Europe 
Türkiye 
United Kingdom 
Global 
Se connecter avec mon compte Xometry 
Nous avons rencontré Omar Fergani, PDG et cofondateur de NEOFORGE, pour comprendre pourquoi la fabrication additive métallique reste bloquée dans un cycle d’essais et d’erreurs, ce que signifie réellement une IA basée sur la physique, et comment AMAIZE bouleverse le cycle traditionnel de conception-production-test-apprentissage.
Le coût exorbitant de l’échec
Quel est le problème actuel de l’impression métallique ?
La fabrication additive métallique est une technologie essentielle pour certains sous-domaines comme l’aérospatiale et la défense. Cependant, bien que son potentiel soit immense, nous ne la voyons pas passer à l’échelle ni être adoptée au niveau mondial comme nous l’aurions imaginé aujourd’hui.
Il y a plusieurs problèmes. Le plus évident est qu’il s’agit d’une technologie industrielle exigeante en matière d’expertise. La plupart des gens pensent que c’est comme le FDM. J’achète une machine, j’ai un modèle, j’appuie sur le bouton et j’imprime. En réalité, cela nécessite une expertise considérable, et la seule façon de former ces experts est de les faire passer par de nombreux échecs. Mais le coût de ces échecs peut être assez colossal, compte tenu du temps d’utilisation de machines coûtant plusieurs millions de dollars et des matériaux de production comme le titane ou l’Inconel. Peu d’entreprises peuvent se permettre de former leur personnel à ce prix.
Le deuxième problème est qu’il est difficile de réussir les impressions du premier coup, même avec des opérateurs expérimentés. En cas d’échecs répétés, vous perdez du temps sur une machine coûteuse, vous gaspillez des matériaux onéreux et vous créez des retards. Cela alourdit la structure des coûts.
Et le troisième est que les cas d’utilisation qui bénéficieraient le plus de la fabrication additive ne sont pas encore largement adoptés.
L’Analyse par éléments finis (AEF) thermique a été évoquée comme solution pour réussir les impressions. Qu’en pensez-vous ?
Simuler plutôt que d’aller sur la machine pour essayer et échouer est très intelligent. Plus de simulation et moins d’itérations physiques est toujours une approche très judicieuse. Mais les éléments finis sont-ils la solution ? De mon point de vue, non.
La fabrication n’est pas un travail d’analyse. Les ingénieurs de fabrication n’adopteront jamais les éléments finis. C’est très complexe et cela ajoute un autre niveau d’expertise. De plus, le niveau auquel les éléments finis doivent être utilisés pour résoudre les problèmes de fabrication se situe au niveau des trajectoires d’outils. Simuler 3 200 kilomètres de trajectoire avec des éléments finis nécessiterait probablement 24 millions d’années de calcul. Affirmer que l’AEF est la solution n’est donc tout simplement pas réaliste.
La bonne nouvelle, cependant, c’est qu’avec l’IA, nous sommes passés d’une résolution déterministe d’équations aux dérivées partielles à une approche probabiliste et statistique. Grâce à cela, nous pouvons traiter ces milliers de kilomètres en quelques minutes. C’est l’opportunité qu’a apportée l’apprentissage automatique (machine learning).
Qu’est-ce qui vous a poussé, vous et votre cofondatrice Katharina, à créer NEOFORGE ?
Katharina et moi avons des profils complémentaires. Elle apporte une expertise approfondie en IA et en modélisation basée sur la physique, tandis que j’apporte des années d’expérience en tant qu’utilisateur final et fabricant d’équipements d’origine (OEM), ayant observé les mêmes problèmes se répéter chez les clients. Cette combinaison est le pari fondateur de l’entreprise.
Nous nous sommes réunis autour d’une conviction spécifique : l’industrie de la fabrication additive tentait de résoudre un problème fondamentalement probabiliste avec des outils déterministes. Les méthodes par éléments finis, aussi sophistiquées soient-elles, ne pourraient jamais s’adapter à la résolution au niveau de la trajectoire requise par la production réelle, car le coût de calcul est prohibitif et l’expérience utilisateur n’est pas adaptée aux ingénieurs de fabrication, qui ne sont pas des analystes.
Ce que nous avons constaté, avant même que l’on parle sérieusement d’IA pour la fabrication, c’est que l’apprentissage automatique formé sur des données physiques pouvait réduire le temps de calcul de plusieurs années à quelques minutes. Cette idée, à savoir que le bon paradigme était probabiliste et basé sur l’apprentissage, plutôt que déterministe et basé sur des solveurs, est le fondement d’AMAIZE. Fonder l’entreprise était la seule façon de poursuivre cet objectif avec la profondeur et la vitesse nécessaires.
Des simulations qui révèlent les risques et proposent des solutions
Qu’est-ce qu’AMAIZE ?
Au cœur d’AMAIZE se trouve un modèle fondamental qui comprend tout de l’interaction laser-matière. Nous utilisons ce modèle pour les simulations. Si vous avez un très grand composant dont l’impression prendra des semaines et que le risque d’échec est élevé, nous le simulerons en quelques minutes. Nous identifions les risques d’échec, faisons un retour aux concepteurs et fournissons des solutions aux ingénieurs de fabrication pour qu’ils puissent effectuer tout l’apprentissage en amont, avant même de terminer la conception et l’impression.
Voyez les choses ainsi. Le cycle global d’ingénierie, de production, de test et d’apprentissage a toujours fonctionné de la même manière : conception, production, test, apprentissage. Nous avons désormais la possibilité de placer l’apprentissage au tout début. Nous disons aux ingénieurs de ne pas terminer leur conception et de ne pas produire, mais de faire autant d’apprentissage que possible. C’est possible aujourd’hui grâce à l’efficacité des calculs. Une fois toutes ces itérations numériques effectuées à un coût presque nul, vous terminez la conception, vous produisez et vous testez dans le monde physique. C’est le changement de paradigme que nous apportons.
Et il ne s’agit pas seulement d’une technologie numérique abstraite. AMAIZE est la première technologie au monde à avoir été réellement intégrée dans des machines de qualité industrielle. Fait encore plus intéressant, nous sommes la première entreprise à piloter directement le scanner, et pas seulement la machine. Nous avons intégré notre IA dans le scanner laser, chez SCANLAB par exemple. Il s’agit donc d’une technologie qui va de la conception à l’itération, puis à l’exécution sur la machine.
Comment cela fonctionne-t-il concrètement ?
Tout ce qu’un expert aurait fait, le logiciel le fait désormais en exécutant d’innombrables simulations, en imbriquant la pièce, en plaçant les supports uniquement là où ils sont nécessaires, en optimisant la stratégie de balayage pour obtenir la meilleure qualité et la meilleure finition de surface, en découpant et en hachurant pour vous fournir un G-code prêt à être envoyé à la machine. Un processus complet de bout en bout. L’humain voit ce que fait la technologie, peut l’analyser, extraire les données et la remettre en question. Mais en réalité, nous utilisons la puissance de calcul pour faire tout le travail.
Certains de ces objectifs sont évidemment contradictoires. Nous effectuons donc de multiples optimisations et présentons au client différentes options sous forme de différents G-codes. Le logiciel estime que ces trois options sont les plus intéressantes, car l’une optimise les coûts, l’autre la qualité et la troisième le temps de production. C’est à vous de décider laquelle vous souhaitez utiliser. Une fois votre choix fait, il vous suffit littéralement d’envoyer le fichier et de cliquer sur « imprimer », car nous sommes intégrés à votre système OEM.
Que se passe-t-il si ma conception n’est tout simplement pas imprimable ?
Lorsque vous déposez le fichier, nous ne nous contentons pas de vous fournir le G-code. Nous vous montrons les résultats là où nous identifions des problèmes. En tant que concepteur, vous pouvez voir votre conception en 3D telle qu’elle est : les zones critiques, là où même notre optimisation n’a pas pu réduire les risques.
Prenez l’exemple d’un collecteur. Imaginez que vous l’imprimiez. Les surplombs à angle nul, quelle que soit l’optimisation, vont être très chauds. Le logiciel vous indiquera que votre conception pose toujours problème. C’est le premier avantage de notre outil : le Design pour la fabrication (DfM)..
Nous vous montrons où se situe le problème, nous l’optimisons, et si cela ne fonctionne pas, vous devez revoir votre conception. Ici, nous vous avons fait gagner beaucoup de temps et d’argent, car vous n’êtes pas allé sur la machine, vous n’avez pas constaté l’échec et vous n’avez pas eu à faire de suivi. Un apprentissage à un coût presque nul.
Que signifie l’IA basée sur la physique ?
En termes simples, cela signifie qu’un expert qui connaît le problème construit un modèle, valide ce modèle sur une base déterministe et utilise une énorme puissance de calcul pour générer de nombreuses données autour de ce domaine. Ces données servent ensuite à former une IA. Nos modèles sont formés sur des points de données de haute qualité, validés et résolus numériquement.
Les entreprises utilisent des machines et des matériaux différents. Comment pouvez-vous optimiser les impressions en tenant compte des différences de configuration ?
Toutes ces machines utilisent une certaine puissance laser, et le mouvement est déterminé par le G-code. La seule différence réside dans la synchronisation, l’utilisation de la puissance, etc. Ce ne sont que des conditions aux limites variables qui sont intégrées dans notre modèle.
Selon la taille et les caractéristiques de la machine, certains éléments peuvent changer. L’utilisation de plusieurs lasers, un raclage plus ou moins rapide, ou encore un plateau de fabrication chauffé ou non. Mais ce ne sont que des paramètres pour tout modèle. Nous avons accès à toutes les API de toutes les machines, nous connaissons donc leurs spécificités et en tenons compte.
Les grands équipementiers ont besoin de qualifier leurs pièces
À quels types d’entreprises AMAIZE convient-il le mieux ?
Le secteur le plus dynamique où nous sommes actuellement très actifs, et où notre retour sur investissement est le plus élevé, est celui des grands équipementiers. Je pense que le cas d’utilisation le plus important, là où l’adoption de la fabrication additive est également bloquée pour les applications haut de gamme, est la qualification. Comment puis-je m’assurer que ma recette d’impression permettra d’obtenir la meilleure microstructure et les meilleures propriétés mécaniques ? Comment puis-je m’assurer de pouvoir répéter cela de manière cohérente ? C’est dans ces projets que nous constatons la plus grande valeur ajoutée, et il s’agit de grands équipementiers qui fabriquent des systèmes de propulsion, des assemblages de turbopompes ou des antennes.
Il existe également un segment en pleine croissance parmi les fabricants de poudres. Ils comprennent clairement que le succès de leurs clients qui achètent leur poudre ne dépendra pas seulement du coût, mais aussi d’un partenariat avec un acteur comme nous qui les aide à améliorer l’imprimabilité de leurs matériaux. Prenez l’aluminium à haute résistance. Vous pouvez imprimer des cubes avec une densité élevée et une bonne qualité. Dès que vous projetez ces paramètres de processus sur une géométrie complexe, vous obtenez des fissures. Le client n’adopte pas le matériau. Ces fabricants aiment donc s’associer à nous pour offrir une solution complète à leurs clients.
Quelles améliorations vos clients constatent-ils ?
Premièrement, il y a des catégories de composants que l’on ne pouvait pas fabriquer par le passé. Grâce à notre technologie, il est désormais possible d’imprimer une roue à aubes avec un très faible surplomb et une structure à parois fines. Cela change déjà la donne. Les structures à parois fines qui nécessitent d’énormes quantités de supports sont des cauchemars que personne ne veut réaliser en fabrication additive ; maintenant, vous le pouvez.
Deuxièmement, votre taux de réussite du premier coup augmente de manière spectaculaire et devient constant. Si vous êtes un prestataire d’impression 3D performant, vous avez probablement un expert qui détient un secret, et vous dépendez de cette personne pour faire des miracles. Avec notre technologie, nous avons contribué à systématiser les processus. Chaque client qui passe d’une dépendance exclusive à l’expertise humaine à une approche systématique voit son taux de réussite du premier coup augmenter considérablement, sans dépendre de super-utilisateurs.
Avez-vous des cas clients intéressants à partager ?
L’un d’entre eux m’a marqué, sans citer de noms : un client de pointe dans l’industrie spatiale. Il n’était pas limité en capital (des tonnes de machines, les meilleurs opérateurs), et avait déjà résolu le problème thermique manuellement. Le problème était que la correction manuelle n’était pas optimale, les pièces les plus importantes étaient donc les plus lentes à fabriquer. Avec des volumes de production élevés, la situation devient intenable. Plus de pièces impliquent plus de machines, et à un moment donné, l’usine manque d’espace. Ils étaient sur le point d’investir plusieurs millions de dollars (CAPEX) pour s’agrandir.
Ils nous ont contactés pour voir si AMAIZE pouvait résoudre le problème thermique plus efficacement avant de valider l’agrandissement. En explorant un espace de conception bien plus vaste que ce qu’un opérateur pourrait faire, AMAIZE a considérablement augmenté le rendement sur le même équipement. L’agrandissement de l’usine a été annulé, et les dépenses d’investissement (CAPEX) ont disparu.
Déposez le fichier, téléchargez le résultat
Combien coûte AMAIZE ?
Nous adaptons le prix à l’utilisation et à la configuration de déploiement du client. Actuellement, AMAIZE est consommé sous forme de service.
À quoi ressemble le déploiement ?
AMAIZE est disponible sous trois formats. Premièrement, nous gérons le service pour vous. Nous avons rendu les choses extrêmement simples pour tout le monde. Vous nous soumettez votre problème, nous le traitons et vous envoyons un fichier. Vous n’avez pas à vous soucier de formation ou de déploiement.
Deuxièmement, le mode SaaS pour nos clients validés. Nous avons créé un flux de travail où nous recevons la géométrie, le matériau, nous connaissons leur machine, nous exécutons le processus sur notre cloud en Europe (souverain et sécurisé) et nous leur envoyons le fichier. Il ne reste plus qu’à imprimer.
Troisièmement, certains clients spécifiques ont besoin d’un déploiement sur site en raison des contraintes liées à la défense. Nous le faisons donc encore dans des cas particuliers.
AMAIZE est donc plutôt un service pour le moment ?
Vous pouvez le voir comme un service, oui. Il peut être déployé sous forme d’API. Nos clients accèdent à notre logiciel, déposent le fichier et téléchargent le résultat. C’est un SaaS, mais sans que vous ayez besoin de devenir un expert. L’ensemble du processus est entièrement automatisé. Et s’il y a un élément non automatisé, un membre de notre équipe s’en chargera.
De quelles informations avez-vous besoin pour commencer ?
Nous avons besoin du matériau, de l’imprimante, de la géométrie et de vos objectifs d’optimisation, puis nous vous envoyons les résultats, soit sous la forme d’un composant fini, soit sous la forme de la recette d’impression.
Les programmes gouvernementaux font avancer l’industrie
Vous avez mentionné que les machines de production ne nécessiteront plus d’opérateurs humains. Sommes-nous loin de cette réalité ?
Il ne faut pas voir cela en noir et blanc, mais comme une feuille de route. Quand j’ai débuté dans l’industrie, cela n’existait pas. Il fallait utiliser des logiciels déterministes et faire beaucoup de choses manuellement. J’ai suivi tellement de cours de FAO, mais je ne suis jamais devenu vraiment bon. Il faut vraiment s’accrocher pour y exceller.
Pour la fabrication additive, c’est presque terminé, du moins du côté du flux de travail informatique. Le classique « je vais sur mon ordinateur, je l’ouvre, j’ajoute les supports, j’oriente la pièce, j’ajoute ceci, je change l’orientation » appartient déjà au passé. Si quelqu’un le fait encore, soit il ignore qu’autre chose existe (ce qui est compréhensible), soit il s’accroche à la mauvaise approche. Dans les usines d’aujourd’hui, en particulier en Europe, il y a un tel besoin de personnel pour des tâches bien plus importantes que l’orientation d’une pièce dans un logiciel de préparation d’impression.
Cela signifie-t-il que nous gérons tout sur le matériel de la machine ?
Non, c’est à la robotique de s’en charger. Mais le flux de travail informatique, c’est réglé. Au cours des trois dernières années, nous sommes passés de rien au déploiement.
Qu’en est-il de l’usinage CNC ? Vous avez mentionné avoir testé des logiciels de fraisage 5 axes
Bien que la physique que nous traitons en fabrication additive soit beaucoup plus complexe, je pense que la partie la plus difficile à résoudre pour l’IA en matière de FAO est la stratégie. Quel outil pour quelle surface, et dans quel ordre ? Cela n’a rien à voir avec la physique. La seule façon de résoudre ce problème est de disposer d’une énorme quantité de données d’experts, qu’ils ne partagent évidemment jamais avec vous.
Chaque entreprise qui souhaite développer cette technologie pour l’usinage finit par acheter ses propres machines et les revendre ensuite, car leur exploitation est un cauchemar. Je pense qu’il s’agit d’un problème d’apprentissage par renforcement. C’est un problème plus sophistiqué, cela prendra donc un peu plus de temps.
Que faut-il changer pour voir une adoption plus large de l’impression 3D ?
Quand je regarde l’évolution historique des technologies de fabrication, elle est toujours associée à une forte demande. Prenez les composites. Sans l’A380 d’Airbus ou le Dreamliner, l’industrie des composites ne se serait pas autant développée. Ce dont nous avons besoin en Europe, ce n’est pas de gens comme nous qui savent développer des technologies. Nous avons besoin de grands programmes ambitieux. Chaque pays européen doit avoir un programme d’envergure. La fabrication additive (FA) pourrait bénéficier des dépenses de défense et de l’ambition de reconstruire notre défense. Malheureusement, c’est la défense, nous aurions aimé que ce soit autre chose, mais c’est ainsi.
Y a-t-il d’autres entreprises d’IA intéressantes dans le secteur de la fabrication que vous souhaiteriez souligner ?
J’aime beaucoup ce qu’ont fait les équipes d’EMMI AI. Ils ont développé une IA pour le moulage par injection. Le moulage par injection est vraiment utilisé à grande échelle, c’est une industrie massive et complexe.
Related Topics
Uliana Krayneva
0
3
Comment(0)