![[object Object]](https://res.cloudinary.com/polymerize/image/upload/v1662364944/blog/authors/doodp_ngmov8.jpg){kind=small}
![[object Object]](https://res.cloudinary.com/dmabxo9ye/image/upload/v1762276093/2409_Case_Study_3d_Printer_Case-study_n26ffn.jpg)
3Dプリンタ材料開発×MI —— 機械特性最適化を55%高速化
3Dプリンティング（積層造形）領域においても、材料配合・条件最適化の複雑性は年々高まっています。
本ケースでは、Additive Manufacturing企業が PolymerizeのMaterials Informatics/AI基盤 を導入し、 データ統合〜予測モデリング〜DoE（実験計画）を組み合わせることで、従来の手作業/試行錯誤中心の開発を大幅に効率化。プロジェクト完了までの期間を55%短縮 しました。
企業概要
- 従業員：100名規模
- 業種：Additive Manufacturing（積層造形 / 3D Printing）
- 地域：インド
背景と課題
FDM（Fused Deposition Modeling）方式では、ノズル温度、フィードレート、ラスタ角度、インフィル密度など
多数のパラメータが相互に影響し、最適条件探索が極めて困難でした。
加えて、複数ポリマー（PLA / ABS）の条件組み合わせ試験を行っても、「どの条件がどの物性に寄与したのか」が明確に分からず、開発に必要以上の時間がかかっていました。
アプローチ：MI + MLで探索空間を圧縮
- 既存実験データのクリーンアップ不要で ingestion
- DOE＋機械学習の反復学習ループで探索効率化
- Elastic modulus / Fracture strain 等の主要物性の影響要因をExplainable AIで可視化
初回データ（28点）→ MI/AIモデル → 次回実験候補20条件導出
→ 2nd iterationで精度向上／誤差低減／条件空間収束
成果
- プロジェクト完了期間を55%短縮
- 少量データ（25点）でも95%以上の予測精度
- データドリブン意思決定で試行錯誤の削減
- 新規材料の探索・検証速度が加速
Polymerizeは、3Dプリント、エラストマー、塗料、ポリマー全般など多様な材料領域で、R&D効率化と持続可能な開発を支援します。
![[object Object]](https://res.cloudinary.com/polymerize/image/upload/v1746194252/case-studies/optimizing-paint-cohesion-and-enhancing-anti-rust-characteristics-of-coatings-with-polymerizes-data-driven-solutions_va05dl.svg)
![[object Object]](https://res.cloudinary.com/polymerize/image/upload/v1746194252/case-studies/accelerating-polyolefin-and-elastomer-formulation-optimization-leveraging-polymerize-for-multi-objective-mechanical-property-enhancement_r978i8.svg)
![[object Object]](https://res.cloudinary.com/polymerize/image/upload/v1746194258/case-studies/3x-faster-formulation-development-using-material-informatics_lxduhm.svg)
