Europe 
Türkiye 
United Kingdom 
Global 
Login con il mio account Xometry 
Abbiamo incontrato Omar Fergani, CEO e co-fondatore di NEOFORGE, per parlare dei motivi per cui la produzione additiva in metallo è ancora bloccata in un approccio per tentativi ed errori, di cosa significhi realmente l’IA basata sulla fisica e di come AMAIZE stravolga il tradizionale ciclo di progettazione, produzione, test e apprendimento.
L’enorme costo dei fallimenti
Qual è il problema della stampa in metallo oggi?
La produzione additiva in metallo è una tecnologia fondamentale per alcuni settori come l’Aerospaziale e Difesa. Tuttavia, sebbene le sue promesse siano immense, non la vediamo scalare e non stiamo assistendo all’adozione globale che ci saremmo aspettati a questo punto.
I problemi sono molteplici. Il più ovvio è che si tratta di una tecnologia industriale che richiede grande esperienza. La maggior parte delle persone pensa che sia come la FDM: compro una macchina, ho un progetto, premo il pulsante e stampo. In realtà, richiede un’enorme quantità di competenze e l’unico modo per formare questi esperti è farli passare attraverso molti fallimenti. Il costo di questi fallimenti può essere molto elevato, considerando i tempi macchina da milioni di dollari e i materiali di produzione come il titanio o l’Inconel. Non ci sono molte aziende che possono permettersi di formare il personale in questo modo.
Il secondo problema è che ottenere stampe corrette al primo colpo, anche con operatori esperti, è difficile. Quando si fallisce più volte, si spreca tempo su una macchina costosa, si spreca materiale prezioso e si creano ritardi, andando ad appesantire i costi strutturali.
Il terzo problema è che i casi d’uso che trarrebbero maggior vantaggio dalla produzione additiva non sono ancora ampiamente adottati.
Si è parlato della FEA termica come soluzione per il successo delle stampe. Cosa ne pensa?
Simulare invece di andare in macchina e procedere per tentativi ed errori è un approccio intelligente. Più simulazione e meno iterazioni fisiche sono sempre una scelta saggia. Ma la risposta sono gli elementi finiti? Dal mio punto di vista, no.
La produzione non è un lavoro di analisi. Gli ingegneri di produzione non adotteranno mai l’analisi agli elementi finiti. È un processo complesso che aggiunge un ulteriore livello di competenza. Inoltre, il livello a cui gli elementi finiti devono essere utilizzati per risolvere i problemi di produzione è quello del percorso utensile. Simulare 2.000 miglia di percorso utensile con gli elementi finiti richiederebbe probabilmente 24 milioni di anni di calcolo. Affermare che la FEA sia la soluzione non è realistico.
La buona notizia, tuttavia, è che con l’IA siamo passati dalla risoluzione deterministica delle PDE a un approccio probabilistico e statistico. Grazie a questo, siamo in grado di elaborare 2.000 miglia in pochi minuti. Questa è l’opportunità offerta dal machine learning.
Cosa ha spinto lei e la sua co-fondatrice Katharina a fondare NEOFORGE?
Io e Katharina abbiamo background complementari: lei apporta una profonda esperienza nell’IA e nella modellazione basata sulla fisica, io porto anni di esperienza come utente finale e OEM di macchine, avendo visto gli stessi problemi ripetersi tra i clienti. Questa combinazione è la scommessa fondante dell’azienda.
Ci siamo uniti intorno a una convinzione specifica: l’industria della produzione additiva stava cercando di risolvere un problema fondamentalmente probabilistico con strumenti deterministici. I metodi agli elementi finiti, per quanto sofisticati, non avrebbero mai potuto scalare fino alla risoluzione a livello di percorso utensile richiesta dalla produzione reale, in quanto il costo di calcolo è proibitivo e l’esperienza utente non è adatta agli ingegneri di produzione, che non sono analisti.
Ciò che avevamo capito, prima ancora che qualcuno parlasse seriamente di IA per la produzione, era che il machine learning addestrato su dati fisici poteva ridurre il problema di calcolo da anni a minuti. L’intuizione che il paradigma corretto fosse probabilistico e basato sull’apprendimento, non deterministico e basato su risolutori, è il fondamento di AMAIZE. Fondare l’azienda era l’unico modo per portare avanti questa idea con la profondità e la velocità necessarie.
Simulazioni che rivelano i rischi e offrono soluzioni
Cos’è AMAIZE?
Al centro di AMAIZE c’è un modello fondazionale che comprende perfettamente l’interazione tra laser e materiale. Utilizziamo questo modello per le simulazioni. Se si ha un componente molto grande che richiederà settimane di stampa con un alto rischio di fallimento, noi lo simuliamo in pochi minuti. Individuiamo i punti a rischio, forniamo feedback ai progettisti e offriamo soluzioni agli ingegneri di produzione, in modo che possano apprendere tutto in anticipo, prima ancora di completare il progetto e la stampa.
Pensatela in questo modo. L’intero ciclo di ingegnerizzazione, produzione, test e apprendimento ha sempre seguito lo stesso percorso: progettazione, produzione, test, apprendimento. Ora abbiamo la possibilità di anticipare l’apprendimento all’inizio. Diciamo agli ingegneri di non completare il progetto, di non produrre, ma di imparare il più possibile in anticipo. Oggi si può fare perché è un processo efficiente dal punto di vista computazionale. Dopo aver completato tutte queste iterazioni digitali a costo quasi zero, si finalizza il progetto, si produce e si testa nel mondo fisico. Questo è il cambio di paradigma che offriamo.
E non si tratta solo di una tecnologia digitale astratta. AMAIZE è la prima tecnologia al mondo a essere stata implementata su macchine di livello industriale. Aspetto ancora più interessante, siamo la prima azienda a controllare direttamente lo scanner, non solo la macchina. Abbiamo integrato la nostra IA nello scanner laser, ad esempio SCANLAB. È quindi una tecnologia che va dalla progettazione all’iterazione, fino all’esecuzione sulla macchina.
Come funziona in pratica?
Tutto ciò che avrebbe fatto un esperto, ora lo farà il software eseguendo numerose simulazioni, effettuando il nesting del pezzo, inserendo i supporti solo dove necessario, ottimizzando la strategia di scansione per ottenere la massima qualità e la migliore finitura superficiale, ed eseguendo slicing e hatching per fornire un G-code pronto per essere inviato alla macchina. Un processo end-to-end. L’operatore umano vede cosa fa la tecnologia, può analizzarlo, estrarre i dati e metterlo in discussione, ma in realtà stiamo utilizzando la potenza di calcolo per svolgere l’intero lavoro.
Alcuni di questi obiettivi sono ovviamente in contrasto tra loro. Per questo eseguiamo ottimizzazioni multiple e mostriamo al cliente diverse opzioni, rappresentate da diversi G-code. Il software potrebbe suggerire tre opzioni particolarmente interessanti: una che ottimizza i costi, l’altra la qualità e la terza i tempi di produzione. Alla fine spetta all’utente decidere quale scegliere. Una volta effettuata la scelta, è letteralmente sufficiente inviare il file e fare clic su “stampa”, poiché siamo integrati con il vostro fornitore OEM.
E se il mio progetto semplicemente non fosse stampabile?
Cosa succede in quel caso? Quando caricate il file, non vi forniamo solo il G-code. Vi mostriamo i risultati evidenziando i punti in cui rileviamo delle criticità. In questo modo, in qualità di progettisti, potete visualizzare il vostro progetto in 3D così com’è, identificando le aree critiche in cui, persino con la nostra ottimizzazione, non è stato possibile ridurre i rischi.
Pensate a un collettore. Immaginate di stamparlo. Gli sbalzi con angolo zero, per quanto si cerchi di ottimizzarli, diventeranno molto caldi. Il software vi mostrerà che c’è ancora un problema nel progetto. Questo è il primo vantaggio del nostro strumento: il Design for Manufacturing (DfM)..
Vi mostriamo dove si trova il problema e lo ottimizziamo; se non funziona, vi segnaliamo che dovete intervenire sul progetto. È qui che vi facciamo risparmiare tempo e denaro: non siete andati in macchina, non avete dovuto assistere al fallimento e non avete dovuto monitorare il processo. Si tratta di un apprendimento a costo quasi zero.
Cosa significa IA basata sulla fisica?
In parole povere, significa che c’è un esperto che conosce il problema, costruisce un modello, lo convalida su base deterministica e ottiene un’enorme potenza di calcolo per generare dati su quel dominio. Successivamente, utilizza questi dati per addestrare un’IA. I nostri modelli sono addestrati su punti dati di alta qualità, convalidati e risolti numericamente.
Le aziende utilizzano macchine e materiali diversi. Come si possono ottimizzare le stampe considerando le differenze di configurazione?
Tutte queste macchine utilizzano la potenza del laser, mentre il movimento è determinato dal G-code. L’unica differenza risiede nelle tempistiche, nel consumo energetico e così via. Queste sono semplicemente condizioni al contorno variabili che vengono integrate nel nostro modello.
A seconda delle dimensioni e delle caratteristiche della macchina, alcuni aspetti possono cambiare, come la presenza di più laser, un recoating più o meno rapido, oppure una piastra di stampa riscaldata. Tuttavia, questi sono solo parametri per un qualsiasi modello. Abbiamo accesso a tutte le API di tutte le macchine, quindi ne conosciamo le specifiche e ne teniamo conto.
I grandi OEM necessitano della qualificazione delle parti
Per quali tipi di aziende è più indicato AMAIZE?
Il settore più caldo in cui siamo molto attivi ora, e dove il nostro ritorno sull’investimento è più alto, è quello dei grandi OEM. Credo che il caso d’uso principale riguardi le applicazioni di fascia alta in cui l’adozione della produzione additiva è bloccata a causa della qualificazione. Come posso garantire che la mia ricetta di stampa ottenga la migliore microstruttura e le migliori proprietà meccaniche? Come posso garantire di poterlo ripetere in modo costante? Questi sono i progetti in cui vediamo il valore maggiore, tipici dei grandi OEM che costruiscono sistemi di propulsione, gruppi turbopompa e antenne.
C’è anche un segmento in crescita tra i produttori di polveri. Hanno capito chiaramente che il successo dei clienti che acquistano i loro materiali non dipenderà solo dal costo, ma anche dalla collaborazione con partner come noi, in grado di aiutarli nella lavorabilità. Pensiamo all’alluminio ad alta resistenza: si possono stampare cubi ottenendo un’alta densità e una buona qualità, ma nel momento in cui si proiettano quegli stessi parametri di processo su una geometria complessa, si verificano delle crepe. Il cliente, di conseguenza, non adotta il materiale. Per questo motivo, amano collaborare con noi per offrire ai loro acquirenti una soluzione completa.
Quali miglioramenti stanno riscontrando i vostri clienti?
In primo luogo, ci sono alcune categorie di componenti che in passato non si potevano realizzare; oggi, grazie alla nostra tecnologia, è possibile stampare giranti con sbalzi ad angolo molto ridotto e strutture a pareti sottili. Questo rappresenta già una svolta. Le strutture a pareti sottili che richiedono enormi quantità di supporti sono un incubo, nessuno vuole realizzarle con l’additivo; ora, invece, è possibile.
In secondo luogo, il tasso di successo al primo colpo aumenta drasticamente e diventa costante. Un centro di servizi (service bureau) di successo probabilmente si affida a un esperto che conosce dei segreti del mestiere, dipendendo da questa persona per fare vere e proprie magie. Con la nostra tecnologia, abbiamo contribuito a rendere le procedure sistematiche. Ogni cliente che passa dall’affidarsi solo all’esperienza umana all’utilizzo di un approccio strutturato vede il proprio tasso di successo al primo colpo aumentare in modo sostanziale, senza dipendere dai super utenti.
Ovviamente, questo non significa avere una percentuale di successo al primo colpo del 100%. È impossibile. A volte la macchina non esegue ciò che il software prescrive, altre volte la lama del recoater si danneggia. Tuttavia, in modo sistematico notiamo un aumento della ripetibilità e del successo, anche su componenti che in passato non si potevano realizzare. Dal punto di vista economico, il ritorno è assolutamente fantastico.
Ha qualche storia interessante sui clienti?
Un caso che mi è rimasto impresso, senza fare nomi, riguarda un cliente ai vertici dell’industria spaziale. Nessun vincolo di capitale: tantissime macchine, i migliori operatori e un problema termico che avevano già risolto manualmente. La criticità era che la correzione manuale non era ottimale, per cui i componenti più importanti erano i più lenti da realizzare. A volumi di produzione elevati, la situazione diventa insostenibile. Più pezzi significano più macchine e, a un certo punto, lo spazio in fabbrica si esaurisce. Si trovavano di fronte a un ciclo di investimenti CAPEX multimilionari per l’espansione.
Si sono rivolti a noi per capire se AMAIZE potesse ottimizzare ulteriormente il problema termico prima di firmare per l’ampliamento. Esplorando uno spazio di progettazione molto più ampio di quanto possa fare qualsiasi operatore, AMAIZE ha aumentato concretamente la produttività sullo stesso hardware. L’espansione della fabbrica è stata cancellata dai piani, eliminando i costi CAPEX.
Carica il file, scarica il risultato
Quanto costa AMAIZE?
Adattiamo il prezzo all’utilizzo e alla configurazione di implementazione del cliente. Al momento, AMAIZE viene fruito come servizio.
Come avviene l’implementazione?
AMAIZE è disponibile in tre formati. In primo luogo, gestiamo noi il servizio per voi. Lo abbiamo reso estremamente semplice per tutti: ci sottoponete il vostro problema, noi lo elaboriamo e vi inviamo un file. Non dovete preoccuparvi di alcuna formazione o implementazione.
In secondo luogo, offriamo il SaaS per i nostri clienti selezionati. Abbiamo creato un flusso di lavoro in cui riceviamo la geometria e il materiale, conosciamo la loro macchina, eseguiamo l’elaborazione sul nostro cloud europeo sovrano e sicuro e inviamo loro il file. Pronto per la stampa.
In terzo luogo, abbiamo alcuni clienti specifici che necessitano di un’implementazione in locale (on-premise) a causa dei rigidi vincoli nel settore della difesa, un’opzione che continuiamo a offrire in casi speciali.
Quindi AMAIZE è più un servizio al momento?
Si può considerare un servizio, sì. Può essere distribuito come API. I nostri clienti accedono al nostro software, caricano il file e scaricano il risultato. È un SaaS in cui non è necessario diventare esperti. L’intero processo è completamente automatizzato e, se c’è qualcosa di non automatizzato, se ne occuperà qualcuno del nostro team.
Quali informazioni vi servono per iniziare?
Abbiamo bisogno del materiale, della stampante, della geometria e dell’obiettivo dell’ottimizzazione; dopodiché inviamo i risultati sotto forma di componente finito o di ricetta di stampa.
I programmi governativi spingono il settore oltre i confini
Ha parlato di macchine di produzione che non richiederanno più operatori umani. Quanto siamo lontani da questo traguardo?
Bisogna guardare a questo non come a una scelta tra bianco o nero, ma come a una tabella di marcia. Quando ho iniziato nel settore, non esisteva nulla del genere. Si dovevano usare software deterministici e fare molte cose manualmente. Ho seguito tantissimi corsi CAM, ma non sono mai diventato veramente bravo. Bisogna farsi in quattro per raggiungere un buon livello in quell’ambito.
Per la produzione additiva ci siamo quasi, almeno per quanto riguarda il flusso di lavoro informatico. La tipica procedura in cui si va al computer, lo si apre, si generano i supporti, si orienta il pezzo e via dicendo appartiene già al passato. E se qualcuno lo fa ancora, o non sa che esiste un’alternativa, oppure si sta aggrappando all’approccio sbagliato. Nelle fabbriche di oggi, soprattutto in Europa, c’è un enorme bisogno che le persone svolgano compiti di valore più alto rispetto all’orientamento di un pezzo in un build processor.
Questo significa che gestiamo tutto sull’hardware della macchina? No, di quello deve occuparsene la robotica. Ma il flusso di lavoro informatico è un capitolo chiuso. Negli ultimi tre anni è passato dal nulla all’implementazione.
E per quanto riguarda le macchine CNC? Ha accennato a test su software di lavorazione a 5 assi.
Sebbene la fisica con cui abbiamo a che fare nella produzione additiva sia molto più complessa, credo che la parte più difficile del CAM da far risolvere all’IA sia in realtà la strategia: quale utensile utilizzare per quale superficie e in quale sequenza. Questo non ha nulla a che fare con la fisica. L’unico modo per risolverlo è disporre di un’enorme quantità di dati di esperti, che ovviamente le aziende non condividono quasi mai.
Qualsiasi azienda voglia sviluppare questa tecnologia per la lavorazione CNC finisce per acquistare le proprie macchine e rivenderle in seguito, perché gestirle è un incubo. Credo che si tratti di un problema di apprendimento per rinforzo. È un problema più sofisticato, quindi richiederà un po’ più di tempo.
Cosa deve cambiare per assistere a una più ampia adozione della stampa 3D?
Guardando storicamente ai progressi delle tecnologie di produzione, si nota che sono sempre associati a un traino della domanda. Prendiamo i materiali compositi: senza l’A380 di Airbus o il Dreamliner, l’industria dei compositi non sarebbe cresciuta così tanto. Ciò di cui abbiamo bisogno in Europa non sono persone come noi che sanno sviluppare tecnologia, ma grandi programmi ambiziosi. Ogni Paese europeo dovrebbe avere un grande programma. La produzione additiva potrebbe trarre vantaggio dalla spesa per la difesa e dall’ambizione di ricostruire le nostre difese. Purtroppo si tratta della difesa (avremmo preferito fosse altro), ma la situazione è questa.
Ci sono altre aziende interessanti nel campo dell’IA per la produzione che vorrebbe segnalare?
Mi piace molto quello che hanno fatto i ragazzi di EMMI AI. Hanno creato un’IA per lo stampaggio a iniezione. Lo stampaggio a iniezione è utilizzato davvero su larga scala, è un’industria enorme ed è complesso.
Related Topics
Contact VED
2
Uliana Krayneva
0
Comment(0)