持続可能な鋳造産業のための統合計算材料工学と人工知能

本稿は、「The 75th World Foundry Congress」にて発表された論文「Integrated Computational Materials Engineering and Artificial Intelligence for Sustainable Casting Industry」に基づいています。

1. 概要:

• 論文名: Integrated Computational Materials Engineering and Artificial Intelligence for Sustainable Casting Industry
• 著者: Alan A. Luo, Diran Apelian
• 発表年: 2024
• 発表学会: The 75th World Foundry Congress
• キーワード: metal casting; sustainability; integrated computational materials engineering (ICME); artificial intelligence (AI); machine learning (ML)

2. アブストラクト:

世界の金属鋳造産業は、炭素削減とカーボンニュートラルに関連する莫大な持続可能性と規制の課題に直面しています。統合計算材料工学（ICME）技術と、最近の人工知能（AI）および機械学習（ML）のブームによって可能になった金属鋳物のデジタル設計と製造は、業界がこれらの課題を克服するための大きな機会を提供します。本プレゼンテーションでは、ICMEアプローチを使用した鋳造合金設計とプロセス革新のいくつかの例を示します。また、鋳造品質管理と特性予測をサポートするためのAI/MLツールの適用事例も紹介します。さらに、持続可能な成長のためにICMEとAI/MLツールを組み合わせて金属鋳造産業を活性化し、革命を起こすための将来の機会についても議論します。

3. 緒言:

金属鋳造を含む材料および製造業は世界経済の根幹ですが、同時に気候変動に対する責任も負っており、その脱炭素化は炭素緩和戦略の重要な優先事項となっています。2050年までに気候中立を達成するというパリ協定の目標を達成するために、米国、中国、欧州連合を含む主要経済国は野心的な排出削減目標を発表しています。そのため、世界の鋳造業界は、特に自動車産業をはじめとするあらゆる分野の顧客がクリーンエネルギーと持続可能な生産に移行しているため、炭素排出削減に関連する莫大な規制上および持続可能性の課題に直面しています。現在、産業排出量の大部分は鉄鋼（24％）とアルミニウム（3％）の生産によるものです。しかし、これらの金属のリサイクル率は驚くほど低く、鉄鋼で45％、アルミニウムで30％です。これらの再生不可能な金属の循環性を高め、製造活動におけるエネルギー消費を削減することは、カーボンニュートラルな社会と循環型経済に大きく貢献するでしょう。Figure 1は、1）より良い材料設計と製造/エネルギー効率による使用量の削減/延長、2）修理、再利用、再製造、リサイクル、3）限定的だがクリーンな一次材料生産、4）再生不可能な材料の廃棄を最小限またはゼロにすることによって達成できる材料循環と持続可能性のビジョンを示しています。

4. 研究の概要:

研究トピックの背景:

世界の金属鋳造産業は、炭素削減目標とカーボンニュートラルへの推進により、持続可能性と規制に関する大きな圧力に直面しています。自動車のような主要な顧客セクターはクリーンエネルギーに移行しており、サプライヤーに持続可能な生産慣行を要求しています。

従来の研究の状況:

統合計算材料工学（ICME）は、計算ツールを介して取得された材料情報を工学製品の性能解析および製造プロセスシミュレーションと統合する手法として登場しました。これは、多くの場合均一な材料特性に依存する従来のCAD/CAE/CAMアプローチとは対照的です。人工知能（AI）と機械学習（ML）は急速に発展している分野であり、MLは特定の目的のために予測や決定などの出力を生成するシステムとして定義されます。鋳造シミュレーションとデジタル製造ツールはますます採用されています。

研究の目的:

本プレゼンテーションの目的は以下の通りです。

• ICMEアプローチを使用した鋳造合金設計とプロセス革新の例を提供する。
• 鋳造品質管理と特性予測をサポートするためのAI/MLツールの適用事例を提示する。
• 持続可能な成長に向けて金属鋳造産業を活性化し、革命を起こすためにICMEとAI/MLツールを組み合わせる将来の機会について議論する。

中核研究:

本研究の中核は、金属鋳造産業における持続可能性の課題に対処するためのICMEおよびAI/ML技術の適用と統合に焦点を当てています。これには、先進的な合金設計（Figure 2に示されるリサイクルアルミニウム合金など）およびプロセス開発（Figure 3）のためのICMEの活用、ならびに予測的品質管理、特性予測（Figure 4に示されるUTS予測など）、および製造プロセスの最適化のためのAI/MLの利用が含まれます。本研究は、これらのデジタルツールが材料の循環性、エネルギー効率、および全体的な持続可能性をどのように向上させることができるかを探求します。

5. 研究方法論

研究デザイン:

本稿は、金属鋳造産業における持続可能性を向上させるための統合計算材料工学（ICME）および人工知能/機械学習（AI/ML）手法の適用について議論するプレゼンテーションおよびレビューです。革新と応用の例を強調し、将来の方向性を示します。

データ収集と分析方法:

本稿では、以下の使用と結果について説明し、参照しています。

• Integrated Computational Materials Engineering (ICME): これには、合金設計のためのCALPHAD（Calculation of Phase Diagrams）ベースのアプローチ（Figure 2に例示）および鋳造設計、製造プロセスモデル、微細構造モデル、特性モデルを統合するためのフレームワーク（Figure 3）が含まれます。これらのモデルは、計算熱力学、速度論、およびプロセスシミュレーションに基づいています。
• Artificial Intelligence (AI) and Machine Learning (ML): これには、ダイカストの極限引張強さ（UTS）の予測（Figure 4）や良品と工程スクラップの識別などのタスクのために、ニューラルネットワークモデルなどのMLアルゴリズムを訓練するために、金属鋳造プロセス（例：高圧ダイカスト）から生成された広範なデータセットの使用が含まれます。

研究トピックと範囲:

本稿で議論されている研究トピックと範囲は以下の通りです。

• 鋳造合金（特に二次/リサイクル合金）の設計および鋳造プロセスの開発のためのICMEの適用。
• 金属鋳造における鋳造品質管理、材料特性（例：UTS）の予測、欠陥制御、予知保全、およびサプライチェーンロジスティクスのためのAI/MLツールの使用。
• 持続可能な鋳物の多目的最適化を達成するための合金、プロセス、およびコンポーネントトポロジーの共同設計のためのICMEおよびAI/MLツールを組み合わせる可能性。
• 最終的な目標は、これらの高度な計算およびデータ駆動型アプローチを活用して、効率を改善し、環境への影響を低減し、金属鋳造産業の持続可能性を促進することです。

6. 主な結果:

主な結果:

• ICME技術は、材料情報を工学製品の性能および製造プロセスシミュレーションと統合することにより、金属鋳物のデジタル設計および製造を可能にします。計算熱力学、速度論、およびプロセスモデルに基づくICMEモデルは、位置固有の微細構造および特性予測を提供し、均一な材料特性を使用する従来のCAD/CAE/CAMアプローチよりも改善を提供します。
• CALPHADベースの方法などのICMEアプローチは、構造用ダイカスト用途向けの二次（リサイクル）アルミニウム合金の設計に使用できます（Figure 2）。
• 鋳造プロセスからの広範なデータセットで訓練されたAI/MLツールは、鋳造品質管理と特性予測をサポートするために適用できます。例えば、ニューラルネットワークMLモデルは、ダイカストの極限引張強さ（UTS）を予測でき（Figure 4）、良品と工程スクラップの予測モデリングに使用できます。
• ICMEツールと組み合わせた場合の、最近開発された大型薄肉ダイカスト（giga-casting）は、金属鋳造産業の持続可能性を高めることができます。
• 金属鋳造におけるAI/MLの将来の応用には、欠陥制御、予知保全、およびサプライチェーンロジスティクスが含まれます。
• ICMEとAI/MLツールを組み合わせることは、持続可能な鋳物の多目的最適化のための合金、プロセス、およびトポロジーの共同設計の機会を提供し、金属鋳造産業の活性化と革命に貢献します。

図のリスト:

• Figure 1 Vision of material circularity and manufacturing sustainability (modified, based on [1])
• Figure 2 CALPHAD-based approach for alloy design [2]
• Figure 3 ICME framework for casting design and process development[3]
• Figure 4 Actual UTS testing data vs. the values predicted by the Neural Network model of die castings[5]

7. 結論:

金属鋳造は長い歴史を持っていますが、現在、そのカーボンフットプリントに関連する重大な技術的および社会的課題に直面しています。業界がリサイクル合金の使用と循環材料経済の概念を受け入れることが不可欠です。これらの課題を克服するために、鋳造業界は効率を改善し、エネルギー消費を削減するために新しいICMEおよびAI/MLツールを活用する必要があります。さらに、輸送業界がクリーンエネルギー技術に移行するにつれて、ICMEおよびAI/MLが重要な役割を果たすことができる軽量で高性能な鋳物に対する機会が生まれるでしょう。

8. 参考文献:

• [1] https://www.brunel.ac.uk/research/Centres/BCAST/About-us.
• [2] CinkilicE, RidgewayCD, YanX, Luo AA. Metall. Mater. Trans. A, 2019, 50A: 5945-5956.
• [3] LuoAA, SachdevAK, ApelianDJ. Mater. Process.Technol., 2022, 306: 117606.
• [4] https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf.
• [5] KopperA, Karkare, R, Paffenroth, RC, Apelian A. Integr. Mater. Manuf. Innov., 2020, 9: 287-300.

9. 著作権:

• 本資料は、「Alan A. Luo, Diran Apelian」氏による論文です。「Integrated Computational Materials Engineering and Artificial Intelligence for Sustainable Casting Industry」に基づいています。
• 論文の出典: [DOI URLは原典に記載されていませんでした]。論文発表：The 75th World Foundry Congress, October 25-30, 2024, Deyang, Sichuan, China.

本資料は上記の論文に基づいて要約したものであり、商業目的での無断使用を禁じます。
Copyright © 2025 CASTMAN. All rights reserved.