ラボオートメーションの導入、設計に向けた機器、装置の選定と制御のポイント Live配信セミナー
        
実験の自動化・自律化によるR&Dの効率化と運用方法
生成AIによる業務効率化と活用事例集
 
<セミナー No.511423>
【Live配信のみ】 アーカイブ配信はありません

★ 自動化の導入手順から徹底解説! 生成AIを活用した環境構築技術を詳解!

ラボオートメーション

導入、設計に向けた機器、装置の選定と制御のポイント


■ 講師
1. 京都大学 大学院工学研究科 材料工学専攻 助教 博士(工学) 林 博之 氏
2. 山形大学 有機エレクトロニクス研究センター 教授 博士(科学) 松井 弘之 氏
■ 開催要領
日 時

2025年11月12日(水) 10:45〜16:00

会 場 Zoomを利用したLive配信 ※会場での講義は行いません
Live配信セミナーの接続確認・受講手順は「こちら」をご確認下さい。
聴講料

1名につき60,500円(消費税込み・資料付き)
〔1社2名以上同時申込の場合1名につき55,000円(税込み)〕
〔大学、公的機関、医療機関の方には割引制度があります。
         詳しくは上部の「アカデミック価格」をご覧下さい〕

■ プログラム

<10:45〜12:15>

1.ラボオートメーションによる実験の再現性向上とR&D効率化

京都大学 大学院工学研究科 材料工学専攻 助教 博士(工学) 林 博之 氏
 

【講演概要】
本講座は、「再現性の高い研究体制」と「高速に回るR&D」を両立させるための具体策を、実運用の事例と設計ノウハウに基づいて解説します。高額な専用装置だけに依存せず、電動ピペットの改造や3Dプリント治具、ホビー級ロボットアームとPython制御の組み合わせなど、現場に合う“スモールスタート”の道筋を提示します。さらに、XRDを含む計測の自動化、ログとメタデータの一元管理、研究室内RAGによるナレッジ継承までを通しで扱い、再現性向上(標準化・属人性排除・トレーサビリティ確保)とR&D効率化(並列化・終日運転・エラー低減)を、短期で効果が出る施策から順に設計できるようにします。将来の全自動化・自律化を見据えたロードマップも示し、導入判断と投資対効果の見極めに資する実務的な視点を提供します


【受講対象】
・実験自動化・装置導入を検討するエンジニア/テクニシャン
・材料・化学系の研究者(合成、計測、解析)
・品質保証・生産技術で再現性と標準化を推進する担当者

【受講後、習得できること】
・自ラボの作業を「再現性」と「効率」の観点で棚卸しし、自動化候補を特定する方法
・低コスト構成(ロボットアーム+3Dプリント+Python)でのPoC設計と費用・期間の見積もり
・電動ピペット改造の設計要点と安全面の留意点
・改良プロセスの進め方(失敗要因の特定→設計改善→再評価)とスケールアップの勘所
・将来の自律化(条件推薦→実験→改善)に向けたロードマップの描き方



1.趣旨・背景:MIの基盤としてのラボオートメーション/ 再現性とR&D効率の両立を全体像から提示。

2.研究紹介と成果:ロボット協働実験・自動XRD・自動相同定/ 候補探索〜検証までの一連の取り組みと新物質発見。

3.自動化の効果:ミス低減・追跡容易化・労働時間削減・標準化・属人性排除といった再現性向上の実利。

4.合成プロセス全体像:前駆体合成→焼成→相同定・構造解析→XRDの自動測定までを工程別に整理。

5.固相反応と湿式の自動化:スラリー法(分注・遠心→焼成)と湿式(振とう・前処理等)の標準化と並列化。

6.XRD自動測定と解析:複数試料の連続測定、解析基準の統一、試料準備の自動化で処理スループットを向上。

7.スモールスタート:電動ピペット改造+3Dプリント治具から始める低コスト導入の道筋。

8.ロボットアーム選定・制御
 8.1 ホビー/産業機の比較、事例
 8.2 Python制御とアタッチメント設計の勘所。

9.導入の勘所(対象選定・安全・コスト):
 9.1 人が苦手な作業や終日運転を優先
 9.2 接触・配線・騒音等の安全設計
 9.3 4軸・6軸・3Dプリンタ・AGVの費用感と設置期間。

10.展望(搬送と自律化):
 10.1 大学ラボにおける装置間搬送の現実的制約
 10.2 “自動化から自律化”へのステップ(条件推薦→実験→改善)。


【質疑応答】


<13:15〜16:00>

2.Pythonと生成AIを用いたラボオートメーションシステム設計

山形大学 有機エレクトロニクス研究センター 教授 博士(科学) 松井 弘之 氏

 
 

【講演概要】
人工知能を初めとするデータ科学技術の発展に伴い、大量にデータ取得が可能なラボオートメーションの重要性が高まっています。また、ChatGPTなどの生成AIがプログラミングを支援してくれるようになり、ラボオートメーション環境構築のハードルは徐々に下がっています。本講座では、ChatGPTなどの生成AIを活用しながらPythonプログラミングを行うことにより、効率的にラボオートメーション環境を構築する方法や、実施例について紹介します。

【受講対象】
ラボオートメーションや実験機器のリモート制御について未経験〜中級者の方
(出来れば)Python等のプログラミングに触れたことのある方

【受講後、習得できること】
実験機器のリモート制御に関する基礎知識
生成AIを用いて効率的にラボオートメーションを実現する方法とその際の注意点


1.ラボオートメーションの実例 −有機エレクトロニクス研究の自動・自律実験−
 1.1 有機エレクトロニクスの概要
 1.2 有機トランジスタ研究のための自動実験システム
 1.3 コンビナトリアル実験
 1.4 ベイズ最適化による自律実験
 1.5 ラボオートメーションのメリットと課題
 1.6 段階的なラボオートメーションの導入

2.実験機器のリモート制御入門
 2.1 ハードウェアの設計・選定
 2.2 VISA通信規格
 2.3 プログラミング環境の選定
 2.4 PyVISAを用いたリモート制御
 2.5 PythonによるGUI開発

3.ChatGPTなどの生成AIを活用したラボオートメーション
 3.1 生成AIの概要
 3.2 生成AIを用いたGUI付きリモート制御プログラムの開発
 3.3 生成AIを用いたリモート制御例1: 電気計測の自動化
 3.4 生成AIを用いたリモート制御例2: ペルチェ温度ステージ制御
 3.5 生成AIを用いたリモート制御例3: 電動ステージ制御
 3.6 よくあるエラーと対処法
 3.7 生成AIの推奨プロンプトテンプレート
 3.8 生成AIによるラボオートメーションの注意点
 3.9 今後の展望

【質疑応答】