HowTo
過去の設計データをAIと活かす:整理・検索・MCPによる接続
過去の解析条件や結果を,次の電気機器設計へ活かす方法を紹介します。案件一覧と根拠資料の整理から,検索・データベース化の目安,MCPによる接続とSkillsの役割までを説明します。eMachineSimの接続例を参照し,専門家への相談が 必要になる範囲も整理します。
H. Kaimori
はじめに
「以前,似た運転条件で温度を評価したはずだが,どこへ保存したか分からない」「結果は見つかったものの,材料や冷却条件が分からず比較できない」。電気機器の開発では,解析データが蓄積していても,次の設計へ使える形で探し出すことが課題になります。
スクリプトとSkillsで作業を再利用できるようになったら,過去の条件や結果も参照先として整えることを考えられます。
この記事では,過去の解析条件や結果の保存先を一覧にまとめ,AIと一緒に類似案件を探し,今回の設計との条件の違いを確認する進め方を紹介します。案件フォルダとCSVの一覧から始め,必要に応じてデータベースやMCPによる接続へ広げる構成を例示します。実際に導入する際には,各社のデータ形式や保存環境,探したい情報に合わせて仕組みを整えます。
最初に,探したい問いを決める
ファイルをすべてAIへ渡す前に,何を探したいかを決めます。例えば,「同じ形式のモータで,回転数と冷却条件が近い温度評価を探したい」「平均トルクを維持しながらリプルを低減した最適化条件を参照したい」という問いです。
最初の問いでは,モータの形式,回転数,損失,材料,冷却,定常・過渡などが候補を選ぶ手掛かりになります。後者では,設計変数,目的関数,制約,評価した運転点,採用・不採用の理由も必要になります。対象の問いによって,残すべき情報が変わります。
似た名称の案件が見つかることと,今回の評価に使えることは別々に確認します。AIには,候補と根拠となるファイルを示し,条件の一致点・相違点・不明点を整理してもらう使い方が考えられます。
最初からデータベースを作る必要はない
少数の案件なら,保存場所を整理し,CSVやJSONなどの一覧を用意するところから始められます。一覧には案件IDとデータの場所を対応づけ,条件の詳しい説明やレポートへ案内します。
残す情報の例 | 参照するときの意味 |
案件ID・ケースID・保存先 | 対象データを取り違えずに探す |
解析の目的と種類 | 何を確認するための計算かを知る |
形状・材料・運転条件 | 比較候補を絞る |
発熱・冷却・荷重・拘束の条件 | 結果が成り立つ前提を確かめる |
単位・評価区間・指標の定義 | 同じ意味の数値として比較できるかを見る |
製品・スクリプトの版と設定 | 実行条件と処理の由来をたどる |
確認状況・担当者・判断理由 | 検証済みの結果と検討途中の値を区別する |
入力・ログ・図表・報告書への参照 | 要約から根拠へ戻る |
コードと資料はGit等で管理し,大きな解析結果は別の保存先へ置く構成も選べます。結果を再計算するたびに上書きするのではなく,ケースIDと実行した版を対応づけると,後から値の出所を調べやすくなります。
AIには,候補の検索と適用条件の整理を支援してもらう
例えばeMachineSimによる温度評価を参照する場合,温度の最大値だけでは,今回のモデルへ使えるか判断できません。損失の与え方,周囲温度,冷却・接触の仮定,対象領域,使用した製品版などを一緒に見ます。
AIへは「一覧から候補を探し,元の条件資料を開き,今回と異なる点を表にしてください」と依頼できます。検索で得られた要約だけで結論を出さず,入力や確認記録へ戻れることが大切です。条件が欠けている場合は,利用可能と判断せず,不足情報として残します。
図1:一覧や検索から候補を探し,元資料と条件を照合して再利用する流れ。MCPは,必要に応じて情報を取得する接続方法として使います。
データベース化と検索方法を考える目安
案件数や利用人数が増え,同じ条件で横断検索したい,同時更新を管理したい,所属に応じて参照範囲を分けたい,といった要求が出てきたら,保存・検索の仕組みを見直す時期です。
例えば,材料,回転数,寸法,評価値などの条件検索には,項目と単位をそろえたデータ管理が役立ちます。一方,報告書の文章や検討理由を探す場合には,全文検索や,意味の近い文章を探す検索も候補です。数 値条件の一致と文章の類似性は役割が異なるため,用途に合わせて組み合わせます。
よく使われるRAGは,検索した資料をAIの回答作成時に参照させる構成です。特定のベクトルデータベースが,あらゆる設計データ活用の前提になるわけではありません。必要な検索,データ量,更新方法,根拠の示し方から構成を選びます。
MCPサーバーは,AIと保存先・ツールをつなぐ窓口
MCP(Model Context Protocol)は,AIアプリケーションと外部のツールや情報を接続する仕組みです。MCPサーバーは,呼び出せる処理や参照できる情報を提供します。保存先そのものを作る仕組みとは役割が異なります。
例えば,社内の案件データベースに対して「指定条件のケースを検索する」「ケースの条件と参照先を取得する」といった窓口を用意する構成を考えられます。AIが接続先ごとの操作を一から組み立てる代わりに,用意した処理を呼び出す形です。
仕組み | 担う役割 | 組み合わせる例 |
データの 保存・検索基盤 | 案件情報や原資料を保存し,探せるようにする | 条件と保存先を持つ一覧やデータベース |
MCPサーバー | AIから利用する接続口を提供する | 条件検索,ケース情報の取得 |
Skills | 取得した情報をどう確認し,作業へ使うかを示す | 条件差を確認し,根拠を記録して比較する |
MCPは,データ検索に加え,解析ツールやPython APIの実行にも利用できます。この連載では,まずスクリプトとSkillsを使う構成を説明し,保存先や他のシステムとの接続 を整える段階で詳しく取り上げています。すべてのプロジェクトにMCPサーバーが必要になるわけではありません。
当社ツールの例:eMachineSimのMCPサーバー
eMachineSimの公開リポジトリには,入力JSONの確認,Examplesの一覧,熱解析結果や診断CSVの要約などを扱うMCPサーバーの説明があります。入力の一部を変更したJSONの作成や,Python APIで単一ケースを計算するための処理も案内されています。
これは,当社が公開する製品支援の接続例です。過去案件全体を検索する社内データベースを実装済みという意味ではありません。自社の保存先へ接続する場合には,必要な項目,検索方法,取得できる情報,権限,更新方法を別途設計します。
Skillsと組み合わせれば,「 候補を取得する」「条件の意味と適用範囲を確認する」「既存の比較処理へ渡す」という手順を整理できます。接続できたことに加え,返されたデータが目的に合うかを確認するところまで含めます。
Note:接続とデータの利用範囲 MCPは,データやサービスへのアクセス権を自動で付与するものではありません。読者は所属組織の方針に従い,認証・参照範囲,外部送信,記録,接続先の利用条件を確認してください。初期検討では,公開可能な少量のデータを対象に,必要な参照処理から確かめる方法があります。
小さな対象から相談・検証する
最初は,例えば「定常温度評価の確認済みケースだけを一覧化し,条件の近い案件と根拠資料を探す」と対象を絞れます。探せた件数だけでなく,条件が合う候補を選べたか,元資料へ戻れたか,不明点を検出できたかを見ます。
複数部門や大量のデータを対象にする段階では,データ構造,既存システムとの接続,権限,運用・更新の担当を含め,専門家と検討することを勧めます。検索画面だけでなく,情報を追加・修正し続けられる仕組みが必要です。
まとめ
過去データは,結果に加え,条件・版・確認状況・根拠を探せる形で残します。
案件一覧から始め,利用規模と検索目的に応じてデータ管理を広げます。
MCPによる接続とSkillsによる確認手順を組み合わせ,今回の設計へ使えるかを確かめます。
当社ツールを用いた解析データの整理やAIによる再利用については,当社へご相談ください。対象データと現在の保存方法,実現したい作業を伺い,進め方を検討します。
