AIによる金属3Dプリンティングへのアプローチが製造業の「ゲームチェンジャー」に

June, 4, 2025, Tronto--トロント大学(U of T)の研究者は、機械学習を活用して、アディティブ・マニュファクチャリング(3Dプリンティング)を改善している。

応用科学・工学部の材料工学教授Yu Zouが率いるこの研究チームは、指向性エネルギー堆積法における正確な逆プロセス最適化フレームワーク(AIDED)と呼ばれる新しいフレームワークを開発した。新しいAIDEDフレームワークは、金属がどのように溶けて固化し、最適なプリンティング条件を見つけるかを予測することで、完成品の精度と堅牢性を向上させる。Additive Manufacturingに掲載された論文で、このフレームワークについて詳しく説明されている。

研究チームによると、このアプローチを使用して、航空宇宙、自動車、原子力、ヘルスケアなどの業界向けの高品質の金属部品を製造できる。

「主要な金属3Dプリンティング技術である指向性エネルギー堆積法(Directed Energy Deposition)の広範な普及は、現在、試行錯誤を通じて最適なプロセスパラメータを見つけるための高いコストが障害になっている」と、新しい研究の筆頭著者、Ph.D学生Xiao Shangはコメントしている。

「われわれのフレームワークは、業界ニーズに基づいて、様々なアプリケーションに最適なプロセスパラメータを迅速に特定する」。

金属積層造形は、高出力レーザを使用して微細な金属粉末を選択的に融合し、正確な3Dデジタルモデルから部品を層ごとに構築する。金属積層造形では、材料の切断、鋳造、機械加工を行う従来の方法とは異なり、材料の無駄を最小限に抑えながら、複雑で高度にカスタマイズされた部品を作成する。

「3D金属プリンティングの大きな課題の1つは、製造プロセスの速度と精度である。プリンティング条件のバラツキは、最終製品の品質にバラツキを生じさせ、信頼性と安全性の業界基準を満たすことを困難にする可能性がある」(Zou)。

「もう一つの大きな課題は、様々な材料や部品をプリントするための最適な設定を決定することだ。航空宇宙や医療用途向けのチタンであろうと、原子炉用のステンレス鋼であろうと、各材料には、特定のレーザ出力、スキャン速度、および温度条件を必要とする独自の特性がある。これらのパラメータの適切な組み合わせを、幅広いプロセスパラメータで見つけるのは、複雑で時間のかかる作業である」。

これらの課題に対処するために、AIDEDは、遺伝的アルゴリズム(自然選択を模倣して最適解を見つける方法)が最初にプロセスパラメータの組み合わせを提案し、次に機械学習モデルがプリンティング品質を評価するクローズドループシステムで動作する。

遺伝的アルゴリズムは、これらの予測が最適であることを確認し、最適なパラメーターが見つかるまでこのプロセスを繰り返す。

「われわれのフレームワークは、カスタマイズ可能な目標から最適なプロセスパラメータをわずか1時間で特定でき、プロセスパラメータから形状を正確に予測できることを実証した。また、汎用性が高く、多様な素材に使用できる」とShangは説明している。

フレームワークを開発する目的で、研究チームは膨大なデータセットを収集するために多数の実験を行った。

チームは現在、自動運転車が自動運転するのと同じように、人間の介入を最小限に抑えて動作する、強化された自律型、つまり「自動運転」積層造形システムの開発に取り組んでいる。

「最先端のアディティブ・マニュファクチャリング手法と人工知能を組み合わせることで、新しい閉ループ制御の自動運転レーザ・システムを作り出すことを目指している」。

「このシステムは、潜在的な欠陥をリアルタイムで検出し、問題が発生する前に予測し、処理パラメータを自動的に調整して高品質の生産を確保することができる。様々な材料や部品形状に対応するのに十分な汎用性を備えているため、製造業のゲームチェンジャーとなると見ている」

一方、研究者たちは、AIDEDが現在金属3Dプリンティングを使用している業界のプロセス最適化を変革することを期待している。

「航空宇宙、生物医学、自動車、原子力などの業界は、従来の製造から3Dプリンティングへの移行を促進するために、このような低コストで正確なソリューションを歓迎するだろう」(Shang)。

「2030年までに、アディティブ・マニュファクチャリングは、複数の高精度産業にわたる製造の再構築が期待されている。適応的に欠陥を修正し、パラメータを最適化する能力は、その採用を加速させると考えられる」とZouは付け加えている。