L’azienda canadese AON3D, specializzata in sistemi FFF ad alta temperatura e piattaforme software per la produzione additiva, introduce un aggiornamento software che punta direttamente al collo di bottiglia tipico della stampa a estrusione di materiale: il tempo ciclo. Il nuovo modulo di ottimizzazione fisica del G-code lavora a valle dello slicing e mira a ridurre sensibilmente la durata dei job senza penalizzare qualità superficiale e proprietà meccaniche delle parti. Secondo i test interni, la funzione ha permesso di abbreviare i tempi di stampa fino al 54%, con un caso concreto in cui un lavoro di 24 ore è stato ridotto di circa 13 ore.
Dal semplice G-code a un processo termicamente controllato
Il cuore dell’aggiornamento è un motore di simulazione termica che, partendo dal solo file G-code, ricostruisce l’evoluzione di temperatura all’interno del pezzo durante la stampa. Il software modella il comportamento reologico e termico del polimero utilizzato, simulando il riscaldamento e il raffreddamento lungo il percorso utensile. Su questa base, il nuovo Throughput Optimization Module modifica in modo mirato parametri come velocità di avanzamento e portata di estrusione in diverse zone del componente, accelerando dove il materiale ha già dissipato calore e rallentando nelle aree critiche, a rischio di surriscaldamento e difetti.
Mantenere il polimero nella “finestra giusta”: reologia e limiti di melt fracture
Per i polimeri strutturali usati da AON3D – PEEK, PEKK, ULTEM/PEI, policarbonato e altri materiali ad alte prestazioni – la combinazione tra temperatura, velocità di estrusione e raffreddamento locale influenza in modo decisivo la resistenza di saldatura tra i layer, la qualità del bordo e la presenza di difetti superficiali. Il modulo di ottimizzazione tiene conto di due aspetti chiave:
-
la finestra termica ottimale del materiale, in cui l’adesione tra strati è massima;
-
i limiti di melt fracture, cioè quella soglia oltre la quale l’estrusione troppo spinta genera rugosità, “buccia d’arancia” e artefatti superficiali.
L’algoritmo regola il G-code in modo da restare dentro questi vincoli, cercando di massimizzare la produttività mantenendo al tempo stesso una saldatura interlayer robusta e una superficie stampata regolare.
Oltre il trial-and-error: il ruolo della Multiphysics Process Optimization
Nel comunicato ripreso da 3Druck, Adrian Miresan, Vice President Software Research di AON3D, afferma che finora la fisica del polimero è rimasta in gran parte fuori dal flusso di lavoro di slicing, lasciando agli utenti un tuning empirico, lungo e poco ripetibile. La nuova Multiphysics Process Optimization di AON3D combina:
-
modelli numerici di trasferimento di calore e reologia dei polimeri;
-
tecniche di modellazione statistica e di machine learning per individuare pattern ripetibili tra settaggi di processo e risultati finali.
Questa combinazione, già descritta nei precedenti annunci di software termico basato su simulazione e apprendimento automatico, punta a ottenere risultati più deterministici: l’obiettivo è che il passaggio da un set di parametri a un certo esito di stampa sia prevedibile e riproducibile, riducendo la dipendenza dall’esperienza del singolo operatore.
Integrazione con Basis™ e con l’ecosistema Hylo™
Il nuovo modulo si inserisce nella piattaforma software Basis™ di AON3D, che già oggi utilizza dati di simulazione termica per individuare deformazioni, fessurazioni, cedimenti di sbalzi e altri difetti legati al calore, con una logica mm per mm lungo il percorso di stampa. Basis modifica le impostazioni di processo per mantenere le temperature locali nella parte alta della finestra di lavorazione del polimero, incrementando l’adesione tra strati e la resistenza delle parti, senza provocare difetti da surriscaldamento.
La piattaforma è pensata per lavorare in combinazione con la stampante ad alta temperatura Hylo™, che integra sensori e funzioni di monitoraggio in-process: i dati raccolti in macchina vengono correlati alle previsioni del software, creando un ciclo chiuso di ottimizzazione e verifica. Secondo le informazioni pubblicate da AON3D, questa combinazione di hardware e software permette di ottenere parti fino all’85% più robuste rispetto a configurazioni standard non ottimizzate termicamente.
Differenze rispetto alle strategie classiche per “velocizzare” il FFF
Nel testo originale, 3Druck sottolinea come l’approccio di AON3D si distingua chiaramente dalle strategie più diffuse per accorciare i tempi di stampa nella tecnologia FFF:
-
aumento generalizzato delle velocità e delle accelerazioni;
-
uso di ugelli di diametro maggiore;
-
temperature di estrusione più elevate su tutta la parte.
Questi interventi globali ignorano la varietà di condizioni termiche locali: un ponte sottile con poca ventilazione, ad esempio, si comporta in modo molto diverso da una parete massiccia esposta al flusso d’aria. Il risultato può essere una combinazione di deformazioni, collassi di sbalzi, superfici ruvide e anisotropia variabile, con differenze di resistenza interne difficili da prevedere. L’ottimizzazione basata su simulazione di AON3D, invece, opera direttamente sul G-code, regione per regione, cercando di adattare i parametri al contesto geometrico e termico locale.
Effetti sul throughput: dai casi singoli alla produzione di serie
I numeri riportati da AON3D e ripresi da 3Druck – fino al 54% di riduzione dei tempi e 13 ore in meno su un job da 24 ore – vanno interpretati all’interno di un quadro più ampio. L’entità del guadagno dipende da:
-
geometria del pezzo;
-
dinamica della macchina;
-
gestione della ventilazione e della camera calda;
-
materiale scelto (PEEK, PEKK, ULTEM, PC, ecc.).
In scenari di produzione di piccole serie, dove la stessa geometria viene ripetuta, la possibilità di convergere rapidamente a un set di parametri ottimizzati e fisicamente giustificati riduce:
-
il numero di cicli prova-errore;
-
lo scarto dovuto a difetti termici;
-
il tempo speso per taratura e controllo qualità.
Su macchine come Hylo™ o AON M2+, pensate per polimeri ingegneristici in settori come aerospazio, automotive e dispositivi industriali, il beneficio principale non è solo il tempo macchina risparmiato, ma la maggiore confidenza nella qualità dei pezzi che escono dalla linea, supportata da dati di simulazione e da monitoraggio in-process.
Ottimizzazione del G-code: un filone in forte sviluppo nella ricerca
L’idea di intervenire direttamente sul G-code per migliorare qualità e produttività del FFF si inserisce in una tendenza più ampia, sia industriale sia accademica:
-
studi che applicano algoritmi di machine learning per riscrivere il G-code riga per riga, con riduzioni di tempo e materiale a parità di qualità superficiale;
-
approcci physics-informed, in cui modelli di trasferimento termico e comportamento del materiale guidano la scelta dei parametri;
-
reti neurali ricorrenti (LSTM) che imparano la relazione tra sequenze di G-code e proprietà meccaniche finali, con l’obiettivo di proporre in automatico configurazioni più efficienti.
In questo contesto, la soluzione di AON3D si posiziona come una proposta orientata all’uso industriale: anziché sostituire completamente gli slicer, il nuovo modulo lavora “a valle”, come livello di post-processing intelligente del G-code, sfruttando la conoscenza del materiale e il modello termico per ottenere un incremento di throughput con modifiche software, senza interventi sulla meccanica della macchina.
