住友ゴムと横浜ゴムがデジタル開発を拡大、AIがタイヤの研究開発および設計サイクルを短縮

AIが実験室のツールからタイヤ開発の主力へ

日本のタイヤメーカーは人工知能を実験段階から日常のエンジニアリング支援へと移行させており、住友ゴム工業と横浜ゴムはいずれも、タイヤの研究開発における分析時間と文書検索時間を短縮するシステムを報告している。この動きが重要である理由は、タイヤ設計が依然として長いシミュレーションループ、材料スクリーニング、繰り返しの検証に依存しており、わずかな時間短縮でもチームがコンセプトからプロトタイプへ移行する速度を変え得るからである。

住友ゴム、分析時間を短縮

住友ゴム工業（ダンロップおよびファルケンブランドを擁する日本のタイヤメーカー）は、富士通と共同でAIサロゲートモデルを開発し、高い精度を維持しながら構造解析時間を約90%短縮したと発表した。同社の6月3日の声明によれば、このモデルは概念実証プロジェクトを通じて検証され、路面接触条件下でのタイヤ変形の構造解析に適用された。

測定された効果は具体的かつ実用的である。住友ゴムによると、処理時間が約45分から約5分に短縮され、モデルは約60万要素（メッシュ）を扱う。同社は、このシステムが蓄積された有限要素法の結果を学習データとして使用し、グラフニューラルネットワークアルゴリズムと自社のタイヤ設計データおよび富士通のAI機能を組み合わせていると述べている。

プロセッサーおよびコンパウンド開発者にとって重要なのは、単に計算が高速化されたことではない。解析サイクルが短縮されることで、物理試験に着手する前に、より多くのレイアウトおよび材料の組み合わせを試すことが可能になり、設計反復のペースが変わる。タイヤ開発におけるコスト圧力はここにあり、解析ループが遅いほど、実行可能な仕様が選定されるまでに時間と労力が費やされる。

横浜ゴム、文書中心の設計業務にAIを拡大

横浜ゴムは、蓄積された技術文書を検索し、それらのファイルに基づく回答を返す独自の生成AIシステム（検索拡張生成、RAGを基盤とする）を本格稼働させた。同社は、このシステムにより、材料開発を含む開発中の意思決定に必要な技術情報への迅速なアクセスを提供し、タイヤ開発の速度と精度を向上させることを目的としている。

横浜ゴムは、新システムが2020年10月に開始したHAICoLab AI活用フレームワークを拡張したと述べている。同社はすでに、ゴムコンパウンドの物性予測、タイヤ特性予測、新規ゴムコンパウンド生成、金型設計支援を行うAIシステムを構築済みである。今回のステップにより、AI支援を予測から知識検索へと広げ、規制文書、手順マニュアル、技術報告書、事例研究などを活用する。

プラントおよび開発ラボ内のユーザーにとって重要なのは、運用ロジックである。横浜ゴムによると、開発スタッフがプロジェクトの目標と状況に基づいて質問をすると、生成AIが社内技術文書を検索し、その内容から回答する。また、AIエージェントが質問の意図を解釈し、検索の計画、情報取得、結果評価を繰り返して回答精度を向上させるとともに、回答の根拠となる出典文書へのリンクを提供し、スタッフが解釈や意思決定に使用する前に各回答の根拠を確認できるようにしている。

”

「本システムは、タイヤ開発プロセスにおける意思決定に必要な技術情報への迅速かつ正確なアクセスを提供することで、タイヤ開発のさらなる加速と高度化に貢献する。」— 横浜ゴム（リリースより）

最新のAIステップがタイヤプラントおよび研究開発チームにもたらす意味

2つのプロジェクトが指し示す共通の運用上の圧力点は、知識と解析のボトルネックがプレスや押出機が関与するずっと前からタイヤ開発を遅らせるという点である。住友ゴムはシミュレーション側で変形および性能挙動の評価に要する時間をAIが短縮し、横浜ゴムは情報側で次に何を試験するかを決定する前に社内蓄積資料を検索する必要性をAIが解消している。

この組み合わせにより、開発チームの時間配分が変わる可能性がある。シミュレーションの実行が数十分ではなく数分で完了し、技術検索プロセスがより的確かつ追跡可能になれば、エンジニアは反復的なデータ処理ではなく、コンパウンドの判断、プロトタイプのレビュー、トレードオフの決定に多くの時間を割けるようになる。また、レガシーレポート、試験記録、手順書に蓄積された組織知の価値が高まる。なぜなら、それらのファイルが単なるアーカイブではなく設計業務の有効な入力となるからである。

横浜ゴムのリリースは、同社がエンジニアを自動化された出力で置き換えていないことを示している。代わりに、社内記録をチェックし、出典文書を引用し、スタッフが回答を検証してから行動できるシステムを構築している。このアプローチは、配合や構造の変更が同時にウェットグリップ、耐摩耗性、転がり抵抗、製造性に影響を及ぼすタイヤ開発において重要である。回答が迅速であっても、追跡可能で技術的に正当化可能でなければ意味がない。

シミュレーションソフトウェア、AIプラットフォーム、コンパウンド設計ツールのサプライヤーにとってのメッセージも同様に明確である。タイヤメーカーはもはやAIを別個のデジタルプロジェクトとして扱っていない。材料検索、構造解析、設計支援の通常のワークフローに組み込んでおり、ツールが各ステップからどれだけ時間を削減できるかで性能を評価している。

次のステップとして、開発機能全体へのより広範な展開が予想され、特に多くの候補構造を比較したり大量の文書セットを追跡したりする必要があるチームで顕著になる。各社の最新発表は、タイヤの研究開発における競争優位性が、歴史的データと社内ノウハウをいかに迅速に使用可能な設計決定へと変換できるかにますます依存する可能性を示唆している。