実験計画法と機械学習モデルを用いたアルミニウム-リチウム合金の生分解性クーラントの比較研究
Comparative study of biodegradable coolants on aluminum–lithium alloys using the design of experiment approach and machine learning model
本研究では、第三世代アルミニウム-リチウム合金の加工における、生分解性クーラントであるTrim E950とグリコールの比較分析を行った。表面速度、送り速度、軸方向切り込み量、コーナ半径、クーラント濃度という5つの変数が、表面仕上げと熱影響部(HAZ)を調査するために選択された。実験計画法(中心複合計画)が用いられ、分散分析により送り速度とコーナ半径がHAZに有意な影響を与えることが確認された。SEM分析の結果、グリコール濃度8%、Trim E950濃度12%で表面の不規則性が最小であることが示された。Trim E950を用いた場合の最適Ra値は0.211 μm、グリコールを用いた場合は0.21 μmであった。最適HAZ値は、Trim E950で20.82 IACS、グリコールで20.3 IACSであった。Random Forest Regressor機械学習モデルが実験データを検証するために使用され、Raの予測精度はTrim E950でR2スコア0.98、グリコールで0.97と高い値を示した。
- 第三世代アルミニウム-リチウム合金の加工で、生分解性クーラントTrim E950とグリコールの比較分析を実施。表面速度・送り速度・軸方向切込み量・コーナ半径・クーラント濃度の5変数を検討
- 中心複合計画による実験計画法と分散分析により、送り速度とコーナ半径がHAZ(熱影響部)に有意な影響を与えることを確認
- SEM分析で、グリコール濃度8%、Trim E950濃度12%の時に表面の不規則性が最小となることを確認。最適Ra値はTrim E950で0.211μm、グリコールで0.21μm
- 最適HAZ値はTrim E950で20.82 IACS、グリコールで20.3 IACS
- Random Forest Regressorによる実験データ検証で、Ra予測精度はTrim E950でR2スコア0.98、グリコールで0.97と高い精度を達成
本研究は、アルミニウム-リチウム合金の加工において生分解性クーラント(Trim E950)が従来のグリコールと同等以上の表面品質(Ra 0.211μm vs 0.21μm)とHAZ特性(20.82 vs 20.3 IACS)を達成できることを示しており、環境規制対応と加工品質を両立する素材加工プロセスの選択肢を広げる点が注目される。特にRandom Forest RegressorによるR2スコア0.98という高精度な予測は、加工条件の最適化を試行錯誤からデータ駆動型へ移行させ、航空宇宙・EV向け軽量合金の加工コストとリードタイムを削減する可能性を示唆する。もっとも本件は学術研究段階の比較検証であり、特定企業の製品化・量産採用・収益貢献に直結する発表ではないため、実用化にはクーラント供給企業や加工メーカーの採用動向を継続的に確認する必要がある。