏は話す。

　三菱ケミカルHDの場合、傘下には製薬会社があり、長年の経験を積んだデータサイエンティストがいた。複雑な統計モデルを作成する手段として機械学習に取り組んできたなどの経験を持つ人が多い。