　ポリプロピレンは、劣化が進むにつれて近赤外光の吸収特性が変化するため、近赤外スペクトルの形状変化から劣化を予測できる。近赤外スペクトルの各波長での吸光度に回帰係数を掛けて足すことで、破断伸びが分かるが、今回、スペクトルの膨大なデータから個々の回帰係数を算出するのではなく、機械学習で効率的に回帰係数を導き出した。

　機械学習で得た回帰係数を用いて算出したデータと、実際の破断伸びを比較したところ、ほぼ一致していた。さらに、回帰係数を詳しく調べた結果、ポリプロピレンの固体構造の変化と、近赤外光の吸収の変化には直接的な相関関係があることが分かった。

左：データ解析の概要、右：ポリプロピレンの劣化推定の結果（クリックで拡大）出典：産総研

　開発した技術は、試料を破壊せずに、ポリプロピレンの劣化をその場で高精度に予測できるため、複数回の品質検査に伴う多くの作業を抱える製造現場の負担やコストを削減することが期待される。

　また、同技術は、プラスチック部品メーカーでの異常品検出や、劣化があまり進行していないプラスチック部品をリサイクルするための素材選別といった用途にも活用できる。

　なお、同技術は、ポリプロピレンと同様の結晶構造を持つ他種のプラスチックの劣化診断に適用できる可能性がある。さらに、診断したい試料の近赤外スペクトルや破断伸びなどの学習用データを改めて測定することで、多量の添加剤を含んだポリプロピレンや性状の異なるプラスチックの劣化診断も可能となる。

　今後、産総研では、今回の劣化診断技術を含む複数の診断技術を統合し、企業からの診断依頼に対応する。また、同技術を自動車部品や建設資材の品質管理、プラスチック部品のリサイクルなどに適用すべく、積極的に企業に働きかけていく。

「FAニュース」バックナンバー

第4次産業革命で変わる検査と品質向上の取り組み
製造業の産業構造を大きく変えるといわれている「第4次産業革命」。本連載では、第4次産業革命で起きていることや、必要となることについて、話題になったトピックなどに応じて解説していきます。第21回となる今回は、IoTやAIを活用することで品質向上への取り組みがどのように変化するのかという点を紹介します。
品質不正問題にどう立ち向かうのか、抜本的解決のカギはIoTと検査自動化
2017年の製造業を取り巻く動きの中で、最もネガティブな影響を与えたのが「品質不正」の問題だろう。「日本のモノづくり」のブランド力を著しく傷つけたとされるが、2018年はこの問題にどう対応するのかという点は、全ての製造業の命題である。人手不足が加速する中、解決につながる「仕組み」や「ツール」に注目が集まる1年となる。
IoT時代にどう立ち向かうか、自動検査の位置付けを変えたマインドセット
「検査装置は不具合を見つける装置ではなく、不具合を出さないためのものだ」――。基板実装ラインなどで使われる外観検査装置で好調を続けるサキコーポーレーションだが、成功の土台には「マインドセット」の取り方にあったという。サキコーポレーション社長の秋山咲恵氏の講演の内容をお届けする。
故障予知は前提、“真の予兆保全”を実現するために必要になるもの
2017年はIoTやAI技術の進展により、大型機械や設備の故障予知や予兆保全への取り組みが加速した1年となった。2018年は故障予知などを前提とした、センシングやデータ管理などが進み、予兆保全に関する各種製品開発やソリューションが数多く登場する見込みだ。
製造業のサービス化、予兆保全は単なる「はじめの一歩」
製造業の産業構造を大きく変えるといわれている「第4次産業革命」。しかし、そこで語られることは抽象的で、いまいちピンと来ません。本連載では、そうした疑問を解消するため、第4次産業革命で起きていることや、必要となることについて分かりやすくお伝えするつもりです。第7回は、前回に引き続き「製造業のサービス化」についてご紹介します。
全員参加の生産保全、TPMとは何か？
本連載「いまさら聞けないTPM」では、TPMとは何か、そして実際に成果を得るためにどういうことに取り組めばいいかという点を解説していく。第1回となる今回は、まず「TPMとは何か」について紹介する。