本ケーススタディでは、AI解析プラットフォーム Multi-Sigma®」を活用し、温室効果ガス（GHG）排出量およびコストを最小限に抑えつつ、アルミニウムの機械的性質を向上させるアップグレードリサイクルプロセスを最適化する手法を紹介します。本プロジェクトは、NEDO（新エネルギー・産業技術総合開発機構）による支援を受けて実施されており、AI技術を活用することで、持続可能性の向上および性能の最適化を実現することを目的としています。
１．AI 解析
本ケースでは、18のプロセスサンプルからなるデータセットを分析しました。AIモデルは、アルミニウムリサイクルプロセスにおける主要な入力パラメータ（不純物濃度、溶体化処理時間、高圧スライディングプロセス、および時効処理条件）と、出力パラメータ（リサイクルアルミニウムの機械的性質に加え、関連する温室効果ガス（GHG）排出量およびコスト推計）を用いて学習しました。出力パラメータとしては、リサイクルアルミニウムの機械的特性に加え、関連する温室効果ガス（GHG）排出量およびコスト推計が含まれます。
2. 要因分析
Multi-Sigma®の要因分析機能を利用すると、アルミニウムリサイクルプロセスに最も影響を与えるパラメータとして、以下の3つが特定されました。
1. 高圧スライド加工（影響度：約41%）
2. 不純物濃度（影響度：約19%）
3. 溶体化処理（影響度：約12%）
3. リサイクルプロセスの多目的最適化
Multi-Sigma®の最適化機能を利用すると、最適なリサイクルプロセスのパラメータの値を決定することができます。
引張強度（TS）、0.2%耐力（PS）、延性（Elong）といった主要な性質を最大化しつつ、温室効果ガス排出量（GHG）およびコスト（JPY)を最小限に抑えることに成功しました。
引用元：aizoth.com/research-project/nedo/