樹脂耐久性評価 | 寿命予測・劣化診断受託評価サービス

製造からの経過年数だけでは、実際の使われ方による劣化状態を捉えきれません。材料の現在地を測り、次の意思決定につなげます。

製品寿命を事前に見通したい

実環境では数十年かかる劣化を短期間で再現し、適切な寿命設計や安全性確認につなげます。

中古部品を再利用できるか判断したい

劣化状態や余寿命を定量化し、リユース、リファービッシュ、残価設定の判断を支援します。

受入・点検を速く省力化したい

ハイパースペクトルデータや耐久試験データ、機械学習を活用し、劣化状態を判定します。 リサイクル材の選別や定期点検の効率化にも活用できます。

対象によっては非破壊で評価可能

分光測定を用いることで、対象物を破壊することなく診断できます。適用可否は、材料や製品形状に応じて確認します。

部分委託・持ち込み評価にも柔軟に対応

お客様の自前設備を活用しつつ、一部の試験・解析のみ当センターで実施するといったご要望にも対応します。

単独での利用だけでなく、試験設計から診断モデル構築までを組み合わせたワンストップ支援も可能です。

樹脂は紫外線や熱、風雨などの環境にさらされると劣化します。劣化が進行すると、強度低下など不安全になりクレームなどのトラブルになることもあり、使用する前に寿命を予測することが重要となります。
しかしながら、実際の環境では強度低下に至るまでに数十年の期間を要することが多く見受けられます。
そこで、加速試験により短期間で劣化を再現することが求められますが、科学的根拠なく、見よう見まねで実験しても危険な予測となってしまうことが懸念されます。
当センターでは、過去の豊富な受託経験に基づくノウハウにより最適な加速条件をご提案いたします。

＜短期寿命予測の実施ステップ＞

強度劣化の代替パラメータを活用することで、長期間の評価を待たずに樹脂の寿命を予測した事例です。製品開発のスピード向上や長寿命設計、効率的な材料選定に貢献します。

※カルボニルインデックス(CI)：FT-IRを用いた樹脂劣化に伴うカルボニル基の発生量
※酸化誘導時間(OIT)：熱分析を用いた酸化反応が開始する時間

非破壊で簡単に劣化を診断できる、当センター独自のソリューションをご紹介いたします。
光学スペクトルと劣化指標を機械学習で紐づけた劣化診断モデルを用いて樹脂の余命・物性値などを予測することが可能です。

劣化診断用モデルは、種々の分光測定と診断したいOutputを独自のアルゴリズムを用いた機械学習で紐づけ、予め作成しておきます。劣化診断の際は、分光測定による光学スペクトル取得(Input)のみで、簡単・迅速・非破壊にOutputを得ることが可能となります。

使用する分光測定としては、どこでも持ち運びが可能なポータブル型、或いはハイパースペクトルカメラを活用したイメージング評価による面内の分布把握、製品形状での診断など、用途に応じたご提案をさせて頂きます。

分光測定に使用している光源についても用途や目的によっても使い分けいたします。樹脂の劣化状態把握には、内部への透過性も考慮し、近赤外光を主としてスペクトル取得を行っております。

当センターでの長年のノウハウに基づく各種環境試験を用いた樹脂の劣化状態を短期間で再現、寿命予測を行うことで、劣化診断用データベースを構築致します。

また、劣化状態と科学的に紐づくパラメータの選定、機械学習による科学的根拠を抽出、機序解明を併せて行うことで、複雑な劣化挙動を示す材料への適用もワンストップで対応可能です。

既にスペクトルデータや物性データをお持ちの場合、劣化診断サービスのみも承ります。

バージン材に比べ、リサイクル樹脂のグレードによっては、熱履歴や異物混入による物性低下が懸念されます。そこで、グレード毎のスペクトルデータと強度や衝撃値などの物性値を機械学習で紐づけ、劣化診断モデルを構築した事例です。

このように判定値を下回る不合格品をリアルタイムに選別することが可能となり、リサイクル樹脂の適正受入れや工程検査の簡略化につながります。

中古部品や市場回収部品の再利用では、使用履歴や劣化状態が不明なため、品質保証が大きな課題となります。
本事例では、分光測定により取得したスペクトルデータと劣化状態を機械学習で関連付け、非破壊で劣化度を推定する診断モデルを構築しました。これにより、中古部品の再利用可否や余寿命を迅速に評価できるようになり、品質判断の高度化に加え、再利用可否の判断やリファービッシュ時の選別効率向上、廃棄削減に貢献します。

ご依頼から運用までの流れ

課題整理から診断モデルの検証、装置選定、本運用、改善まで一貫して支援します。

• ヒアリング、評価、試験計画
• 事前検証（診断モデル作製、精度検証）
• 本検証（劣化診断・導入装置選定）
• 本運用
• 改善提案