AIMIS‑LFAM: monitoraggio AI per il 3D printing robotico di grande formato nello spazio
La realizzazione di strutture spaziali di grandi dimensioni è oggi vincolata alle dimensioni delle carenature di lancio: tralicci, supporti per antenne o telai di pannelli solari devono essere costruiti a terra, ripiegati e poi dispiegati in orbita, con compromessi in termini di massa, complessità meccanica e costi. In questo contesto, il progetto AIMIS‑LFAM (AI‑Based Monitoring of Large Robotic Format Additive Manufacturing in Space), guidato da Caracol e finanziato dall’Agenzia Spaziale Europea (ESA), esplora l’uso della Large Format Additive Manufacturing (LFAM) robotica abbinata a sistemi di monitoraggio basati su intelligenza artificiale per abilitare la produzione autonoma in orbita. L’obiettivo è dimostrare che strutture complesse in materiale polimerico composito possano essere stampate in condizioni estreme – microgravità, vuoto, forti gradienti termici, radiazione – garantendo al contempo qualità ripetibile senza supervisione continua da parte di operatori umani.
Partner, programma ESA e ambito del progetto
AIMIS‑LFAM nasce all’interno del programma ESA “Assessments to Prepare and De‑Risk Technology Developments”, dedicato alla valutazione preliminare di tecnologie ad alto potenziale per missioni future. Il progetto è coordinato da Caracol, azienda italiana specializzata in LFAM robotica con sede a Milano, centro produttivo LFAM in Europa e hub in Texas e Dubai, già fornitore di soluzioni Heron AM e Vipra AM per settori come aerospazio, nautica ed energia. Alla partnership partecipano anche il Dipartimento di Meccanica del Politecnico di Milano, con competenze sui metodi avanzati di monitoraggio e controllo basati su AI per la stampa di grandi strutture, e OBO Space, impegnata nella valutazione di requisiti e vincoli a livello di sistemi spaziali, integrazione di payload e mission design.
Architettura tecnica: Heron AM e monitoraggio multisensore
Alla base dell’infrastruttura di AIMIS‑LFAM c’è la piattaforma Heron AM di Caracol, un sistema LFAM che utilizza bracci robotici industriali e un’estrusione a pellet di polimeri e compositi per realizzare componenti di grandi dimensioni. Heron AM è già impiegato a terra per applicazioni come attrezzaggi aeronautici, stampi per sovrastrutture navali, parti finite per imbarcazioni e componenti per il settore energia, dimostrando capacità di stampa continua su tempi molto prolungati nel caso di grandi strutture. Nell’ambito di AIMIS‑LFAM, questa piattaforma viene arricchita con una architettura di monitoraggio multisensoriale, che combina: telecamere RGB per l’acquisizione della geometria depositata layer‑by‑layer, sensori infrarossi per il controllo dei campi termici durante e dopo l’estrusione e una rete di sensori installati sulla macchina per tracciare parametri di processo e condizioni ambientali.
Le informazioni raccolte includono dati su temperatura di estrusione, consumo energetico dei motori, vibrazioni sull’estrusore, condizioni di temperatura e umidità del volume di lavoro e altri segnali utili a costruire un gemello digitale del pezzo stampato. Questa rappresentazione digitale correlata agli eventi di processo permette di individuare aree in cui il deposito del materiale potrebbe essere stato anomalo, collegando difetti potenziali – come scarsa adesione tra strati o instabilità dimensionale – a specifiche condizioni operative.
Intelligenza artificiale per la qualità in orbita
Il cuore di AIMIS‑LFAM è l’adozione di algoritmi di machine learning per l’analisi in tempo reale dei dati provenienti dai sensori e dalle telecamere. Le reti di AI vengono addestrate a riconoscere pattern associati a anomalie del processo, ad esempio gradienti termici eccessivi che possono causare deformazioni, irregolarità nel cordone estruso, mancanza di materiale o deviazioni dalla geometria nominale. Una volta rilevati questi segnali, il sistema è in grado di generare allarmi automatici e, in prospettiva, attuare correzioni in linea regolando parametri come velocità del robot, portata di estrusione o temperature, oppure decidendo l’interruzione del job quando la non conformità non è più recuperabile.
In un ambiente spaziale, dove l’ispezione tradizionale end‑of‑line è complessa e costosa, questa filosofia “monitoring‑first” diventa fondamentale: la qualità non viene verificata solo alla fine, ma viene costruita durante la produzione attraverso un ciclo continuo di misurazione, analisi e controllo. Il contributo del Politecnico di Milano riguarda in particolare lo sviluppo di metodi di data fusion e modellazione di processo, capaci di integrare dati termici, geometrici e di macchina in modelli predittivi utilizzabili per definire finestre di processo sicure in condizioni di microgravità e vuoto.
Dal TRL 2 al TRL 3: risultati e roadmap di sviluppo
Le prime fasi di AIMIS‑LFAM hanno portato alla validazione a terra degli approcci di monitoraggio, con la maturità tecnologica del sistema di supervisione che è passata da TRL 2 (concetto formulato) a TRL 3 (proof‑of‑concept sperimentale). I test sono stati condotti su configurazioni rappresentative di stampa robotica di grande formato, con scenari che simulano problematiche tipiche delle strutture spaziali, come la necessità di mantenere tolleranze su lunghezze elevate o di garantire un’adeguata adesione tra strati in presenza di variazioni termiche.
La roadmap del progetto prevede ora uno sviluppo fino a TRL 4–6, fase nella quale i sistemi di monitoraggio AI dovranno essere verificati in ambienti rappresentativi, includendo camere a vuoto, condizioni di microgravità e scenari operativi vicini a quelli di missioni reali. In parallelo, Caracol sta portando avanti un’evoluzione complessiva delle proprie piattaforme attraverso la suite software Eidos Manufacturing, con moduli di controllo AI e sensoristica avanzata integrati nel layer di orchestrazione dei processi, elementi che possono confluire direttamente nella maturazione della tecnologia AIMIS‑LFAM.
Sinergie con progetti precedenti e impatto industriale
AIMIS‑LFAM si inserisce in un percorso di lungo periodo in cui Caracol ha già sperimentato l’integrazione di sensori e algoritmi intelligenti per il controllo della LFAM, come nel progetto RAMICoS – Intelligent Control System for Robotic Large Scale Additive Manufacturing System, sviluppato con MADE Competence Center e Politecnico di Milano. In RAMICoS, Heron AM è stato equipaggiato con una rete estesa di sensori per monitorare parametri energetici, meccanici e termici, mentre algoritmi di machine learning sono stati sviluppati per identificare difetti e generare allarmi automatici, riducendo scarti e costi legati alla scarsa qualità. AIMIS‑LFAM porta questa competenza in un contesto ancora più sfidante, quello spaziale, dove i benefici di una produzione autonoma – riduzione di massa, modularità delle strutture, possibilità di fabbricare e riparare in loco – possono essere decisivi nella definizione delle architetture di missione.
Per l’industria terrestre, le tecnologie sviluppate trovano applicazione diretta in settori come aerospazio, trasporti, energia e nautica: sistemi LFAM dotati di monitoraggio AI e controllo adattivo possono migliorare ripetibilità, ridurre sprechi di materiale, ottimizzare il consumo energetico e semplificare il lavoro degli operatori. Il percorso di crescita di Caracol, che comprende l’espansione internazionale e la collaborazione con ESA su AIMIS‑LFAM, conferma la strategia di utilizzare la ricerca in ambito spaziale come leva per rafforzare soluzioni di manifattura avanzata anche per applicazioni terrestri.
