試模プロセスにインテリジェンスを組み込む

2026 年を迎えた現在、人工知能（AI）は依然として、生産性向上とイノベーションを支える中核技術であり続けている。製造業においては、この潮流を捉え、インテリジェンス駆動型の技術を業務に取り入れた企業こそが、市場をリードする存在となる。射出成形業界を例に取ると、成形試作は長年にわたり、多くの変動要因を含む時間とコストのかかる工程であった。

こうした課題を克服するため、Moldiverse の一部である iMolding Hub は、新機能 iMolding Advisor を導入し、より科学的かつ効率的な試作プロセスの構築を支援する。本機能はインテリジェンスを基盤とし、シミュレーションデータに基づいて推奨試作条件を自動生成するだけでなく、各試作の実結果を反映して、成形条件および品質予測ロジックを自律的に調整する。

図1　iMolding Hub は成形シミュレーション結果と実機挙動のギャップを埋める。新機能 iMolding Advisor を搭載。

CAE 結果に基づく成形条件の自動生成

iMolding Hub は複数のデータソースを統合し、実行可能な初期試作条件を自動的に導出する。その成形条件構築ロジックは、主に以下のデータに基づいている。

• Moldex3D 成形解析結果
• Molding Window Advisor（MWA）解析結果
• ユーザー定義の成形機および金型条件（例：成形機能力、キャビティ構造）
• 材料物性データベース（例：粘度モデル、PVT 曲線、せん断感度）

これらのデータを基に、射出速度、保圧圧力、保圧時間、金型温度、樹脂温度などの推奨成形条件が自動生成される。これらの値を成形機に入力することで、即座に試作を開始することが可能となり、段取り時間の短縮と試行錯誤回数の大幅な削減を実現する。

フィードバック機構による品質予測精度の向上

試作後、ユーザーは iMolding Hub 上で、成形機の応答データ、実際の成形結果、ならびにショートショット、反り、エアトラップ、バリといった不良情報を記録できる。システムはこれらの実測データと過去の予測結果とのギャップを分析し、iMolding Hub 内の品質予測モデルを自動的に補正するとともに、次回以降の成形条件推奨に反映する。

フィードバックデータが蓄積されるたびに、品質予測ロジックは自己学習と精緻化を繰り返し、推奨条件は実際の成形現象により近づいていく。さらに、不良種別と成形条件の相関関係に基づき、充填速度の増加、金型温度の低減、保圧時間の延長といった具体的かつ実行可能な改善提案を自動的に提示する。

図2　フィードバックデータを受け取ることで、iMolding Hub の品質予測ロジックは自己学習と高度化を行う。

MWA 連携による安定した試作条件の実現

Molding Window Advisor（MWA）と連携することで、iMolding Hub は MWA の解析結果を直接取り込み、適切な初期成形条件を提示することができる。これにより、リスクの高い条件領域を回避し、成功確率の高い成形条件に集中することが可能となり、より安定した量産条件の確立につながる。

図3　iMolding Hub は MWA と連携可能。

シミュレーションと現実をつなぐ iMolding Hub

iMolding Advisor により、iMolding Hub は試作プロセスを「経験依存型」から「データ駆動型」へと変革する。成形条件の自動生成からフィードバック機構まで、一貫した仕組みによって、射出成形プロセスの安定性、スピード、精度を飛躍的に向上させる。さらに iMolding Hub はクラウドベースのプラットフォームとして提供されており、ソフトウェアのインストールを必要とせず、Web ブラウザから直接アクセス可能である。スマートフォンやタブレットなどのデバイスを通じて、シミュレーション結果、推奨成形条件、過去の試作履歴をいつでも確認でき、シミュレーション知見と現場実行をシームレスに統合する。

iMolding Hub の詳細はこちら：https://imolding.moldex3d.cloud/#/mainPage