AIと試作評価|少ない試験回数で多くを学ぶ方法
研究開発では、製品の形状や材料、加工方法などを確認するために試作品を製作します。
実際に形にしてみることで、設計段階では分からなかった問題が見つかることがあります。
しかし、試作品の製作には材料費や加工費、試験に必要な時間がかかります。
そのため、限られた試作回数の中で、できるだけ多くのことを確認したい場合があります。
こうした試作評価の計画づくりに、AIを活用できる可能性があります。
1.何を確認するための試作なのか
例えば、樹脂製の機械部品について、変形を小さくしたいという課題があるとします。
材料を変更する方法もあれば、形状を見直す方法もあります。
固定方法や使用条件を変更できる場合もあるでしょう。
しかし、すべての条件を一度に変更してしまうと、どの変更が結果に影響したのか分かりにくくなります。
そのため、試作を始める前に、何を確かめたいのかを明確にすることが大切です。
2.AIで試験条件を整理する
ChatGPTなどの生成AIを使えば、試験の目的や確認項目を整理できます。
例えば、部品の変形量を評価したい場合です。
使用材料、形状、荷重、温度、測定方法など、確認すべき条件を洗い出します。
さらに、試作品ごとの条件を一覧にしたり、結果を比較するための記録表を作成したりすることも考えられます。
ただし、AIが作成した試験計画が、必ず適切とは限りません。
実際に評価したい性能や必要な精度に合わせて、試験方法を検討する必要があります。
3.一つずつ変更する方法と実験計画法
原因を調べるとき、一つの条件だけを変更して結果を比較する方法があります。
この方法は、変更した条件の影響を理解しやすいという特徴があります。
一方、複数の条件が互いに影響し合う場合には、一つずつ変更するだけでは、その関係を把握しにくいことがあります。
例えば、切削速度と送り速度の組み合わせによって、加工面の状態が変わる場合です。
このような問題では、実験計画法(DOE)を使い、複数の条件を計画的に変えて評価する方法もあります。
実験計画法は、単に試験回数を減らすためのものではありません。
限られた試験の中で、条件と結果の関係を客観的に調べるための方法です。
AIを使って試験条件の候補やデータ表を整理することはできますが、実験計画そのものの妥当性は確認する必要があります。
4.試験結果の比較にAIを使う
試作品を評価した後は、測定結果を整理します。
例えば、三つの形状について、それぞれ荷重を加えたときの変形量を測定した場合です。
測定結果を一覧にしたり、グラフにまとめたりすることで、違いを確認しやすくなります。
AIは、データの整理や傾向の確認を補助できます。
しかし、数値の違いが必ず設計変更によるものとは限りません。
材料のばらつきや測定誤差、試験条件の違いなどが関係している場合もあります。
そのため、必要に応じて繰り返し試験を行い、結果の再現性を確かめることが重要です。
5.試作品が失敗したときにも意味がある
試作評価では、期待した結果が得られないこともあります。
しかし、試作品が要求された性能を満たさなかったからといって、すべてが無駄になるわけではありません。
例えば、ある形状では十分な剛性を確保できないと分かった場合です。
その結果をもとに、次の形状や材料を検討できます。
どの条件で問題が起きたのかが分かれば、次の試作で確認すべき内容も具体的になります。
大切なのは、試験の結果だけでなく、その結果から何を学んだのかを整理することです。
6.試作は次の判断につなげる仕事
(株)アリスでは、研究開発から生産現場まで、自社加工と国内協力会社の技術を組み合わせながら、さまざまなものづくりに関わっています。
試作品の製作では、単に図面どおりの部品を完成させるだけでなく、何を確認するための試作なのかを理解することが重要です。
AIは、試験条件の整理や測定データの比較、次に確認すべき項目の検討などに役立つ可能性があります。
しかし、実際の製品を製作し、試験し、得られた結果を評価することは欠かせません。
試作回数を少なくすることだけが目的ではありません。
一回一回の試作から必要な情報を得て、次の設計や製作方法を判断できるようにすること。
そのために、AIによる情報整理と実際の試作・評価を組み合わせていきたいと考えています。