Deepak Pahwa e Binil Starly forniscono analisi dei costi per gli uffici dei servizi di stampa 3D nel loro recente articolo, ” Prezzi basati sulla rete per i servizi di stampa 3D nel mercato della produzione su due lati come servizio “. Adottando un approccio diverso rispetto ai prezzi “ad-hoc e soggettivi”, gli autori suggeriscono un percorso più formulaico, nell’uso dei metodi di apprendimento automatico per arrivare ai prezzi per i clienti.
Funzionamento di un mercato della stampa 3D fronte-retro
Nel loro nuovo modello di determinazione dei prezzi, si dovrebbero considerare le seguenti tariffe:
Esperienza del fornitore
Funzionalità del fornitore
Recensioni e valutazioni dei clienti
Scala delle operazioni
Oggi, la maggior parte degli uffici di assistenza arriva a un prezzo dopo aver calcolato i costi evidenti, come ad esempio quali materiali devono essere utilizzati nella realizzazione di un prototipo o parte e la quantità di energia e manodopera da impiegare nel processo. Ovviamente, anche la maggior parte delle aziende deve comprendere il profitto. Alcuni potrebbero comportare costi generali annui più elevati, costi più elevati per i macchinari in cui hanno investito, insieme a problemi come pre e post-elaborazione.
Condividendo la visione economica con altre società progressiste come Airbnb, gli autori suggeriscono l’idea di uno “strumento di data mining” che tabula un elenco di dettagli per prevedere meglio le fasce di prezzo, attirare clienti e aumentare le probabilità del potenziale delle vendite. Queste sono ovvie ricette per il successo, a giudicare dalla popolarità di tali aziende che filtrano anche il lavoro e gran parte del profitto per i privati o, nel caso della stampa 3D, gli utenti.
Formulazione del modello di apprendimento automatico
“La condivisione delle piattaforme economiche nell’industria manifatturiera additiva può trarre vantaggio dall’adozione di approcci basati sui dati per supportare i fornitori con la previsione dei prezzi”, affermano gli autori.
Gli autori sono andati a una delle migliori fonti del settore, “raccogliendo dati” dai profili pubblici degli uffici di servizio presso gli Hub 3D , un’enorme organizzazione in continua crescita che aiuta a prosperare gli uffici di stampa 3D di tutte le dimensioni in tutto il mondo. I ricercatori hanno trovato 29.544 fornitori elencati, ma dopo aver ‘pulito’ i loro dati, 546 fornitori più concisi con 5.469 elenchi di servizi situati negli Stati Uniti e 1.043 fornitori con 9.808 elenchi di servizi in Europa.
“Ogni fornitore ha un profilo fornitore che fornisce informazioni sui suoi elenchi di servizi e sulla sua reputazione sul mercato. Un elenco di servizi è una combinazione unica di una stampante 3D, materiale, risoluzione e un prezzo corrispondente “, hanno affermato i ricercatori.
Mentre 346 tipi unici sono stati elencati in dettaglio, sono stati classificati per:
Acrilonitrile-butadiene-stirene (ABS)
Acido polilattico (PLA)
ABS speciale
PLA di specialità
Polietilentereftalato (PET)
PET speciale
Policarbonato (PC)
PC specializzato
Nylon, nylon speciale
Materiale flessibile (elastomero termoplastico / poliuretano)
Acrylonitrile Styrene Acrylate (ASA)
metalli
resine
Materiale solubile (polistirolo ad alto impatto, alcool polivinilico)
Altri
I parametri per le stampanti 3D includevano quanto costava acquistare la stampante 3D e quale tipo di processo era coinvolto nella realizzazione del prodotto, con le seguenti categorie:
Fused Deposition Modeling (FDM)
Stereolitografia (SLA)
Sinterizzazione laser (sinterizzazione laser selettiva per polimeri e sinterizzazione laser diretta in metallo per metalli)
Jetting (materiale e legante)
Gli autori hanno utilizzato le coordinate GPS per i fornitori, utilizzando un algoritmo di clustering per studiare i loro dati, con 528 diverse stampanti 3D identificate e 100 fornitori selezionati casualmente per la ricerca. Sono stati inseriti dettagli come parole chiave, recensioni dei clienti e le loro effettive capacità di fornire servizi per analizzare le fasce di prezzo dei fornitori.
“Questi mercati generano grandi quantità di dati che possono essere utilizzati per comprendere i partecipanti e fornire loro un valore aggiunto. I dati storici di vendita di un mercato manifatturiero potrebbero essere utilizzati per determinare la probabilità di vincere un ordine a un prezzo specifico. Oltre alle caratteristiche del fornitore, è possibile prendere in considerazione anche gli attributi degli ordini come la progettazione 3D, la data di scadenza e gli attributi del progettista come il potenziale futuro degli ordini del progettista per la previsione dei prezzi “, hanno concluso i ricercatori.
“L’impatto di parametri aggiuntivi come previsioni della domanda, variazioni stagionali e prezzi delle materie prime può essere aggiunto al modello per renderlo più robusto.”
