1. 序論
体積積層造形（VAM）は、従来の層ごとの技術からのパラダイムシフトを表し、物体全体の迅速かつ同時の3D造形を可能にします。しかし、ラピッドプロトタイピングの工程は、プリント後の検査と計測によってボトルネックが生じています。X線CTや光学スキャンなどの現在の手法は、その場（in-situ）でなく、時間がかかり、プリント工程に統合できません。本研究は、トモグラフィックVAMのための完全に同時進行の3D計測・プリントシステムを導入することで、この重要なギャップに対処します。
中核となる革新は、フォトレジンがゲル化段階で起こす光散乱の劇的な増加を利用することです。この物理的変化を活用して、形成中のプリント物をリアルタイムでアーティファクトのない3Dイメージングし、プリントサイズの1%未満の幾何学的精度を達成します。この統合は、AMにおける閉ループ制御への道を開きます。
2. 方法論と技術詳細
2.1. トモグラフィックVAMの原理
トモグラフィックVAMでは、3Dデジタルモデルが、トモグラフィック再構成の原理（逆CTスキャンに類似）を介して、一連の2D光パターン（投影）に分解されます。これらのパターンは、光硬化性樹脂を含む回転バイアルを通して、複数の角度から投影されます。累積光量がゲル化閾値を超える場所で樹脂が固化し、層線やサポートの必要性を排除して、目的の物体が一度に形成されます。
2.2. その場計測のための光散乱
その場計測の鍵は、樹脂の光学特性の変化です。液体樹脂はほぼ透明ですが、ゲル化すると、屈折率の不均一性を持つポリマーネットワークの形成により、高度に散乱性になります。造形体積を照明し、カメラを使用して複数の角度からの散乱光を捕捉することで、散乱密度の3Dマップ（これは固化した形状に直接対応します）をリアルタイムで再構成できます。
2.3. 数学的枠組み
捕捉された2D投影 $P_\theta(\mathbf{x}, t)$ から3D散乱密度 $\rho(\mathbf{r}, t)$ を再構成するのは、コンピュータ断層撮影の原理に従います。所定の投影角度 $\theta$ に対して、関係はラドン変換によってモデル化されます：
$P_\theta(\mathbf{x}, t) = \mathcal{R}[\rho(\mathbf{r}, t)] = \int_{L(\mathbf{x}, \theta)} \rho(\mathbf{r}, t) \, ds$
ここで、$L(\mathbf{x}, \theta)$ は検出器位置 $\mathbf{x}$ と角度 $\theta$ における造形体積を通る線、$ds$ は線要素です。3Dモデルは、フィルタ補正逆投影法や反復アルゴリズムを使用して復元されます：
$\hat{\rho}(\mathbf{r}, t) = \mathcal{B}\{ \mathcal{F}^{-1}[ |\omega| \cdot \mathcal{F}(P_\theta(\mathbf{x}, t)) ] \}$
ここで、$\mathcal{F}$ はフーリエ変換、$\mathcal{B}$ は逆投影演算子を表します。時間成分 $t$ により、4D（3D+時間）モニタリングが可能になります。
3. 実験結果と分析
3.1. セットアップと校正
実験セットアップは、標準的なトモグラフィックVAMシステム（プロジェクター、回転バイアル）に追加のイメージングシステムを統合しました。拡散光源がバイアルを照明し、1台以上のカメラが散乱光を捕捉しました。システムは、既知の形状のファントムを使用して校正され、散乱強度と硬化体積の関係を確立しました。
3.2. 精度と性能指標
主な結果は、最終プリント部品および元のCADモデルと比較して、その場計測された形状に対して1%未満の寸法精度が実証されたことです。ベンチマークプリント（例：複雑な格子構造や機械部品）において、その場再構成とその場外（ex-situ）マイクロCTスキャンとの間の二乗平均平方根誤差（RMSE）は、物体の代表寸法の1%未満（例：5 mm部品で約50 µm誤差）と報告されました。
主要性能指標
寸法精度： 物体サイズの < 1%
計測遅延： ほぼリアルタイム（プリント速度と連動）
データタイプ： 定量的3D + 時間（4D）体積データ
3.3. 欠陥検出能力
本システムは、プリント欠陥が発生した際にそれを正常に識別しました。例えば、意図しない空隙、光減衰による形状歪み、オーバーハング領域での不完全硬化などの偏差が、再構成された散乱密度マップで可視化されました。これは、意図的に誤差（例：校正ミスによる投与量）を導入し、計測システムの出力が目標形状からの不一致を強調することを示すことで実証されました。
チャート説明： 3D再構成画像の時系列は、物体の成長を示します。比較チャートは、目標CADモデルの線プロファイルと、その場計測プロファイル、およびその場外CTスキャンプロファイルをプロットし、3つすべてが密接に一致し、その場データがプロセス動態を捉えていることを示します。
4. 分析フレームワークとケーススタディ
その場プロセス・特性相関関係のフレームワーク： この技術は、新しい分析フレームワークを可能にします：プロセスパラメータ（角度ごとの光量、回転速度）とリアルタイムの幾何学的結果を直接相関させます。実用的なケーススタディには、既知の困難な特徴（例：細いピン、薄肉壁）を持つ部品のプリントが含まれます。
- 入力： 目標CADモデルと計画されたトモグラフィック投影セット。
- プロセスモニタリング： その場システムが実際の散乱体積 $V_{actual}(t)$ を再構成します。
- 比較： ソフトウェア内で、$V_{actual}(t)$ は、既知のゲル化閾値と適用投与量から導出される期待される「理想的な」散乱体積 $V_{ideal}(t)$ と継続的に比較されます。
- 偏差マッピング： 差分マップ $\Delta V(t) = V_{actual}(t) - V_{ideal}(t)$ が生成されます。正の値は過硬化/膨潤を示し、負の値は硬化不足/空隙を示します。
- 根本原因分析： $\Delta V$ の空間パターンは、特定の投影角度や投与量レベルに遡って追跡でき、欠陥の正確な原因を特定します。これは、最終的な欠陥をプロセスの特定の瞬間に関連付けることが不可能な事後分析よりも優れています。
このフレームワークは、品質管理を受動的な生産後検査から、製造ループに統合された能動的な診断ツールへと移行させます。
5. 核心的洞察と批判的分析
核心的洞察： Orthらは、単により良い計測ツールを構築しただけでなく、積層造形のフィードバックループを根本的に再構築しました。光重合プロセス自体に内在する潜在信号（散乱変化）を利用することで、真の同時計測と造形を達成しました。これにより、VAMは高速だが盲目的なプロセスから透明なプロセスへと変わり、ラピッドプロトタイピングの最も明白な弱点（プリントとその成否を知る間の苦痛な遅延）に対処します。
論理的流れ： その論理は優雅で、物理学を第一としています。問題：AMにはその場形状計測が必要。制約：槽内にスキャナーを設置できない。彼らの解決策：スキャナーを追加しない。プリントプロセス自体をスキャナーにする。ゲル化誘起散乱はバグではなく、機能です。これは、別の診断モジュールを追加するのではなく、ニューラルネットワークの学習動態を内省に利用するなど、他の分野の哲学と類似しています。物理的観察（散乱増加）から数学的モデル（散乱密度のトモグラフィック再構成）を経てシステム統合に至る技術的流れは、完璧です。
長所と欠点： 長所は、シームレスな統合と高い精度です。既存の光路を活用し、追加ハードウェアを最小限に抑えます。その場手法としては、1%未満の精度は顕著です。しかし、欠点は重要であり、先駆的研究に典型的です。第一に、特定の材料現象に依存しています。すべてのフォトレジンで機能するでしょうか？高充填、不透明、または事前散乱性の樹脂では、十分なコントラスト変化を示さない可能性があります。第二に、表面トポロジーではなく、散乱密度を介して「硬化体積」を計測します。微妙な表面仕上げの問題や、ポリマーと液体樹脂間の屈折率整合は見えない可能性があります。これは表面ではなく、体積検査ツールです。第三に、著者らがほのめかすように、リアルタイムデータは現在観察用であり、閉ループ制御にはまだ至っていません。時間*t*で欠陥を検出し、プリントが*t+Δt*で終了する前に補正投与量を計算して適用するステップは、制御理論とハードウェアの大きな課題です。
実践的洞察： 研究者にとって、当面の道筋は材料の一般化です：樹脂化学種にわたる散乱コントラストを定量化すること。産業界にとっての優先事項は、閉ループ制御を待つことではありません。近い将来の真の価値は、プロセス開発と適格性評価にあります。このシステムは、すべてのテストプリントに対して即時的で体積的なフィードバックを提供することで、新しい樹脂や形状のプリントパラメータを最適化する時間を数週間から数日に短縮できます。製造業者は、これを最終的な品質管理ステーションではなく、プリントプロセスの究極の「デジタルツイン」、つまりレシピを完璧にし、生産で実行する際に最初から正しくするためのツールと見なすべきです。マイクロCTスキャンの長いプロセス[15]への言及は、従来の計測技術に対する直接的な挑戦です。この技術は、開発サイクルにおいてそのボトルネックを時代遅れにすることを目指しています。
6. 将来の応用と方向性
- 閉ループ適応型プリント： 最終目標はリアルタイム補正です。プリント中に偏差が検出された場合、システムは後続の光パターンを調整して補償できます（例：硬化不足領域に投与量を追加する、または過硬化を防ぐために投与量を減らす）。
- 多材料・機能性プリントモニタリング： 原理を拡張して、プリント中の異なる材料（例：波長依存散乱を介して）や機能性充填材（例：カーボンナノチューブ）の分布をモニタリングします。
- 機械学習との統合： 生成された4D（3D+時間）データセットは、プリント失敗を予測し、VAM向けのサポートフリーデザインを最適化し、欠陥タイプを自動分類するためのMLモデルをトレーニングするのに最適です。
- 標準化と認証： 規制産業（航空宇宙、医療）では、すべての部品の実際に構築された内部形状の改ざん不可能なデジタル記録を提供でき、認証に不可欠です。
- VAMを超えて： 中核となるアイデア（固有のプロセス信号を計測に利用する）は、粉末床溶融結合における熱放射のモニタリングや材料押出における音響特性など、他のAMモダリティにおける類似のアプローチに影響を与える可能性があります。
7. 参考文献
- Kelly, B. E., et al. "Volumetric additive manufacturing via tomographic reconstruction." Science 363.6431 (2019): 1075-1079.
- Loterie, D., et al. "High-resolution tomographic volumetric additive manufacturing." Nature Communications 11.1 (2020): 852.
- Shusteff, M., et al. "One-step volumetric additive manufacturing of complex polymer structures." Science Advances 3.12 (2017): eaao5496.
- Webber, D., & Paquet, C. "Advances in Volumetric 3D Printing." National Research Council Canada Technical Reports (2022).
- Gibson, I., et al. Additive Manufacturing Technologies: 3D Printing, Rapid Prototyping, and Direct Digital Manufacturing. 3rd ed., Springer, 2021. (従来のAM計測課題に関する背景として).
- ISO/ASTM 52902:2023. "Additive manufacturing — Test artifacts — Geometric capability assessment of additive manufacturing systems." (精度評価に関連する規格).
- Zhu, J., et al. "Real-time monitoring and control in additive manufacturing: a review." Journal of Manufacturing Systems 68 (2023): 276-301. (その場モニタリングに関する広範な背景として).
- Wang, C., et al. "Deep learning for real-time 3D reconstruction in additive manufacturing: A review." Virtual and Physical Prototyping 18.1 (2023): e2167456. (MLへのリンクに関する将来の方向性).