La startup legata a Purdue Araqev crea un software di controllo qualità per la produzione additiva
 
Si prevede che il software Araqev contribuirà a ridurre le perdite globali stimate di 2 miliardi di dollari quando si utilizza AM attraverso modelli di apprendimento automatico che simulano le deviazioni di forma per le stampe future.


Araqev , una  società startup collegata alla Purdue University (West Lafayette, Ind., USA), ha commercializzato software di controllo qualità per la produzione additiva (AM) e i processi di stampa 3D.

Si dice che il software di Araqev aiuti gli utenti finali a stampare i prodotti in poche iterazioni di progettazione, portando a meno materiale di scarto e tempi di lavorazione, eliminando le frustrazioni con la stampa 3D e migliorando la soddisfazione per i prodotti stampati finali. Arman Sabbaghi, professore associato presso il Dipartimento di Statistica di Purdue presso il College of Science, è l’amministratore delegato e presidente di Araqev.

“Stimiamo che il problema del controllo qualità con AM può portare a quasi 2 miliardi di dollari di perdite globali all’anno sulla base di un modello per i costi di produzione dei sistemi AM in metallo che è stato sviluppato da Baumers, Dickens, Tuck e Hague nel loro documento del 2016 pubblicato su la rivista peer-reviewed Technological Forecasting and Social Change ”, afferma Sabbaghi.

Per utilizzare il software Araqev, i clienti caricano i file di progettazione nominali e i dati della nuvola di punti scansionati dai loro prodotti stampati.

“Il nostro software utilizza questi input per adattarsi a modelli di machine learning [ML] in grado di simulare deviazioni di forma per futuri prodotti stampati”, afferma Sabbaghi. “Inoltre, i modelli ML consentono al nostro software di derivare modifiche ai progetti nominali, noti come piani di compensazione, in modo che quando i progetti modificati vengono stampati, mostrino meno deviazioni di forma rispetto al caso in cui vengono stampati i progetti originali”.

Gli algoritmi di Araqev consentono anche il trasferimento di conoscenza codificata tramite modelli ML su diversi materiali, stampanti e forme in un sistema AM, sottolinea Sabbaghi. “Ciò significa che il nostro software consente a un cliente di offrire una piattaforma completa per migliorare la qualità dell’intero sistema”.

 
“La potenza e l’economicità dei nostri algoritmi sono state recentemente dimostrate tramite due esperimenti di convalida per la stampante 3D Markforged [Cambridge, Mass., USA] Metal X che coinvolge prodotti in acciaio inossidabile 17-4 PH”, afferma Sabbaghi. “I nostri algoritmi hanno ridotto le imprecisioni di forma del 30-60%, a seconda della geometria in un massimo di due iterazioni, con tre forme di addestramento e una o due forme di test per una geometria specifica coinvolta nelle iterazioni”.

Araqev sta stabilendo partnership dirette con produttori di stampa 3D e aziende che utilizzano stampanti 3D che secondo Sabbaghi ​​consentiranno all’azienda di scalare rapidamente. “Definiremo contratti di licenza dopo aver dimostrato alle aziende i risparmi e i vantaggi che possiamo offrire per i loro processi”, aggiunge. “Questi partner incorporeranno il nostro software nei loro sistemi e lo venderanno ai loro clienti, il che ci fornisce un canale clienti significativo”.

Araqev ha concesso in licenza il software dal Purdue Research Foundation Office of Technology Commercialization. La ricerca per creare il software ha ricevuto finanziamenti dal programma Cyber-Physical Systems della NSF e dal programma CMMI EAGER e dal Trask Innovation Fund della Purdue Research Foundation Office of Technology Commercialization . Araqev ha ricevuto fondi da Elevate Ventures’ Regional Pre-Seed Competition , dal programma Regional NSF I-Corps di Purdue, dal MKE Tech Hub Coalition Challenge e dal programma Purdue Foundry Boost .

 
 
 
 
 
 

Di Fantasy

Lascia un commento

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi