積層造形
AIを活用した精密度の向上でレーザーベースの3D金属印刷を変革する
3Dプリンティングまたは加製造の世界では、レーザーベースの金属加工は、自動化、精密、高速な複雑な部品の生産を可能にする人気のある技術です。
レーザーベースの金属加工には、金属を操作するためのエネルギー源としてレーザーを使用します。レーザーは、ほとんどの発散なしに直線に伝播することができる増幅された光または電磁放射です。
これにより、レーザーは材料加工において非常に有用になります。ここでは、機械加工、接合、表面工学に使用されます。加製造では、レーザーを使用して材料を溶かし、層ごとに部品を製造します。
加製造とは、単に製品を層ごとに作成することです。プラスチックを材料として使用して始めました。処理の容易さにより、しかし、現在では金属材料を含むすべての種類の材料を含むようになりました。
金属材料は、優れた電気伝導性、強度、延性、融点などの魅力的な特性で知られており、医療、エネルギー、建築、軍事アプリケーションで非常に有用です。
一方、金属のレーザー加工は、高エネルギー密度、狭い熱影響区域、ほとんどの汚染がないという独自の利点を提供します。したがって、レーザー加工は、特に最大の精密度と高カスタマイズが必要な業界で広く使用されています。しかし、独自の複雑さと技術的な課題もあります。
「レーザーベースのプロセスが柔軟に使用され、一貫した結果を達成するために、我々はこれらのプロセスのより良い理解、監視、制御に取り組んでいます。」
– エンパの高度な材料加工研究所の研究グループリーダー、エリア・イセリ
この目標を達成するために、エンパのジュリオ・マシネリとチャンド・ラジャニの研究者は、機械学習を使用して、レーザーベースの製造技術をよりアクセスしやすく、費用対効果が高く、効率的になるようにしています。
レーザーパウダーベッドフュージョン（PBF-LB）の利点と課題の理解
レーザーベースの金属加工のより広い分野では、パウダーベッドフュージョンは人気のある技術であり、レーザーを使用して金属パウダーの薄い層を正確なスポットで溶かし、すべてを溶接して最終的な部品を生産します。
レーザービームを使用したパウダーベッドフュージョン（PBF-LB）は、最近多くの注目を集めた専門技術です。この著名な加製造技術では、非常に高出力のレーザーを使用して、金属パウダーを層ごとに溶かし、カスタマイズされた高精度な部品に混合します。
この技術により、複雑な幾何学的形状の生産が可能になり、カスタマイズ機能と材料効率を提供します。
これらの特性により、PBF-LBは、自動車、医療、航空宇宙、消費者製品などの業界で特に有益です。ここでは、軽量で複雑な部品、パーソナライズされたデザイン、精密度、重量削減、迅速なプロトタイピングが必要です。
多才で効率的な技術ですが、より広範な採用と最適化を達成する上で、いくつかの障害に直面しています。
これには、使用されている金属パウダーの理想的な処理フレームワークを特定するのが難しいことが含まれます。
「同じ開始パウダーの新しいバッチは、完全に異なる設定を必要とすることがあります。」
– マシネリ
この技術で使用される金属の溶解に必要な高エネルギー入力は、部品の品質に悪影響を与える複雑な物理メカニズムを生み出します。これらのメカニズムには、材料特性の不一致、気体の影響、レーザーと蒸気プルームの相互作用が含まれます。これらの現象はすべて、パラメータを特定する上で問題を引き起こします。
これは、伝導モードとキーホールモードの2つのモードがあるためです。伝導モードでは、金属が単に溶解され、薄い精密な部品に適しています。もう1つのオプションはキーホールモードで、金属が一部蒸発することがあります。速いですが、精度は低いため、厚い部品に適しています。
しかし、これらのモードの境界は、さまざまなパラメータに依存し、最終製品の品質を高めるために、正しい設定が必要です。
材料とレーザーの間の複雑な相互作用により、プロセスは非常に小さな変化に敏感になり、生産上の問題を引き起こす可能性があります。これにより、技術は時間とリソースの集中が必要になります。したがって、PBF-LBでは、パラメータの煩雑な微調整が必要になります。
これで終わりではありません。この段階で生成されたサンプルは、微細構造分析、密度測定、X線コンピュータ断層撮影（CT）などのさまざまな技術を使用して分析されます。
これらの方法により、内部構造に関する詳細な情報が提供され、欠陥が検出され、PBF-LB部品の品質とパフォーマンスを評価する上で重要な役割を果たしますが、専門機器と専門知識が必要であり、費用がかかり、時間がかかるためです。
「それが多くの会社が最初にPBFを利用できない理由です。」
– マシネリ
これらの問題を解決するために、エンパの研究者は、レーザープロセスをより効率的、費用対効果が高く、精密にするために、機械学習を使用しています。
金属3Dプリンティングのリアルタイム制御のためのAIの活用
サンプル分析のために、研究者は、音響放出（AE）、高速熱イメージング、光センサーなどのセンサーを使用したリアルタイムモニタリング方法を使用しています。
リアルタイムモニタリングは、製造プロセス中に望ましくないイベントを検出する能力があるため、選択されました。これにより、すぐに調整が可能になり、リソースを節約できます。
これらのリアルタイムモニタリング技術は、通常、機械学習（ML）アルゴリズムに基づいています。
人工知能の研究分野であるMLは、データから学習する統計アルゴリズムの開発に関係しています。これらのアルゴリズムは、高次元データから有意義なパターンを抽出し、金属加工の場合、部品の品質について予測しますが、複雑な物理モデルを明示的にプログラミングする必要はありません。
これらのAIアプローチには、限界があります。プロセスパラメータの変化を検出する代わりに、モデルが学習するという課題が含まれます。
マシンパラメータの自然なドリフトも、AIモデルの実用的な適用性を制限する障壁を提示します。
明確に、プロセス変数を考慮して、最適な条件を特定し、基礎となる溶解レジームを理解できるように、PBFパラメータ空間を自律的にナビゲートできるアルゴリズムが必要です。
この必要性は、現在、エンパの研究者によって解決されています。彼らは、ラベル付けされたデータや広範なポストプロセス分析を必要とせずに、溶解レジームの特定に焦点を当てた光学データの非監視コレクションを使用する新しい方法を提案しています。
PBF-LBパラメータの最適化のための非監視学習の実装
エンパの研究者が開発した新しい非監視技術は、レーザーパワーとスキャニングスピードの2つの主要パラメータに焦点を当てており、溶解レジームに最も大きな影響を与えるものとして特定されています。
この研究の焦点は、これらの2つのパラメータにありますが、この技術は、将来的には追加のプロセスパラメータにも使用できます。
現在、ガスフロー率、ハッチ間隔、層の厚さをアルゴリズムに組み込むことで、PBF-LBパラメータ空間のより包括的な探索を可能にします。
提案された方法は、伝導モードとキーホールモードの間の遷移を正確に指摘します。
非監視アプローチは、ラベル付けされたデータに依存せずに処理マップを抽出する基盤を提供します。これは、PBF-LBではラベル付けされたデータを取得するのが費用がかかり、課題となるため、重大な利点を提供します。
この研究は、この基盤を構築し、処理マップを効率的に導出するために、主動的学習（最も情報の多いデータポイントの選択）とベイズ最適化（確率モデルを使用した反復サンプリング戦略）の部分を組み合わせる独自の方法を紹介しています。
このアプローチが異なるのは、データがなく開始し、次に逐次的にデータセットを構築することです。つまり、各新しい実験を実行する場所を決定することにより、実験プロセスを最適化できるようになります。
注目すべきは、反復アプローチを使用して改良するにもかかわらず、モデルはプロセス全体で非監視のままであることです。溶解レジームを特定するために、アルゴリズムは光学データから抽出された特徴に依存し、結果はガウシアンプロセス分類器（GPC）を訓練して、地図の確率的推定を提供するために使用されます。
反復的な側面については、アルゴリズムは、予測の不確実性が高いフィールドに基づいて、新しい試行設定を選択します。これにより、処理マップの推定が向上します。
基本的に、アルゴリズムは、テストラン中にレーザーがどの溶接モードにあるかを、レーザーマシンに組み込まれた光学センサーのデータを使用して検出するように教えられます。次に、次のテストのパラメータを設定します。
「私たちは、専門家以外の人もPBFデバイスを使用できるようにしたい」とマシネリは述べました。ただし、レーザーウェルディングマシンのファームウェアに統合する必要があるため、メーカーによってのみ実行できます。
PBF-LBアプリケーションにおけるAIモデルの有効性の評価
研究者がPBF-LBのより広範な採用を制限する、広範なパラメータ調整の必要性を排除するために導入した新しいアルゴリズムは、フォトダイオードからのデータを使用して、独立して溶解レジームを特定します。
実験室でのテストでは、チームは、2つの材料で89.2%のF1スコアを達成するという、高い精度の方法であることを発見しました。
パフォーマンスを評価するために、研究者は2つの材料で複数の部品を印刷しました。
最初のものはTi-6Al-4Vで、優れた腐食耐性と高い比強度を持つα-βチタン合金の1つです。
もう1つは316Lステンレス鋼で、316ステンレス鋼の低炭素バージョンです。これは、食品加工、医療機器、医療機器、ジュエリー、ハイスペック時計、廃水処理、化学工業で一般的に使用されています。
特に、チームはアルゴリズムの予測を確認するために、溶池の検査を実行しました。
評価により、両方の金属で実験試行の必要性が67%減少したことが示されましたが、ロバストなパフォーマンスが維持されました。これにより、パラメータ探索のコストが大幅に削減されます。
一方、伝統的な完全因子実験設計と比較して、F1スコアの最大8.88%の減少のみが見られました。
研究によると：
「これらの結果は、先進的な製造プロセスのための自律的な処理マップの導出における私たちの方法の効率性を強調しています。」
研究者は、ここで紹介した方法が、PBF-LBの効率と信頼性を「大幅に」向上させる可能性があると考えています。これにより、さまざまな業界でその全体的な有効性が向上し、より広範な採用につながる可能性があります。
「私たちの結果は、PBF-LBの最適化をストリームライン化するこの方法の潜在性を示しています。これにより、工業用途への採用がより実現可能になり、より広範な採用の道が開けられます。」
レーザーウェルディングプロセスの向上を通じてAIとFPGAの統合
別のプロジェクトでは、研究者はウェルディングプロセスを改善しました。
レーザーウェルディングの場合、理想的な設定でさえも、プロセスは予測不可能な偏差を生み出す可能性があり、わずかな偏差でも製品に深刻な欠陥を生み出す可能性があります。
「現在、ウェルディングプロセスをリアルタイムで影響させることはできません。」研究者ラジャニは述べた。
– 研究者ラジャニ
実際、コンピューターも、データを分析し、決定を下す必要がある速度に苦労します。
ここでは、研究者は、特定の種類のコンピュータチップを使用しました。
このチップは、フィールドプログラマブルゲートアレイ（FPGA）と呼ばれ、高性能コンピューティング（HPC）とプロトタイピングの目的で設計されています。
このチップは、リリース後もプログラム可能で、さまざまなユースケースに適応できるため、エアロスペース、自動車、テレコム業界で非常に貴重です。
マシネリは述べた：
「FPGAを使用すると、コマンドを実行するタイミングと実行時間を正確に知ることができますが、従来のPCではそうではありません。」
研究者は、FPGAをバックアップブレインとしてPCに接続しました。チップがレーザーパラメータを観察して制御するときに使用されるデータは、PCのアルゴリズムによっても使用され、学習に役立ちます。
「仮に、PCの仮想環境でのアルゴリズムのパフォーマンスに満足した場合、FPGAに『転送』して、チップを一気により賢くすることができます。」
– マシネリ
研究者は、機械学習とAIがレーザーベースの金属加工に大きな貢献を果たす可能性があると考えています。したがって、彼らはアルゴリズムとモデルを開発し続け、他の研究グループや業界パートナーと協力して適用範囲を拡大します。
3Dプリンティング技術への投資機会の探索
現在、金属加製造と設計の重要なプレーヤーはコリブリウム・アドディティブです。これは、ゼネラル・エレクトリック・カンパニー (GE )の一部で、現在はGEエアロスペースとして事業を営んでいます。
以前はGEアドディティブとして知られていましたが、先月にコリブリウム・アドディティブとして再ブランド化され、ブランド変更に伴い、コンセプト・レーザーとアークム・EBMは廃止されました。
「私たちは名前を変更していますが、顧客、品質、信頼性への取り組みは変わりません。加製造業界をリードし続け、前向きに変革し続けるでしょう。」
– CEOアレクサンダー・シュミッツ
ゼネラル・エレクトリック (GE )
コリブリウム・アドディティブが提供する3Dプリンターには、電子ビームパウダーベッドフュージョン（EB-PBF）プリンター、レーザーパウダーベッドフュージョン（L-PBF）プリンター、バインダージェットが含まれます。
会社の市場パフォーマンスについては、過去数年で非常に好調でした。
260億ドルを超える市場資本化を持つGEの株式は、現在約244ドルで取引されており、今年は46%上昇しています。会社の株式は、2000年に達成した約290ドルのピークに近づいています。EPS（TTM）は6.35で、P/E（TTM）は38.46です。株主に利用可能な配当利回りは0.59%です。
(GE )
一方、会社の財務状況は、GEが総収入109億ドル、12%増加した強力な2025年第1四半期を記録したことを示しています。
この2025年第1四半期の強いスタートは、商業サービスにより推進されたとCEO H. ローレンス カルプ ジュニアは述べ、コストを管理し、利用可能なトレード プログラムを活用するための戦略的な措置を講じる必要があるマクロ経済のダイナミクスを指摘しました。
営業利益は1Q25に38%増加して21億ドルとなり、調整後EPSは60%増加して1.49ドルとなりました。この期間中、GEはまた、1.5億ドルの営業活動によるキャッシュフロー（GAAP）と14%増加して1.4億ドルの自由キャッシュフローを報告しました。会社はまた、140億ドルを超える商業サービスバックログを報告しました。
一方、推進と加製造技術のみが1%増加し、会社は、価格とボリュームが設備販売の減少を相殺したと述べました。
今年の年次報告書で、GEは「加製造業界の技術採用の減速により、減少」と述べましたが、同時にコリブリウム・アドディティブを「GEエアロスペースにおける現在と将来の技術の重要なビジネス」と述べました。
最新のゼネラル・エレクトリック（GE）株式ニュースと動向
結論
AIが進化し、業界を変革するにつれて、製造プロセスの最適化を加速し、リアルタイムの適応性を可能にすることで、現代の製造で何が可能かを再定義する役割を果たしています。
PBFとレーザーウェルディングにおけるパラメータ調整と欠陥検出の時間とコストを大幅に削減し、レーザーベースの加製造がより広く採用されるように準備が整い、新しい時代の効率的、かつカスタマイズされた生産が実現する可能性があります。
クリックして、上位の3Dプリンティング株式の一覧を表示します。
参考文献:
1. マシネリ、G.、シュレンジャー、L.、ワズマー、K.、イヴァス、T.、ジャバラ、J.、ラジャニ、C.、ジャミリ、A.、ロゲ、R.、ホフマン、P.、& アチエンザ、D. (2025)。PBF-LBパラメータ空間の自律探索：処理マップの自動生成のための不確実性駆動型アルゴリズム。加製造、87、104677。https://doi.org/10.1016/j.addma.2025.104677
