Paul Benning Chief Technologist 3D Printing presso HP prevede sviluppi di stampa 3D nel 2019
Paul Benning è il capo tecnico di stampa 3D e microfluidica di HP. Prima era un HP Fellow e il Chief Technologist della loro divisione di imaging e stampa. È un noto esperto di nanotecnologie , microfluidica e inkjet con un dottorato di ricerca. in Material Science. Sono davvero impressionato dal calibro delle persone in HP e dalla quantità di pensiero che mettono nella loro tecnologia e in tutti gli aspetti che circondano la loro tecnologia. Pertanto, ho colto l’occasione per intervistare Paul su alcune tendenze chiave per il 2019. Sono lieto che abbiamo imparato che HP è in gradoper stampare circuiti sulle sue macchine e che incorporeranno l’apprendimento automatico nella produzione. Sono anche contento che le previsioni di Paul siano saldamente radicate nella pratica scientifica e manifatturiera e non nel “sogno di un piccolo sogno”, bla bla come tante previsioni.
L’apprendimento automatico potrebbe ridurre in modo significativo i tassi di scarto nella stampa 3D, è qualcosa che ti aspetteresti che accada nel breve periodo?
Prevedo che l’apprendimento automatico aumenterà l’innovazione nel settore manifatturiero nel prossimo anno. Poiché l’apprendimento automatico è integrato maggiormente nelle stampanti 3D e nei sistemi di controllo in tutto il mondo, ingegneri e progettisti potranno ricevere informazioni sulla temperatura della macchina, l’aspetto della polvere, i leganti utilizzati, i dati delle immagini e le geometrie delle parti finali. Tutte queste informazioni aiuteranno a ridurre i tassi di scarto e assicureranno che le parti prodotte siano concise e perfettamente funzionanti.
Come vedi l’apprendimento automatico e la stampa 3D interagiscono?
Oltre ad essere in grado di condividere più informazioni che mai con ingegneri e progettisti, l’integrazione di machine learning e stampa 3D offre la possibilità di monitorare una parte sul campo. Le persone possono seguire la parte finita nel mondo e vedere come si svolge nel corso della sua vita, legando i risultati alle configurazioni di progettazione. I progettisti possono fissare in modo univoco tutte le parti e tracciarle tramite un numero seriale, consentendo la tracciabilità della catena di approvvigionamento in tempo reale.
Ad esempio, l’apprendimento automatico può essere utilizzato per ridurre il restringimento delle parti?
Sì, l’apprendimento automatico verrà utilizzato per migliorare il processo durante lo sviluppo e per fornire feedback in tempo reale durante la stampa di parti e questo livello di controllo aiuterà a ottimizzare tutti i vettori di prestazioni, inclusa la riduzione delle parti. Un impatto ancora più significativo dell’apprendimento automatico potrebbe essere quello di prevedere con maggiore precisione il restringimento della parte in modo che il progetto e il processo possano compensare anticipatamente la deformazione prevista producendo una parte stampata con tolleranze più strette.
Pensi davvero che il design generativo renderà i designer più veloci? Come?
Assolutamente. Il design generativo ha il potenziale per rendere i progettisti 10-100x più veloci sfruttando algoritmi per scoprire ogni possibile iterazione di una soluzione. Gli ingegneri possono creare e simulare migliaia di design, inclusi quelli che non sono in grado di immaginare da soli, in una frazione del tempo. La bellezza del design generativo è che gli ingegneri non sono più limitati dalla propria immaginazione, ma possono invece sfruttare l’intelligenza artificiale per co-creare prodotti migliori in modo più veloce e più sostenibile.
In che misura la simulazione migliorerà la progettazione generativa in modo che le parti possano essere ottimizzate?
Costruendo in simulazione e test per il processo di progettazione, gli ingegneri evitano costose rilavorazioni di produzione. Ciò consente di ottimizzare le parti garantendo che la tecnologia sia un partecipante attivo nel processo di progettazione, piuttosto che riflettere semplicemente i progetti finiti reali.
Ti aspetti anche l’ottimizzazione del percorso utensile per particolari geometrie?
Per Multi Jet Fusion e Metal Jet il “percorso utensile” è sostituito dal modello stampato e dalle decisioni di dove vengono posizionate le gocce di ciascun agente. Mi aspetto che i pattern di posizionamento delle gocce saranno ottimizzati per particolari geometrie per produrre parti precise e meccanicamente forti.
E se lo facciamo, come possiamo ridare queste informazioni al software di progettazione generativa?
Utilizzando le informazioni condivise dal monitoraggio dell’apprendimento automatico, le parti stampate in 3D sul campo, i progettisti e gli ingegneri possono immettere parametri reali in software di progettazione generativa, come dimensioni del prodotto o dimensioni geometriche, condizioni operative, peso target, materiali, metodi di produzione e CPU. Il software quindi genera tutti i progetti fattibili e esegue un’analisi delle prestazioni per ciascuno per determinare i migliori per la prototipazione.
Ho sempre trovato piuttosto allettante che con la tecnologia di stampa 3D HP si potessero mettere molti rivestimenti sugli oggetti. Con la porosità e la qualità della superficie che sono così problematiche per noi, le parti di rivestimento sono qualcosa che stai guardando?
Sì, stiamo studiando i rivestimenti applicati sia come processo di post-stampa che durante la stampa in sistemi multi-agente. Questa capacità di controllo del voxel consentirà alle stampanti 3D HP di andare oltre i semplici rivestimenti per produrre superfici modellate – rivestimenti diversi in posizioni diverse – e persino di consentire il controllo dei materiali lontano dalla superficie, all’interno della parte.
Possiamo aspettarci circuiti e materiali conduttivi dalla stampa 3D HP?
Abbiamo dimostrato circuiti stampati presso HP Labs e mostrato sensori operativi come strain gauges.
Con il legante metallico non avremo sempre problemi con il restringimento delle parti? E non sarà sempre terribile perché il restringimento varierà a causa della geometria e delle dimensioni della parte?
In qualsiasi tecnologia in cui iniziamo con le polveri e creiamo parti finali dense ci sarà un restringimento in quanto si consuma lo spazio aperto tra le particelle di polvere. Oggi siamo in grado di produrre geometrie piuttosto complesse e mi aspetto che, man mano che continueremo ad imparare, i nostri modelli miglioreranno e forniremo strumenti di progettazione che funzionano con prevedibili contrazioni e strategie di supporto intelligenti per fornire il più ampio spazio di progettazione.
Come puoi assicurarti che queste parti abbiano le giuste tolleranze?
Le macchine di produzione ben caratterizzate che vengono azionate utilizzando buone metodologie di controllo del processo daranno grande fiducia nella produzione di parti con le tolleranze previste. La modellazione computazionale avanzata e l’apprendimento automatico ci aiuteranno a automatizzare il processo di progettazione per ottenere rapidamente il miglior design e aiuteranno ad automatizzare i processi di configurazione e controllo degli strumenti di produzione, in modo da costruire sempre la parte migliore.
Quali sono alcune aree di applicazione per la stampa 3D che vedi aprirsi?
Vedremo l’impatto accelerato della produzione digitale prendere piede sotto forma di applicazioni di produzione, in particolare nei settori automobilistico, industriale e medico. Nel settore automobilistico, abbiamo assistito a una maggiore attenzione allo sviluppo di materiali di produzione per applicazioni auto, poiché la stampa 3D gravita dalla prototipazione alla produzione completa di parti e prodotti finali. Inoltre, poiché nuove piattaforme come i veicoli elettrici entrano nella produzione di massa, HP Metal Jet dovrebbe essere sfruttato per applicazioni come la leggera ponderazione di parti metalliche completamente sicure. La produzione industriale 3D consente inoltre all’industria automobilistica di produrre applicazioni in modi nuovi che prima erano impossibili, oltre alla possibilità di progettare parti specifiche dell’applicazione per singoli sistemi o modelli.