Una stampa metallica a letto di polvere che si interrompe o fallisce dopo giorni di lavoro consuma tempo macchina, polvere e personale. Euler, startup islandese di software, propone di intervenire prima: analizzare le immagini di strato che molte macchine LPBF già producono durante la costruzione e avvisare l’operatore quando compaiono i segnali che precedono un difetto. Il sistema non richiede nuovo hardware e funziona con diversi costruttori; i dati più concreti sul suo valore vengono da uno studio condotto con il Danish Technological Institute, diffuso dall’azienda come whitepaper.
Un software che usa dati già presenti nelle macchine
Molti sistemi LPBF recenti includono una camera che fotografa ogni strato di polvere e ogni strato fuso. Queste immagini, secondo la descrizione dell’azienda, spesso restano archiviate senza essere analizzate. Euler lavora proprio su questo materiale: è una piattaforma solo software, indipendente dalla marca della macchina, che legge le immagini di strato e le interpreta.
Il supporto dichiarato riguarda i principali costruttori, fra cui EOS, Nikon SLM e Renishaw, con collaborazioni citate con Autodesk e Scanlab. L’azienda afferma che il collegamento a un impianto esistente richiede meno di cinque minuti, con risultati visibili subito. È un’affermazione commerciale, senza dettagli sulle condizioni in cui vale. Per chi lavora in aerospazio e difesa conta un’altra caratteristica: la piattaforma può essere installata sui server dell’utente o in un cloud privato, anche in ambienti GovCloud, in modo da non inviare i dati di costruzione a un servizio pubblico. Gli investitori indicati sono Frumtak e Kvanted, fondi orientati alla tecnologia e alla manifattura avanzata.
Prevedere invece di constatare
La differenza rispetto a un controllo a posteriori è il momento in cui il sistema interviene. Euler utilizza un motore predittivo, per il quale è dichiarato un brevetto in corso di registrazione, basato sull’idea che la maggior parte dei difetti mostri segni anticipatori. Tra i difetti citati ci sono la deformazione del pezzo, l’alimentazione insufficiente di polvere e le striature. Se il motore riconosce questi segni, avvisa l’operatore prima che la costruzione sia compromessa, così da poterla fermare o correggere.
Il funzionamento interno non è descritto: non risultano pubblicati tassi di rilevamento corretto, falsi allarmi o la sensibilità per ciascun tipo di difetto. Sono i dati che servirebbero per capire quante interruzioni inutili un sistema del genere può provocare.
Lo studio con il Danish Technological Institute
Lo studio ha monitorato 54 costruzioni in 47 giorni su quattro sistemi Nikon SLM del Danish Technological Institute, con sei leghe metalliche, tra cui acciaio inossidabile 316L e titanio Ti6Al4V. Il risultato più citato è che il 27,8% del tempo di stampa complessivo è stato speso in costruzioni poi fallite. Secondo gli autori, il 77% di quel tempo si sarebbe potuto risparmiare fermando le stampe al momento della previsione di Euler, pari a circa dieci giorni di stampa.
Da qui nasce la stima economica: usando come riferimento un costo operativo di 75 dollari l’ora per una macchina da un milione di dollari, valore tratto da una stima del rapporto Wohlers, gli autori calcolano un risparmio annuo superiore a 115.000 dollari per macchina. La stima riguarda soltanto il costo operativo della macchina e non include polvere sprecata, ore del personale e post-lavorazioni, che aumenterebbero il valore.
Il caso retrospettivo
Un secondo esempio riguarda una costruzione di produzione caricata in Euler dopo il fatto, nel corso di un’indagine sulla qualità. Una revisione manuale di quasi 14.000 immagini di strato non aveva individuato il problema; Euler, secondo l’articolo, ha segnalato subito gli strati difettosi. Un avviso tempestivo avrebbe evitato che 38 ore e 43 minuti di stampa di parti parziali diventassero scarto e avrebbe impedito altre 48 ore di stampa inutile dopo il guasto, per oltre 86 ore di tempo di stampa coinvolte.
Formnext e integrazione con gli assistenti AI
Euler sarà a Formnext, a Francoforte dal 17 al 20 novembre, nel padiglione 11.0, stand A32. Tra le novità annunciate ci sono l’integrazione con il Model Context Protocol, che permette di interrogare i dati di costruzione da assistenti AI come Claude o ChatGPT con domande del tipo «quali costruzioni di questa settimana hanno mostrato difetti, e su quali macchine?», e gli avvisi su Slack e Microsoft Teams. L’azienda offre inoltre gratuitamente un visualizzatore di immagini di polvere accessibile da browser; per la piattaforma completa non sono stati indicati prezzi.
Che cosa resta da verificare
I numeri sono forniti da Euler e dal suo studio congiunto, senza una verifica indipendente descritta. Il risparmio di 115.000 dollari è una stima basata su un costo orario di terzi e non una misura; il caso retrospettivo è un solo esempio; e non esiste, tra i dati pubblicati, un confronto per lega o per tipo di difetto. Per un’officina la prova più utile sarà far girare il sistema sui propri storici di costruzione, contare quante stampe fallite sarebbero state previste in tempo e quanti avvisi sarebbero stati falsi allarmi.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI).
