積層造形
AI駆動の精度でレーザー式3D金属印刷を変革する
3Dプリンティングまたは付加製造の世界では、レーザー式金属加工は自動化され、精密で迅速に複雑な部品を製造できる人気の技術です。
金属のレーザー式加工は、レーザーをエネルギー源として金属を操作することを伴います。レーザーは光または電磁放射の増幅されたビームで、ほとんど発散せずに直線的に伝播できます。
このため、レーザーは材料加工において非常に有用で、機械加工、接合、表面エンジニアリングに使用されます。付加製造では、レーザーが材料を溶融させ、層状に部品を製造します。
付加製造とは、製品を層ごとに作り上げることです。当初は加工の容易さからプラスチックが使用されていましたが、現在では金属材料を含むすべての材料に拡大しています。
金属材料は、優れた電気伝導性や高い強度・延性・融点といった魅力的な特性を持ち、医療、エネルギー、建築、軍事分野で広く活用されています。
一方、金属のレーザー加工は、高エネルギー密度、狭い熱影響部位、汚染の少なさという独自の利点を提供します。そのため、最大の精度と高度なカスタマイズが求められる多くのセクターでレーザー加工が使用されています。しかし、同時に複雑な課題や技術的な挑戦も伴います。
「レーザー式プロセスを柔軟に使用し、一貫した結果を得るために、我々はこれらのプロセスの理解、モニタリング、制御を向上させる取り組みを行っています。」
– エリア・イゼリ、Empa先端材料加工ラボラトリーの研究グループリーダー
この目標のもと、Empa（ツーン）に所属する研究者ジュリオ・マシネリとチャン・ラジャニは、機械学習を活用してレーザー式製造技術をよりアクセスしやすく、手頃で効率的にしています。
レーザー粉末床融合（PBF-LB）の利点と課題の理解
レーザー式金属加工の広範な分野において、粉末床融合は人気の手法で、レーザーで金属粉末の薄層を溶融し、すべてを溶接して最終部品を生成します。
レーザービームを用いた粉末床融合（PBF-LB）は、近年大きな注目を集めている専門的な技術です。この代表的な付加製造技術では、非常に高出力のレーザーが金属粉末を層状に溶融し、カスタマイズされた高精度部品へと組み立てます。
この技術は、複雑な形状の製造とカスタマイズ機能を提供し、材料効率も確保します。
これらの特性により、PBF-LBは自動車、医療、航空宇宙、消費財などの業界で、軽量かつ複雑な部品、個別設計、精密さ、重量削減、迅速な試作が求められる場面で特に有益です。
多用途で効率的である一方、広範な採用と最適化に向けていくつかの障壁に直面しています。
これには、使用する金属粉末に最適な加工フレームワークを特定することの難しさが含まれます。
「同じ出発粉末の新しいロットでも、全く異なる設定が必要になることがあります。」
– マシネリ
この技術で金属を溶融するために必要な高エネルギー入力は、実際に複雑な物理メカニズムを生み出し、部品品質に悪影響を及ぼします。これらのメカニズムには、材料特性の不均一性、大気ガスの影響、レーザーと蒸気プルームとの相互作用が含まれ、すべてがパラメータ特定の課題となります。
これは主に二つのモードによります。一つは伝導モードで、金属が単に溶融するだけで、薄く精密な部品に適しています。もう一つはキーホールモードで、場合によっては金属が蒸発します。こちらは高速ですが精度が低く、厚い部品に適しています。
しかし、これらのモード間の境界はさまざまなパラメータに依存し、最適な品質を得るには材料ごとに異なる適切な設定が必要です。
材料とレーザーの複雑な相互作用により、極小の変動にもプロセスが敏感になり、生産上の問題につながります。このため、技術は時間とリソースを多く要し、PBF-LBは一貫した結果を得るために手間のかかるパラメータ微調整が必要です。
ここで終わりではありません。この段階で作成されたサンプルは、微細構造解析、密度測定、X線コンピュータ断層撮影（CT）などのさまざまな手法で分析されます。
これらの手法は内部構造に関する詳細情報を提供し、欠陥を検出しますが、専門的な装置と高度な知識が必要で、費用と時間がかかります。
「そのため、多くの企業が最初からPBFを導入できないのです。」
– マシネリ
これらすべての問題に対処するため、Empaの研究者は機械学習を活用し、レーザー加工をより効率的でコスト効果が高く、精密にしました。
クリックして、付加製造が産業をどのように変革しているかをご覧ください。
金属3D印刷におけるリアルタイム制御へのAI活用
サンプル分析のため、研究者は音響放出（AE）、高速熱画像、光学センサーなどのリアルタイムモニタリング手法に転向しました。
リアルタイムモニタリングは、製造プロセス中の望ましくない事象を検出できるため選択されました。これにより即座に調整が可能となり、欠陥の除去と再溶融で資源を節約できます。
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機械学習は、データから学習する統計的アルゴリズムの開発を扱います。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、金属加工においては部品品質を予測し、複雑な物理モデルを明示的にプログラムする必要がありません。
しかし、これらのAIアプローチにも限界があります。課題として、モデルがプロセスパラメータの変化を検出することはできても、プロセスレジームや欠陥形成を検出できない点があります。
機械パラメータの自然なドリフトも、これらのモデルの一般化を妨げ、実際の製造環境での適用性を制限します。また、複数のパラメータを探索する必要がある自動化には専門装置が必要で、リソース集中的で困難です。
PBFパラメータ空間を自律的に探索し、複数のプロセス変数を考慮して最適条件を特定し、基礎となる溶融レジームを理解できるアルゴリズムが明確に求められています。
このニーズは、Empaの研究者が提案した新手法で対処されています。この手法は、ラベル付けされたデータや大規模な事後処理分析を必要とせず、溶融レジームの特定に焦点を当てた光学データの無監督収集を利用します。
PBF-LBパラメータ最適化のための無監督学習の実装
Empaの研究者が開発した新しい無監督手法は、レーザー出力と走査速度という二つの主要パラメータに焦点を当てており、これらが溶融レジームに最も大きな影響を与えると特定されています。
この研究の焦点はこれら二つのパラメータにありましたが、手法は他のプロセスパラメータにも適用可能です。将来的には、研究者はガス流量、ハッチ間隔、層厚さをアルゴリズムに組み込み、PBF-LBパラメータ空間のより包括的な探索を可能にする予定です。study1
現在のところ、提案手法は伝導モードとキーホールモードの転移を正確に指摘します。
この無監督アプローチは、ラベル付けされたデータに依存せずに加工マップを抽出する基盤も提供し、ラベルデータ取得が高コストかつ困難なPBF-LBにおいて大きな利点となります。
本研究はこの基盤を踏まえ、アクティブラーニング（最も情報量の多いデータ点を選択）とベイズ最適化（確率モデルを利用した反復サンプリング戦略）を組み合わせた独自手法を導入し、加工マップを効率的に導出します。
このアプローチの特徴は、データが全くない状態から開始し、各新実験の実施場所を決定することでデータセットを段階的に構築し、実験プロセス自体を最適化できる点です。
特筆すべきは、反復的な改良アプローチを採用しながらも、モデルはプロセス全体で無監督のままであり、ラベルデータを必要としません。溶融レジームを特定するため、アルゴリズムは光学データから抽出した特徴に依存し、その結果を用いてガウス過程分類器（GPC）を訓練し、マップの確率的推定を提供します。
反復的な側面として、アルゴリズムは予測の不確実性が高い領域を基に新たな試行設定を選択し、加工マップの推定精度を向上させます。
基本的に、アルゴリズムはレーザー機に組み込まれた光学センサーからのデータを使用して、テスト走行中の溶接モードを検出するように学習します。これに基づき、次のテストのパラメータを設定します。
「このアルゴリズムが非専門家でもPBF装置を利用できるようにすることを期待しています」とマシネリは述べました。メーカーがレーザー溶接機のファームウェアに統合するだけで済みます。
PBF-LB応用におけるAIモデルの有効性評価
研究者が提案した新しいアルゴリズムは、広範なパラメータ調整の必要性を排除し、PBF-LBの広範な採用を制限していた課題を解決し、光電二極管からのデータを用いて溶融レジームを独立して識別します。
実験室でテストしたところ、チームはこの手法が非常に高精度で、二つの材料でF1スコア89.2％を達成したことを確認しました。性能評価のため、研究者は二つの材料で複数の部品を印刷しました。
最初はTi-6Al-4Vで、これは最も一般的に使用される（α-β）チタン合金の一つで、優れた耐食性と高い比強度を持ちます。もう一つは316Lステンレス鋼で、低炭素版の316ステンレスで、食品加工、医薬品機器、医療機器、宝飾、ラグジュアリーホ時計、廃水処理、化学産業で広く使用されています。
特に、チームは溶融プールの検査を実施し、アルゴリズムの予測を検証しました。
評価の結果、このアプローチは両金属で実験試行回数を67％削減しながら、堅牢な性能を維持しました。これによりパラメータ探索コストが大幅に削減されます。一方、従来のフルファクトリアル実験設計と比較してF1スコアの最大減少は8.88％にとどまりました。
The study stated:
「これらの結果は、先進的製造プロセスの自律的加工マップ導出における我々の手法の効率性を裏付けています。」
研究者は、本手法はPBF-LBの効率と信頼性を「大幅に向上」させ、さまざまなセクターでの全体的な有効性を高めることで、より広範な採用につながると考えています。研究によれば：
「我々の結果は、この手法がPBF-LBの最適化を効率化し、産業応用をより実現可能にし、広範な採用への道を切り開く可能性を示しています。」
AIとFPGA統合によるレーザー溶接プロセスの強化
予備実験の最適化に加えて、研究者は別プロジェクトで溶接プロセスも改善しました。
レーザー溶接では、理想的な設定でも予測不可能な偏差が生じることがあり、わずかな偏差でも製品に深刻な欠陥をもたらす可能性があります。
「現在、リアルタイムで溶接プロセスに影響を与えることはできません」とラジャニ研究者は述べました。「これは人間の専門家の能力を超えています。」
– 研究者 ラジャニ
実際、コンピュータですらデータを検査し意思決定を行う速度に苦労します。研究者はここで特殊な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を目的に設計されています。製造元から出荷された後にプログラム可能で、ハードウェアを物理的に変更することなくさまざまな用途に適応できます。その汎用性と高性能により、航空宇宙、自動車、通信産業で非常に価値があります。
「FPGAでは、コマンドが実行される正確なタイミングと実行時間が分かりますが、従来のPCではそうではありません。」
研究者はFPGAをPCに接続し、「バックアップ脳」として機能させました。チップがレーザーパラメータを観測・制御すると、そのデータはPC上のアルゴリズムでも学習に利用されます。
「PC上の仮想環境でアルゴリズムの性能に満足すれば、それをFPGAに『転送』し、チップを一度によりインテリジェントにすることができます。」
– マシネリ
研究者は、MLとAIがレーザー式金属加工に大きく貢献できる可能性があると考えており、今後も他の研究グループや産業パートナーと協力しながら、アルゴリズムとモデルの開発、適用領域の拡大を続けていく予定です。
3D印刷技術への投資機会の探求
現在、金属付加設計・製造の主要プレーヤーはColibrium Additiveです。これはGeneral Electric Company (GE )の一部で、現在はGE Aerospaceとして事業を展開しています。
以前はGE Additiveとして知られていましたが、昨夏にColibrium Additiveとして再ブランド化され、同時にConcept LaserとArcam EBMは廃止されました。
「名称は変わりますが、顧客、品質、信頼性への揺るぎない注力は変わりません。私たちは引き続き先端からAdditive Manufacturing業界をリードし、積極的に変革していきます。」
– CEO アレクサンダー・シュミッツ
General Electric (GE )
Colibrium Additiveが提供する3Dプリンターは、電子ビーム粉末床融合（EB-PBF）プリンター、レーザー粉末床融合（L-PBF）プリンター、バインダー・ジェットの3種類があります。
同社の市場実績は、ここ数年で非常に好調です。
時価総額は2600億ドル超で、GE株は現在約244ドルで取引されており、今年は46％の大幅な上昇を示しています。株価は2000年に達した約290ドルのピークに急速に近づいています。EPS（TTM）は6.35、P/E（TTM）は38.46で、株主への配当利回りは0.59％です。
(GE )
一方、同社の財務は2025年第1四半期に好調で、総収益は99億ドル、前年同期比11％増、総受注は123億ドルで12％増加しました。
2025年の好調なスタートは商業サービスが牽引したと、CEO H. Lawrence Culp, Jr.は述べ、コスト管理や利用可能な貿易プログラムの活用といった戦略的行動が必要であると指摘しました。
営業利益は2025年第1四半期に38％増の21億ドルに達し、調整後EPSは60％増の1.49ドルとなりました。この期間中、GEは報告しました、営業活動からのキャッシュフローが15億ドル（GAAP）で、フリーキャッシュフローは14％増の14億ドルとなりました。また、商業サービスの受注残は1400億ドルを超えています。
これらすべての中で、Propulsion & Additive Technologiesはわずか1％成長しましたが、同社は価格とボリュームが設備販売の計画的なソフトスタートによる出荷減少を相殺したと述べました。
今年の年次報告書で、GEは「Additive Manufacturing業界の採用が遅れたために減少」と述べましたが、同時にColibrium Additiveを「GE Aerospaceにおける現在および将来の技術にとって重要な事業」と位置付け、最も価値を創出できる領域に注力し続けると記しています。
最新のGeneral Electric（GE）株式ニュースと動向
結論
AIが進化し産業を変革し続ける中、プロセス最適化を加速し、リアルタイム適応性を実現することで、現代製造の可能性を再定義しています。
PBFにおけるパラメータ調整と欠陥検出に要する時間とコストを大幅に削減し、レーザー溶接のリアルタイム制御を実現することで、レーザー式付加製造はより広範な採用が見込まれ、効率的でアクセスしやすく、カスタマイズ可能な新時代の生産への道を切り開きます。
参照された研究:
1. Masinelli, G., Schlenger, L., Wasmer, K., Ivas, T., Jhabvala, J., Rajani, C., Jamili, A., Logé, R., Hoffmann, P., & Atienza, D. (2025). PBF-LBパラメータ空間の自律探索：不確実性駆動アルゴリズムによる自動加工マップ生成。Additive Manufacturing, 87, 104677. https://doi.org/10.1016/j.addma.2025.104677
