Konica MI Platform

材料データ分析とAIモデルにより、実験条件や配合探索を支援できます。

クラウドの分析基盤として、研究者がブラウザでMIを扱いやすいです。研究部門でも共有しやすいです。

Hitachi MI Platformは分析サービスとクラウド基盤が中心で、工程側のセンシングやPIデータの取り込みは守備範囲の外です。

材料開発で得た配合と生産制御のパラメータを同じ基盤でつなぎたい場合は、選定の検討から外れやすいです。

実験データと機械学習をつなぎ、材料探索の仮説検証を速く回せます。チーム展開にもつなげやすいです。

配合やプロセス条件の最適化を、組織のMI基盤として進めやすいです。

Citrine Platformは材料MI基盤としての完成度が高い一方、製造プロセス側の設備データやセンシングとの接続は個別の作り込みが必要です。

工程の実測値まで取り込んだ改善まで踏み込みたい場合は、要件に届かないことがあります。

材料開発データを集約し、ベイズ最適化や予測モデルを扱いやすいです。

国内のMI伴走支援に強く、実験計画とナレッジ共有を進めやすいです。

MI-6 miHubは実験計画とナレッジ共有が主軸で、製造工程のセンシングを扱うプロセスインフォマティクスは対象が分かれます。

製造条件の実測データと材料開発を一気通貫で扱いたい場合は、カバー範囲を超えます。

化学材料の実験データを整理し、研究者が探索や分析に使いやすくできます。部門横断でも使いやすいです。

国内化学メーカー由来の知見を背景に、現場のデータ活用へ寄せやすいです。

Daikin ParsleyLabは化学材料の探索運用に軸足があり、生産設備の制御パラメータやセンシングは別の仕組みで見ることになります。

生産側のセンサーデータとPIまで含めて運用したい場合は、対象範囲の外に出ます。