CRITIC、CoCoSoおよび機械学習手法を用いたNylonAF80フィラメントのFDM加工パラメータの多基準最適化

なぜ3Dプリント設定が重要なのか

3Dプリント部品を扱ったことのある人なら、頑丈で滑らかに仕上がるものもあれば、歪んだり割れたり、表面が粗いものもあることを知っています。本研究は、一般的な3Dプリント手法の設定を調整して、特殊なナイロン系材料から作られる部品がより強く、寸法精度が高く、外観が良くなるようにする方法を探ります。この取り組みは、単なる試作を越えて、歯車、ベアリング、治具といった実働部品に3Dプリントを適用したい企業にとって特に重要です。

強靭な新しいプラスチックを詳しく見る

研究者たちはNylonAF80というフィラメントに着目しました。これは8%の短いアラミド繊維で強化されたナイロン材料で、防弾繊維に使われる繊維に近いものです。この配合は摩耗、クリープ、熱に対する耐性を高めるよう設計されており、繰り返し運動や荷重に耐える部品に適しています。FDMプリンタを用いて中心に穴のあいた小さな長方形ブロックを作成し、歯車やベアリングハウジングで使われる形状を模倣しました。設定を一つずつ変えるのではなく、層厚、ノズル温度、ベッド温度、印刷速度、フィラメント配向および部品全体の積層方向を含む6つの印刷条件の18通りの組み合わせという構造的な試験計画に従いました。

形状、手触り、仕上がりの測定

品質を評価するために、チームは3つの単純な指標を追跡しました。まず、印刷された体積を目標体積と比較して寸法精度を確認しました。差は体積誤差として現れ、部品がどれだけ収縮または歪んだかを示します。次に、外観や応力下での挙動に影響する表面粗さを測定しました。三つ目は標準的な圧子でプラスチックに押し込み測定する硬度で、値が高いほど摩耗や変形に対する抵抗力が高いことを示します。材料と時間を節約するために各ブロックは約3分の2だけ充填しましたが、最良のサンプルはフィラメントメーカーの公称硬度の約87%に達した一方、最悪の設定ではその値がほぼ半分になり、より多くの歪みと粗さが生じました。

設定のベストポイントを見つける

3つの品質指標は互いに相反することがあるため、チームはこれらをバランスさせるために多基準意思決定ツールを使用しました。一つの手法であるCRITICは、各指標のばらつきと独立性に基づいて自動的に重要度を割り当て、硬度と滑らかさに近い重みを与え、形状誤差にはやや小さい重みを割り当てました。別の手法であるCoCoSoは、これらの重みを試験結果と組み合わせて18通りの印刷設定をランキングしました。総合的に最良だった組合せは、非常に薄い層厚（0.1 mm）、比較的高いノズル温度（255 °C）、中程度のベッド温度（100 °C）、中速の印刷速度（40 mm/s）、フィラメント配向90度、部品を立てて（エッジで）印刷することでした。この組合せは硬度と寸法精度の両方を満たし、表面仕上がりも許容範囲にありました。統計解析により、層厚と印刷速度が最も影響力の大きい要因であり、次いでビルドプレート上での部品の向きが重要であることが確認されました。

データと画像でプリント内部を可視化する

異なる解析手法が一致するかどうかを検証するため、研究者たちはCoCoSoを他の2つの意思決定技法と比較し、3手法とも非常に似たランキングを示すことを確認しました。次に、単純な機械学習モデルを導入して、コンピュータが小さなデータセットから学習し、どの設定組合せが平均以上の品質を生むかを予測できるかを調べました。1つずつ条件で分岐していく決定木は他のモデルを上回り、データの80%で学習させた場合に硬度、寸法誤差、粗さをほとんどの場合に正しく分類しました。すべての決定木で層厚が最上位に現れ、その中心的な役割を強調しました。最後に、最良と最悪の条件で印刷されたサンプルの高倍率電子顕微鏡画像はその理由を示しました：悪い設定では気孔、層間の隙間、粗く波打つ表面が形成される一方、最適化された設定では結合がより密で空隙が少なくなっていました。

実用部品への意味

実務的には、本研究はFDMプリンタのいくつかの重要なノブ、特に層厚、印刷速度、ビルド向きを慎重に調整することで、繊維強化ナイロンを有望な材料から信頼できる実働部品へと転用できることを示しています。構造化された実験、意思決定ツール、機械学習を組み合わせることで、歪みや粗さを最小化しつつ部品を硬く耐久性のあるものにする設定の組合せが明らかになりました。これらのガイドラインは、車両、航空機、産業機器で使用するより信頼性の高い歯車、ベアリング、治具の印刷に役立ち得るだけでなく、より大規模なデータセットやより高度な予測モデルを用いた今後の研究への道を示します。

引用: Alrasheedi, N.H., Kumar, P.M., Sivanantham, G. et al. Multi criteria optimization of FDM process parameters for NylonAF80 filaments using CRITIC CoCoSo and machine learning approaches. Sci Rep 16, 11213 (2026). https://doi.org/10.1038/s41598-026-38122-5

キーワード: 3Dプリント, 溶融堆積造形法, ナイロン複合材料, プロセス最適化, 機械学習