ジェネレーティブデザインのシステムを構築
設計現場でのAI活用の道を拓く

「とにかく手戻りをなくさなければ」。東海興業で長年設計業務にたずさわっている和藤恭弘氏は同社の開発現場の課題をそう振り返ります。

2020年に策定された中期経営方針で「開発効率の向上」が掲げられて以来、和藤氏はその目標達成のため設計現場の手戻り削減に取り組んできました。設計者ごとにばらつきのあるスキルや手法、共有されない組織内の知見といった要因が絡み合い、手戻りが発生して開発のリードタイムが延びていたのです。

そうした課題をDXで解決しようと試行を繰り返すなか、有望な解決策として浮かび上がってきたのが、ジェネレーティブデザインでした。それは人間が条件を設定し、それに応じて無数の形状をAIが生成する仕組みです。

「いくつもの大学やベンチャー企業を訪れ、機械（AI）に断面形状を自動生成させることはできないか、その手法を探りました」と和藤氏は話します。

そこでプロジェクトチームは2023年、CAEとAIの知見をもつ電通総研をパートナーとして迎え入れます。

「CAEを支援するベンダーはたくさんありますが、さらにAI技術を知り、その活用を支援するベンダーはなかなかありません。電通総研はCAEとAIの両方をつなぐことができる数少ない選択肢でした」と近藤氏は電通総研選択の理由を話します。

電通総研は製造業におけるエンジニアリング領域で長年にわたる実績と知見を蓄積してきました。さらに2020年には全社のAI人材と知見を集約した「AIトランスフォーメーションセンター（AITC）」を設置。2026年には「AI開発センター」を新設し、製造業を始めとする産業界にAIソリューションの開発・活用支援を行っています。

時間と手間がかかる非線形解析の課題に対し、電通総研はサロゲートモデルの活用を提案。それによりCAE解析を毎回実行せずに一定の精度で性能を予測できる道筋をつけました。

ここで電通総研が解決策として提案したのは、パラメトリックCADではなく、フレーム形状やガラス厚などの条件からAIが断面形状を生成し、その性能を予測して設計要件に適合した候補を探索する仕組みです。

この仕組みには上述のサロゲートモデルのほか2種類の形状生成AIといったAIの要素技術、そして最適候補を導き出す最適化フレームワークが活用されています。

1つ目の形状生成AIを用いて多数の学習用形状を生成しました。今回の事例では5つの基本形から81形状を生成し、さらにリップ形状やフレームとの組み合わせによって7,128パターンを作りました。2つ目の形状生成AIは、こうして生成された大量データを学習することで、指定された条件を満たす新しい断面形状を生成する技術です。その形状の性能（反力や組付け姿勢など）をサロゲートモデルで予測し、最適化フレームワークがその予測結果を評価し、設計要件に適した候補を絞り込みます。

2025年、電通総研はさらに設計者がブラウザ上で一連の機能を利用できるGUIの構築にもあたりました。AI技術を設計者が実際に使えるものとするには、こうしたシステム化が欠かせません。

今後の展開について神川氏はジェネレーティブデザインの要素技術を現場に落とし込み効率化に役立てたいと話します。「自動生成の精度をさらに高めていくには、もっと教師データを増やす必要がありますが、それには時間が必要です。そのため当面は、今回培ったサロゲートモデル、形状生成AIといったAIの要素技術をそれぞれ独立した道具として設計現場に落とし込んでいきたいと思っています」。

宮崎氏は設計者の視点から今回構築した仕組みについてこう語ります。「これまで設計者は形をつくることが仕事でした。しかし、ジェネレーティブデザインでは、設計者は条件を設定し、生成された候補を評価することが仕事になります。これは大きな転換点になります」。

プロジェクトが進むにつれ今回の取り組みの重要性をますます認識するようになったと話す和藤氏は「この技術をかたちにできなければ、将来の成長はない」と力強く語ります。「ジェネレーティブデザインによって今までにない断面形状が生成された事例もあり、大きな可能性を感じています。当初の思いがこのように仕組みとして立ち上がったのも、電通総研の伴走支援があったからこそです。CAEとAIの知見はもとより、現場の設計者が迷わず使えるGUIの構築、さらには実業務に落とし込むための泥臭い実装やチューニングまで、すべてカバーしてくれるパートナーは他にないのではないでしょうか」。