液滴堆積・粉末結合・大型堆積・新興技術と、プロセス選定の考え方
この章を完了すると、以下を説明できるようになります：
第1章では材料押出（MEX）、第2章・第3章では液槽光重合（VPP）と粉末床溶融結合（PBF）を扱いました。本章は、残る主要プロセスである材料噴射法・結合剤噴射法・指向性エネルギー堆積・シート積層法を横断的に整理し、最後に「どの方式をいつ選ぶか」という選定の考え方まで踏み込みます。個々の装置操作よりも、プロセス間の比較軸を身につけることを目標とします。
材料噴射法（Material Jetting, MJ）は、インクジェットプリンタと同じ原理で液状材料を微小な液滴として噴射し、その場で紫外線（UV）硬化させて積層する方式です。Stratasys社の商標名からPolyJetとも呼ばれます。プリントヘッドには数百〜数千のノズルが並び、各層で必要な位置に光硬化性樹脂（フォトポリマー）の液滴を打ち込み、直後のUVランプで即座に固化させます。
MJは面全体をノズルアレイで一度に扱えるため、点走査のSLAより高速でありながら、液滴サイズが小さいため高精細です。一方で、使える材料が光硬化性樹脂に限られ、機械的性質（強度・耐熱性）は中程度にとどまる点が本質的な制約です。
液滴が「きれいに1粒だけ」形成されるかどうかは、粘性・表面張力・慣性のバランスで決まります。これを表すのが以下の無次元数です。用語を初出で定義します。
経験的に、安定した液滴形成の窓はおおむね 1 < Z < 10（文献により上限14程度まで）とされます。Zが小さすぎる（粘りすぎる）と液滴が切れず、大きすぎると尾を引いてサテライト液滴（衛星液滴）が生じます。加えて、射出には十分なWeが必要です。
1 < Z < 10 という窓は多くの実験から得られた経験則であり、樹脂の非ニュートン性（せん断依存の粘度変化）、波形駆動、ノズル形状によって実際の窓は前後します。設計初期のスクリーニングには有効ですが、最終判断は実機での射出観察（ドロップウォッチャー）に委ねるのが誠実な進め方です。
MJの最大の強みは、複数のノズル群に異なる材料を割り当て、1回の造形の中で材料や色を自在に切り替えられる点です。硬い樹脂と柔らかい樹脂を勾配的に混ぜてゴム状〜硬質までの中間硬度を作る「デジタルマテリアル」や、CMYK＋白＋透明の樹脂を組み合わせた1,000万色以上のフルカラー造形が可能です。医療の解剖モデルでは、骨（硬）と軟組織（柔）と血管（透明）を1体の中に作り分けられ、術前計画に活用されています。
MJでは造形材とは別のサポート材（多くはゲル状またはワックス状）を同時に噴射し、オーバーハングや中空を支えます。除去方法は主に2通りです。
サポート材のコストと除去の手間は、MJの実効コストと歩留まりに直結します。造形自体は高精度でも、後処理まで含めた総コストで評価することが重要です。
結合剤噴射法（Binder Jetting, BJ）は、薄く敷いた粉末床に液状の結合剤（バインダー）をインクジェットで噴射し、粉末粒子どうしを糊付けして各層を形成する方式です。レーザーや熱源で溶かさないため、造形自体は室温で高速に進みます。造形直後の成形体をグリーンパート（緑体、未焼結の脆い状態）と呼びます。
グリーンパートはそのままでは強度が不足するため、後工程で緻密化します。金属・セラミックスでは主に次の経路をとります。
焼結では相対密度（理論密度に対する割合）が上がるぶん、体積が減り、部品が縮みます。等方収縮を仮定すると、線収縮は密度比の立方根で表せます。
ここで ρ_green はグリーン相対密度、ρ_sinter は焼結後相対密度です。目標寸法を得るには、この収縮を見越してグリーンパートを大きめに設計します。倍率は (ρ_sinter / ρ_green)^(1/3) です。金属BJで線収縮が15〜20%に達することも珍しくなく、これを補正しないと部品が使い物になりません。この計算は後半のコード例2で実行します。
指向性エネルギー堆積（Directed Energy Deposition, DED）は、金属の粉末またはワイヤーを供給しながら、レーザー・電子ビーム・アークで溶かして基板上に肉盛りしていく方式です。ノズルとエネルギー源が一体で動くため、多軸ロボットアームに載せれば造形範囲の制約が小さく、大型部品にも対応できます。LENS（Laser Engineered Net Shaping）はレーザー粉末方式の代表的商標です。
DEDは「ゼロから精密な形を作る」より、「大きく速く盛る」「壊れたものを直す」用途で真価を発揮します。仕上げには機械加工が前提となるため、次節のハイブリッド製造と密接に結びつきます。
シート積層法（Sheet Lamination, SL）は、紙・金属箔・プラスチックフィルムなどのシート材を積み重ね、接着または溶接し、各層の輪郭を切断する方式です。代表技術は次の2つです。
ハイブリッド製造は、付加加工（AM）と除去加工（切削）を1台の機械の中で交互に行うアプローチです。DEDで素形材を盛り、まだアクセスできるうちにフライス加工で表面を仕上げ、また盛る——という工程を繰り返すことで、AMの形状自由度とCNCの表面精度・寸法精度を両立します。既存部品への肉盛り補修＋仕上げを一貫して行える点も、産業での採用が進む理由です。
ここまでの各方式に「万能なもの」はありません。選定は用途要求に対するトレードオフの評価です。主要な比較軸を整理します。
| プロセス | 精度・表面 | 速度 | 主な材料 | 強度 | 得意な用途 |
|---|---|---|---|---|---|
| 材料噴射（MJ） | 非常に高い | 中 | 光硬化樹脂（多材料・フルカラー） | 低〜中 | 意匠モデル、医療解剖モデル |
| 結合剤噴射（BJ） | 中 | 高い | 金属・セラミックス・砂・石膏 | 中（焼結後） | 砂型、金属量産、フルカラー像 |
| DED／LENS | 低い（要後加工） | 非常に高い（肉盛り） | 金属（粉末・ワイヤー） | 高い | 補修、大型部品、傾斜材 |
| シート積層（LOM／UAM） | 中 | 高い | 紙・金属箔 | 低〜中 | 視覚モデル、センサー埋込 |
選定でよくある誤りは、単一指標（例: 精度）だけで方式を決めてしまうことです。砂型を1個作るのにMJの超高精度は不要ですし、補修にBJは使えません。要求を満たす最小十分な方式を、総コスト（材料＋後処理＋歩留まり）で選ぶのが実務の原則です。コード例3では、この考え方を重み付きスコアリングとして定量化します。
バイオプリンティング（Bioprinting）は、生細胞を含む「バイオインク」（細胞＋ハイドロゲル担体）を吐出し、組織や臓器モデルを構築する研究分野です。細胞の生存率を保つため、噴射時のせん断応力を抑える低圧・低粘度条件が求められ、本章で扱った液滴物理の知見がそのまま関わります。現状は創薬スクリーニング用の組織チップや、皮膚・軟骨の小片が中心で、移植可能な臓器はまだ研究段階です。過度な期待を避け、成熟度を正直に見極める姿勢が大切です。
4Dプリンティング（4D Printing）は、造形後に温度・湿度・光などの刺激で形状が変化するように設計する技術です。「4次元目」は時間、すなわち時間とともに形が変わることを指します。形状記憶ポリマーや、吸湿で膨潤する材料を方向性をもって配置し、平面から立体へ自己折り畳みするような構造を作ります。展開アンテナ、自己組立部品、ソフトロボットなどが応用候補ですが、こちらも実用化はごく限られた事例にとどまります。
本章の要点を、実行可能なPythonコードで確認します。以下の出力はすべて実際に python3 で実行した結果です（NumPyを使用）。
代表的な噴射流体について無次元数を計算し、印刷可能な窓（1 < Z < 10 かつ We > 4）に入るかを判定します。
import numpy as np
# Material Jetting droplet printability: Ohnesorge / Reynolds / Weber / Z number
# Z = 1/Oh ; printable window commonly cited as 1 < Z < 10 (some report up to 14)
# Oh = mu / sqrt(rho * sigma * D)
def dimensionless(rho, mu, sigma, D, v):
Oh = mu / np.sqrt(rho * sigma * D)
Z = 1.0 / Oh
Re = rho * v * D / mu
We = rho * v**2 * D / sigma
return Oh, Z, Re, We
# Representative jetting fluids (SI units)
# rho [kg/m3], mu [Pa.s], sigma [N/m], D nozzle [m], v drop [m/s]
fluids = [
("UV acrylate resin (PolyJet)", 1100, 0.012, 0.030, 30e-6, 8.0),
("Molten wax (support)", 900, 0.020, 0.025, 30e-6, 6.0),
("Water-thin binder (BJ)", 1000, 0.001, 0.072, 40e-6, 9.0),
("Nanoparticle metal ink", 1500, 0.015, 0.035, 20e-6, 7.0),
("Over-viscous resin (fail)", 1150, 0.080, 0.030, 30e-6, 8.0),
]
print(f"{'Fluid':32s}{'Oh':>8s}{'Z=1/Oh':>9s}{'Re':>8s}{'We':>8s} Printable(1<Z<10)")
print("-"*80)
for name, rho, mu, sigma, D, v in fluids:
Oh, Z, Re, We = dimensionless(rho, mu, sigma, D, v)
ok = "YES" if (1.0 < Z < 10.0 and We > 4.0) else "NO"
print(f"{name:32s}{Oh:8.3f}{Z:9.2f}{Re:8.1f}{We:8.1f} {ok}")
print()
print("Interpretation:")
print(" - Z < 1 : too viscous, droplet won't form cleanly")
print(" - Z > 10 : satellite droplets / instability")
print(" - We < 4 : insufficient energy to eject a droplet")実行結果：
Fluid Oh Z=1/Oh Re We Printable(1<Z<10)
--------------------------------------------------------------------------------
UV acrylate resin (PolyJet) 0.381 2.62 22.0 70.4 YES
Molten wax (support) 0.770 1.30 8.1 38.9 YES
Water-thin binder (BJ) 0.019 53.67 360.0 45.0 NO
Nanoparticle metal ink 0.463 2.16 14.0 42.0 YES
Over-viscous resin (fail) 2.487 0.40 3.5 73.6 NO
Interpretation:
- Z < 1 : too viscous, droplet won't form cleanly
- Z > 10 : satellite droplets / instability
- We < 4 : insufficient energy to eject a droplet粘度の高すぎる樹脂（Z=0.40）は液滴が切れず、逆に水のように低粘度の結合剤（Z=53.7）はサテライト液滴を生じやすいことが数値で確認できます。PolyJet樹脂やナノ粒子インクは窓の中に収まっています。
相対密度から線収縮率・体積収縮率を求め、目標寸法を得るためのグリーン設計倍率を計算します。
import numpy as np
# Binder Jetting: green part -> sintered part shrinkage from densification.
# Isotropic linear shrinkage from relative density change:
# L_sinter / L_green = (rho_green / rho_sinter)^(1/3)
# Linear shrinkage (%) = (1 - (rho_g/rho_s)^(1/3)) * 100
def linear_shrinkage(rho_green, rho_sinter):
ratio = (rho_green / rho_sinter) ** (1.0/3.0)
lin = (1.0 - ratio) * 100.0
vol = (1.0 - rho_green / rho_sinter) * 100.0
return lin, vol
# rho values are RELATIVE density (fraction of theoretical)
cases = [
("316L stainless (metal BJ)", 0.55, 0.98),
("Ti-6Al-4V (metal BJ)", 0.50, 0.96),
("Alumina ceramic", 0.45, 0.95),
("Bronze-infiltrated steel", 0.60, 0.90),
]
print(f"{'System':30s}{'rho_green':>10s}{'rho_sint':>9s}{'Lin.shr%':>10s}{'Vol.shr%':>10s}")
print("-"*70)
for name, rg, rs in cases:
lin, vol = linear_shrinkage(rg, rs)
print(f"{name:30s}{rg:10.2f}{rs:9.2f}{lin:10.2f}{vol:10.2f}")
# Compensation: to hit a 50.00 mm target after sintering, scale the green CAD.
target = 50.00 # mm final dimension
rg, rs = 0.55, 0.98
scale = (rs / rg) ** (1.0/3.0) # green must be LARGER by this factor
green_dim = target * scale
print()
print(f"Design compensation (316L, rho_g=0.55 -> rho_s=0.98):")
print(f" required green scale factor = {scale:.4f}")
print(f" to obtain {target:.2f} mm final, model green part at {green_dim:.3f} mm")実行結果：
System rho_green rho_sint Lin.shr% Vol.shr%
----------------------------------------------------------------------
316L stainless (metal BJ) 0.55 0.98 17.51 43.88
Ti-6Al-4V (metal BJ) 0.50 0.96 19.54 47.92
Alumina ceramic 0.45 0.95 22.05 52.63
Bronze-infiltrated steel 0.60 0.90 12.64 33.33
Design compensation (316L, rho_g=0.55 -> rho_s=0.98):
required green scale factor = 1.2123
to obtain 50.00 mm final, model green part at 60.617 mm316Lステンレスでは線収縮が約17.5%、体積収縮は約44%に達します。最終50.00 mmの寸法を得るには、グリーンパートを60.6 mmで設計する必要があり、収縮補正がいかに重要かがわかります。
6つの評価軸（精度・表面・速度・材料範囲・コスト効率・強度）に重みを与え、用途ごとに最適な方式を定量比較します。重みを変えると推奨が変わる（感度）ことも示します。
import numpy as np
# AM process selection by weighted scoring.
# Criteria scored 1-5 (5 = best for that criterion).
criteria = ["accuracy", "surface", "speed", "material_range", "cost_eff", "strength"]
weights = np.array([0.25, 0.15, 0.15, 0.15, 0.15, 0.15]) # sums to 1.0
# rows = processes, cols = criteria (expert-assigned 1-5)
processes = {
"Material Jetting (MJ)": [5, 5, 3, 2, 2, 2],
"Binder Jetting (BJ)": [3, 3, 5, 4, 4, 3],
"DED / LENS": [2, 1, 4, 4, 3, 5],
"Sheet Lamination (LOM)": [2, 2, 4, 2, 5, 2],
"PBF (SLM/SLS)": [4, 3, 2, 4, 2, 5],
"Material Extrusion (FDM)":[2, 2, 3, 3, 5, 3],
}
print(f"weights: {dict(zip(criteria, weights))}")
print()
print(f"{'Process':28s}{'Score':>7s} Ranked criteria contribution")
print("-"*70)
results = []
for name, sc in processes.items():
sc = np.array(sc, dtype=float)
total = float(np.dot(weights, sc))
results.append((name, total))
for name, total in sorted(results, key=lambda x: -x[1]):
bar = "#" * int(round(total*6))
print(f"{name:28s}{total:7.3f} {bar}")
best = max(results, key=lambda x: x[1])
print()
print(f"Recommended (accuracy-weighted use case): {best[0]} (score {best[1]:.3f})")
# Re-run with a "cheap large metal part" weighting to show sensitivity
w2 = np.array([0.05, 0.05, 0.25, 0.15, 0.30, 0.20])
print()
print("Re-weighted for 'low-cost large metal part' (cost & speed heavy):")
r2 = [(n, float(np.dot(w2, np.array(s, dtype=float)))) for n, s in processes.items()]
for name, total in sorted(r2, key=lambda x: -x[1])[:3]:
print(f" {name:28s}{total:7.3f}")実行結果：
weights: {'accuracy': np.float64(0.25), 'surface': np.float64(0.15), 'speed': np.float64(0.15), 'material_range': np.float64(0.15), 'cost_eff': np.float64(0.15), 'strength': np.float64(0.15)}
Process Score Ranked criteria contribution
----------------------------------------------------------------------
Binder Jetting (BJ) 3.600 ######################
PBF (SLM/SLS) 3.400 ####################
Material Jetting (MJ) 3.350 ####################
DED / LENS 3.050 ##################
Material Extrusion (FDM) 2.900 #################
Sheet Lamination (LOM) 2.750 ################
Recommended (accuracy-weighted use case): Binder Jetting (BJ) (score 3.600)
Re-weighted for 'low-cost large metal part' (cost & speed heavy):
Binder Jetting (BJ) 3.950
DED / LENS 3.650
Material Extrusion (FDM) 3.500精度を重視した重みでは結合剤噴射とPBF・材料噴射が拮抗しますが、「安く大きな金属部品」向けにコストと速度を重く取り直すと順位が入れ替わります。選定は重み（＝要求）次第で変わることを、この感度分析が端的に示しています。
理解を確認するための演習です。まず自分で考えてから解答を開いてください。
演習1（基礎）: プロセスの対応づけ
次の用途に最も適したAM方式を、MJ／BJ／DED／SL から選び、理由を一言添えてください。
(a) 摩耗したタービンブレードの補修 (b) エンジンブロックの砂型 (c) 硬軟を作り分けた医療解剖モデル (d) 金属箔の中にセンサーを埋め込む構造
(a) DED: 既存部品への肉盛り補修が唯一実用的。
(b) BJ: 砂型を焼結不要で高速・大型に成形できる。
(c) MJ: 1回の造形で複数硬度・透明材を作り分けられる。
(d) SL（UAM）: 低温の固相接合ゆえ、内部にセンサーを埋設できる。
演習2（計算）: Ohnesorge数とZ数
密度 ρ = 1100 kg/m³、粘度 μ = 0.010 Pa·s、表面張力 σ = 0.030 N/m、ノズル径 D = 30 μm の樹脂について、Ohnesorge数とZ数を求め、印刷可能な窓（1 < Z < 10）に入るか判定してください。
Oh = μ / √(ρ σ D) = 0.010 / √(1100 × 0.030 × 30e-6) = 0.010 / √(9.9e-4) = 0.010 / 0.03146 ≈ 0.318。
Z = 1/Oh ≈ 3.15。1 < 3.15 < 10 なので印刷可能な窓の中にあります。コード例1の関数 dimensionless に同じ値を入れて検算できます。
演習3（計算）: 焼結収縮の寸法補正
グリーン相対密度 0.52、焼結後相対密度 0.97 の材料で、最終寸法 40.0 mm を得たい。グリーンパートを何 mm で設計すべきですか。線収縮率も求めてください。
倍率 = (0.97/0.52)^(1/3) = (1.865)^(1/3) ≈ 1.231。グリーン寸法 = 40.0 × 1.231 ≈ 49.2 mm。
線収縮率 = (1 − (0.52/0.97)^(1/3)) × 100 = (1 − 0.812) × 100 ≈ 18.8%。
演習4（考察）: サテライト液滴
ある樹脂を温めて粘度を下げたところ、Z数が 12 まで上がりました。印刷品質にどんな問題が予想され、どう対処できますか。
Zが窓の上限（約10）を超えると、液滴が尾を引いて分裂しサテライト液滴が発生しやすくなります。着弾位置の乱れやミスト汚染につながります。対処としては、(1) 加熱を控えて粘度をやや戻しZを窓内へ下げる、(2) 駆動波形を調整して尾切れを良くする、(3) 液滴速度（We）を最適化する、などが考えられます。ただし最終確認はドロップウォッチャーによる実観察が必要です。
演習5（応用）: 選定重みの設計
「歯科用の高精度フルカラー模型を、少量多品種で作りたい」という要求に対し、コード例3の6軸（精度・表面・速度・材料範囲・コスト効率・強度）の重みをどう設定し、どの方式が選ばれると予想しますか。
精度・表面・材料範囲（フルカラー）を重く、速度・強度・コストを軽くします（例: 精度0.30/表面0.25/材料0.20/速度0.10/コスト0.05/強度0.10）。この重みでは、フルカラーと高精度を両立する材料噴射（MJ）が上位に来ると予想されます。実際にコード例3の weights を書き換えて確認すると、重み設計が結論を左右することが体感できます。
本章では、材料押出・光造形・粉末床溶融結合に続く残りの主要AMプロセスと、その選定の考え方を学びました。要点は次のとおりです。
これで主要なAMプロセスの全体像がそろいました。次章では、ここまでの知識を統合し、Pythonによる3Dプリンティングのシミュレーションと解析に取り組みます。
第4章では、材料噴射法・結合剤噴射法・指向性エネルギー堆積・シート積層法・ハイブリッド製造を横断的に学び、プロセス選定の定量的な考え方と新興トレンドまで概観しました。次の第5章では、Pythonを用いた3Dプリンティングのシミュレーションと実践的な解析に取り組みます。