Home

◾️導入背景

本事例の企業様は、日本国内で熱可塑性ポリウレタンの開発・製造を手がける、従業員1,000名規模の大手メーカーです。異なる2種類の製造プロセスにおいて、10項目にわたる材料特性最適化を高精度で達成することを目標とされていました。

材料配合には、Parts per Hundred Resin（PHR）や重量百分率（wt%）など異なる単位が用いられており、それらを含む既存データ全体の統合的活用が重要な課題となっていました。加えて、NCO（イソシアネート）指数の知識を予測モデルに適切に組み込む方法の確立も求められていました。

さらに、既知の原料に関するデータを活用し、未知の原料に対しても予測分析を行える仕組みを構築することで、新素材への挑戦や研究開発の幅を広げることも重要なテーマとされていました。

これらの複雑な要件に対応するため、柔軟かつ堅牢なモデリング基盤の構築が求められていたのです。

◾️取り組みと成果

高精度な予測と誤差の低減

高度なモデリング技術と、導出パラメータの組み込みにより、95%以上の予測精度と、平均誤差5%の削減を実現。配合設計の信頼性が大きく向上しました。

柔軟な予測アプローチに対応

順解析（配合→特性）と逆解析（特性→配合）の両方を実現し、目標とする材料特性に対して、最適な原料構成を迅速に導き出すことが可能になりました。

新規原料への対応力を強化

既存原料のデータから得た知見を活用し、類似特性を持つ未知の原料に対しても精度の高い予測が可能となり、研究開発の幅が拡大。新素材の導入にもスムーズに対応できる体制が整いました。

モデルの信頼性を定量的に検証

構築したモデルは、MAPE（平均絶対パーセント誤差）が常に6%未満、R²値が0.9超という高い予測性能を安定的に維持。厳密な検証指標に基づき、実務レベルでの信頼性を確認しました。

The customer aimed to achieve precise targets for 10 specific material properties across two distinct process flows.

They wanted to integrate all their existing data, despite variations in formulation types—whether measured in parts per hundred resin (PHR) or weight percentage (wt%). Additionally, they sought to determine the best approach to effectively incorporate and impart knowledge of the NCO (Isocyanate) index into their predictive models. Another critical objective was to perform predictive analysis on a less-known ingredient by leveraging data points from a well-known ingredient, enabling them to expand their research capabilities and innovate with new materials. The ultimate goal was to develop a robust and flexible modeling framework that could handle these complexities, ensuring accurate predictions and optimized formulations for their diverse production processes.

Company Profile

Number of employees: 1000+

Industry: Thermoplastic Polyurethane

Location: Japan

Key Results

Enhanced Accuracy & Reduced Error: The customer achieved over 95% accuracy and a 5% reduction in average percentage error by integrating advanced modeling techniques and derived parameters, ensuring reliable predictions.

Flexible Prediction Approaches: The ability to perform both forward and inverse predictions allowed the customer to adapt their processes by predicting necessary inputs to meet specific property targets.

Scalability in Ingredient Predictions: By leveraging Polymerize’s models, the customer seamlessly integrated new materials into their production pipeline, maintaining accuracy in predictions for both known and new ingredients.

Robust Model Validation: The models demonstrated high predictive power and reliability, consistently achieving a MAPE below 6% and R² values over 0.9, validated through rigorous performance metrics.

PolymerizeLabs™活用事例：熱可塑性ポリウレタン開発における高精度化と効率化の両立

◾️導入背景

◾️取り組みと成果

Doodeep

関連する記事

PolymerizeLabs™ 活用事例：エラストマーシール製品の性能向上と効率化を達成

Claris Chin

PolymerizeLabs™活用事例：熱可塑性ポリウレタン開発における高精度化と効率化の両立

Doodeep

PolymerizeLabs™活用事例：美観と熱変形耐性を両立するFDM - 3Dプリンティングの革新

Doodeep

コミュニティに参加しませんか？