EWI guiderà INSITE 13,2 milioni di dollari per rendere più intelligente l’ispezione dei componenti DED

EWI guiderà un programma da 13,2 milioni di dollari per trasformare i dati della stampa 3D in un vero sistema di qualità per il DED

INSITE riunisce EWI, Boeing, Lockheed Martin, Northrop Grumman, GKN Aerospace, Norsk Titanium, FormAlloy, Addiguru, TRI Austin e Computational Tools. L’obiettivo non è sostituire completamente i controlli post-build con l’intelligenza artificiale, ma utilizzare sensori durante la deposizione per capire dove concentrare NDE e ispettori, riducendo tempi e costi senza diminuire la probabilità di rilevare i difetti critici

EWI è stata selezionata da America Makes e National Center for Defense Manufacturing and Machining, NCDMM, per guidare INSITE – INtegrated System for In-situ Testing & Evaluation, un programma triennale rivolto a uno degli ostacoli più difficili che ancora limitano l’impiego dell’additive manufacturing metallico per componenti strutturali critici: dimostrare in maniera economicamente sostenibile che una parte prodotta è realmente conforme. Il finanziamento federale previsto dalla call arriva fino a 13,2 milioni di dollari, accompagnato da un requisito minimo di cost sharing non federale del 25%. Il progetto avrà una durata massima di 36 mesi, di cui 33 dedicati all’esecuzione tecnica e tre alla preparazione e finalizzazione dei risultati. Il team scelto comprende alcune delle organizzazioni più importanti nell’aerospace e nella produzione additiva statunitense: Lockheed Martin, Northrop Grumman, Boeing, GKN Aerospace GTC, Norsk Titanium, Addiguru, FormAlloy Technologies, TRI Austin e Computational Tools. EWI avrà la responsabilità di coordinare questa rete e trasformare tecnologie che oggi esistono spesso come sensori, algoritmi e procedure separate in un unico framework di quality assurance utilizzabile e progressivamente qualificabile.

Il problema che INSITE tenta di risolvere è facile da descrivere ma estremamente difficile da affrontare. Una grande parte prodotta attraverso Directed Energy Deposition può richiedere molte ore o giorni di deposizione e utilizzare decine o centinaia di chilogrammi di materiale. Terminata la build, verificare completamente il componente può diventare una seconda attività produttiva altrettanto onerosa. Computed tomography, radiografia, ultrasuoni, eddy current, penetranti e altre tecniche NDE possiedono ciascuna vantaggi e limiti. Le difficoltà aumentano con componenti molto grandi, geometrie interne complesse oppure materiali ad alta densità che attenuano fortemente i raggi X. INSITE vuole quindi utilizzare ciò che accade durante la costruzione per rendere più intelligente ciò che viene controllato dopo la costruzione.

L’idea è concettualmente semplice: se i sensori registrano continuamente il processo e individuano una condizione anomala in una piccola regione del componente, il sistema può indicare quella zona come area di interesse per l’ispezione finale. Il controllo post-build non deve necessariamente analizzare ogni centimetro cubo con lo stesso livello di scrutinio. Può concentrare tecniche più lente e costose sulle regioni che il processo ha indicato come maggiormente sospette.

Questa filosofia non significa eliminare il controllo finale. Significa trasformarlo da ispezione uniforme e indiscriminata a ispezione guidata dal rischio e dai dati di processo.

INSITE in sintesi

Non è un programma generico sulla stampa 3D: il target principale è il Directed Energy Deposition

La comunicazione sintetica di TCT parla correttamente di additive manufacturing, ma il Request for Proposal originale è molto più specifico. INSITE deve affrontare la qualità per almeno una delle due modalità:

• Laser Powder Directed Energy Deposition;
• Wire Directed Energy Deposition.

È una scelta coerente con il problema che il Dipartimento della Difesa vuole affrontare.

Il DED viene utilizzato sempre più spesso per:

• strutture aerospace di grandi dimensioni;
• sostituzione di forging e casting;
• near-net-shape;
• riparazione;
• aggiunta di feature;
• componenti difficilmente realizzabili attraverso Powder Bed Fusion a causa delle dimensioni.

Più la parte cresce, però, meno pratico diventa utilizzare una CT tradizionale per controllarla completamente.

Un componente DED da diversi metri può essere:

• troppo grande per la camera CT;
• troppo spesso;
• troppo denso;
• geometricamente sfavorevole;
• economicamente irragionevole da esaminare con una scansione volumetrica completa.

È precisamente qui che il monitoraggio durante la deposizione può acquisire un valore industriale molto maggiore rispetto a una semplice telecamera usata per osservare il melt pool.

Il problema non è vedere un’anomalia: è dimostrare che quell’anomalia corrisponde a un difetto

È forse la distinzione più importante dell’intero programma.

Una camera termica può mostrare che a un certo punto la temperatura del melt pool è aumentata.

Una telecamera può registrare una variazione della geometria.

Un sensore può osservare uno spostamento di un parametro.

Questi segnali rappresentano anomalie di processo.

Non sono automaticamente difetti del materiale.

INSITE distingue esplicitamente i due concetti.

Un’anomalia è una deviazione rispetto al comportamento previsto del processo.

Un difetto è una condizione fisica del materiale che supera il limite di accettazione previsto dalla specifica e può compromettere la performance.

La differenza sembra semantica, ma è il punto sul quale si gioca buona parte della qualificazione.

Se il melt pool mostra un comportamento insolito, occorre stabilire:

1. cosa è successo fisicamente;
2. se si è formato un difetto;
3. quale tipo;
4. quale dimensione;
5. quale orientamento;
6. se quel difetto supera il limite accettabile;
7. se influenza davvero la prestazione strutturale.

Finché questa catena non viene dimostrata, un sistema di monitoraggio può essere utile per il controllo del processo ma difficilmente può sostituire una NDE qualificata.

Anomalia e difetto non sono sinonimi

Il sistema dovrà quindi imparare anche a non allarmarsi inutilmente. Un QA che segnala migliaia di falsi positivi può essere quasi altrettanto improduttivo di uno che non rileva i problemi.

INSITE chiede esplicitamente un target di detection superiore al 90%

Il Request for Proposal va molto oltre il generico concetto di “migliorare l’ispezione”. America Makes richiede come baseline, dove applicabile, la capacità di identificare i tipi di difetti definiti da AWS D20.1 con una target detection probability superiore al 90%.

Il riferimento metodologico indicato comprende MIL-HDBK-1823A, utilizzato nel settore NDE per costruire e analizzare studi di Probability of Detection.

È un requisito ambizioso, ma va interpretato correttamente.

Non significa che:

• il sistema EWI possieda già oggi una POD >90%;
• ogni sensore debba autonomamente trovare il 90% dei difetti;
• qualsiasi parte prodotta dal sistema sia già certificata.

Significa che il sistema integrato deve dimostrare una capacità di detection compatibile con quel target, nei casi in cui il riferimento sia applicabile.

Soprattutto, INSITE non richiede una completa POD study qualificante nel corso del progetto. La terza fase richiede invece la preparazione di un detailed POD plan, accompagnato da sufficienti prove preliminari da dimostrarne la fattibilità.

Una futura piena qualifica POD richiederà ulteriori campioni, difetti controllati, ispettori, statistiche e probabilmente finanziamento aggiuntivo.

Dal monitoraggio alla qualifica

INSITE vuole percorrere gran parte di questa catena, ma non dichiara di arrivare automaticamente all’ultimo livello per qualsiasi parte defense.

L’eddy current multifrequenza è un requisito esplicito, non semplicemente una scelta del team EWI

La call stabilisce che la piattaforma in-situ debba utilizzare almeno misure multifrequency eddy current insieme ad almeno un’altra tecnica di sensing, per esempio:

• thermal;
• optical;
• surface measurement;
• oppure altro metodo pertinente.

L’eddy current sfrutta campi elettromagnetici indotti nel materiale conduttore. Una bobina genera un campo variabile; questo induce correnti nel materiale e la presenza di discontinuità modifica la risposta elettromagnetica rilevata dal sensore.

Utilizzare più frequenze permette di modificare la profondità alla quale il segnale è maggiormente sensibile.

In linea generale:

• frequenze elevate → maggiore sensibilità superficiale;
• frequenze inferiori → maggiore profondità di penetrazione.

Non significa poter esaminare indistintamente qualsiasi profondità. La penetrazione rimane limitata da:

• conductivity;
• permeability;
• frequenza;
• geometria;
• lift-off;
• orientamento del difetto.

Il valore in INSITE è soprattutto poter controllare lo strato o la regione mentre rimane accessibile, prima che decine di layer successivi la seppelliscano.

Perché controllare durante la deposizione può essere più efficace che cercare il difetto dopo

Immaginiamo una parte DED alta 500 mm.

Al layer 200 si crea una discontinuità a pochi decimi di millimetro dalla superficie.

In quel momento il sensore può trovarsi molto vicino alla regione.

Dopo altri 300 mm di materiale, lo stesso difetto è diventato interno a una struttura grande e complessa e può essere estremamente difficile da raggiungere con alcune tecniche NDE.

Il vantaggio dell’in-situ inspection non consiste quindi soltanto nella velocità. Consiste nell’accessibilità temporanea alla superficie in costruzione.

La parte viene, in un certo senso, ispezionata mentre le sue regioni interne sono ancora esterne.

Il progetto EWI aggiungerà dati termici e visuali

Secondo la descrizione pubblicata da EWI, il sistema selezionato registrerà durante la costruzione:

• dati di processo;
• immagini termiche;
• immagini visuali;
• segnali da eddy-current array.

Queste informazioni verranno analizzate attraverso AI e machine learning per identificare zone che meritano maggiore attenzione.

Il vantaggio della sensor fusion è che diversi fenomeni producono segnali differenti.

Una regione con:

• temperatura anomala;
• geometria anomala;
• indicazione eddy current;

è potenzialmente molto più significativa di una semplice variazione osservata da un solo sensore.

Il sistema può quindi creare una sorta di mappa tridimensionale della confidenza del processo.

Sensor fusion: cosa potrebbe osservare ogni fonte

L’intelligenza artificiale non avrà l’ultima parola

Questo è un punto particolarmente importante della comunicazione EWI.

L’algoritmo potrà proporre una recommended post-build inspection plan.

Per esempio potrebbe indicare:

• zona A: bassa priorità;
• zona B: ultrasuono locale;
• zona C: eddy-current supplementare;
• zona D: radiografia;
• zona E: ulteriore verifica.

Ma il piano non verrà automaticamente accettato.

EWI specifica che un professionista qualificato rimarrà human-in-the-loop e dovrà esaminare e approvare il piano prima dell’esecuzione.

Questo evita uno dei fraintendimenti più frequenti sull’AI nella qualification industriale.

L’algoritmo non diventa:

• NDE Level III;
• Design Authority;
• Airworthiness Authority;
• certificatore.

È uno strumento per ridurre e organizzare il lavoro dell’esperto.

AI come filtro, non come autorità di certificazione

È un modello molto più realistico della promessa di “AI che certifica automaticamente le parti”.

Il vero obiettivo economico è ridurre l’NDE post-build senza ridurre la confidenza

Un componente critico può richiedere controlli particolarmente costosi.

Una normale strategia conservativa potrebbe dire:

“non sappiamo dove si trovi un eventuale difetto, quindi dobbiamo controllare tutto”.

INSITE vuole poter dire:

“abbiamo dati tracciabili dell’intera costruzione e sappiamo quali zone mostrano maggiore rischio; concentriamo lì le tecniche più costose”.

Il potenziale beneficio economico deriva da:

• riduzione del volume da scansionare;
• riduzione del tempo macchina NDE;
• riduzione del lavoro ispettore;
• individuazione anticipata dei problemi;
• eliminazione precoce di parti destinate allo scarto;
• riduzione delle iterazioni di sviluppo.

Il programma dovrà alla fine produrre anche un’analisi quantitativa di cost and schedule savings rispetto a inspection e QA tradizionali.

Quindi il successo non verrà misurato soltanto in accuratezza degli algoritmi.

Dovrà dimostrare che l’architettura ha un vero business case industriale.

Il controllo durante la build permette anche di scartare prima una parte compromessa

Consideriamo una deposizione DED che richiede 100 ore.

Se un difetto non recuperabile nasce dopo 20 ore e viene trovato soltanto alla CT finale, sono state sprecate:

• altre 80 ore macchina;
• feedstock;
• energia;
• eventuali gas;
• lavoro operatore;
• post-processing preliminare.

Se un sistema sufficientemente affidabile identifica la condizione durante la produzione, diventa possibile decidere:

• fermare la build;
• riparare localmente;
• modificare il processo;
• continuare accettando la deviazione se entro i limiti.

La call America Makes contempla infatti fra le possibili evoluzioni anche in-process mitigation di difetti superficiali e subsuperficiali.

Non significa che INSITE implementerà necessariamente una riparazione closed-loop completamente automatica in tutti i casi. Ma il dato in-situ potrebbe diventare la base per decisioni molto più precoci.

Il progetto non vuole però creare una “black box” proprietaria

Un dettaglio particolarmente interessante del RFP è l’indicazione esplicita che le soluzioni devono essere transferable and reusable, con la nota:

“no black box, one-time solutions”.

È un requisito fondamentale.

Il Dipartimento della Difesa non vuole finanziare un sistema che funzioni soltanto:

• su una macchina;
• con un sensore;
• con un algoritmo non documentabile;
• per un unico componente.

Il framework deve specificare:

• sensori;
• installazione;
• standoff distance;
• calibration;
• angle of incidence;
• data fidelity;
• architecture;
• limiti di detection.

Questo è il passaggio necessario per trasformare un progetto di ricerca in una capacità adottabile da più aziende della supply chain.

Due materiali obbligatori, e uno deve mettere in difficoltà la CT

INSITE deve essere dimostrato su almeno due materiali.

Almeno uno deve essere un materiale non facilmente ispezionabile mediante computed tomography, per esempio una lega refrattaria o un altro metallo ad alta densità.

La scelta è intenzionale.

Se il programma venisse dimostrato soltanto su una piccola parte di alluminio perfettamente accessibile alla CT, dimostrerebbe molto poco rispetto al problema che vuole risolvere.

I materiali ad alto numero atomico e ad alta densità attenuano fortemente i raggi X.

Aumentare l’energia della sorgente può aiutare, ma produce altri compromessi:

• costo;
• dimensioni;
• sicurezza;
• risoluzione;
• tempi.

INSITE cerca proprio le applicazioni nelle quali il sistema tradizionale diventa più fragile economicamente o tecnicamente.

Perché la CT diventa difficile

In questi casi il problema può diventare fisicamente impossibile da risolvere con un’unica tecnica.

Anche i difetti planari sono esplicitamente nel mirino

Il bando identifica come particolarmente difficili i thin planar defects ad orientamento e posizione arbitrari.

È un dettaglio molto significativo.

Una porosità sferica relativamente grande può essere più facile da identificare.

Una sottile mancanza di fusione:

• può avere pochissimo volume;
• può essere orientata in modo sfavorevole rispetto al fascio X;
• può risultare difficile per un particolare setup ultrasonico;
• può essere molto dannosa per fatigue.

Quindi un QA efficace non può limitarsi a dire “abbiamo trovato la porosità”.

Deve conoscere i limiti di detection rispetto a:

• forma;
• orientamento;
• dimensione;
• posizione.

INSITE richiede infatti espressamente di identificare e quantificare ciò che il sistema non riesce a rilevare affidabilmente.

È uno degli aspetti più seri dell’intero progetto: documentare i limiti è importante quanto mostrare i successi.

Il RFP divide il lavoro in tre grandi task

Il primo sviluppa e valida la sensor suite.

Il secondo costruisce l’ispezione post-build intorno ai limiti della sensor suite.

Il terzo integra i due mondi in un sistema trasferibile, documentato e utilizzabile su un componente defense rappresentativo.

Questa struttura è importante perché impedisce di trattare l’in-situ come un sostituto universale dell’NDE.

Se un sensore non può vedere un determinato tipo di crack, il Task 2 deve prevedere una tecnica capace di coprire quel gap.

L’obiettivo è copertura complessiva, non la vittoria di una singola tecnologia.

Il post-build NDE rimane quindi centrale

La call cita esplicitamente tecniche tradizionali come:

• X-ray;
• ultrasound;
• penetrant;
• magnetic particle;
• eddy current;

oltre alla possibilità di utilizzare tecniche avanzate.

Il valore di INSITE sta nel decidere quando, dove e quanto utilizzarle.

Una parte con una zona priva di anomalie significative durante la build potrebbe ricevere un livello di ispezione differente da una zona nella quale:

• temperatura;
• eddy current;
• geometria;

hanno mostrato contemporaneamente deviazioni.

La possibilità di ridurre l’NDE dovrà comunque essere supportata statisticamente e accettata nel processo di qualifica.

Un NDE Level III rimane una figura fondamentale

Il RFP raccomanda fortemente che il team comprenda almeno un Level III inspector nell’ambito di un programma conforme a NAS410 o al riferimento navale T9074.

Il Level III non è semplicemente l’operatore che muove una sonda.

Ha responsabilità legate a:

• metodo;
• procedure;
• qualification;
• interpretation;
• technical oversight.

La presenza esplicita di questa figura dimostra quanto INSITE sia lontano dall’idea di eliminare l’esperienza umana attraverso machine learning.

Il progetto cerca piuttosto di moltiplicare l’efficacia dell’esperto.

Il Task 3 obbliga il progetto a confrontarsi con un vero programma defense

INSITE non può concludersi con coupon di laboratorio.

Il team deve includere almeno un OEM di una weapon-system platform che supporti un programma di acquisizione in corso e utilizzarlo come transition partner.

Deve inoltre esistere:

• una parte rappresentativa o reale;
• una necessità produttiva defense;
• un piano di quality assurance;
• una strategia di transizione.

È una condizione molto più impegnativa di una classica ricerca accademica.

Il risultato deve essere valutabile da chi potrebbe effettivamente utilizzarlo.

Il team selezionato include proprio aziende come:

• Lockheed Martin;
• Northrop Grumman;
• Boeing;
• GKN Aerospace;
• Norsk Titanium.

Non è però stato comunicato pubblicamente quale specifica piattaforma, parte o programma fungerà da dimostratore finale. Attribuire oggi INSITE a un particolare velivolo, motore o sistema d’arma sarebbe quindi speculativo.

Le forze armate parteciperanno direttamente alla transizione

EWI afferma che U.S. Air Force, U.S. Army e U.S. Navy contribuiranno allo sviluppo di industry e military standards.

Il RFP offre un dettaglio ancora maggiore.

Il government transition team comprenderà esperti provenienti da strutture come:

• USAF Nondestructive Inspection Executive Working Group;
• equivalenti specialisti NAVAIR;
• equivalenti specialisti NAVSEA.

L’Air Force NDI EWG include rappresentanza da:

• Air Force Life Cycle Management Center;
• Air Force Sustainment Center;
• Air Force Research Laboratory.

Questo è probabilmente uno degli aspetti più importanti di INSITE.

Uno standard sviluppato senza le autorità che dovranno successivamente accettarlo rischia di rimanere in laboratorio.

Coinvolgerle durante il programma consente invece di affrontare:

• requirements;
• evidence;
• qualification;
• independent verification;

prima della fase finale.

Il risultato previsto è una bozza di standard, non semplicemente un report di ricerca

Fra i deliverable del Task 3 è previsto un framework document che dovrà costituire una bozza di industry standard o MIL STD.

Il documento dovrebbe comprendere almeno:

Questa può essere una conseguenza molto più importante del singolo prototipo sviluppato durante i tre anni.

Se il framework viene accettato e successivamente maturato in standard, altre imprese potrebbero adottare architetture simili senza ripartire da zero.

Il progetto è organizzato attraverso tre gate tecnici

La call prevedeva già una timeline orientativa per verificare che lo sviluppo non procedesse per tre anni senza dimostrazioni intermedie.

Questa struttura rende relativamente rapido il primo test importante.

Entro circa un anno e mezzo il programma dovrebbe essere in grado di mostrare se i dati raccolti durante la deposizione sono effettivamente utili per guidare l’ispezione.

Addiguru porta un’esperienza direttamente pertinente all’AI in-process

Il partner Addiguru sviluppa software per in-situ process monitoring capace di acquisire dati da:

• optical sensors;
• thermal sensors;
• machine sensors.

La piattaforma utilizza algoritmi di AI e machine learning per stimare la probabilità di anomalie durante la build e fornire notifiche poco dopo la formazione del layer.

Questo è molto vicino alla funzione centrale prevista da INSITE.

Non significa però che il progetto utilizzerà semplicemente un prodotto Addiguru standard senza modifiche. Il team dovrà adattare sensori, algoritmi e modelli al DED e ai difetti di interesse.

FormAlloy dispone già di una piattaforma DED ricca di monitoraggio

FormAlloy è particolarmente coerente con il programma perché le sue macchine DED integrano già DEDSmart, una suite capace di registrare parametri di build e associarli alla produzione.

Fra le tecnologie pubblicate dalla società figurano:

• optical melt-pool monitoring fino a 55 FPS;
• profilometria laser layer-by-layer;
• Dynamic Layer Selection;
• melt-pool size monitoring;
• melt-pool temperature monitoring;
• closed-loop laser power control;
• build parameter recording.

Questo non significa che tutti questi componenti saranno necessariamente utilizzati nella configurazione INSITE, ma spiega perché FormAlloy appartenga al consortium: dispone già di un ambiente nel quale macchina, sensing e DED sono profondamente integrati.

Norsk Titanium porta un processo Wire DED già industrializzato

Norsk Titanium utilizza Rapid Plasma Deposition, RPD, evoluzione del wire DED che fonde filo Ti-6Al-4V attraverso plasma arc in atmosfera di argon.

La società dichiara:

• monitoraggio del processo oltre 600 volte al secondo;
• deposition rate nell’ordine di 5–10 kg/h;
• produzione near-net-shape;
• aerospace qualification;
• parti strutturali già in servizio.

È particolarmente importante per INSITE perché consente di confrontare il framework con una tecnologia DED che non è confinata al laboratorio.

Norsk Titanium ha inoltre nel 2026 ampliato il lavoro sulla qualificazione process-based insieme ad Airbus, cercando di passare progressivamente da qualification legata a una singola parte a metodologie più generali.

È esattamente il tipo di ambiente nel quale un QA integrato potrebbe acquisire valore.

GKN Aerospace rappresenta il problema della grande scala

GKN Aerospace ha sviluppato negli Stati Uniti grandi sistemi Laser Metal Deposition with Wire, compresa la Cell 3 di Fort Worth capace di lavorare su componenti in titanio fino a circa 5 metri.

Nel 2026 ha inoltre avviato con U.S. Air Force Research Laboratory il programma TITAN-AM da 8,4 milioni di dollari per industrializzare ulteriormente LMD-w su strutture aerospace in titanio.

Questa scala mostra perché INSITE sia necessario.

Fare una CT ad altissima risoluzione su una piccola staffa è un problema.

Tentare una verifica volumetrica equivalente su una struttura metallica lunga diversi metri appartiene a una categoria completamente differente.

Il monitoraggio durante la deposizione diventa progressivamente più prezioso con l’aumento della dimensione.

TRI Austin porta competenze NDE complementari

Texas Research Institute Austin opera nello sviluppo NDE e documenta competenze in:

• radiography;
• X-ray;
• neutron imaging;
• ultrasonics;
• laser ultrasound;
• EMAT;
• pulsed eddy current;
• low-frequency/deep-penetrating eddy current;
• microwave/millimeter-wave inspection;
• shearography.

Questa ampiezza è importante perché INSITE non può presumere che una sola tecnica post-build riesca a coprire tutti i difetti.

Il framework dovrà poter scegliere la tecnica più appropriata in funzione del rischio non coperto dai sensori in-process.

I grandi OEM non sono presenti soltanto per mettere il logo sul progetto

Boeing, Lockheed Martin e Northrop Grumman possiedono un ruolo potenzialmente decisivo proprio perché il problema finale non è tecnologico ma di transizione.

Un algoritmo può raggiungere ottime performance accademiche e non essere comunque utilizzabile su un componente flight-critical se non esistono:

• acceptance criteria;
• calibration;
• procedure;
• configuration control;
• traceability;
• authorization.

Gli OEM possiedono esperienza e responsabilità su:

• structural design;
• supplier qualification;
• certification;
• sustainment;
• quality systems.

La loro presenza aumenta la probabilità che il framework venga progettato tenendo conto delle esigenze reali di adozione.

Il dettaglio dei singoli work package di ciascun partner, tuttavia, non è stato pubblicato. È quindi più corretto descrivere il valore delle competenze apportate piuttosto che attribuire arbitrariamente attività specifiche.

Uno dei risultati più difficili sarà sincronizzare tutti i dati

Una moderna cella DED può generare enormi quantità di informazioni:

• posizione robot;
• laser power;
• wire/powder feed;
• camera RGB;
• camera thermal;
• profilometer;
• melt-pool data;
• eddy current;
• timestamps;
• metrologia;
• NDE finale.

Il semplice possesso di questi file non crea un sistema di quality assurance.

Deve essere possibile stabilire che:

pixel X della camera termica alle 10:34:15,372

corrisponda a:

coordinate XYZ precise della parte

e successivamente a:

voxel/area analizzata attraverso l’NDE finale.

Se questa relazione viene persa, la correlazione diventa molto più debole.

Il digital thread di INSITE deve quindi mantenere la provenienza del dato

Il RFP dedica infatti una sezione specifica a data persistence, traceability e data management.

Il valore del progetto è tanto nei dati quanto nei sensori.

America Makes vuole dati riutilizzabili, non un risultato che scompare alla fine dei tre anni

Il bando richiede che i risultati vengano progressivamente organizzati e trasferiti nell’ambiente America Makes CORE.

Devono essere definite:

• raw data;
• processed data;
• filtered data;
• metadata;
• backup;
• file formats;
• provenance;
• calibration;
• access.

La scelta è coerente con l’obiettivo di creare una capacità per l’intera supply base e non semplicemente per il consortium vincitore.

Naturalmente proprietà intellettuale e limiti defense continueranno a determinare quali informazioni possano essere distribuite, ma il principio del progetto è chiaramente orientato alla riusabilità.

Non è corretto dire che INSITE renderà inutile la CT

Una possibile lettura superficiale potrebbe essere: “i sensori vedono i difetti durante la stampa, quindi non servirà più fare CT”.

Il programma non dice questo.

La strategia più probabile è:

se il controllo tradizionale funziona bene → continuare a utilizzarlo.

se il controllo tradizionale è costoso o insufficiente → combinare in-situ e NDE mirato.

Il RFP dichiara addirittura esplicitamente che INSITE non vuole concentrarsi sui materiali e sulle geometrie già facili da ispezionare con i metodi tradizionali.

La tecnologia deve dimostrare valore nei casi difficili.

Anche il target >90% non significa “10% dei difetti possono essere ignorati”

La Probability of Detection è un concetto statistico legato anche a:

• dimensione del difetto;
• orientamento;
• tecnica;
• condizioni di prova;
• confidence bounds.

Un sistema qualificato non viene normalmente descritto con una singola percentuale priva di contesto.

Per questo il RFP rimanda a MIL-HDBK-1823A e richiede una futura metodologia POD completa.

Il valore “>90%” è quindi un obiettivo baseline di detection, non una specifica universale del futuro sistema.

Per alcune applicazioni la soglia richiesta dalla design authority potrebbe essere ancora più stringente.

INSITE non sostituisce nemmeno la qualifica del processo DED

Un’altra distinzione importante.

Il QA in-situ non elimina la necessità di qualificare:

• macchina;
• materiale;
• feedstock;
• parameter set;
• heat treatment;
• machining;
• operator;
• manutenzione.

Può diventare una fonte aggiuntiva di evidenza per dimostrare che ogni build è rimasta all’interno di un comportamento accettabile.

La filosofia è più vicina a:

qualified process + continuous evidence + targeted NDE

che a:

stampiamo qualsiasi cosa e lasciamo all’AI il compito di stabilire se va bene.

La repair sarà esplicitamente compresa nel framework

Il programma deve funzionare sia per:

• nuovi componenti;
• repair.

Nel DED questa distinzione è importante.

Una riparazione introduce un’ulteriore complessità: il substrato è una parte già esistente.

Il sistema deve considerare:

• materiale precedente;
• geometria;
• superficie;
• zona termicamente alterata;
• interfaccia vecchio/nuovo;
• accessibilità NDE.

In alcuni casi la parte esistente può rendere l’ispezione ancora più difficile.

Il monitoraggio durante il deposito può quindi avere un valore particolarmente elevato.

INSITE è anche una risposta alla crescente scala del metal AM statunitense

Il programma arriva in una fase nella quale gli Stati Uniti stanno investendo molto su:

• sostituzione di forging;
• titanium DED;
• large structures;
• repair;
• distributed production.

Con l’aumento del volume dei componenti, il costo del controllo può diventare uno dei principali ostacoli all’economia del processo.

Non serve produrre una preforma in metà tempo se successivamente sono necessari giorni di ispezione estremamente costosa.

È questo il problema economico che INSITE cerca di eliminare.

Il vero KPI non sarà quindi soltanto “quanti difetti abbiamo trovato”

Il progetto dovrà dimostrare contemporaneamente:

Questa multidimensionalità rende INSITE molto più interessante di un normale progetto di machine vision.

Se funziona, potrebbe cambiare il concetto stesso di “certificato di una parte AM”

Oggi molta quality evidence viene prodotta dopo la fabbricazione.

Un futuro sistema integrato potrebbe invece associare alla parte un vero record digitale della propria nascita:

• feedstock;
• parametri;
• immagini;
• temperatura;
• segnali NDE;
• anomalie;
• interventi;
• controlli finali.

La parte non sarebbe descritta soltanto da un report dimensionale e da un certificato materiale.

Possiederebbe una sorta di manufacturing history voxel-by-voxel o region-by-region.

Questo potrebbe diventare particolarmente importante per componenti prodotti in luoghi differenti ma attraverso un medesimo processo qualificato.

Non siamo però ancora alla “certificazione automatica layer-by-layer”

È utile mantenere una certa prudenza.

Per arrivare a un sistema nel quale la macchina possa dichiarare autonomamente una parte conforme servirebbero:

• detection affidabile;
• POD formalmente dimostrata;
• robustezza machine-to-machine;
• sensor qualification;
• software configuration control;
• cybersecurity;
• regulatory acceptance;
• lifecycle management.

INSITE compie alcuni passi fondamentali in quella direzione ma non li completa automaticamente.

Il risultato dei tre anni sarà soprattutto:

• framework;
• procedure;
• dati;
• dimostrazioni;
• standard draft;
• percorso di qualification.

Il progetto è quindi meno “AI per trovare difetti” e molto più “nuova architettura di qualità per il metal AM”

La presenza di AI e machine learning attirerà inevitabilmente l’attenzione, ma non rappresenta da sola la parte più importante.

Il valore di INSITE risiede nella combinazione:

process sensing + in-situ NDE + AI analytics + post-build NDE + human oversight + standards + transition partner.

Se manca uno di questi elementi, il sistema rimane incompleto.

Un buon algoritmo senza ground truth non dimostra la qualità.

Una buona NDE senza dati di processo non riduce necessariamente i costi.

Una buona tecnologia senza standard può rimanere fuori dalla produzione.

Uno standard senza OEM e autorità defense rischia di non essere adottato.

EWI dovrà quindi riuscire soprattutto nel system engineering di competenze molto diverse.

È probabilmente per questo che il team è così ampio

EWI porta esperienza in:

• additive manufacturing;
• metallurgy;
• sensors;
• NDE;
• CT;
• qualification;
• data science.

FormAlloy e Norsk Titanium portano piattaforme DED industriali.

Addiguru porta in-situ analytics.

TRI Austin porta NDE avanzata.

GKN, Boeing, Lockheed Martin e Northrop Grumman portano componenti aerospace, production experience e qualification environment.

Il risultato desiderato non è il migliore sensore del mondo.

È un sistema nel quale nessuna singola tecnologia deve vedere tutto perché ogni tecnologia compensa i limiti delle altre.

La conseguenza potenziale va ben oltre la difesa

Il programma è costruito intorno alle esigenze del defense industrial base, ma un framework simile potrebbe avere valore anche per:

• commercial aerospace;
• spazio;
• energia;
• nucleare;
• oil & gas;
• grandi componenti industriali.

Sono tutti settori nei quali una parte può avere:

• elevato valore;
• geometria complessa;
• grandi dimensioni;
• costo di failure molto alto.

La stessa EWI parla infatti di potenziali benefici sia militari sia commerciali.

Il trasferimento non sarebbe automatico perché ogni settore possiede normative differenti, ma la metodologia di base rimane applicabile.

Il progetto INSITE potrebbe diventare importante soprattutto se riuscirà a quantificare ciò che il monitoraggio non vede

Molti sistemi di in-process monitoring vengono presentati mostrando bellissime mappe termiche e immagini del melt pool.

La domanda industriale è diversa:

quale difetto minimo riesci realmente a trovare, con quale probabilità, in quale orientamento e su quale materiale?

INSITE è costruito esplicitamente intorno a questa domanda.

Deve documentare:

• sensitivity;
• detection limits;
• confidence;
• orientamento;
• dimensioni;
• false indications.

Questa è precisamente l’informazione richiesta quando una tecnologia passa dalla R&D alla qualification.

Il successo di INSITE si misurerà quindi sull’NDE che non sarà più necessario fare

Se, al termine dei tre anni, il sistema dimostrerà soltanto che AI e sensori riescono a visualizzare ciò che accade durante una build, il risultato sarà tecnicamente interessante ma non trasformerà il settore.

Il vero risultato arriverà se sarà possibile dire, con evidenza statisticamente e ingegneristicamente accettabile:

“grazie a questi dati in-situ possiamo ridurre questa particolare ispezione, concentrare quest’altra soltanto su determinate regioni e mantenere lo stesso livello di confidenza sulla parte.”

È una differenza fondamentale.

Il costo della qualità entra infatti direttamente nel business case dell’additive manufacturing.

DED può ridurre:

• lead time;
• forging;
• materiale;
• machining.

Ma se il risparmio viene assorbito da una lunga e costosa campagna di NDE su ogni parte, il vantaggio produttivo diminuisce.

INSITE vuole quindi trasformare i sensori da strumenti di osservazione del processo a evidenza utilizzabile nella decisione di qualità.

È un salto molto più difficile della semplice installazione di una camera termica.

E spiega perché America Makes abbia destinato fino a 13,2 milioni di dollari federali, tre anni di lavoro e un consortium che comprende alcuni dei principali nomi aerospace e defense statunitensi a un tema che potrebbe apparire poco spettacolare rispetto alla costruzione di una nuova stampante.

Per il metal additive manufacturing industriale, infatti, la domanda più difficile non è ormai sempre “possiamo costruire questa parte?”.

Sempre più spesso è:

“possiamo dimostrare, con tempi e costi sostenibili, che ogni parte costruita è abbastanza buona per essere realmente utilizzata?”

INSITE nasce precisamente per rispondere a questa seconda domanda.