Una startup della Purdue University, soprannominata Araqev , sta utilizzando l’apprendimento automatico (ML) per migliorare la garanzia della qualità (QA) per la stampa 3D. Avviato da Arman Sabbaghi, professore associato presso il Dipartimento di Statistica di Purdue, il software applica il ML ai dati della nuvola di punti da scansioni e file di progettazione. Ciò consente allo strumento di prevedere e pianificare le deviazioni future nei modelli CAD, con conseguente minor numero di errori. Descrivendo più in dettaglio il suo strumento, il professore ha detto:
“Il nostro software utilizza questi input per adattarsi a modelli di machine learning in grado di simulare deviazioni di forma per futuri prodotti stampati. Inoltre, i modelli di apprendimento automatico 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. Ciò significa che il nostro software consente al cliente di offrire una piattaforma completa per migliorare la qualità dell’intero sistema”,
Il controllo qualità è sempre stato un ostacolo per la stampa 3D. Sono state sviluppate metodologie di controllo qualità per processi di produzione come il CNC, in cui un materiale noto viene tagliato via da un materiale noto. La produzione additiva (AM), tuttavia, crea parti solidificando molti strati uno sopra l’altro. Gli strati potrebbero essere costruiti in modi nuovi per la stessa parte. Potrebbero legarsi e solidificarsi in modi completamente diversi, a seconda della forma della parte, del suo posizionamento in relazione ad altri componenti o della posizione sul letto. A seconda del processo, bolle d’aria, ovalità del filamento o fuliggine potrebbero interferire con la stampa.
Pertanto, quando si tratta di stampa 3D, c’è una maggiore necessità di QA rispetto ad altre tecnologie. Personalmente credo che dobbiamo controllare ogni singolo oggetto che esce da una stampante. Questo è il motivo per cui sono così entusiasta di Lumafield ma anche di Araqev.
Sulla base di un documento pubblicato su Technological Forecasting and Social Change nel 2016, Sabbaghi suggerisce che il controllo di qualità può portare a 2 miliardi di dollari di perdite globali all’anno per il metallo AM. L’opportunità per Araqev è quindi potenzialmente enorme.
Finora, Sabbaghi e il suo team hanno dimostrato le possibilità utilizzando una stampante 3D Metal X di Markforged . Secondo la società, gli algoritmi di Araqev sono stati in grado di ridurre le imprecisioni nella forma delle parti stampate in 3D di una quantità significativa.
“La potenza e l’economicità dei nostri algoritmi sono state recentemente dimostrate tramite due esperimenti di convalida per la stampante 3D Markforged Metal X che hanno coinvolto prodotti in acciaio inossidabile 17-4 PH”, ha affermato Sabbaghi. “I nostri algoritmi hanno ridotto le imprecisioni di forma dal 30% al 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”.
Un utensile da taglio realizzato su una Markforged Metal X.
Sono ancora i primi giorni per l’azienda, ma questi tipi di numeri sembrano piuttosto potenti. Anche i progressi sono notevoli dati i dati limitati che hanno utilizzato. Il go-to-market dell’azienda mira a sfruttare i canali di distribuzione di un OEM di stampanti 3D per vendere il software Araqev, concedendolo in licenza a questi partner per crescere rapidamente.
Naturalmente, questo è un modo molto limitato e fortemente dipendente di avvicinarsi al mercato. In un certo senso, l’abbiamo visto in precedenza con aziende come SABIC che fanno affidamento su Stratasys per vendere i suoi materiali ULTEM sul mercato. È un metodo molto veloce, a basso capitale ea basso organico per avvicinarsi a un nuovo mercato e scalabilità. Tuttavia, il successo dipenderebbe fortemente dal modo in cui gli OEM hanno incentivato il loro canale e gli addetti alle vendite a vendere il software. Se questi incentivi non fossero considerevoli o ben delineati, l’azienda potrebbe fallire senza alcuno sforzo da parte sua.
Stabilire buone partnership con un’azienda che considera questo come un modo per vendere a una base installata, incentivando al contempo bene le sue persone, allora Araqev potrebbe avere successo. Tuttavia, l’avvio dipenderà dagli sforzi dell’OEM e farà affidamento sull’OEM per le entrate. Non solo Araqev non possiede il cliente, ma in questo modo raccoglierà poche informazioni di mercato. Per il QA, sarebbe particolarmente importante per l’azienda scoprire dall’officina quali sono le sfide del QA. Le persone lavorano con parti uniche o serie di parti? Quanto sono grandi quelle serie? Quanto è grande la variabilità. La forza lavoro è un problema? Queste sono tutte informazioni che li aiuterebbero davvero a incontrare il mercato.
Questo è un modello di business limitante e go-to-market che può sembrare un buon approccio, ma che presenta molti rischi. In generale, tuttavia, questo è un segnale incoraggiante, soprattutto perché ogni cowboy dell’apprendimento automatico ora darà un’occhiata alla stampa 3D e potrebbe forse aiutare il settore.
