精密板金における次世代「自動展開補正」：AI予測による曲げ展開の最適化
精密板金加工において、設計上の寸法と実加工後の寸法に乖離が生じる最大の要因は「中立軸の移動」と「材料の塑性変形挙動」にある。従来の計算式（折曲げ控除：B.D.）はあくまで幾何学的な近似であり、材料のロット差、圧延方向、ベンディングマシンの特性を完全には吸収できない。本稿では、AI・機械学習を用いた次世代の展開補正ロジックを技術的視点から解説する。
1. 基礎理論：Kファクターと中立軸の力学
曲げ加工における展開長（$L$）は、以下の式で定義される。
$L = A + B – \text{折曲げ控除値（B.D.）}$
ここで、中立軸（材料が伸びも縮みもしない層）の位置を決定する係数がKファクターである。
Kファクターの定義
$K = \frac{t_i}{T}$
- $t_i$: 内側表面から中立軸までの距離
- $T$: 板厚
冶金学的メカニズム：
材料が塑性変形する際、内側は圧縮、外側は引張応力を受ける。この際、材料の降伏応力（$\sigma_y$）とヤング率（$E$）の比率により中立軸は内側へ移動する。
- 硬質材料（SUS301-CSP等）： 中立軸は内側に大きく寄る（$K$値が小さい）。
- 軟質材料（A1050等）： 中立軸は中心に近づく（$K$値が$0.5$に近づく）。
2. 現場における「展開補正」の限界とAIの役割
従来の経験則やCAM内蔵の固定テーブルでは、以下の「非線形因子」を補正しきれない。
| 因子 | 影響の内容 |
|---|---|
| 材料のミルシート偏差 | 同一規格内での引張強さ（TS）のバラつきが曲げ戻り（スプリングバック）に直結する。 |
| 圧延方向（Direction） | 圧延方向と曲げ線の角度（0°, 45°, 90°）により、伸び率が最大2~3%変動する。 |
| 金型摩耗・R変化 | ダイの摩耗による肩R（V溝肩R）の拡大は、曲げ深さに影響し、実効的な曲げ代を変化させる。 |
| 機械剛性 | プレスブレーキの荷重たわみ量（クラウニング）が、材料にかかる圧力を局所的に変える。 |
AI予測による自動展開補正のアルゴリズム
AIを用いたアプローチでは、過去の加工実績（実測値 $L_{actual}$ と理論値 $L_{theory}$ の差分）を学習データとして回帰モデルを構築する。
学習用特徴量（Input Features）:
1. 材料特性： 板厚($T$)、引張強さ(TS)、伸び($EL$)、圧延方向。
2. 加工条件： V幅($V$)、金型R($r$)、曲げ角度($\theta$)、プレス速度。
3. 環境因子： 加工温度、機械ID（個体差補正）。
目的関数：
$\text{Error} = f(\text{Material, Geometry, Machine}) \rightarrow \text{Predicted B.D.}$
3. 実務データに基づく補正値の評価基準
精密板金では、JIS B 0405（金属プレス加工品）の公差等級を基準とするが、高精度部品ではさらに厳しい社内基準が要求される。
曲げ角度・伸び代の評価方法
実測と予測の乖離を最小化するための検証手順は以下の通りである。
1. 試験曲げの標準化： 特定の材料・板厚に対し、V幅を変えたサンプルを各5個ずつ作成し、実測平均値を算出。
2. スプリングバック係数の算定：
$\Delta\theta = \theta_{target} – \theta_{springback}$
これを機械学習の重み付け係数として追加。
3. データフィードバックの自動化：
測定器（三次元測定機や画像測定機）から得られた実測データを、AIエンジンにリアルタイムでCSV/JSON形式でフィードバックする。
4. 鋼材商社・調達担当が知るべき「材料選定の最適化」
AIによる自動展開補正を最大限に活かすには、材料の均質性が不可欠である。商社として提供すべき「加工に強い材料」の選定基準は以下の通り。
- 異方性（$\Delta r$値）の管理：
深絞り用鋼板（SPCE等）では、$r$値（ランクフォード値）を管理することで、方向による展開誤差をAIが予測しやすくなる。
- 表面粗さ（$Ra$）と曲げ：
板厚が薄い場合、表面粗さが曲げ時の摩擦係数に影響し、展開長に誤差を生む。精密加工用には、圧延精度の高い冷延鋼板を推奨する。
5. 技術的トラブルシューティング：展開計算が合わない時のチェックリスト
AI予測を導入しても誤差が出る場合、以下の「物理的ボトルネック」を疑う必要がある。
1. 金型のV溝肩Rの経年変化：
- 対策：金型管理シートによる定期的な肩R測定と、AIモデルへの「摩耗パラメータ」の入力。
2. 板厚公差の累積：
- 対策：JIS公差内の最大値・最小値で展開を分ける「板厚別テーブル」の自動切り替え設定。
3. 曲げ圧力不足による「底付き」の未達：
- 対策：エアベンドからボトミングへの切り替え時に、AIの補正係数を非線形関数に置換する。
推奨される材料特性データ（参考値）
| 材料種別 | 代表的なKファクター | スプリングバック傾向 |
|---|---|---|
| SPCC (冷延鋼板) | 0.35 – 0.40 | 中 |
| SUS304 (オーステナイト系) | 0.40 – 0.45 | 大 |
| A5052 (アルミ合金) | 0.30 – 0.35 | 小 |
| C2801 (真鍮) | 0.35 – 0.40 | 中 |
※上記数値は金型R/板厚比（$r/T$）が1.0〜1.5の場合の標準的な目安である。
AIを用いた自動展開補正は、単なる「計算の自動化」ではなく、「材料の個性をデータとして可視化し、機械の癖を補正する」というプロセスそのものである。これにより、初回試作からの歩留まり向上と、熟練工の勘に頼らない標準化された精密板金生産が可能となる。