Il progetto DIQAM dell’ESA mira a digitalizzare la qualificazione dei componenti stampati in 3D

ESA digitalizza la qualifica dei componenti AM: DIQAM vuole trasformare test, CT e dati di processo in evidenze riutilizzabili

Qualificare un componente metallico prodotto tramite additive manufacturing per un lanciatore o un sistema di propulsione spaziale può richiedere molto più tempo che stamparlo. Polvere, macchina, parametri di processo, sensori, trattamenti termici, lavorazioni meccaniche, tomografie CT, prove sui provini e test del componente devono essere collegati fra loro e trasformati in evidenze sufficienti a dimostrare che quel particolare hardware sia stato prodotto attraverso un processo controllato. Molto spesso queste informazioni esistono già, ma sono distribuite fra database differenti, fogli Excel, log proprietari delle macchine e decine o centinaia di pagine PDF. Il nuovo progetto DIQAM – Digital Qualification Framework for Additively Manufactured Space Components, guidato dalla software company tedesca amsight nell’ambito dell’iniziativa ESA FIRST!, vuole intervenire precisamente su questo problema.

Il progetto è iniziato nel settembre 2026, durerà dodici mesi ed è sostenuto dal team Future Space Transportation dell’ESA all’interno del programma FLPP – Future Launchers Preparatory Programme. Il consorzio comprende amsight, ArianeGroup, InSpacePropulsion Technologies – ISPTech, APWORKS, Bimo Tech e Fraunhofer IAPT. I risultati saranno inoltre presentati il 14 ottobre alla Future Space Transportation Autumn Session 2026 di Parigi. Il valore economico specifico del contratto DIQAM non è stato reso pubblico nelle comunicazioni disponibili.

Il problema non è la mancanza di dati, ma l’impossibilità di riutilizzarli facilmente

Una moderna macchina Laser Powder Bed Fusion può generare enormi quantità di informazioni durante ogni build. A queste si aggiungono quelle provenienti dalla catena precedente e successiva: certificato del lotto di polvere, storia degli eventuali cicli di riuso, parametri macchina, maintenance, immagini layer-by-layer, dati dei sensori, heat treatment, HIP, rimozione supporti, machining, metrologia, CT e prove meccaniche. Dal punto di vista tecnico si tratta già di un patrimonio informativo enorme; dal punto di vista pratico, però, spesso è organizzato attorno al singolo progetto e non in una struttura utilizzabile automaticamente da chi deve qualificare la parte successiva.

ISPTech descrive bene il problema: verificare la qualità dei componenti AM dei fornitori è oggi in buona parte un’attività manuale, perché le informazioni sono spesso nascoste in lunghi rapporti PDF e confrontare uniformemente evidenze provenienti da supplier differenti è estremamente difficile. APWORKS aggiunge che raccogliere e interpretare tutta la documentazione di qualità relativa a un singolo componente può richiedere diverse ore.

DIQAM vuole quindi passare dal modello:

dato → PDF → revisione umana → nuovo PDF

a qualcosa di più simile a:

dato strutturato → associazione automatica alla parte/processo → verifica → analisi statistica → evidenza riutilizzabile.

Il documento rimane importante, ma non è più il contenitore principale dell’informazione.

Il cuore sarà il Digital Qualification Evidence Framework

Il progetto prevede tre risultati principali: una reference specification specifica per il settore spaziale, un Digital Part Qualification File e un prototipo software capace di importare automaticamente dati provenienti da fonti differenti, collegarli alla relativa evidenza di qualità e svolgere valutazioni statistiche lungo la supply chain.

Il termine Digital Part Qualification File non deve essere confuso con un semplice Digital Product Passport. Non è una scheda commerciale né un file contenente soltanto serial number e materiale. L’obiettivo è collegare digitalmente l’hardware alle evidenze che ne supportano la qualifica.

Polvere, macchina e CT devono diventare parti della stessa storia

Immaginiamo che una CT mostri una piccola indicazione interna all’interno di un componente. Oggi un quality engineer può dover cercare manualmente quali powder batch siano stati utilizzati, quale macchina abbia prodotto il pezzo, quale fosse lo stato del filtro, quali valori abbiano registrato i sensori su quei layer e se una particolare operazione di post-processing sia stata eseguita correttamente.

Con una struttura dati realmente collegata, l’analisi potrebbe partire direttamente dalla parte e risalire a:

serial number → build → macchina → parametri → powder genealogy → post-processing → inspection → mechanical evidence.

È la differenza fra archiviare file e creare relazioni fra i dati.

Amsight nasce precisamente intorno a questo problema. La società è uno spin-off del Fraunhofer IAPT e sviluppa un sistema di quality management specifico per additive manufacturing che collega powder, process, macchina, post-processing e inspection data. La piattaforma dichiara già integrazioni automatiche con macchine e log file, powder genealogy, Statistical Process Control e reporting a livello di singola parte. I risultati commerciali pubblicati dall’azienda, come riduzioni dell’80% della documentazione manuale presso alcuni clienti, sono case study del fornitore e non vanno generalizzati automaticamente a DIQAM, ma mostrano il tipo di infrastruttura software da cui parte il progetto.

Digitalizzare la qualifica non significa sostituire la qualifica

Questo è probabilmente il punto più importante dell’intero progetto. DIQAM non nasce per dire:

“i dati macchina sembrano corretti, quindi non serve più fare una CT”.

Il progetto stesso elenca fra le evidenze che devono essere integrate:

• CT inspection;
• mechanical testing;
• companion specimens;
• process monitoring;
• material data.

L’obiettivo iniziale è fare in modo che questi risultati siano meglio organizzati e riutilizzati, non cancellarli.

Una riduzione futura del testing diventa plausibile soltanto quando una quantità sufficiente di dati dimostra statisticamente che il processo è stabile e che determinate informazioni possiedono un valore predittivo.

Per esempio, se centinaia di componenti dimostrassero una relazione robusta fra specifici segnali in-process e l’assenza di determinati difetti CT, il cliente potrebbe eventualmente decidere di ridurre alcuni controlli ridondanti. Ma questa conclusione deve essere costruita attraverso dati e acceptance criteria, non dichiarata dal software.

L’ECSS prevede già che non tutto debba essere rifatto da zero

Il progetto DIQAM si inserisce bene in un principio già contenuto in ECSS-Q-ST-70-80C, lo standard europeo dedicato ai requisiti di processing e quality assurance del Powder Bed Fusion metallico per applicazioni spaziali.

La norma distingue fra definizione, verifica dell’end-to-end process e successiva produzione dell’hardware. Una fase fondamentale è la costruzione e verifica dell’Additive Manufacturing Procedure, AMP, che definisce fra l’altro feedstock, finestra dei parametri AM, post-processing e tecniche NDT.

Il punto strategicamente importante è che, nella fase di definizione di un nuovo hardware, deve essere verificato se esista già un AMP precedentemente validato applicabile a quell’applicazione. Se la risposta è sì, la verifica a livello di provini non deve necessariamente essere ripetuta interamente: si può procedere alla verifica del componente/prototipo.

Questo significa che il concetto di reusing qualification evidence non nasce con DIQAM. Esiste già nella logica normativa.

Il problema è riuscire a capire rapidamente quali evidenze siano applicabili e sotto quali condizioni.

Ed è qui che una struttura digitale diventa interessante.

Una qualifica è riutilizzabile solo entro il proprio dominio di validità

Supponiamo di avere qualificato una lega Ti-6Al-4V prodotta su una determinata macchina con uno specifico parameter set.

Non significa che la stessa evidenza sia automaticamente applicabile se cambia:

• powder supplier;
• particle-size distribution;
• machine model;
• laser configuration;
• layer thickness;
• orientation;
• heat treatment;
• HIP cycle;
• critical geometry.

La vera difficoltà di DIQAM sarà quindi non soltanto memorizzare l’evidenza, ma conservarne anche il qualification envelope.

Un risultato dovrebbe poter dire non semplicemente:

“test tensile superato”.

Ma:

“test valido per questa combinazione di materiale, macchina, orientamento, processo e post-processing”.

Senza questo contesto, il riuso digitale rischierebbe di diventare più pericoloso della documentazione manuale.

Il Digital Part Qualification File dovrà essere molto più di un archivio di allegati

Se il nuovo formato si limitasse a mettere PDF, STEP, CSV e immagini dentro un unico contenitore digitale, il beneficio sarebbe relativamente modesto.

Un sistema realmente machine-readable deve possedere una struttura semantica. Deve sapere che:

• questo powder lot è stato utilizzato in questa build;
• questa build conteneva questo serial number;
• questo coupon era orientato in Z;
• questa tomografia appartiene a quella specifica parte;
• questo heat treatment è stato eseguito dopo quella build;
• questo risultato tensile appartiene a quel processo qualificato.

Solo così diventa possibile interrogare automaticamente il database.

Per esempio:

“mostrami tutte le parti Ti-6Al-4V prodotte sulla macchina X dopo più di cinque cicli di riuso della polvere che abbiano superato CT e tensile test.”

Questo tipo di interrogazione è molto più difficile quando le informazioni sono distribuite in cartelle e PDF.

Il valore reale potrebbe essere la statistica fra più build

Qualificare una singola parte dice qualcosa su quella parte.

Produrre dieci, cento o mille parti collegate allo stesso sistema dati permette invece di studiare process capability e process stability.

È qui che entra lo Statistical Process Control.

Se un parametro inizia lentamente a spostarsi nel corso dei mesi, un report statico potrebbe non evidenziarlo. Una serie temporale strutturata può invece mostrare un drift prima che venga superata una soglia di accettazione.

Fra le variabili possibili ci sono:

• density;
• oxygen content della polvere;
• recoater events;
• laser performance;
• tensile strength;
• elongation;
• pore population;
• dimensional deviation.

Il punto non è sostituire il limite di specifica con un algoritmo, ma capire se il processo si stia progressivamente avvicinando al limite.

Fraunhofer IAPT lavora proprio su questo tipo di quality assurance data-driven: acquisizione automatizzata delle variabili di processo, process stability, selective inspection basata su in-situ data, nuove tecnologie NDT e correlazione fra difetti interni e comportamento meccanico.

Ridurre la CT è possibile solo se si dimostra cosa può sostituirla

La tomografia computerizzata è uno dei controlli più potenti per i componenti AM ma può essere lenta e costosa, soprattutto su pezzi di grandi dimensioni o materiali molto assorbenti.

Un obiettivo di lungo termine del settore è passare da:

CT everything

a:

inspect according to quantified risk and process evidence.

Questo richiede però una correlazione fra in-process signatures e difetto fisico.

Fraunhofer IAPT indica esplicitamente fra le proprie aree di lavoro l’uso di dati in situ per selective quality inspection, proprio per ridurre il costo del downstream QA. DIQAM può costruire l’infrastruttura dati necessaria per questo tipo di approccio, ma non significa che il progetto abbia già dimostrato che una particolare CT possa essere eliminata.

Il primo dimostratore arriva da ArianeGroup

Il framework sarà verificato su un Phase Change Material container destinato ad Ariane 6.

I Phase Change Materials vengono utilizzati per assorbire e rilasciare energia termica attraverso una transizione di fase. In un sistema spaziale possono contribuire alla gestione dei picchi termici mantenendo la temperatura all’interno di una determinata finestra.

Nel caso DIQAM, però, il valore principale del componente è il suo ruolo di hardware rappresentativo ArianeGroup su cui verificare il sistema di evidenze. La documentazione pubblica del progetto non fornisce ancora dettagli sufficienti su lega, macchina, dimensioni, pressure rating o flight status del container e questi dati non devono essere inventati.

ArianeGroup vede soprattutto nel formato digitale una possibilità per costruire un database statistico più ampio e, nel tempo, diminuire il numero delle verifiche ripetitive.

Il secondo dimostratore è un serbatoio ISPTech che deve realmente sostenere pressione

Il secondo caso è tecnicamente molto interessante perché riguarda il 4U propellant tank di ISPTech, elemento centrale del sistema di propulsione CubeSat della società.

Il modulo HyNOx 4U utilizza propellenti N₂O ed etano e il tank è progettato per operare ad alta pressione. Il sistema completo misura circa 209,3 × 209,3 × 110 mm nella configurazione standard e ISPTech dichiara oltre 4.000 Ns di impulso e un thruster HyNOx-1 da 0,5-2 N.

La società ha portato il modulo in flight configuration nel settembre 2025 e ha avviato campagne di qualifica in preparazione alla missione.

Il tank DIQAM costituisce quindi un caso molto diverso da una semplice staffa: una discontinuità interna, una variazione di spessore o un problema metallurgico in un pressure vessel richiedono una gestione estremamente rigorosa delle evidenze.

L’azienda utilizza già additive manufacturing per i propri serbatoi perché permette di adattare le dimensioni del sistema in funzione del veicolo.

“One click” significa automatizzare la documentazione, non approvare automaticamente il volo

APWORKS sintetizza l’ambizione del progetto dicendo che il lavoro necessario per raccogliere e interpretare la documentazione di qualità dovrebbe passare da diverse ore a un solo clic.

È un obiettivo di workflow, non di autorità certificativa.

Il clic dovrebbe idealmente generare qualcosa come:

• materiale conforme;
• macchina qualificata;
• process window rispettata;
• heat treatment documentato;
• inspection completata;
• risultati all’interno della specifica;
• deviazioni registrate.

La decisione finale sulla conformità può comunque richiedere un quality engineer, un customer approval o l’applicazione delle procedure previste dal programma spaziale.

Software-assisted qualification e autonomous certification sono quindi concetti profondamente differenti.

Anche “certificazione” e “qualificazione” non sono esattamente sinonimi

Le notizie generaliste tendono spesso a utilizzare i due termini in modo intercambiabile. Nel contesto tecnico AM è meglio essere più precisi.

La qualification dimostra che materiale, processo, macchina o parte soddisfino un insieme definito di requisiti nelle condizioni specificate.

La certification, quando applicabile, implica invece un’approvazione formale secondo il sistema regolatorio, cliente o autorità competente.

DIQAM viene correttamente chiamato Digital Qualification Framework.

Non è una nuova certification authority ESA.

Il progetto FIRST! è deliberatamente breve

Dodici mesi possono sembrare pochi per affrontare un problema così vasto, ma sono coerenti con la struttura dell’iniziativa FIRST! – Future Innovation and Research in Space Transportation.

ESA utilizza FIRST! per portare rapidamente tecnologie disruptive verso livelli dell’ordine di TRL 4-5, attraverso prototipazione e verifica in ambiente rilevante.

Il programma Simulation & Intelligence è specificamente dedicato a software, data-driven engineering, AI, smart manufacturing e testing.

Il DIQAM non deve quindi, nei prossimi dodici mesi, standardizzare l’intera additive manufacturing europea.

Deve dimostrare che il framework funziona abbastanza bene su casi industriali reali da giustificare una fase successiva.

Questo è importante per interpretarne correttamente lo stato: al settembre 2026 DIQAM è appena iniziato. Il Digital Qualification Evidence Framework finale non è ancora disponibile, né è stato dimostrato che riduca effettivamente una determinata percentuale di CT o mechanical testing.

Il formato dati dovrà funzionare fra aziende che non vogliono condividere tutto

La standardizzazione introduce inoltre un problema industriale delicato: proprietà intellettuale e cybersecurity.

Un prime contractor vuole conoscere abbastanza del processo del supplier da potersi fidare del componente.

Il supplier non vuole necessariamente consegnare:

• tutti i propri process parameters;
• algoritmi proprietari;
• know-how metallurgico;
• interi raw dataset.

Il formato digitale dovrà quindi stabilire quale evidenza deve essere condivisa e con quale livello di granularità.

Un esempio potrebbe essere dimostrare che un parametro sia rimasto entro la qualified window senza necessariamente rivelare a ogni cliente l’intera ricetta di processo.

Fraunhofer IAPT lavora anche sul tema dei formati dati e della sicurezza, inclusi scambio sicuro, modelli dati uniformi e protezione delle informazioni riservate lungo una supply chain AM.

Per una supply chain spaziale europea questo aspetto sarà essenziale.

La provenienza di amsight spiega perché il progetto è costruito attorno ai dati

Amsight è nata come spin-off del Fraunhofer IAPT di Amburgo proprio dopo avere incontrato ripetutamente il problema dei dati AM dispersi fra sistemi differenti.

La sua piattaforma non vuole sostituire ERP e MES. L’azienda la descrive come un layer specializzato dedicato alla quality evidence, collocato fra i sistemi aziendali e le fonti macchina.

ERP gestisce ordini, acquisti e inventario.

MES gestisce routing, scheduling e stato delle operazioni.

Il normale QMS gestisce procedure, deviazioni e approvazioni.

Amsight cerca invece di collegare:

powder + build + macchina + parte + post-process + inspection + test.

DIQAM rappresenta in un certo senso la trasformazione di questa logica aziendale in un framework sperimentale per la supply chain spaziale ESA.

APWORKS porta invece il punto di vista di chi deve consegnare parti qualificate

APWORKS produce componenti metallici AM per applicazioni safety-critical ed è certificata EN9100. La società lavora soprattutto con processi LPBF e materiali come Ti-6Al-4V e Scalmalloy e integra powder selection, manufacturing, post-processing, testing e final inspection.

Il suo interesse in DIQAM è quindi molto concreto: un contract manufacturer deve fornire al cliente non soltanto la parte, ma la prova di come è stata prodotta.

Più clienti utilizzano formati differenti, maggiore diventa il lavoro manuale per convertire gli stessi dati in differenti reporting structure.

Uno standard digitale può ridurre proprio questo attrito amministrativo.

Bimo Tech aggiunge il lato materiali

Il consorzio comprende anche Bimo Tech, società polacca che lavora su materiali avanzati, metalli refrattari, titanio, nickel e high-entropy/refractory high-entropy alloys per space, fusion ed aerospace.

Questo è importante perché una digital qualification chain non può cominciare con la stampante.

Deve iniziare dal material feedstock.

Nel PBF metallico caratteristiche come composizione, particle-size distribution, oxygen content, morphology e storia del lotto influenzano il processo e devono poter essere collegate ai componenti prodotti.

Il materiale non è quindi un campo testuale con scritto “Ti64”. È una vera entità digitale con origine e genealogia.

Il concetto può estendersi molto oltre lo spazio

DIQAM è costruito attorno alle esigenze ESA ma il problema è quasi identico in:

• aerospace civile;
• defence;
• medicale;
• energia;
• oil & gas;
• automotive safety-critical.

Un produttore di impianti medicali, per esempio, deve anch’esso collegare powder lot, macchina, processo, heat treatment, inspection e part serial number.

Un fornitore aeronautico deve dimostrare la stabilità del processo nel corso di molte build.

Un operatore oil & gas può dover conservare la storia produttiva di un ricambio critico.

Un Digital Qualification Evidence Framework sufficientemente neutro potrebbe quindi diventare interessante anche fuori dall’ESA.

Il difficile sarà standardizzare il significato, non il file

Inventare un nuovo JSON o XML è relativamente semplice.

Molto più difficile è fare in modo che aziende differenti attribuiscano lo stesso significato ai dati.

“Build temperature”, per esempio, può indicare:

• plate temperature;
• chamber temperature;
• gas temperature;
• valore target;
• valore medio misurato.

“Density” può derivare da:

• Archimede;
• microscopy;
• CT.

Un formato realmente interoperabile deve quindi definire semantica, unità, metodo di misura, uncertainty, provenance e revision.

Altrimenti si ottengono dati digitali ma non realmente confrontabili.

È probabilmente uno dei problemi tecnici più impegnativi del progetto.

La provenienza del dato sarà importante quanto il valore

Se il Digital Part Qualification File contiene “ultimate tensile strength = 1.050 MPa”, il sistema dovrebbe anche sapere:

• quale provino;
• quale standard;
• orientamento;
• laboratorio;
• macchina di prova;
• temperatura;
• build;
• powder batch;
• heat treatment.

Questa relazione permette di valutare se il dato sia realmente pertinente al componente.

Senza provenance, il dato digitale rischia di diventare soltanto un numero più facile da copiare.

L’AI potrebbe arrivare dopo, ma DIQAM non va confuso con un progetto di certificazione basata sull’intelligenza artificiale

L’iniziativa FIRST! comprende esplicitamente software, dati e AI, ma la descrizione DIQAM si concentra su automated data ingestion, evidence aggregation e statistical evaluation.

Non viene annunciato un modello AI incaricato di decidere autonomamente se una parte sia flightworthy.

L’infrastruttura sviluppata potrebbe in futuro diventare un’ottima base per machine learning, perché dati strutturati e collegati sono precisamente ciò che serve per addestrare modelli affidabili.

Ma prima viene il problema più semplice e fondamentale:

sapere quali dati abbiamo e a quale parte appartengono.

Il vero traguardo sarebbe passare dalla qualification by repetition alla qualification by evidence

Per decenni, quando il livello di confidenza non era sufficiente, la strategia più sicura era ripetere test.

È comprensibile, soprattutto nello spazio.

Ma una volta accumulate decine o centinaia di campagne di produzione, una parte significativa di quella conoscenza dovrebbe poter essere riutilizzata.

Se ogni nuovo progetto ricomincia con un nuovo foglio Excel e una nuova raccolta manuale dei documenti, il patrimonio statistico rimane inutilizzato.

DIQAM vuole impedire precisamente questa perdita di conoscenza.

Non propone di abbassare i requisiti.

Propone di dimostrare i requisiti usando meglio i dati già prodotti.

È una distinzione fondamentale.

Il successo del progetto non si misurerà dal numero di PDF eliminati

I risultati veramente importanti saranno altri: quanto tempo viene risparmiato per costruire un qualification dossier; quanta evidenza proveniente da una build precedente può essere riutilizzata; quanto facilmente due supplier possono essere confrontati; quali test rimangono obbligatori; quali controlli possono diventare risk-based; quanto velocemente una deviazione può essere ricondotta alla propria causa.

Se il risultato fosse soltanto un report generato automaticamente da un database, sarebbe utile ma relativamente limitato.

Se invece il Digital Qualification File riuscisse a mantenere una relazione verificabile fra processo, materiale e risultato della parte attraverso build differenti e supplier differenti, il progetto potrebbe cambiare realmente l’economia dell’AM spaziale.

Perché la vera barriera alla stampa 3D di componenti critici non è più sempre la possibilità tecnica di produrre la geometria.

Molto spesso è il costo necessario a dimostrare, ogni volta, che quella geometria è stata prodotta correttamente.

DIQAM prova quindi a digitalizzare non la stampante, che è già digitale, ma la fiducia nel componente.

Ed è probabilmente questa una delle infrastrutture meno visibili ma più importanti necessarie per portare l’additive manufacturing dalla produzione di pochi componenti qualificati a una supply chain spaziale europea realmente scalabile.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI).