Interspectral guida TRUSTAM: AI federata per il controllo qualità nella stampa 3D metallica
In Svezia prende forma un progetto di ricerca dedicato a uno dei passaggi più delicati della manifattura additiva industriale: rendere il controllo qualità più automatico, tracciabile e utilizzabile anche in contesti dove i dati non possono essere spostati liberamente.
Il progetto si chiama TRUSTAM, acronimo di Trusted Federated Intelligence for Additive Manufacturing, e vede coinvolti Interspectral, Saab, AMEXCI e Scaleout Systems. L’iniziativa è sostenuta da Vinnova, l’agenzia nazionale svedese per l’innovazione, con un finanziamento indicato nella banca dati dell’ente pari a 7.413.300 corone svedesi. Il progetto è registrato con durata aprile 2026 – aprile 2028 e con Interspectral AB come coordinatore.
L’obiettivo è sviluppare un sistema di garanzia qualità basato su intelligenza artificiale per la stampa 3D industriale, con particolare attenzione ai settori dove non basta produrre un componente: bisogna anche dimostrare, con dati verificabili, che il processo sia sotto controllo. Aerospazio, difesa e applicazioni safety-critical sono gli ambiti citati dai partner del consorzio.
Perché il controllo qualità è ancora un nodo centrale nella stampa 3D metallica
La manifattura additiva metallica genera una quantità crescente di dati: immagini layer-by-layer, parametri macchina, sensori di processo, risultati di simulazione, analisi post-produzione, tomografie e misure dimensionali. Il problema non è soltanto raccoglierli, ma collegarli in modo utile al componente prodotto.
In una produzione sperimentale o in piccoli lotti si può accettare una parte rilevante di analisi manuale. Quando però si passa alla produzione industriale, soprattutto per componenti critici, il controllo qualità deve diventare più sistematico. Ogni macchina può comportarsi in modo leggermente diverso, ogni materiale può introdurre variabili specifiche, ogni sito produttivo può avere condizioni operative proprie. Per questo un modello AI addestrato in un solo ambiente non è automaticamente trasferibile a un altro.
Il progetto TRUSTAM lavora proprio su questo punto: come far crescere modelli di intelligenza artificiale capaci di imparare da più ambienti produttivi, senza obbligare le aziende a centralizzare dati industriali sensibili.
Che cosa significa AI federata nella manifattura additiva
Il concetto chiave è il federated learning, o apprendimento federato. Invece di spostare tutti i dati verso un server centrale, ogni sito mantiene i propri dati localmente. Il modello viene addestrato sul posto, vicino alla macchina o all’infrastruttura produttiva, e soltanto gli aggiornamenti del modello vengono condivisi con il sistema complessivo.
Interspectral descrive TRUSTAM proprio in questi termini: modelli AI che migliorano collettivamente attraverso più ambienti di produzione, mentre i dati grezzi restano nel sito in cui sono stati generati.
Per la stampa 3D questo approccio ha un senso pratico evidente. Le aziende che operano nell’aerospazio o nella difesa non sempre possono condividere liberamente file macchina, geometrie, immagini di processo o dati di difetto. In alcuni casi ci sono vincoli di proprietà intellettuale, in altri vincoli contrattuali o di sicurezza. L’apprendimento federato permette di collaborare sul miglioramento dei modelli senza trasformare la collaborazione in uno scambio aperto di dati industriali.
Il ruolo di Interspectral e della piattaforma AM Explorer
Nel consorzio, Interspectral avrà un ruolo tecnico centrale. L’azienda svedese svilupperà il modello AI locale e lo integrerà nella propria piattaforma AM Explorer, pensata per visualizzare, fondere e analizzare dati provenienti da diverse fasi del processo additivo.
AM Explorer è già presentata da Interspectral come una piattaforma per unire dati di simulazione, monitoraggio in-situ e controlli post-build in un ambiente 3D interattivo. L’azienda sottolinea anche l’approccio vendor-agnostic, cioè la possibilità di lavorare con dati provenienti da macchine e sensori diversi senza restare vincolati a un solo costruttore.
Questo aspetto è importante perché molte aziende additive non lavorano con una sola tecnologia o con una sola marca di macchina. Un reparto industriale può avere sistemi L-PBF di fornitori differenti, celle dedicate a materiali diversi, archivi storici non omogenei e procedure di qualifica sviluppate nel tempo. In questo scenario, la piattaforma software diventa il punto di raccordo tra produzione, qualità e ingegneria.
Secondo Interspectral, TRUSTAM dovrà contribuire anche allo sviluppo di capacità on-premise per AM Explorer, inclusi modelli AI addestrabili localmente e analisi multimodali di processo.
Saab e AMEXCI portano il contesto industriale
La presenza di Saab e AMEXCI dà al progetto un legame diretto con l’uso industriale della manifattura additiva in Svezia. Saab lavora da anni su applicazioni additive in ambito aeronautico e difesa, e AMEXCI è nata proprio come centro di competenza per accelerare l’adozione industriale della stampa 3D tra grandi gruppi svedesi.
AMEXCI è specializzata nella stampa 3D metallica industriale, con strutture operative in Svezia e Finlandia, competenze in design, simulazione, produzione, analisi dei materiali e post-processing. L’azienda dichiara processi certificati secondo AS 9100D, ISO 9001, IATF 16949 e ISO 14001, oltre a un laboratorio materiali accreditato ISO/IEC 17025 da SWEDAC.
Saab, dal canto suo, ha già illustrato in passato il proprio interesse per l’additive manufacturing in applicazioni dove contano leggerezza, geometrie complesse, disponibilità di ricambi e riduzione dei tempi di sviluppo. In un caso pubblicato da AMEXCI, Saab ha lavorato con AMEXCI a un componente stampato in 3D per una riparazione esterna su un caccia Gripen, all’interno di un progetto legato al concetto di Battlefield Damage Repair.
Questi riferimenti aiutano a capire perché TRUSTAM non sia un semplice progetto software. Il tema non è “usare l’AI nella stampa 3D” in senso generico, ma costruire strumenti che possano reggere in ambienti produttivi dove la qualifica del componente, la sicurezza dei dati e la ripetibilità del processo sono decisive.
Scaleout Systems e l’infrastruttura per il federated learning
Il quarto partner, Scaleout Systems, porta competenze specifiche nel federated learning e nell’AI distribuita. L’azienda svedese lavora su infrastrutture per il machine learning in cui l’addestramento avviene dove risiedono i dati, mantenendo i dati grezzi sul dispositivo o nel sito locale. La sua piattaforma Scaleout Edge è descritta come una soluzione per addestrare modelli su droni, veicoli e flotte industriali senza spostare i dati grezzi.
Scaleout è anche legata a FEDn, un framework per l’apprendimento federato. Secondo la documentazione, FEDn è progettato per sistemi distribuiti e scalabili, con supporto a scenari geograficamente distribuiti e a diversi framework di machine learning.
Nel contesto TRUSTAM, questo tipo di infrastruttura può servire a orchestrare l’addestramento tra più ambienti produttivi. Una macchina può generare dati di processo in un sito, un’altra può operare con una lega diversa in un altro stabilimento, un terzo ambiente può essere soggetto a vincoli di sicurezza ancora più stretti. Il modello complessivo può beneficiare dell’esperienza distribuita, ma senza imporre un archivio unico centralizzato.
Che risultati si attende TRUSTAM
Il progetto mira a tre risultati principali.
Il primo è la creazione di modelli AI locali, installabili on-premise e adattati alle condizioni specifiche di una macchina, di un materiale o di un processo. Questo è utile perché la stampa 3D metallica è molto sensibile alle condizioni reali di produzione: parametri, polvere, geometria, atmosfera, sensori e manutenzione influenzano il risultato finale.
Il secondo è un quadro validato per la collaborazione AI tra siti diversi, con protezione dei dati e della proprietà intellettuale. Non basta che un sistema funzioni in laboratorio: per essere adottato in ambito aerospaziale o difesa deve offrire tracciabilità, controllo delle versioni, sicurezza e verificabilità.
Il terzo è la realizzazione di dimostratori in ambienti reali legati ad aerospazio e difesa. Interspectral indica che il progetto si concluderà con una fase dimostrativa e con la diffusione dei risultati alla comunità della manifattura additiva.
Perché il progetto interessa anche fuori dalla Svezia
TRUSTAM si inserisce in una tendenza più ampia: la manifattura additiva sta passando da tecnologia di prototipazione avanzata a strumento di produzione controllata. Questo passaggio richiede standard, dati affidabili, modelli predittivi e procedure di qualifica più solide.
Anche il NIST, negli Stati Uniti, lavora su AI e informatica avanzata per la manifattura additiva con l’obiettivo di ridurre le incertezze nella fabbricazione e nella qualifica dei componenti, puntando a concetti come “first part correct” e “born qualified”.
Il punto non è sostituire la competenza degli ingegneri o degli addetti qualità, ma fornire strumenti più efficaci per leggere ciò che accade durante la costruzione del pezzo. Un’anomalia visibile nei dati di processo può diventare un indicatore precoce. Una correlazione tra monitoraggio in-situ e analisi post-build può ridurre il numero di controlli successivi. Una base dati distribuita, se gestita correttamente, può aiutare a migliorare i modelli senza esporre informazioni riservate.
Una direzione concreta per l’industrializzazione della stampa 3D
La stampa 3D metallica ha bisogno di più automazione nel controllo qualità, ma anche di strumenti che rispettino i limiti reali delle aziende: dati sensibili, macchine diverse, stabilimenti separati, requisiti di certificazione e processi non sempre standardizzati.
TRUSTAM affronta il problema da questa prospettiva. Interspectral porta la piattaforma di analisi e visualizzazione dei dati AM, Saab e AMEXCI portano il contesto applicativo industriale, Scaleout Systems contribuisce con l’infrastruttura per l’apprendimento federato, mentre Vinnova sostiene il progetto all’interno dei programmi svedesi per la digitalizzazione avanzata dell’industria.
Il risultato atteso non è un singolo algoritmo miracoloso, ma un sistema più maturo per usare l’AI nella manifattura additiva senza separarla dai vincoli concreti della produzione. Per chi lavora con componenti critici, questa può essere una delle strade più credibili: far imparare i modelli dai dati di processo, mantenendo però il controllo su sicurezza, tracciabilità e proprietà industriale
