高機能素材 Week
2027年10月27日(水)~29日(金)

材料メーカーが今取り組むべきDX戦略とは?
R&D改革のポイント

30秒で分かる結論

材料メーカーが取り組むべきR&D改革の中心は、マテリアルDXという上位概念のもとで、材料設計を担うMIと、製造工程を担うプロセスインフォマティクスを組み合わせることです。特にプロセスインフォマティクスは「どう作るか」を支え、製造条件の最適化に役立ちます。本記事では定義、課題、関連製品、導入の要点を整理します。

  • マテリアルDXはMIとプロセスインフォマティクスを含む上位概念です。
  • プロセスインフォマティクスは製造条件の最適化やスケールアップ課題に役立ちます。
  • 導入はデータ整備と課題設定、人材の組み合わせ、小規模な検証から始めることがポイントです。

目次

【展示会情報】

<東京展> 会期:2027年10月27日(水)~29日(金)会場:幕張メッセ  
<名古屋展>会期:2027年2月17日(水)~19日(金)会場:ポートメッセなごや
<大阪展> 会期:2027年5月12日(水)~14日(金)会場:インテックス大阪    

マテリアルDXとプロセスインフォマティクスの定義

マテリアルDXの定義と背景

マテリアルDXとは、材料開発のあり方をデジタル技術によって変革する取り組み全体を指します。データサイエンスの技術で材料開発を高速化するマテリアルズ・インフォマティクス(MI)やプロセスインフォマティクスといった「データ駆動型材料開発」は2010年代から世界で広がってきました。さらにロボットやフィジカルAIによる実験の自動化・自律化、量子コンピューターによるシミュレーションなども含めた、より広い概念としてマテリアルDXが位置づけられています。

データ駆動型材料開発の適用範囲は、物質探索や材料設計にとどまらず、製造・プロセス設計へと広がっています。マテリアルDXは、研究部門だけでなく製造現場も含む取り組みとして捉えられます。

MIとプロセスインフォマティクスの違いと役割分担

MIとプロセスインフォマティクスは、材料開発の異なる工程を担う相補的な仕組みです。

素材の選定には材料予測から試作を行うMIが用いられ、部材加工から製品には材料試作から製造をカバーするプロセスインフォマティクス(PI)が重要となります。これらのインフォマティクスを効率的に組み合わせることによって、マテリアルイノベーションは実現されます。

MIが「どんな材料を作るか」を追求するのに対し、プロセスインフォマティクスは「どうやって材料を作るか」を探求するものであり、両者は車の両輪のように連携して革新的な材料開発を加速させます。

材料メーカーがR&D改革を進める際は、MIで有望な候補を絞り、プロセスインフォマティクスで安定した製造条件を導くといった役割分担で全体設計を組み立てられます。どちらか片方だけでは、開発から量産までの流れをつなぎにくくなります。

プロセスインフォマティクスを支える技術要素

プロセスインフォマティクスは、計測、データ分析、AIといった複数の技術要素に支えられています。

リアルタイム計測は、製造プロセスの内部状態を逐次観測し、膨大なデータを収集します。そのデータをAIによる高度なデータ解析技術で処理し、プロセスの最適化に役立てます。

技術要素は、計測から解析、実験実行までを一つの流れとして設計する視点が求められます。まず工程内のデータの空白を整理し、埋める優先順位を決めることになります。


材料メーカーのR&D課題と
プロセスインフォマティクス活用シーン

研究開発現場の主な課題

材料メーカーの研究開発現場では、外部環境の変化と内部の運用課題が重なり合っています。

石油などの原材料価格の高騰や原材料の品種統廃合の影響を受け、代替材料の探索に関連する研究開発が増加しています。その一方で、市場の要求性能の高度化により開発難易度が上昇し、開発期間が長期化するという課題も顕在化しており、開発業務の生産性向上が急務となっています。

現場では、装置や実験の記録形式がバラバラで統一的に扱えないこと、MIや材料実験の結果や知見が属人化して再現や継承が難しいことなど、MI・自動化・データ管理それぞれに課題があり、組織的に効果が発揮できないという声も挙げられています。

積水化学工業では、MIの活用を阻む課題としては、利用できるデータの少なさやデータの有効活用不足に加え、最も重要な点として、事業貢献につながる課題設定ができていないことが挙げられています。

課題は、「データの状態」「知見の共有」「テーマの選び方」という3層で連動しています。R&D改革では、どの層にボトルネックがあるかを見極めることが出発点になります。

プロセスインフォマティクスが効く典型ユースケース

プロセスインフォマティクスは、配合や成形など製造条件が絡む場面で力を発揮します。

代表的なユースケースとして、ゴム材料の物性予測と目標物性を満たす配合候補の算出、香料の分析結果から再現処方を予測する調香業務の支援、粉体の高精度計量に向けた設備制御条件の最適化、射出成形の流動解析精度向上と成形条件の最適化、射出成形における樹脂収縮量の予測と金型修正回数の削減が挙げられています。

電池分野では、全固体電池製造において電池の出力低下や劣化防止を目的に実施する正極活物質表面へのコーティングに関し、最適なコーティング条件の探索に向けた実証が完了しています。

配合設計に機械学習を適用し、16種類の要求物性を同時予測するモデルを構築した積水化学工業の事例では、時間がかかる耐久性評価の予測を代替できたことが大きなインパクトを生み、顧客への提案期間を従来の約15カ月から約3カ月へと大幅に短縮しています。

こうした事例に共通するのは、勘や経験に頼っていた条件出しを、データとモデルで再現可能な形に置き換えている点です。工程のどこに試行錯誤の時間が集中しているかを洗い出すと、プロセスインフォマティクスを活用すべき対象が見えてきます。


マテリアルDX関連製品ピックアップ

「高機能素材Week」の出展製品情報から、データ基盤、実験自動化、プロセス最適化の3つの層に分けて関連製品を紹介します。
下記の製品は2026年9月30日(水)~10月2日(金)10:00~18:00(最終日のみ17:00終了) 幕張メッセで開催される「高機能素材 Week」の出展製品です。

データ基盤・プラットフォーム系

組織的にマテリアルDXを運用するには、データの質と構造を整えるための基盤が欠かせません。AIの進化に伴いMI・PIへの関心は高まっており、その勢いを成果に結びつける鍵は、活用するデータの品質と構造を整えることにあるとされています

Sotas化学調査 / Sotasデータベース
Sotas株式会社

SDSの管理・作成・更新、国内外の法規制への該非判定、関連文書の依頼・配布、リスクアセスメントなど、 化学物質管理・法令対応に関わる業務を効率化するクラウドサービスです。 【Sotasデータベース】 約3万7千件の企業・素材情報の検索・比較に加え、自社保有データを取り込み、 独自の社内データベースを構築できるプラットフォームです。 素材探索・選定や比較資料作成、社内データの蓄積・活用を支援します。


研究開発DXプラットフォーム『miHub®︎』
MI-6 株式会社

miHub®は、研究開発における試行錯誤をデータとして蓄積・活用し、AIと研究者の知見を組み合わせて材料配合やプロセス条件の探索を加速する研究開発DXプラットフォームです。 直感的な操作でデータを一元管理し、研究者の知見とAIを融合。難化する次世代研究開発を劇的に加速させます。 ブースでは事例デモを公開。次世代の研究開発環境を、ぜひご体験ください。


マテリアルズインフォマティクスで開発効率化!材料データの解析クラウドサービス「WAVEBASE」
トヨタ自動車 株式会社

「クラウドシステム」と「コンサルティング」の二つのサービスをご提供しております。 ①【クラウドシステム】 材料分析データの蓄積・前処理・特徴量抽出・統計処理・次の実験提案が一気通貫で実施可能なシステムをご提供しています。シンプルなUIでインフォマティクス初心者の方からお使いいただけます。 材料開発において取得された分析データをそのまま活用することができ、且つ少量のデータでも解析が可能です。使い切れなかった材料の分析データを余すことなく使い切り、新たな開発のヒントを見つけるお手伝いが可能です。課題探索から計測データの取得方法、解析結果に基づいた次のアクションの策定、組織としてのMI推進をサポート致します。 ②【コンサルティング】 材料開発とデータ活用の双方を熟知したスペシャリストが、材料分析手法やデータ活用手法をサポート致します。結果にコミットしてお客様の課題解決に伴走します!材料データの活用~組織としてのMI推進まで、ぜひご相談下さい。


Datachemimical LAB(データケミカルラボ)
データケミカル 株式会社

「現場の技術者が習得・実践できるデータ解析ツール」をコンセプトとした、実験・製造データのAI解析ツールDatachemical LAB(データケミカルラボ)を提供しています。 Datachemical LABは、データケミカル 株式会社CTO金子弘昌が運営する明治大学データ化学工学研究室の技術基盤をもとに開発され、学術的に裏付けされた実績豊富な機能を、プログラミングなしにウェブ上で簡単に利用できます。また、充実したサポート機能や教育コンテンツにより、データサイエンス初学者でも技術習得しながら安心して利用できます。 化学構造や実験条件の予測、ソフトセンサー/異常検知モデルの最適化などをはじめとする高度な解析から、データサイエンス人材の育成まで、多岐にわたる解析テーマと用途に対応しており、幅広い業界・領域の企業や大学・研究機関でご利用いただいております。 さらに、ネット接続不要で大規模解析をローカル実行できるデスクトップアプリや、生成AIを活用した自動解析機能の提供を開始。 個人利用からチーム全体での活用まで、組織のMI推進を段階的にサポートします。

実験自動化・フィジカルAI系

フィジカルAIは、AIが現実の状態を観察し、目標との差を判断して物理操作を行う仕組みです。コニカミノルタの取り組みでは、自然言語の指示をAIが構造化し、カメラで実験台の状態を確認しながらロボットアームを動かし、結果を電子実験ノートへ戻すデモが公開されました。産総研の広島拠点でも、押出機のバレル温度やダイ温度、スクリュー回転数を連続的に記録できるデータロガーを用い、MI・PIに向けたプロセスデータの収集と蓄積が行える環境が整えられています。

最適化 × データ解析 × ロボティクスで、材料開発を一気通貫で自動化するラボオートメーション
株式会社 a.s.ist

実験条件の設計、装置の操作、データ解析、そして次に何を試すか——材料開発の一連の作業が属人的で、担当者の経験や手作業に依存していませんか。a.s.istのラボオートメーションは、「実験計画・最適化 × 自動データ解析 × ロボット制御」を一つに統合し、実験から解析、次条件の決定までを一気通貫で自動化するソリューションです。ベイズ最適化により少ない実験回数で最適条件へ最短到達し、スペクトルなどの計測データは不確かさ付きで自動解析。秤量・分注・搬送といった手作業はロボットが正確に実行します。結果を解析して次の実験条件を自動で決め、そのまま動かす「閉ループ」により、24時間止まらない研究開発も視野に入ります。導入は現場・装置の調査から部分自動化、閉ループ化へと段階的に進められ、いきなり全自動化する必要はありません。開発期間の短縮、コスト削減、再現性の向上、そして属人化の解消(知識の体系化)を同時に実現し、研究者はより付加価値の高い仕事に集中できます。化学・材料、半導体、製薬、食品など幅広い分野で、まずは共同研究・PoCからご相談いただけます。


ラボオートメーション
株式会社 写真化学

【材料処理の様々な前後工程の自動化を実現】 ◆ラボオートメーション カクハンター×ロボットによる自動化システムを構築。 遠隔操作により、ローター定位置停止、上蓋の自動開閉から容器着脱を 自動でハンドリングすることができます。  ※デモも実施しますのでご期待ください!

プロセス最適化・製造応用系

実プロセスに直結する領域では、装置データと解析ソリューションを組み合わせた製品が登場しています。全固体電池のコーティング条件探索では、パウレック製のコーティング装置から得られる運転データや過去のコーティング実績データと、評価結果を1つのデータテーブルに統合し、日立ハイテクの「PROACCELA」によるプロセスインフォマティクス技術を適用しています。

PhysiLenz
株式会社 QunaSys

研究開発の効率化に向けて、MIやAIの活用が広がっています。 しかし、現場で本当に難しいのは、予測値を得ることそのものではありません。 限られた実験回数や開発期間の中で、どの現象を見て、どの仮説を立て、どの条件を試せば、次の判断につながる知見が得られるのか。 ここが曖昧なままでは、データやAIの提案が増えても、研究開発の前進にはつながりにくくなります。 QunaSysのPhysiLenzは、研究者の知見や制約を起点に、要因分解、仮説構築、数理モデル化、実験・計算計画を支援。 AIの出力を、現場で検証し、判断し、学習できる形へとつなぎます。 現象理解に基づく合理的な次の一手で、探索と検証の質を高める研究開発DXを実現します。


プロフェッショナル解析サービス『Hands-on MI®︎』
MI-6 株式会社

材料領域に精通した経験豊富なデータサイエンティストが、第一原理計算や機械学習・数理最適化技術などを最大限に活かしながら、テーマに適したソリューションをご提案します。 【適用例】リチウムイオン電池添加剤の探索、有機レドックスフロー電池向けの活物質の設計、LiB 用負極材の組成最適化
、導電性材料の有望な母構造探索、など さらに、MI研修やMI技術力向上支援など、お客様ごとの課題に応じたハンズオンサポートを活用いただけます。


導入を成功させるポイントと注意点

データ整備と課題設定

マテリアルDXの成否は、着手前のデータ整備と課題設定の質で大きく変わります。

MORESCOでは、MI導入で最も苦労したのはデータベースの整理だったとされています。大量のデータを保有していたものの、保管場所の分散や表記のばらつきがあり、機械学習にそのまま使える状態ではなく、フォーマットや材料名の統一に予想以上に時間がかかり、整理作業に約半年を費やしています。

テーマ受託や協業の判断基準として受託KPIを設定し、市場軸である事業貢献期待度と技術軸であるMI有効度の2軸で評価する仕組みを設けることで、解決による価値が大きくMI活用が有効なテーマに資源を集中する積水化学工業の取り組みが紹介されています。

プロセスインフォマティクスの導入前には、具体的な目標と期待する成果を明確に設定することが重要とされています。

データが散らばったままツールを導入しても、効果は限定的です。データ整備と「解くべき課題」の選定を並行して進める必要があります。

人材・体制とスモールスタート

技術面の整備と並行して、人材の組み方と進め方の設計が導入の成否を分けます。

MORESCOでは、MIに取り組む時間の捻出が課題となったため、開発経験のある人材とデータサイエンスの知識を持つ人材を組み合わせ、タッグを組んで進める体制を取りました。

積水化学工業では、事業貢献を継続的に生み出すためにはMI人材の育成が最も重要とされ、特にテーマ解決力が最重要視されており、これは開発提案力、連携力、データ活用力の3つの要素から構成されるとまとめられています。

導入にあたっては、いきなり全体の製造プロセスに適用するのではなく、まずは小規模なパイロットプロジェクトを実施することが推奨されています。

属人化を避けつつ組織的な知見にしていくには、小規模に始めて結果を社内で共有し、人材育成につなげる進め方があります。対象工程を絞ることで、少ない投資で効果を検証できます。


最新の製品・技術を比較検討できる展示会

マテリアルDXやプロセスインフォマティクスに関する製品・技術は領域が広く、資料だけで比較検討するのは容易ではありません。データ基盤、実験自動化、プロセス最適化といった異なる層の製品を横断的に見比べられる場として、9月に幕張メッセで開催されるマテリアルDX展(高機能素材Week内)が適しています。マテリアルDXに関連する製品が一堂に出展しており、各社の実機やデモを同じ日に確認できます。


よくある質問

Q.製造プロセスの効率化やコスト削減を進めたい場合、どのような技術が必要ですか。
A.プロセスインフォマティクスにより、材料開発のスピードアップや製造プロセスの効率化、コスト削減などが期待できます。出展製品情報では、MI-6 株式会社の研究開発DXプラットフォーム「miHub」や、データケミカル 株式会社の実験・製造データAI解析ツール「Datachemical LAB」が該当します。

Q.コーティング条件のように試行錯誤が多い工程は、どう改善できますか。
A.これまで技術者が過去の経験や専門知識をもとに試行錯誤を行っていた探索を、株式会社 日立ハイテク「PROACCELA」によって実施し、高品質かつ再現性の高いコーティング条件の最適解を導出した事例があります。装置データと解析ソリューションを組み合わせるアプローチが参考になります。

Q.実験そのものを自動化・高速化したい場合はどうすればよいですか。
A.目的別に設計するハイスループット実験でデータを増やし、MIや生成AIで次の判断を支援し、記録、実行、解析を循環させて開発を加速する取り組みが公開されています。出展製品情報では、材料処理の前後工程を自動化する株式会社写真化学の「ラボオートメーション」が該当します。

Q.こうした製品や技術を選定・比較検討できる場はありますか。
A.9月開催の「高機能素材Week」なら、マテリアルDXやプロセスインフォマティクスに関する最新の製品・技術が集結するため、その場で一気に比較検討ができます。


おわりに

マテリアルDXやプロセスインフォマティクスの最新事例を把握するには、専門展示会での情報収集が有効です。9月にマテリアルDX展(高機能素材Week内)が幕張メッセにて開催されます。展示会詳細は下記よりご確認ください。

【展示会情報】

<東京展> 会期:2027年10月27日(水)~29日(金)会場:幕張メッセ  
<名古屋展>会期:2027年2月17日(水)~19日(金)会場:ポートメッセなごや
<大阪展> 会期:2027年5月12日(水)~14日(金)会場:インテックス大阪    


執筆:高機能素材Week 事務局
監修:土屋勝利氏(高機能素材Week・事務局長)
最終確認日:2026年9月9日