Che cosa dimostra lo studio
Un team della Tokyo University of Science (TUS) ha messo a punto un metodo assistito da machine learning che riduce di circa 79,3% l’errore di raggio durante la stampa 3D con filato di nanotubi di carbonio (CNT yarn), consentendo di realizzare archi e cerchi con raggio fino a 0,7 mm. Il modello, basato su LightGBM con interpretazione SHAP, individua nella torsione del filato (e non nel diametro) il fattore dominante che genera deviazioni geometriche nelle traiettorie curve; l’approccio alimenta in retroazione la macchina, correggendo i parametri di stampa e migliorando l’accuratezza (R² ≈ 0,891 nelle validazioni). 

Perché usare il filato CNT (e non solo fibre continue convenzionali)
Nella stampa 3D con fibre continue di carbonio (es. stile Markforged) il filamento ha diametri tipici attorno a 0,4 mm e la rigidità limita le curvature stampabili senza difetti. Il filato CNT, con diametri dell’ordine di 0,15 mm, è più flessibile e adatto a geometrie fini e raggi stretti, ma la torsione intrinseca può introdurre deviazioni sistematiche che l’algoritmo apprende e compensa.  

Come è stato costruito il modello
I ricercatori hanno stampato percorsi circolari variando angolo di torsione (da circa −23° a +35°), diametro e direzione di stampa, analizzando al microscopio deviazione di raggio e variazione di larghezza depositata. I dati alimentano un modello LightGBM; con SHAP si evidenzia l’interazione fra direzione di stampa e torsione come chiave per predire se il deposito devia verso l’interno o l’esterno rispetto alla traiettoria nominale. Il loop di controllo usa tali previsioni per impostare i parametri macchina prima della stampa successiva 

Dimostrazione su parte reale
Per validare l’efficacia oltre ai provini, il gruppo TUS ha stampato un braccio di drone: il pezzo senza feedback mostra ritiro e scostamenti dimensionali, mentre la versione con correzione ML rispetta molto meglio le dimensioni di progetto, indicando potenziale per componenti alleggeriti in compositi rinforzati.  

Contesto scientifico e lavori correlati (TUS e non solo)
Questo studio si inserisce in un filone TUS sul CNT yarn: lavori precedenti hanno valutato la formabilità e l’accuratezza rispetto a filamenti con fibra continua convenzionale, ponendo le basi per l’ottimizzazione odierna guidata dai dati. In parallelo, letteratura recente esplora ML per la stampa 3D data-driven e per la metrologia/controllo in DIW e processi affini, confermando la tendenza verso closed-loop intelligenti.

Aziende coinvolte e materiali
Il paper è pubblicato su una rivista Elsevier (Composites Part C: Open Access); nell’analisi comparativa viene citato l’ecosistema Markforged come riferimento per filamenti con fibra continua e, nei tag dell’articolo, compare LINTEC Corporation, realtà che sviluppa fogli e yarn CNT con processi DryDraw®/cSilk®. Questi elementi mostrano l’attenzione industriale verso filati CNT prodotti in modo continuo e uniforme.

Implicazioni pratiche

• Progettazione: possibilità di inserire rinforzi curvilinei molto stretti lungo traiettorie funzionali (es. bracci di UAV, telai, strutture reticolari).

• Controllo qualità: pipeline ML+metrologia può essere estesa ad altri compositi termo-plastici rinforzati e ad attrezzature multi-asse.

• Supply chain: disponibilità di yarn CNT industriali (es. LINTEC) accelera il trasferimento dal laboratorio alla produzione