Self-Evolving Digital Twin for Zero-Defect Manufacturing Using Physics-Informed Reinforcement Learning and Multi-Agent Artificial Intelligence: A Case Study on Five-Axis Milling of Ti-6Al-4V.

機械が単に命令に従うだけでなく、自らが行っていることについて「考え」、すべての切削工程から学び、時間をかけて改善していく世界を想像してみてください。これは、ミスを一つも出さずに完璧な部品を作り上げ、莫大な金額と時間を節約することを目的とした、極めて重要なゲームである「ゼロ欠陥製造（Zero-Defect Manufacturing）」の領域です。このゲームをプレイするために、エンジニアは「デジタルツイン」を使用します。これは、コンピュータの中に存在する、実機の仮想的な幽霊（ゴースト）です。この幽烈は、実機の動き、熱、摩耗を模倣し、オペレーターが問題が発生する前に予測することを可能にします。しかし、従来のデジタルツインは古い教科書のようなものです。一度書かれたら更新されることはありません。もし実機が少し錆びたり、金属が予想よりも熱くなったりすると、古い教科書は役に立たなくなり、予測は失敗します。これを解決するために、科学者たちは今、「強化学習」（ビデオゲームのキャラクターがレベルを上げるように、試行錯誤を通じて学ぶAIの一種）と「物理情報に基づく機械学習（Physics-Informed Machine Learning）」（AIに自然界の実際の法則を教え、不可能な推測をさせない手法）を用いて、リアルタイムで自ら学習し更新される「自己進化型」のツインを構築しようとしています。

本論文は、非常に特殊で困難な問題、すなわち、5軸ミーリングマシンを用いた航空宇宙用の強靭な金属「Ti-6Al-4V」（チタン合金）の切削を解決するために設計された、「SE-PMAT」と呼ばれる新しい超スマートなシステムを紹介するものです。この金属は強靭であることで有名ですが、切削においては悪夢のような存在です。猛烈に熱を持ち、工具を急速に摩耗させ、高価な航空機部品を台無しにするような微細な亀裂や表面の粗さを容易に発生させてしまうからです。著者らは、機械を制御するために協力して働く、3人の専門家コーチのチームのように機能する自己進化型デジタルツインを構築しました。一人のコーチは「品質」（表面を滑らかにすること）のみを重視し、もう一人は「エネルギー」（電力を節約すること）を、そしてもう一人は「生産性」（素早く仕上げること）を重視します。彼らは対立するのではなく、「ナッシュ交渉（Nash Bargaining）」と呼ばれる特別な交渉ルールを用いて、全員が勝利できる完璧な妥協点を見出します。

このシステムは、振動、熱、力を感知するセンサーを通じて、常に機械を監視することで機能します。それは切削と熱の法則を理解するために「物理情報に基づいた」脳を使用しますが、同時に、工具が鈍くなったり金属の挙動が変わったりしても自身の内部数式を更新する「自己進化型」のレイヤーも備えています。動作を行う前に、システムは迅速なシミュレーションを実行し、次の数秒間に欠陥（傷や亀裂など）が発生するかどうかを予測します。もし問題が近づいていると判断した場合、欠陥が発生する前にそれを阻止するため、即座に機械の速度、送り速度、または角度を変更します。

500個の部品生産を行う大規模なコンピュータ・シミュレーションにおいて、この新しいシステムは他の5つの一般的な手法を上回る性能を示しました。従来の最良の手法と比較して、表面粗さの分散（滑らかさがどれだけ変動するか）を41.3%減少させました。工具摩耗率を24.4%削減し、これにより切削工具がより長持ちすることを示しました。比切削エネルギー（金属を一定量除去するために使用されるエネルギー）を19.6%低下させ、プロセスをより効率的にしました。最も印象的なことに、欠陥流出率（検査を通り抜けてしまう不良品の割合）を、従来の最良の基準値である4.2%から、わずか0.7%へと激減させました。著者らは、これらの結果は公開された実験データを用いた詳細な数値シミュレーションによるものであり、まだ実際の工場の現場での物理的なテストによるものではないと述べていますが、数学的には、この「自己進化型」のAIコーチのチームがハイテク部品の製造方法に革命を起こす可能性があることを示唆しています。