第1章 高分子材料の劣化・変形解析、寿命予測

1節 FT-IRと機械学習を活用した劣化プラスチックの識別、成分分布の可視化

• 1,赤外 (IR) 分光法の概要
• 2.FT-IRの代表的な測定手法と各種アプリケーション
  • 2.1 代表的な測定手法
  • 2.2 マイクロプラスチックの分析
  • 2.3 生分解性プラスチックの劣化分析
  • 2.4 微小異物の分析
• 3.機械学習を併用した分析事例
  • 3.1 機械学習によるスペクトルの分類
  • 3.2 機械学習による劣化プラスチックの識別
  • 3.3 多変量解析を用いたマイクロプラスチックのイメージング

2節 均質化法有限要素シミュレーションによる結晶性高分子材料の変形解析

• 1.結晶性高分子材料の階層構造と変形機構
• 2,結晶性高分子材料の微視構造の変形構成式
  • 2.1 結晶相の変形構成式
  • 2.2 非晶相の変形構成式
• 3.積層複合体に対する変形構成式
• 4.巨視構造に対する変形構成式
• 5.数値シミュレーション例

3節 時間-温度換算則を用いたプラスチックのクリープ変形、クリープ破断強度の長期予測法

• 1.時間-温度換算則
  • 1.1 弾性・粘性・粘弾性
  • 1.2 クリ-プ変形と応力緩和
  • 1.3 時間-温度換算則の成立
• 2.クリ-プ破断強度の予測法
  • 2.1 クリ-プ変形試験
  • 2.2 時間-温度換算則の確認
  • 2.3 クリ-プ破断強度と予測法

4節 温度時間換算則を利用した高分子材料の疲労寿命予測

• 1.マイナー則と修正マイナー則
• 2.マスターカーブの計算手順
• 3.適用事例
  • 3.1 Tgより低温側のナイロン6/GF45%の解析
  • 3.2 Tgより高温側のナイロン6/GF45%の解析結果
  • 3.3 ポリブチレンテレフタレート/GF30%の解析結果
  • 3.4 ポリアセタール/GF25%の解析結果

5節 ケミルミネッセンス法による樹脂材料の寿命推定

• 1.寿命推定方法
  • 1.1 劣化評価と寿命評価の関係
  • 1.2 アレニウス法による寿命推定
  • 1.3 化学発光法による寿命推定
• 2.劣化評価
  • 2.1 自動酸化機構と酸化防止剤の役割
  • 2.2 化学発光による劣化評価
• 3.各種評価との関係性
  • 3.1 ケミルミネッセンスアナライザーでの酸化誘導時間測定
  • 3.2 ケミルミネッセンス法によるOIT変化
  • 3.3 長期熱老化試験品での各種評価
• 4.ケミルミネッセンス法による寿命評価法の検討
  • 4.1 熱劣化試験の伸び終止点予測
  • 4.2 アレニウス法による寿命評価
• 5.考察
  • 5.1 熱老化による変化
  • 5.2 伸び終止手予測の妥当性
  • 5.3 アレニウス法での寿命推定

6節 MSE試験による「材料強度地図」の作成と耐久性予測、寿命保証への活用

• 1.MSE試験の原理と出力データの可視化・数値化
  • 1.1 試験の原理
  • 1.2 データの可視化・数値化
• 2.表面改質と劣化度合いの探索
  • 2.1 樹脂の表面改質事例
  • 2.2 多層評価と劣化変化の同定
  • 2.3 ポリカーボネート (PC) 樹脂の環境劣化と寿命評価
• 3.耐久性を強度2面性から判断する
  • 3.1 試験条件の違いと材料強度2面性

7節 機械学習を用いた織物の欠陥検出

• 1.教師あり学習
  • 1.1 分類問題としての予測
  • 1.2 欠陥の位置や領域を予測する場合
• 2.教師なし学習
  • 2.1 オートエンコーダによる特徴量の比較
  • 2.2 再構築画像との差分による欠陥領域抽出

8節 繊維強化樹脂の劣化構造の分子スケール解析

• 1.TG-PCA-KMD測定の概要
  • 1.1 サンプル調製
  • 1.2 TG-TOFMS
  • 1.3 PCA
  • 1.4 KMD解析
  • 1.5 TG-PCA-KMD
• 2.劣化処理によるGF/PPの熱分解挙動変化の確認
• 3.PCAを用いた劣化成分に由来する生成物の抽出
• 4.KMD解析による各主成分の包括的解釈
• 5.PCAフィッティングを用いた未酸化PPと酸化PPの重量割合の算出

9節 機械学習を用いたCFRPの破壊過程におけるAE波形評価

• 1.供試材料及び試験方法
  • 1.1 供試材料
  • 1.2 試験方法
  • 1.3 AE波形解析手法
  • 1.4 AE波形のクラスタリング方法
• 2.結果及び考察
  • 2.1 クロスプライ積層CFRPの静的引張試験結果
  • 2.2 AEセンサの周波数特性の影響の考慮について
  • 2.3 クラスタリングについて

10節 均質化法に基づくCFRPのマクロ線膨張係数およびミクロ熱残留応力の解析

• 1.熱変形を考慮した均質化法
• 2.解析対象およびユニットセルモデリング
• 3.CFRP のマクロ弾性特性およびマクロ線膨張係数の同定
• 4.CFRP のミクロ熱残留応力解析

11節 マルチスケール解析と機械学習を用いたCFRTPの界面接着強度の予測

• 1.UD-CFRTPの界面接着強度の評価方法
  • 1.1 実物材料試験による評価方法
  • 1.2 数値計算と機械学習を組み合わせた評価方法
• 2.UD-CFRTPの材料構成則と界面剥離モデルの選定
  • 2.1 母材樹脂の材料構成則
  • 2.2 熱可塑性樹脂の材料パラメータの同定
  • 2.3 接触要素によるUD-CFRTPの界面剥離挙動
• 3.界面接着強度の予測手法で採用したニューラルネットワークの概要
• 4.分離型マルチスチール解析による学習データの生成
  • 4.1 数値材料試験の解析条件と学習データの生成
  • 4.2 数値材料試験で生成した学習データの相関
• 5.ニューラルネットワークによるUD-CFRTPの界面強度と母材樹脂強度の予測
  • 5.1 ニューラルネットワークの学習と認識精度
  • 5.2 界面接着強度および母材樹脂強度の予測結果

12節 Interfacial Normal Stressを基にしたCFRTP試験片の疲労寿命予測

• 1.緒言
• 2.Off-axis荷重におけるCFRTPの疲労試験
  • 2.1 疲労試験方法
  • 2.2 疲労試験結果
• 3.塑性ひずみエネルギーによるCFRTPの疲労寿命予測
  • 3.1 塑性ひずみエネルギーの同定方法
  • 3.2 CFRTP試験片のツースケール解析
  • 3.3 CFRTPの疲労寿命予測結果

13節 FEM解析によるゴム材料の疲労寿命予測

• 1.疲労寿命予測ソフトウェア
• 2.ゴム材料の疲労寿命予測
  • 2.1 エネルギー解放率
  • 2.2 疲労寿命回数
  • 2.3 亀裂進展速度
• 3.解析事例
  • 3.1 マウントゴムの引張・圧縮繰り返し負荷
  • 3.2 ゴムブッシュの実稼働での疲労寿命予測

14節 FEMによるタイヤ・ゴムの発熱・摩耗・摩擦のシミュレーション

• 1.タイヤの構造とFEMのためのモデル化
• 2.ゴムの材料定義:超弾性
• 3.ゴムの材料定義:粘弾性特性
• 4.タイヤの発熱・転がり抵抗のシミュレーション
• 5.タイヤの摩耗特性
• 6.コンパウンドのミクロシミュレーション
• 7.摩擦係数の算出

15節 機械学習による高分子絶縁材料のボイド放電劣化推定

• 1.エポキシ樹脂内のボイド放電から全路破壊に至る絶縁劣化プロセス
• 2.SVMを用いたボイド放電の劣化推定
• 3.LSTMによる絶縁材料表面抵抗の評価

16節 CVケーブルの水トリー劣化状態のシミュレーション

• 1.CVケーブルにおける水トリー劣化の進行と絶縁性能への影響
  • 1.1 水トリーの分類と特徴
  • 1.2 水トリー劣化の診断手法
• 2.水トリーのモデル化手法
  • 2.1 水トリーのモデル化における課題
  • 2.2 水トリーおよびXLPEの物性値の取り扱い
  • 2.3 回路モデルによる解析例
  • 2.4 電界モデルによる解析例
• 3.電界モデルによる水トリー劣化のシミュレーション 6kV級CVケーブル
  • 3.1 電界モデルの設定
  • 3.2 電界モデルによるシミュレーション
• 4.電界モデルによる水トリー劣化のシミュレーション 60kV級CVケーブル
  • 4.1 電界モデルの設定
  • 4.2 絶縁破壊電圧の解析
  • 4.3 交流損失電流の解析
• 5.水トリー劣化の進行を想定したシミュレーション
  • 5.1 CVケーブルの運用寿命推定
  • 5.2 水トリー劣化の進行と劣化指標の相関性

第2章 粘・接着剤、塗料の信頼性解析、寿命予測

1節 第一原理計算によるエポキシ系接着剤の水分弱化予測

• 1.水分による接着剤弱化の理論的解明
• 2.湿潤環境にある化合物におけるプロトン化の理論予測
  • 2.1 脱プロトン化自由エネルギー
  • 2.2 H+-shift法による脱プロトン化自由エネルギーのDFT-MD計算
  • 2.3 水分子の脱プロトン化自由エネルギーの計算
• 3.アミン硬化型エポキシ樹脂のモデル
• 4.歪みに依存して変化する、アミン硬化型エポキシ樹脂のプロトン化度合い
  • 4.1 歪みゼロでのNの部分的プロトン化
  • 4.2 引き伸ばされた樹脂におけるNのプロトン化促進
  • 4.3 圧縮された樹脂におけるNの脱プロトン化促進
• 5.プロトン化したアミン硬化型エポキシ樹脂の弱化

2節 アレニウス式,アイリングの式による接着接合部の耐久性評価および重回帰分析による寿命予測法

• 1.接着接合部の劣化の要因ならびに加速試験と加速係数
  • 1.1 接着接合部劣化の要因
  • 1.2 加速試験と加速係数
  • 1.3 加速試験条件の決定方法
• 2.アレニウス式 (温度条件) による劣化,耐久性加速試験および寿命推定法
  • 2.1 化学反応速度式と反応次数
  • 2.2 濃度と反応速度および残存率との関係
  • 2.3 材料の寿命の決定法
  • 2.4 反応速度定数と温度との関係
  • 2.5 アレニウス式を用いた寿命推定法
• 3.アイリングの式による応力,湿度などのストレス負荷条件下の耐久性加速試験および寿命推定法
  • 3.1 アイリングの式を用いた寿命推定法
  • 3.2 アイリング式を用いた湿度に対する耐久性評価法
  • 3.3 Sustained Load Testによる接着継手の温度,湿度,および応力負荷条件下の耐久性評価結果
• 4.重回帰分析法による接着接合部の寿命予測法
• 5.実車と同一の接着接合部に対し,市場経年実車と同等の劣化状態を加速試験により作り出す方法

3節 ストレスー強度モデルによる接着接合部の信頼性解析

• 1.経年劣化による故障発生のメカニズム (ストレス-強度のモデル)
• 2.所定年数使用後の接着接合部に要求される故障確率確保のために必要な安全率の計算法
  • 2.1 正規分布について
  • 2.2 ストレス (負荷応力) が一定の場合の接着継手の故障確率の確保のために必要な安全率の決定
  • 2.3 ストレス (負荷応力) が変動する場合の接着継手の故障確率の確保のために必要な安全率の決定法
• 3. 接着強度の変動係数実測値
• 4.寿命試験,加速劣化試験,または疲労試験による劣化後の継手の強度分布および変動係数の測定法および希望故障確率を得るための対策
• 5.実際の接着構造物の運用により発生する応力xSの変動係数ηSの測定法および必要な故障確率Pf確保の方法
  • 5.1 実構造物の接着層に発生するストレスxSの変動係数ηSの測定法
  • 5.2 希望する故障確率Pfを得るための対策
• 6.ストレス (負荷荷重) の変動係数の実例

4節 シミュレーションによる異種材料接合の強度予測

• 1.自動車設計における異種材接合
• 2.有限要素法
• 3.機械的接合と破壊のモデル化手法
  • 3.1 機械的接合の簡易モデル化手法
  • 3.2 機械的接合の詳細モデル化手法
• 4.接着接合と破壊のモデル化手法
  • 4.1 接着接合部の破壊の種類
  • 4.2 仮想ばねによるモデル化
  • 4.3 結合力モデル
  • 4.4 連続体モデル
  • 4.5 界面破壊とシステムとしての破壊のモデル化

5節 分子シミュレーションとマテリアルズ・インフォマティクスを活用した軽量合金とPEEK樹脂ベース複合材料の接着強度向上

• 1.分子シミュレーションによる接着強度の解析方法
• 2.検証実験の方法
• 3.分子シミュレーションによる濡れ性と接着強度の解析結果と考察
• 4.検証実験の結果
• 5.応答曲面法による最適設計指針の導出

6節 機械学習を用いた粘着剤の剥離強度予測

• 1.粘弾性挙動を活用した剥離強度予測モデルの概略
  • 1.1 高次元データの前処理
  • 1.2 剥離強度と剥離環境温度の非線形関係の表現
  • 1.3 機械学習モデルの構築と精度評価
• 2.更なる製品開発効率化に向けて~粘弾性生成AIの開発~
  • 2.1 動的粘弾性データの次元削減後の復元性
  • 2.2 粘弾性生成AIの活用イメージ

7節 中赤外スペクトルの機械学習による木材用塗膜の劣化診断

• 1.方法
  • 1.1 CNFの調製
  • 1.2 CNF含有フィルムの作製
  • 1.3 加速風化処理
  • 1.4 光沢および色座標測定
  • 1.5 化学発光分析 (CLA)
  • 1.6 中赤外分光法
  • 1.7 データ分析および機械学習モデルの構築
• 2.結果と考察
  • 2.1 風化の影響の評価
  • 2.2 風化の識別のための機械学習 (クラス分類)
  • 2.3 説明変数 (波数) の重要度評価 (RF)

第3章 無機、金属材料の強度・破壊予測、ひずみ解析

1節 ワイブル分布に基づいたセラミックスの強度信頼性評価

• 1.信頼性と強度分布の表現方法
  • 1.1 信頼性
  • 1.2 確率密度関数と確率分布関数
  • 1.3 平均値,分散と変動係数
• 2.破壊の確率論
  • 2.1 最弱リンクモデルとワイブル分布
  • 2.2 ワイブル分布による強度信頼性解析
  • 2.3 一軸不均一応力場の場合
• 3.強度信頼性評価
  • 3.1 代表的なセラミックスの強度信頼性解析
  • 3.2 応力勾配を考慮した強度信頼性解析

2節 AIを用いた微細組織から窒化ケイ素の破壊靭性予測

• 1.窒化ケイ素
  • 1.1 窒化ケイ素の製造手法
  • 1.2 窒化ケイ素の微細構造と破壊靭性
  • 1.3 窒化ケイ素の破壊靭性の重要性
• 2.画像からの破壊靭性予測
  • 2.1 少量データを用いた破壊靭性予測
  • 2.2 補足データを用いた破壊靭性予測精度の向上
  • 2.3 多種多様なガラス相を含む窒化ケイ素の破壊靭性と曲げ強度の同時予測
  • 2.4 t-SNEを利用した画像認識
  • 2.5 粒界ガラス相の影響抽出

3節 シミュレーションによるパワー半導体接合材料の寿命予測

• 1.寿命予測シミュレーションの概要
• 2.寿命予測シミュレーションによる評価事例
• 3.寿命予測シミュレーションにおける材料特性パラメータ
• 4.寿命予測シミュレーションにおける寿命予測式
• 5.寿命予測シミュレーションの材料設計への適用事例
  • 5.1 Ag焼結接合材料の特性パラメータ設計への適用事例
  • 5.2 封止樹脂材料の特性パラメータ設計への適用事例

4節 機械学習による金属の破壊断面解析、破壊原因の分析

• 1.転移学習
  • 1.1 転移学習の定義
  • 1.2 非転移学習
  • 1.3 ステップワイズ元クラス選択法
• 2.深層学習の方法
  • 2.1 データセット
  • 2.2 データの分割
  • 2.3 前処理
  • 2.4 データ拡張
  • 2.5 モデルのアーキテクチャ
• 3.モデルの構築

5節 機械学習によるポーラス金属の強度予測

• 1.実験方法
  • 1.1 発泡アルミニウムのプリカーサ作製
  • 1.2 成形加工していない発泡アルミニウムの作製
  • 1.3 成形加工した発泡アルミニウムの作製
  • 1.4 X線CT画像取得方法
  • 1.5 圧縮試験方法
  • 1.6 ニューラルネットワークモデルの作成方法
• 2.実験結果
  • 2.1 プレス加工結果
  • 2.2 圧縮試験結果
  • 2.3 プレス加工していない試料によるプラトー応力推定の検証
  • 2.4 プレス加工した試料のプラトー応力推定結果
  • 2.5 プレス加工した試料で学習したモデルによるプレス加工した試料のプラトー応力推定
  • 2.6 気孔率の推定

6節 機械学習を用いた耐熱鋼のクリープ寿命予測

• 1.フェライト耐熱鋼のクリープ寿命予測
  • 1.1 データと機械学習手法、予測性能評価
  • 1.2 予測モデルの構築結果
  • 1.3 データ量の効果
  • 1.4 プロセスに関する情報の取り込み
  • 1.5 耐熱フェライト鋼クリープ寿命予測のまとめ
• 2.炭素鋼の基底クリープ強度領域における支配合金元素の特定
  • 2.1 基底クリープ強度領域
  • 2.2 使用するデータと問題の定式化
  • 2.3 モデル選択の方法
  • 2.4 解析結果
  • 2.5 炭素鋼の基底クリープ強度領域における支配合金元素の特定のまとめ

7節 画像処理を用いた鋼材表面の腐食評価

• 1.画像解析を用いた新たな腐食診断法
  • 1.1 色相分析法
  • 1.2 ハイパースペクトル分析法
  • 1.3 人工知能分析法
  • 1.4 特徴点抽出法

8節 数値シミュレーションによるマルチマテリアル材料のガルバニック腐食解析

• 1.異種材料の共存部での腐食
• 2.実験による腐食挙動の解析
  • 2.1 電気化学計測によるガルバニック腐食挙動の解析
  • 2.2 試料表面の腐食形態
  • 2.3 数値シミュレーション導入の重要性
• 3.有限要素法によるガルバニック腐食評価
  • 3.1 シミュレーションモデルの形態的特徴
  • 3.2 FEM解析に使用した支配方程式
  • 3.3 電気化学反応に関する境界条件
• 4.FEM解析結果の活用
  • 4.1 計算結果と現実の腐食挙動との整合性
  • 4.2 NaCl濃度にともなうガルバニック腐食量・自己腐食量の変化
• 5.FEM解析で得られた知見を活用した腐食メカニズムの解明
  • 5.1 実環境に近い乾湿繰り返し時の腐食挙動
  • 5.2 FEMシミュレーションでの知見に基づく考察
• 6.シミュレーションを活用した腐食研究の展望

9節 金属材料の変形・破断の動的解析に向けた機械学習による高速STEM画像のノイズ除去と格子欠陥自動検出

• 1.高速STEM像のノイズ除去
  • 1.1 なぜSTEMか
  • 1.2 STEM像の特徴とアーティファクトの詳細
  • 1.3 機械学習を用いる意義
  • 1.4 ひずみ補正および学習方法
  • 1.5 機械学習の適用結果
• 2.格子欠陥抽出
  • 2.1 前処理および学習方法
  • 2.2 転位の運動速度の解析
  • 2.3 格子欠陥密度の変化の解析

10節 X線回折と逆解析による三次元残留応力の非破壊評価

• 1.X線三次元残留応力推定法の特徴
• 2.X線三次元残留応力推定法の基礎理論
  • 2.1 固有ひずみの定義
  • 2.2 非弾性ひずみが均一に生じる場合
  • 2.3 非弾性ひずみが不均一に生じる場合
  • 2.4 非弾性ひずみと弾性ひずみとの関係
  • 2.5 逆問題解析による固有ひずみの推定
  • 2.6 X線三次元残留応力推定法における逆解析
• 3.X線三次元残留応力推定法の推定精度の向上
  • 3.1 固有ひずみの未知数の適切な削減
  • 3.2 有効な計測情報量と計測精度の向上
  • 3.3 逆解析における解の適切化手法の適用
• 4.X線三次元残留応力推定法の応用
  • 4.1 溶接,表面改質材等,様々な施工材料への適用
  • 4.2 加工による変形を考慮した高精度加工
  • 4.3 放射光や中性子を用いた部材全域の三次元残留応力推定
  • 4.4 幾何学形状の変化による有効な計測情報の追加
  • 4.5 固有ひずみ理論に基づく亀裂の検出手法

11節 デジタル画像相関法による金属材料のひずみ分布状態の可視化

• 1.デジタル画像相関法によるひずみ解析の原理
• 2.デジタル画像相関法を用いたひずみ分布の解析例
  • 2.1 マクロスケール (CCDカメラ) でのひずみ分布の可視化
  • 2.2 ミクロスケールでのひずみ分布の可視化
• 3.レプリカ-デジタル画像相関法による破壊起点部のひずみ分布の可視化

12節 高輝度放射光X線と機械学習技術による溶接凝固過程の詳細解析

• 1.アーク溶接技術の概要と凝固過程理解の重要性
• 2.高輝度放射光X線を用いたアーク溶接部凝固過程のその場観察
  • 2.1 その場観察技術の概要
  • 2.2 その場観察結果例
• 3.高輝度放射光X線その場観察像を用いたひずみ挙動の評価手法の開発
  • 3.1 ひずみ評価手法の概要
  • 3.2 ひずみ挙動評価結果

13節 ニューラルネットワークを用いたフィレット部の応力予測

• 1.有限要素法による応力集中の評価
• 2.ニューラルネットワークを用いたフィレット部の応力予測
• 3.二次元モデルでの検証
  • 3.1 ニューラルネットワークの構成と学習データの作成
  • 3.2 学習データとは異なるモデルでの検証
• 4.三次元モデルでの検証
  • 4.1 ニューラルネットワークの構成と学習データの作成
  • 4.2 学習データとは異なるモデルでの検証
• 5.実モデルへの適用

14節 ナノ計算・機械学習・生成AIを用いた触媒の物性予測と高速スクリーニング

• 1.汎用ポテンシャルの性能評価
  • 1.1 比較条件および概要
  • 1.2 比較結果
  • 1.3 M3GNETの有用性と課題
• 2.M3GNETを活用した白金代替触媒の探索
  • 2.1 HEA触媒の計算モデルと解析条件
  • 2.2 HEA触媒の計算結果と組成最適化
• 3.M3GNET計算データと機械学習を合わせた物性予測とスクリーニング高速化
  • 3.1 機械学習による5元系合金の予測
  • 3.2 機械学習による6元系、7元系合金の予測
• 4.生成AIを活用した材料探索システムの構築と効率化
• 5.まとめと今後の展望

第4章 インフラ構造物の損傷検出、劣化・腐食予測

1節 機械学習によるコンクリート構造物の塩害劣化予測

• 1.LECCAの概要および検討条件 (解析条件)
  • 1.1 塩害照査
  • 1.2 検討ケース (解析条件)
• 2.機械学習を用いた検討
  • 2.1 ランダムフォレストの概要
  • 2.2 説明変数と目的変数
• 3.解析結果および考察
  • 3.1 重回帰分析による推定結果
  • 3.2 ランダムフォレストによる推定結果

2節 サブテラヘルツ波によるインフラ構造物の劣化、腐食推定

• 1.サブテラヘルツ波測定が可能なかぶり厚さ
• 2.サブテラヘルツイメージングの空間分解能
• 3.サブテラヘルツ波測定による鉄筋腐食度の推定
• 4.テラヘルツ・サブテラヘルツイメージングを用いた含水率測定
• 5.テラヘルツ非破壊検査の応用
• 6.結論および展望

3節 損傷検出に向けた深層学習による農業用コンクリートダムの表面温度推定

• 1.計測および解析方法
  • 1.1 コンクリートダムを対象としたパッシブ赤外線サーモグラフィ計測
  • 1.2 熱収支解析によるコンクリート表面温度の再現
  • 1.3 深層学習による表面温度の推定
• 2.結果および考察
  • 2.1 熱収支解析および深層学習によるコンクリート表面温度の推定
  • 2.2 コンクリート損傷度評価の精度向上に向けた深層学習による表面温度推定の適用

4節 AE法による高圧水素蓄圧器の疲労亀裂の発生、進展検出

• 1.高圧水素蓄圧器の役割と種類
• 2.高圧水素蓄圧器の設計基準および出荷時の非破壊検査
  • 2.1 高圧水素蓄圧器の設計基準
  • 2.2 高圧水素蓄圧器の出荷時の非破壊検査
• 3.高圧水素蓄圧器の運用中の非破壊検査
• 4.AE法を用いた水素蓄圧器の運用中の非破壊検査の検討
  • 4.1 小型蓄圧試験容器の高サイクル疲労試験中のAE発生挙動
• 5.「圧縮水素スタンド用圧力容器のアコースティック・エミッション試験」の概要
• 6.保安検査へのAE法の導入に向けての今後の課題

5節 機械学習を用いた化学プラントで用いられる有機材料の損傷機構判定評価

• 1.人工知能について
  • 1.1 機械学習について
  • 1.2 非金属材料損傷機構予測に用いる機械学習について
  • 1.3 AIの推定性能の評価について
  • 1.4 機械学習データ
• 2.機械学習による有機材料の損傷機構判定評価
  • 2.1 損傷機構の整理
  • 2.2 AI構築環境について
• 3.機械学習を用いた有機材料の損傷機構判定に関する結果と考察
  • 3.1 損傷機構別決定木の階層数の検討
  • 3.2 全損傷機構を考慮した決定木の階層数の検討
  • 3.3 損傷機構の再検討
  • 3.4 損傷機構別決定木の比較
  • 3.5 全損傷機構を考慮した決定木の比較
  • 3.6 説明変数の再検討
• 5.現場での利用について
• 6.非金属材料の損傷機構に関するAI開発について

6節 Human in the Loop Machine Learning (HITL) に基づく配管腐食検査システムの運用

• 1.方法
  • 1.1 HITLの採用
  • 1.2 HITLを活用したAI腐食診断システムのコンセプト定義
  • 1.3 システム開発における工夫のポイント
• 2.結果と考察
  • 2.1 運転中に得られた結果の検証と考察
  • 2.2 人間とAIの協調から得られた知見
  • 2.3 今後の課題と対策

7節 プラントデータに基づく保温材下腐食の特徴とその予測

• 1.CUIの特性と管理の課題と対応の考え方
• 2.検討経緯
• 3.検討結果
• 4.現状の総括

8節 機械学習を用いた故障予測、異常検知

• 1.音による異常検知の難しさと課題
  • 1.1 音環境のばらつきとノイズの影響
  • 1.2 データのラベル付けと異常サンプルの少なさ
  • 1.3 機器ごとの固有音と学習モデルの汎化性
  • 1.4 音の特徴量抽出と解釈性
• 2.音データを用いた機械学習による異常検知のアプローチ
  • 2.1 教師なし学習による異常検知の基本的な考え方
• 3.音による異常検知の事例
  • 3.1 インバーターの故障予兆検知
  • 3.2 繊維ロープの破断予測を目的とした損傷評価

第5章 効率的な信頼性加速試験の進め方と試験結果の活用

• 1.信頼性データ解析の基礎
• 2.製品の信頼度目標と部品・材料の信頼度目標の設定
  • 2.1 信頼性検証の流れ
  • 2.2 製品レベルの信頼性検証目標
  • 2.3 搭載部品の信頼性検証目標
• 3.信頼性試験に必要な事前情報
  • 3.1 使用環境情報
  • 3.2 故障メカニズムと加速モデル
  • 3.3 製造工程や市場での使用中に受ける過大ストレス
  • 3.4 周辺環境への影響規制項目
• 4.製品設計段階の信頼性評価
  • 4.1 機能の安定性試験
  • 4.2 限界試験
  • 4.3 HALT (Highly Accelerated Limit Test)
  • 4.4 電気的限界試験
  • 4.5 検査で作り込まれる耐用寿命
• 5.品質保証のための信頼性試験計画
  • 5.1 品質認定試験規格の例
  • 5.2 試料の数と不信頼度F (t) の関係
  • 5.3 計数抜取信頼性試験時間の調整
  • 5.4 計量抜取信頼性試験の適用
  • 5.5 計量抜取信頼性試験結果に基づく検査規格の調整
  • 5.6 市場故障率への影響