AI生成デザインによる3Dプリント

Lisa Ernst · 21.11.2025 · テクノロジー · 9 分

私たちのワークショップで誰かが壊れたホルダーを持って現れるたびに、私たちは同じセリフをよく聞きます。 "「この部品が欲しいんです。ただ、もっと丈夫で、できれば明日までに。」".

以前は、これはCADでの何時間もの作業、複数のテストプリント、そして部品が結局間違った場所で壊れたときのいくつかのフラストレーションの瞬間を意味していました。今では、AIに最初のドラフトを作らせ、ジェネレーティブデザインに明確な枠を設定し、最良のバリアントだけをプリンターに送っています。

33d.chチームの視点から、AIを活用したジェネレーティブデザインを3Dプリントにどのように接続できるかをお見せします。テキスト入力から最適化されたSTLまでです。その過程で、実践的な設定、私たちの日常の典型的な落とし穴、そして失敗率を大幅に削減できたいくつかのトリックを得ることができます。

出典: 独自表現

はじめに＆基本

AI、ジェネレーティブデザイン、3Dプリントについて話すとき、それはほとんど常に同じチェーンについてです。まず、形状のアイデア（たとえば、テキストや画像からAIで）が作成され、次に、アルゴリズムが重量、剛性、または材料消費などの目標に合わせてジオメトリを最適化し、最後に、プリンターがこれをレイヤーごとに実装します。 Neural Concept は、このようなAIワークフローが積層造形をどのように変えているかをよく示しています。

実際には、電子機器用の軽量ホルダー、機械工学のクランプやアダプター、複雑な換気または冷却チャネル（ねじれた内部構造を持つ）、または体にきれいにフィットするカスタムスポーツ/整形部品など、顧客の間で同様のアプリケーションを繰り返し目にします。 Altair は、ラティス構造がそのためにどのように使用されるかを実証しています。

ほぼすべてのプロジェクトで、3つの中心的な用語に遭遇します。

• ジェネレーティブデザイン: アルゴリズムは、負荷、固定点、材料、製造方法などの境界条件に基づいてジオメトリの提案を生成します。しばしば、古典的なCADでは思いつかないような有機的な形状が生成されます。 Formlabs はこの原則を実践的に説明しています。
• ラティス構造: これらは、重量を削減しながら剛性または減衰を改善できる格子状の内部構造です。特に軽量構造と医療技術で集中的に使用されています。 3erp.com は、このようなアプリケーションを掘り下げています。
• AI支援3D生成: 最新のモデルは、テキスト、画像、またはスキャンから直接3Dオブジェクトを生成します。たとえば、 Meshy AI, 3D AI Studio, Sloyd や Hyper3D などのプロバイダーは、STLまたはOBJファイルをエクスポートできるインターフェイスを提供しています。

3Dプリント市場は世界的に急速に成長しており、AIベースのデザインおよび最適化プロセスはその恩恵を直接受けています。さまざまな市場レポートでは、今後数年間で、一般的な3Dプリントと積層造形におけるAIの使用の両方で、二桁の成長率が予測されています。 PR Newswire と Market.us はその数値を提供しています。

準備＆ツール

AIジェネレーティブデザイン3Dプリントをクリーンに開始するには、ハイエンドラボは必要ありませんが、有用な基本装備は必要です。私たちのワークショップや顧客プロジェクトで効果的だったもの：

• 3Dプリンター: 、たとえば Prusa, Bambu Lab または Creality.
• スライサー: 、STLファイルからGコードを生成し、レイヤーの高さ、インフィル、サポートを制御するための PrusaSlicer, Cura やOrcaSlicerのようなソフトウェア。
• CADまたはモデル編集ツール: 、AIモデルの制御、調整、修復のための Fusion 360, FreeCAD または Blender のようなプログラム。
• テキストから3Dへのツール: 、たとえば Meshy AI, 3D AI Studio, Hyper3D, Sloyd または Printpal. 多くの無料の開始プランを提供しています。
• ジェネレーティブデザインソフトウェア（オプション）: Fusion 360などのCADソフトウェアのモジュール、または Altair または Autodesk. Formlabs の特別なラティスツールは、ワークフローを非常によく理解できるように説明しています。

ジェネレーティブデザインに関連する材料の選択を感覚的に理解するために、私たちはしばしば次の概算概要を参考にします。

そのため、私たちの内部チェックリストはしばしば次のようになります。まず、大まかな寸法と負荷で明確な目標部品を定義します。次に、どのAIツールがモデルを生成し、どのCADが後処理を担当するかを決定します。そして、選択したプリンターが実際にバウ​​ススペース、材料、精度を提供できるかどうかを冷静に確認します。 Neural Concept も、このような明確な目標の重要性を強調しています。

ステップバイステップガイド

アイデアからプリントされた部品までの道は、いくつかのステップにうまく分割できます。33d.chでは、顧客プロジェクトもこのように構築しています。

ステップ1：目標と境界条件の定義

まず、部品が日常で実際に何を達成する必要があるかを考えます。ケーブルクランプは数本のケーブルを束ねるだけでよいですか、それともカバーは数キログラムに耐える必要がありますか。機能、環境（屋内、ワークショップ、熱、湿気）、安全クリアランス、固定点（たとえば、特定のピッチの2つのネジ穴）をメモします。高負荷の部品の場合は、おおよその力を推定し、PETGまたはナイロンのような材料候補を直接検討すると役立ちます。 3erp.com は、これに関するガイダンスを提供します。

短いチェックとして：部品を1つの文で明確に説明できる場合、次のステップにはほとんどの場合明確です。

ステップ2：大まかなジオメトリの決定

AIを呼び出す前に、境界形状または参照ボリュームを作成します。そうしないと、最悪の場合、どこにも適合しない美しいモデルが生成されます。これはイライラします。たとえば、 Fusion 360 または FreeCAD での切り欠きのある単純な立方体で十分な場合が多いです。後の固定面、穴、および限界寸法が重要です。

この時点での成功チェック：必要に応じて、境界形状のみを少数のレイヤーでプリントし、オブジェクト上で寸法とバウ​​ススペースが合っているかを確認します。

ステップ3：テキストから3DへのAIで最初のモデルを生成

ここで中心部分です。たとえば、 Meshy AI, 3D AI Studio, Sloyd, Hyper3D または HexaGen. のようなテキストから3Dへのツール。部品をできるだけ具体的に説明します。たとえば：「4 mmケーブル用の2つのチャンネルを備えた機械式ケーブルクランプ、2つのネジ穴のあるフラット Auflagefläche、極端な細かいディテールなしのFDM 3Dプリント用」。これらのツールの多くは複数のバリアントを提供しています。全体的なシルエットが最もよく合うものを選び、STLまたはOBJをエクスポートします。 Reuters は、たとえばTencentのオープン3Dモデルについて報告しています。

33d.chでは、初期段階で「ケーブルホルダー」のように一般的すぎる表現をすることがよくありました。結果は見た目は良かったのですが、ほとんど役に立ちませんでした。プロンプ​​トでノズル幅、おおよその壁厚、および設置状況を直接言及するようになって以来、はるかにプリント可能なドラフトが生成されています。

ステップ4：モデルの確認、クリーニング、および寸法調整

私たちのところにAIモデルが直接プリンターに送られたことは一度もありません。メッシュをCADまたはメッシュツールで開き、モデルが閉じているか、失われたフラグメントがないか、壁の厚さとディテールがプリント可能かを確認します。0.4 mmノズルでは、最低1.2 mmの支持壁と0.6〜0.8 mmからの細かいディテールが効果的でした。 3erp.com は同様のガイドラインを述べています。

穴の直径、溝の幅、または接触面などの重要な寸法をターゲットにして調整します。多くのプロジェクトでは、機能領域をパラメトリックにモデリングし、「有機的」なゾーンのみをAIで生成するように実装しています。 Formlabs は、機能面とより自由な構造のこの混合を説明しています。

この時点でのチェックとして、迅速な「低インフィル・テストプリント」が適しています。数ペリメーター、粗いレイヤーの高さで、機械的にすべてがうまくフィットするかどうかを確認します。

ステップ5：ジェネレーティブデザインまたはラティス最適化の適用

出典: amfg.ai

AI生成デザインによる3Dプリント

部品が単純なカバー以上のものにする必要がある場合、次のステップは価値があります。たとえば、 Fusion 360 では、固定面を「保持」ゾーンとして定義し、障害物領域をマークし、負荷ケースを適用して、製造方法として「積層」を選択します。システムは、材料を節約し、それでも安定しているジオメトリを提案します。しばしば、分岐した、格子状の形状になります。 Formlabs はこのプロセスを説明しています。

内部構造には、負荷経路とセルタイプに基づいた格子ジオメトリを自動生成するラティスツールが適しています。最新のジェネレーティブAIは、指定された剛性、エネルギー吸収、または熱特性の目標値を達成するようにラティスを最適化できます。 accscience.com と Altair は典型的な例を示しています。

成功のチェックとして、単純なFEMチェック、または少なくとも「常識テスト」をよく使用します。力の経路はどこを走りますか、どこで支柱が壊れる可能性がありますか、どこにもっと材料が必要ですか。

ステップ6：スライスとプリント

最適化されたモデルをSTLとしてエクスポートし、スライサーにインポートします。重要な面がプリントベッドに安定して配置され、オーバーハングが可能な限り小さい方向を選択します。機能部品の場合、0.2 mmのレイヤーの高さ、3〜4の外壁、および30〜40％のインフィル（例：ジャイロイド）をよく使用します。ラティス構造の場合、格子自体が支持構造を形成するため、スライサーは通常、従来のインフィルなしで動作します。 3erp.com は、ここに実用的なヒントを提供します。

適切な温度、ファン設定、および合理的なプリント速度に注意してください。特にジェネレーティブ軽量部品の場合、最大速度でプリントしない価値があります。壊れたラティスはフィラメントを節約しますが、あなたの神経は節約しません。 Market.us は、安定したプロセスの役割を強調しています。

ステップ7：テスト、学習、反復

プリント後、実践テストが続きます。部品はその機能を果たしますか、それとも間違った場所で曲がりますか？組み立ては合っていますか、何かに衝突しますか、それとも部品はきれいに収まりますか？何かが間違っている場合、ステップ4または5に戻り、重要な領域を強化したり、ラティスを調整したり、ジェネレーティブデザインの境界条件をシャープにしたりします。 Neural Concept は、AIがまさにこの反復で時間を節約する方法を説明しています。

私たちのワークショップでは、それは日常になりつつあります。機械工学の顧客が重すぎるホルダーを持ってきた場合、私たちは1〜2回のループでより軽量なジェネレーティブデザインを生成し、最終的に30〜50％の重量を節約しながらテストでも機能するバリアントをプリントします。

出典: 3dnatives.com

AI生成デザインは、3Dプリント用の複雑で最適化された3Dモデルの作成を可能にします。

よくある間違い＆ソリューション

AIジェネレーティブデザイン3Dプリントの典型的な間違いを事前に把握しているため、すでに多くの時間を節約しています。実践からのいくつかの例：

• 「芸術的」すぎるAIモデル: 一部のテキストから3Dへのモデルは、FDMプリンターでは単純に意味をなさない薄い支柱、浮遊要素、または尖った装飾を好みます。スライサーは薄い壁の厚さを報告するか、プレビューに奇妙な線を描画します。 Neural Concept は、そのような境界に対処します。これも初期には私たちにも起こりました。より厳格に表現するようになってから、不良品の割合は大幅に減少しました。
• 閉じられていない、またはエラーのあるメッシュ: 特に複雑な形状や複数の編集ステップでは、穴や二重面がすぐに発生します。プリントでは、ギャップまたは欠落したレイヤーとして表示されます。 3erp.com は、これを詳細に説明しています。
• ほとんど組み立てられない、またはバウ​​ススペースに収まらないジェネレーティブデザイン: アルゴリズムは最初に計算量のみを最適化し、ドライバーは最適化しません。結果：実際にはほとんどねじ止めできない完璧な軽量部品。 Formlabs と Neural Concept は、そのような境界条件を組み込む方法を示しています。
• ラティス構造が細かすぎる: 支柱の厚さがノズル幅の範囲内にある場合、プリントベッドから取り外すときに格子が壊れやすいです。特に最初のラティスジョブでは、部品を文字通り手の中で粉砕したことがありました。 Altair は、これに関するガイドラインを提供します。

バリアント＆調整

説明されているワークフローは厳格なレシピではありません。プロジェクトによっては、33d.chのワークショップでわずかに調整します。

• 装飾オブジェクトまたはフィギュア: 主に外観が重要な場合、ジェネレーティブデザインステップを省略し、高品質なテキストから3Dへのモデルに焦点を当てることがよくあります。たとえば、 Meshy, Sloyd または Hyper3D のようなツールは、特に細かいディテールを持つレジンプリントでは強力です。
• 機械工学または航空宇宙工学における機能部品: ここでは、焦点は明確にジェネレーティブデザインとラティス構造にあります。ジェネレーティブAIは、材料消費を最小限に抑えながら、機械的および熱的要件を満たす格子を生成できます。 accscience.com は、適切な例を示しています。

たとえば、 Neural Concept のようなプラットフォームは、AI支援シミュレーションとジオメトリ最適化を組み合わせています。これにより、各デザインを手動で再シミュレーションするよりもはるかに迅速にバリアントをテストできます。

出典: 3dprintingindustry.com

金属部品のここでの繊細な格子構造は、AI生成デザインと3Dプリントのトレードマークです。

将来の展望も興味深いです。5軸プリントの開発（たとえば、Generative MachineまたはAi Build）は、ほぼサポートなしのプリントを可能にし、オーバーハングとラティスの計画方法を変更します。GenerationOneは、そのフレーム自体がジェネレーティブに設計された5軸プリンターの例です。 Tom's Hardware, All3DP, Autodesk と GitHub は、コンセプトを紹介します。

テキストから3Dへのワークフローをライブで見たい場合は、短いビデオが10枚のスクリーンショットよりも役立つことがよくあります。

このビデオは、Meshy AIを使用してテキストの説明からモデルがどのように生成され、3Dプリント用に準備されるかを示しています。

FAQ：ワークショップからのよくある質問

ホビーメーカー、中小企業、学校との会話では、AIジェネレーティブデザイン3Dプリントに関して常に同様の質問に遭遇します。ここでは、それらのいくつかに焦点を当てます。

質問1：AI生成デザインを安全関連部品に使用できますか？

安全クリティカルな部品（たとえば、支持コンポーネント、安全関連の機械部品、または航空宇宙分野の部品）の場合、AIデザインだけでは十分ではありません。ここでは、包括的な証明、テスト、および必要に応じて認定が必要です。AIとジェネレーティブデザインはバリアント発見のための強力なツールですが、最終的な設計は常に古典的なシミュレーション、テスト実行、および基準によって保護される必要があります。 Neural Concept および同様のプロバイダーは、まさにこの点を強調しています。

質問2：AIジェネレーティブデザイン3Dプリントを開始するために高価なプロソフトウェアは必要ですか？

最初のプロジェクトについては、私たちの経験は明確です。いいえ。多くのテキストから3Dへのプラットフォームには無料のレベルがあり、たとえば FreeCAD または Blender のようなCADプログラムは、いずれにしても無料です。たとえば、. のジェネレーティブデザイン機能や Fusion 360 のラティスツールは、通常ライセンスが必要ですが、より深い制御と便利なワークフローを提供します。私たちはしばしば推奨します。まず、無料で利用可能なツールで原則を学び、必要に応じてプロソフトウェアにアップグレードしてください。 Altair は、通常ライセンスが必要ですが、より深い制御と便利なワークフローを提供します。私たちはしばしば推奨します。まず、無料で利用可能なツールで原則を学び、必要に応じてプロソフトウェアにアップグレードしてください。

質問3：AI生成3Dモデルの使用権についてはどうですか？

使用権はサービスごとに異なります。一部のプラットフォームでは結果を商業的に使用できますが、その他は特定の権利を保持したり、帰属を要求したりします。オープンソースモデルは、MIT、Apache、またはCreative Commonsのようなライセンスをよく使用します。たとえば、 Hyper3D, HexaGen および GitHub のプロジェクトで例を見つけることができます。したがって、モデルを商業的に使用したい場合は、常に利用規約とライセンステキストを注意深く確認してください。

質問4：AIなしの従来のCADと比較して、実用的な利点はどれくらいですか？

私たちは、多くのバリアントが求められるすべての場所で最も大きな違いに気づきます。軽量ホルダー、代替冷却チャネルジオメトリ、同じ境界条件での異なるトポロジー。AI支援ジェネレーティブアプローチは、人間が簡単に数日または数週間かかるバリアントを数分から数時間で提供します。 Neural Concept と Formlabs はこの利点を強調しています。プレートやスペーサーのような単純な部品については、従来のCADが依然としてより迅速なオプションであることがよくあります。

質問5：CADの知識なしに、テキストから直接3Dプリント可能なファイルをAIで生成できますか？

はい、これは現在驚くほどうまく機能しています。たとえば、 HP, Meshy, Sloyd, Hyper3D, 3D AI Studio や Tencent が公開した3Dモデルのようなプロバイダーは、テキストや画像から直接オブジェクトを生成し、多くの場合、わずかな調整でプリントできます。それでも、寸法、公差、およびプリント制限の基本的な理解を持っている必要があります。さもないと、モデルはうまく見えますが、機能しません。

短い結論：今、あなたが得られること

最後に、最も重要なポイントをコンパクトにまとめます。新しいプロジェクトを開始する前に、私たちも内部でこのように作業します。

• AIを起動する前に、部品の機能、環境、および固定点を明確に定義してください。
• AIモデルを盲目的に使用しないでください。確認、修理、寸法調整を行い、スライサーにロードするのはそれからです。
• 重量、剛性、または材料節約が本当に重要な場合は、ジェネレーティブデザインとラティス構造を使用してください。
• 十分な反復を計画してください。AIはプロセスをスピードアップしますが、実際の部品でのテストを置き換えることはできません。
• 機能する設定とワークフローを文書化して、将来のプロジェクトで再利用できるようにしてください。

より複雑なプロジェクトを計画していて、ジェネレーティブデザインが本当にプリント可能かどうか確信が持てない場合は、外部からのセカンドオピニオンが役立つことがよくあります。33d.chのワークショップでは、ホビーメーカーから中小企業まで、非常にさまざまな業界の顧客のために、このような部品を定期的にチェックしています。

このビデオは、Fusion 360でのジェネレーティブデザインワークフローを示しており、理論から実践的なワークフローへの飛躍を実感できるものにしています。

これらのビルディングブロックを自身のプロジェクトにステップバイステップで適用すると、AIジェネレーティブデザイン3Dプリントを試すだけでなく、日常で実際に活用するための堅牢な基盤が得られます。