化学産業におけるR&D（研究開発）のデジタル化

ラボのデジタル変革

ラボ主導

分散型ラボ

紙ベース

歴史的に拡大

ヒト中心

化学

顧客・ラボ主導

R&Dハブ

IoTラボ

自社内ワークフローの最適化

機器データの分析

学術機関とのコラボレーション

トレンド探索と顧客センシング

ユーザーイノベーション

オープンかつ柔軟なコラボレーションネットワーク

安全なオープンイノベーションネットワーク

アジャイルプロセス

In silico実験

フレキシブル、且つ目的に応じたリソースネットワーク

社内／アウトソ－スミックスの最適化

オープンイノベーション

高い透明性下での研究開発ポート

フォリオ管理

ロボティクス＆テレマティクスベース

エキスパートが参加する

アナリティクス

安定したコラボレーション

ネットワーク

反復作業の集約化

コネクテッドラボ

ラボ内オートメーション

自社内ラボベースのアナリティクス

学際的チーム

アイディエーション

組織

コネクティビティ

プロセス

アナリティクス

スキル

将来の研究開発

R&Dケイパビリティの要素

従来の研究開発

アクセンチュアが2015年に化学産業におけるR&D（研究開発)の将来的展望をリリースして以降、ラボラトリーオートメーションや人工知能(AI)など、化学産業では先端テクノロジーの導入がこれまで以上に急速に進んでいます。これは化学産業におけるR&Dプロセスに大きな変革が起きていることを示唆しており、リーディング企業では既にデジタル化によるデータアナリティクスやデータディスカバリーを推進しています。

アクセンチュアの2015年のホワイトペーパーでは、R&Dを進化させる6つのパス（図1）を紹介しました。この数年のうちに、化学企業は各々のスピードで6つのパスに沿った進化を遂げており、そのいくつかは普遍的な進化として定着しています。

図1：R&D（研究開発）の進化におけるパス

ソース: Digital Disruption in the Lab: The R&D of Tomorrow, Accenture, 2015. 02

化学企業はR&Dの過程で膨大なデータを生成・蓄積していることもあり、コネクティビティとアナリティクスの2つのパスは特に重要視されています。この2要素では高品質な統合データにアクセスするための新しい手法が求められます。現在、膨大なデータの統合に限界を感じている企業にとっては極めて重要な課題となります。

AI分野におけるデジタル技術の著しい進歩により、最先端のデータアクセスソリューション、自動化や機械学習を活用したデータインジェスチョン（データの取得／取り込み／加工）、仮想エージェントやチャットボットを介した人間中心に設計された直感的なデータアクセスなどのテクノロジーは実用段階にあり、既存のR&Dシステムが刷新されるとともに、化学産業の研究所における働き方や仕事内容は大きく変わる可能性があります。

組織いまだに多くの企業が自社に閉じたR&D機能を維持したまま、柔軟なコラボレーションネットワークの活用に踏み出せず、その価値を享受できずにいます。

アイディエーション化学企業にとってオープンイノベーションや顧客との価値の共創（コ・クリエーション）がスタンダードになりつつあります。

プロセスインダストリー4.0の取り組みの一環として化学産業のオートメーションが拡大しています。

コネクティビティIoT（モノのインターネット）やコネクテッドラボの活用は拡大していますが、世界中のR&Dサイトをつなぐ統合インフラの整備やデータの統合・共有化は依然として進んでいません。

スキル業界のプレーヤーたちは、データサイエンティストなどの新たな人材の獲得には積極的ですが、フレキシブルな社外ワークフォースネットワークの構築には消極的です。

アナリティクスアナリティクスとAIの取り組みは進展しているものの、質の高い統合データアクセスの実現は課題として残されたままです。

これまでに達成した進化

化学産業におけるR&D（研究開発）のデジタル化

レガシーからデジタルへ：新しいデータ活用方法化学産業でも多くの企業がデジタル戦略を策定し、一部の事業領域では変革の指標とするための「ライトハウスプロジェクト」（lighthouseは

「灯台」の意）を進めているものの、R&D領域では従来の実験計画やデータ処理のアプローチにとどまっているようです。

図2に示すように、研究開発者や検査技師は社内外のデータソースの処理に膨大な時間を費やしています。データソースは、研究記録、ラボラトリー情報管理システム（LIMS）、標準作業手順書（SOP）、アナリティクス、製品データシート、科学論文、顧客リレーション管理（CRM）情報、規制や特許データベースなど多岐にわたります。

これらのデータソースを管理する様々な組織間で共有される情報はごく一部で、実験の過程や成果のフィードバックはほとんど行われていません。そのため、化学者は研究を始めるにあたり、必要なデータソースを収集してデータの加工や集計などの作業から着手しなければなりません。また、情報の管理とアクセスが煩雑なこともあり、組織内に蓄積された既知の経験への依存が強くなりやすい環境にあります。

従来のR&D業務モデルでも業務は遂行できるため、最優先すべき課題ではないと感じるかもしれません。しかしR&D部門の従業員は、増加する一方のデータと次々に登場する新しいテクノロジー、イノベーションに邁進する競合相手からのプレッシャーなどに圧倒され始めており、業務モデルの変革は喫緊の課題と言えます。今こそ、R&D部門の情報管理を再構築し、多種多様なデータソースから創出される研究成果の迅速な価値化と改善の基盤となるデジタル技術の積極的な活用を追求すべき時です。

データを軸として見た場合、化学産業におけるR&Dには3つの主要な課題があります。1つ目が分野ごとにデータシステムが異なっており、個々のデータが非常に断片的であること、2つ目がデータ品質のばらつきが大きいこと、そして3つ目が外部のアクティビティを効果的にモニタリングするための機能が限定的であることです。また、現在稼働しているデータ管理システムはヒト中心の設計ではないため操作が非常に複雑で、新しく入社した従業員や初めて操作するスタッフが操作に慣れるまでのハードルが高く、デジタルアプリなど最新テクノロジーによる日常サービスが普及している現代では受け入れられにくいでしょう。

ラボラトリーオートメーションやAIといった最新のテクノロジーを活用してこれらの課題を克服し、直感的なデータアクセスを可能にすることで、クリエイティブな研究業務により多くの時間を割り当てることができるようになります。化学企業の経営層は、R&Dのデジタル化がもたらす価値を十分認識しており、アクセンチュアが実施した「Technology Vision

2018」の調査結果では、化学企業の経営層の51％が「今後2年間にAIソリューションをR&Dに適用する予定だ」と回答しています。これが実現すれば、化学企業はR&Dデータをビジネス価値に変換するための新たなツールと手法を獲得することになるでしょう。

AIの導入により、構造化データと非構造化データを区別することなく、横断的なデータ抽出やインデックス化が可能になります。また、研究レポート、画像、スプレッドシート、テキストファイル、プレゼンテーションなどのあらゆるデータを統合し、データクレンジングなどの加工・整形処理を自動化することができます。光学文字認識などのすでに確立されている技術を組み込むことで手書き文書のデジタル化なども低コストで実現できます。

図2：化学産業における研究開発者の旧来型（レガシー）作業モデル

ソース: Accenture Strategy project experience and analysis.Copyright © 2019 Accenture. All rights reserved. 03

研究開発の情報ソース

ラボの化学者

サービスレポート サービスレポート

R&Dプロジェクト管理アプリケーション(タイムライン、ファイナンス、プロセスコーディネート、進捗レポート)

CRM

（訪問レポート、クレーム、顧客要望、顧客創出プロセス）

社内文書データベース

（社内レポート、刊行物、特許、会議の要約、製品データシート）

商業ソース

（市場レポート、特許データベース、付加価値付きの科学データベース）

ERP

（原料、サンプル、注文、生産レシピ）

競合他社情報

（プレスリリース、アナリティクス、製品データシート、カウンタータイプ）

安全性・危険性、SOPs

実験計画法 (DoE)

ラボジャーナル

分析結果（LIMS）

アプリケーション

テスト

IP 評価

化学産業におけるR&D（研究開発）のデジタル化

変革をさらに進めて、ナレッジプラットフォーム（図3）が確立されると、研究開発者やポートフォリオマネジャーの業務内容や仕事の進め方は新しい次元へと進化します。例えば、R&D部門の従業員がチャットボットに次のような質問をすると、チャットボットはバックグラウンドでアドバンストアナリティクスにアクセスし、数秒で回答してくれます。

加えて、AIを搭載したインテリジェントシステムを学習させることで、外部情報の分析や潜在的な特許侵害の検知や関連する市場動向のインサイトを研究開発者に提供することもできます。さらに、中央管理型のITを用いて、R&Dプロセスを「SAP S/4HANA」などのような新しいビジネスIT

アーキテクチャに統合することで、一貫性のあるマスタデータとデジタル化された様々な機能との直接的なインタラクションを実現し、大きな成果をもたらします。

化学産業におけるR&D（研究開発）のデジタル化 04

過去に同様の実 験を自社または外部 機関で行っているか？その実験結果はどうだったか？何か見落としはなかったか？社内に専門家がいるか？

過去データの傾向から見て、新しいレシピは研究開発、生産、用途展開にてどのような結果をもたらすか？

新しい用途もしくは市場へ展開する場合、この製品が適しているのはどこか？

図3：R&Dナレッジプラットフォームの階層構造

アクセス＆セキュリティ

5. ユーザーインターフェース(フロントエンド)

4. データアナリティクスレイヤー

レポーティングダッシュボード:、 自然言語処理と内容分析、セマンティック検索

アドバンストデータアナリティクス(データマイニング、予測モデル)

3. データストレージレイヤー データマート、クラウドまたはオンプレミスストレージ構造化/非構造化データ

2. データインジェスチョンレイヤー データ取得とクレンジング

1. データソース

研究データベース

マテリアルデータ

特許 SAPデータベース

ラボデータ(LIMS)

研究レポート

ソース: Accenture Strategy project experience and analysis.Copyright © 2019 Accenture. All rights reserved.

ビジネスケースがもたらす成果R&Dのデジタル化は、プロセスのスピードを高めるだけでなく、ビジネスケースの策定を強力にサポートします。デジタル化（ソフトウェア、ハードウェア、インフラストラクチャの構築など）や運用プロセスの変更には相応のコストが発生しますが、効率性が大幅に向上することでコストを上回る成果を獲得できるでしょう。

R&Dにデジタル度合いを適用した場合、次の3つの具体的な成果を通じて経済価値を高めることができます。

アクセンチュアの数多くの戦略プロジェクトの経験による知見をベースに紹介していますが、実際のビジネスケースの評価は、各企業の状況に応じて行う必要があります。図4が示すように、R&Dのデジタル化は、様々な経済価値ドライバーと結びついています。

ソース: Accenture Strategy project experience and analysis.Copyright © 2019 Accenture. All rights reserved. 05化学産業におけるR&D（研究開発）のデジタル化

アクセンチュアの戦略プロジェクトの経験に基づく予測によると、R&Dにおいてデジタルケイパビリティを活用するとイノベーションのスピードが最大で15％アップします。例えば、ラボラトリーオートメーションとロボティクスを導入することで開発準備や実験の作業スピードが上がり、いつでも、どこからでもデータアクセスが可能であれば、情報収集プロセスを短縮でき研究開発における効率性が向上します。

デジタル技術を駆使してイノベーションファネルにおける意思決定をより的確に下すことができれば、R&Dポートフォリオの価値を増大させることができます。

R&Dデータの可用性や解析力が向上することで、開発プロジェクトの技術的な実現可能性の見積もりやリソース配分の最適化が容易になり、プロジェクトの成功率が高くなります。

図4：R&D（研究開発）によって創出される経済価値の見積もり

経済価値ドライバーツリーR&Dの例(一部)

デジタル化による典型的なポテンシャル利益

追加された経済価値

純営業利益

粗便益

収益既存製品の新たなアプリケーション　　　　　 優れた特性によるプライスポイントの向上 　　データ・ドリブンR&Dの新ビジネスモデル

状況への依存度が高い

加工性の向上生産切替の低減

対象となる売上原価の5～10%　対象となる売上原価の1～2%

対象となる出荷コストの10～15%

25～40%のプロジェクト増加

在庫資本の削減(最大10%)

資産資本の最大5%

梱包材使用量の最適化による削減

市場への投入時間の短縮

原材料の代用

プロセスイノベーション/生産アセットの置き換え

売上原価

販売コスト

流通コスト

管理コスト

研究開発コスト

その他の運用コスト

運転資金

有形固定資産

営業費用

資本展開

資本コストL

資本コストと配分

R&D（研究開発）に期待されることR&D（研究開発）のデジタルデータ化を推進するための技術的プラットフォーム構築の計画・設計を行う際には、ユースケースアプローチに従い、本質的な利益に直結しないソリューションを十分に検討せずに採用することは避けましょう。単に取得可能なデータだけを統合して表層にAIとアナリティクス機能を付加するような形だけのイノベーションではなく、R&Dに関連するすべてのステークホルダーが求める要件を洗い出した上で、プラットフォームを設計して進化のパスに取り組むことが大切です。

市場ではラボラトリーオートメーションとAI技術はすでに実用化され導入時のノウハウも整ってきています。残念ながら「one-fits-all（1つですべてを満たす）」ソリューションは存在しません。スケジュールや導入にかかる労力は、各企業のR&Dデータとアプリケーションの多様性や実装する機能レベルとデータスコープに応じて決まります。

企業がR&Dケイパビリティの改善を望むのであれば、R&Dオペレーティングモデルとシステムを人間中心の設計にするためのプランを熟考する必要があります。また、企業や地域における多様な相互交流の促進により、コラボレーションプロセスが進化していく可能性もあります。アイデアの探索や実験の計画・実行などR&D部門が担っていた従来の役割は、おそらく代替されていくことになるでしょう。一方で、データ管理システムの運用、データインジェスチョンの維持、R&D

に関わるステークホルダーのニーズに基づいたアナリティクスユースケースの継続的発展などにおいて、より高度な技術的スキルが必要とされるかもしれません。このように、R&D部門に要求されるスキルセットがシフトしていることから、社内で育成すべきケイパビリティは何か、成長し続けている外部のR&Dエコシステムから何をソーシングすべきかを適切に判断していく必要があります。

技術の急速な進化とビジネスケースがもたらす潜在的利益の大きさを考えると、R&D事業のデジタル化はあらゆる企業にとって「must-do

（必須の）」アジェンダです。データに秘められた価値をどのように解き放ち、R&Dパフォーマンスをどのようにして次の次元に導くかを真剣に検討することが、化学産業におけるすべてのプレーヤーに求められています。

06化学産業におけるR&D（研究開発）のデジタル化

著者

田中耕平アクセンチュア株式会社 素材・エネルギー本部 マネジング・ディレクター

前田琢磨アクセンチュア株式会社 素材・エネルギー本部 シニア・マネジャー

日本語版監訳者

07化学産業におけるR&D（研究開発）のデジタル化

ミハエル・ウルブリヒマネジング・ディレクター(アクセンチュア・ストラテジー)

ミハエル・ウルブリヒ(Michael Ulbrich)

はアクセンチュア・ストラテジーのマネジング・ディレクターとして化学・天然資源プラクティスを担当しています。化学、アグリビジネス、素材産業などの多国籍クライアントと協業した豊かな経験があり、事業戦略およびオペレーショナル、コマーシャルエクセレンスを専門にしています。市場戦略や循環型経済などのテーマに深い関心を寄せながら、企業の様々な部署にアナリティクス、AI、機械学習を導入しています。ドイツのベルリン工科大学で工学修士、フランス/シンガポールのINSEADでMBAを取得し、現在はフランクフルトを拠点としています。

ヴィカス・アガーウオール博士アクセンチュア・ストラテジー、マネジャー

パウル・ベーム博士アクセンチュア・ストラテジー、マネジャー

アイケ・エシェンレーダー博士アクセンチュア・ストラテジー、マネジャー

CONNECT WITH US

アクセンチュア株式会社 素材・エネルギー本部化学業界コンサルティンググループについての詳細はwww.accenture.com/jp-ja/chemicals-indexをご覧ください。

アクセンチュアについて

DISCLAIMER

アクセンチュアは「ストラテジー」「コンサルティング」「デジタル」「テクノロジー」「オペレーションズ」の5つの領域で幅広いサービスとソリューションを提供する世界最大級の総合コンサルティング企業です。世界最大の規模を誇るデリバリーネットワークに裏打ちされた、40を超す業界とあらゆる業務に対応可能な豊富な経験と専門スキルなどの強みを生かし、ビジネスとテクノロジーを融合させて、お客様のハイパフォーマンス実現と、持続可能な価値創出を支援しています。世界120カ国以上のお客様にサービスを提供する48万2000人の社員が、イノベーションの創出と世界中の人々のより豊かな生活の実現に取り組んでいます。

アクセンチュアの詳細はwww.accenture.comを、アクセンチュア株式会社の詳細はwww.accenture.com/jp をご覧ください。

This document is produced by consultants at Accenture as general guidance. It is not intended to provide specific advice on your circumstances. If you require advice or further details on any matters referred to, please contact your Accenture representative.

This document makes descriptive reference to trademarks that may be owned by others. The use of such trademarks herein is not an assertion of ownership of such trademarks by Accenture and is not intended to represent or imply the existence of an association between Accenture and the lawful owners of such trademarks.

This article was originally published as an Accenture Chemicals Blog on September 4, 2018.

Copyright © 2019 Accenture All rights reserved.

Accenture, its logo, and High Performance Delivered are trademarks of Accenture.