Europe 
Türkiye 
United Kingdom 
Global 
Login con il mio account Xometry 
Vincent Ung, COO e co-fondatore di Cognitive Design Systems (CDS), ha dedicato del tempo a illustrare il problema dei compartimenti stagni tra progettazione e produzione, come il design generativo stia andando oltre la stampa 3D e quale sia il ruolo dell’IA nel lavoro ingegneristico.
Il divario tra progettazione e produzione
Qual è il problema che volete risolvere?
Il problema è che la progettazione ingegneristica deve essere molto più rapida. Ci sono molti più requisiti che gli ingegneri devono rispettare per sviluppare nuovi prodotti e dobbiamo evolverci con la tecnologia. Quindi cerchiamo di accelerare i tempi di ciclo per la progettazione dei prodotti, in particolare per i componenti meccanici.
Siete un team fondatore di tre persone. Chi ha vissuto il problema in prima persona?
Io non provengo dall’ingegneria meccanica, in realtà vengo dalla finanza. Ma Rhushik e Henri sono ingegneri meccanici. Hanno lavorato a lungo in Giappone, in service bureau, occupandosi di produzione e progettazione, e hanno visto e vissuto il problema in prima persona.
Nelle grandi aziende c’è la progettazione meccanica da un lato, poi le simulazioni e gli studi di fattibilità, e alla fine gli addetti alla produzione in officina, che quasi mai vengono consultati su quei progetti. Così hanno voluto colmare questo divario.
Hanno anche molta esperienza con la produzione additiva, che ci ha dato la spinta iniziale.
Come si inserisce la produzione additiva?
La produzione additiva offre maggiore libertà di progettazione, il che significa che i risultati del design generativo sono fattibili per la produzione. Abbiamo iniziato con l’AM, per poi spostarci gradualmente verso metodi di produzione più convenzionali.
Crediamo che il design generativo non debba essere limitato solo all’AM, ma possa essere utilizzato per la pressofusione, le lavorazioni meccaniche, lo stampaggio a iniezione e molto altro, e possiamo sfruttare queste tecnologie per la produzione nel suo complesso.
Dite di crederci. Ci crede anche il mercato?
È quello che stiamo osservando, e sembra lo credano anche aziende come InfinitiForm. L’AM è ancora una nicchia, e quando parlo di AM intendo la stampa 3D industriale, e non ha ancora espresso tutto il suo potenziale. In settori come l’aerospaziale ci sono molti vincoli di certificazione. La questione non è mai AM contro convenzionale. Dipende da ciò di cui si ha bisogno, dalle prestazioni del componente, dai compromessi che si possono accettare, dalla quantità. Sotto la pressione di dover essere più produttivi, dobbiamo cambiare il modo in cui progettiamo.
Il design generativo e l’ottimizzazione topologica esistono da tempo negli strumenti CAD di tutti i giorni. Perché non hanno risolto il problema del ciclo di progettazione?
Con l’ottimizzazione topologica si riduce il materiale e lo si colloca dove le sollecitazioni sono più elevate, ottenendo così un componente teorico. Questo non significa che il risultato sia producibile. In Cognitive Design lo facciamo in due fasi. Prima si migliorano le prestazioni del componente, poi si esegue quello che chiamiamo design guidato dalla produzione, una progettazione automatizzata per la produzione che riprogetta il pezzo per un determinato processo. Si combinano i due approcci per ottenere il massimo. E l’ottimizzazione topologica è solo un approccio. Abbiamo sviluppato i nostri algoritmi per gli involucri e per topologie che non si basano sulle sollecitazioni.
Siete nel settore AM da un po’ di tempo. Tutti concordano sul fatto che consenta iterazioni rapide e produzione in-house, eppure l’adozione è stata più lenta del previsto. Cosa la frena?
Diverse cose. La prima è il costo. La stampa 3D in metallo è ancora costosa rispetto alla pressofusione o alle lavorazioni CNC. La seconda è la certificazione, che comporta un costo aggiuntivo.
Poi c’è la maturità. Non tutti sono allo stesso livello su ciò che l’AM può realmente fare, sulla post-produzione che richiede e sulla progettazione necessaria. Molte persone pensano di poter prendere un componente progettato per la produzione convenzionale e stamparlo semplicemente in 3D, e a volte il processo fallisce. Si ha anche la convinzione errata che la stampa 3D serva solo per la prototipazione rapida ed economica di polimeri, mentre noi parliamo di applicazioni reali. Ci sono ottimi casi d’uso, ma non è ancora stata abbracciata completamente.
Generare il componente, poi renderlo producibile
Quindi, come risolve tutto questo Cognitive Design?
La capacità principale è generare più progetti e permettere di esplorarli. Si scelgono compromessi basati su sollecitazioni, prestazioni, costi e impronta di carbonio, per capire quale direzione sia la migliore per le proprie esigenze. In aggiunta, utilizziamo l’IA per essere più veloci. L’esplorazione che prima richiedeva molto tempo, perché le persone progettavano i componenti manualmente, ora avviene con l’IA.
Quali input fornisce l’utente e chi realizza il primo modello?
Come punto di partenza si importa un modello 3D esistente, una mesh STL o un file STEP, e si aggiungono i casi di carico se si dispone di una simulazione. Il software ha una simulazione senza mesh integrata, quindi calcoliamo le prestazioni del pezzo e ci assicuriamo che soddisfi i criteri. Vengono forniti anche vari materiali e si possono importare i propri, in modo da poter confrontare titanio, alluminio e Inconel tra vari processi come l’AM e le lavorazioni CNC.
Come utilizzate il design generativo e cosa lo rende veloce, come affermate sul vostro sito web?
Il design generativo viene utilizzato quasi sempre. Lo usiamo per l’ottimizzazione topologica, per trovare il miglior componente teorico. Abbiamo un algoritmo specifico per gli involucri, ad esempio un riduttore, e un altro set che chiamiamo tessitura topologica, dove si creano design che non dipendono dalle sollecitazioni, collegando regioni funzionali lungo un percorso.
Di recente abbiamo rilasciato un modulo di progettazione degli esperimenti, che permette di generare progetti attraverso una gamma di parametri. Invece di un singolo valore, si può dire di voler testare da 0,5 a 10, e il sistema crea una matrice generando automaticamente molti design.
La velocità deriva dal nostro kernel implicito. La modellazione implicita rappresenta un modello 3D tramite campi, in modo simile a un’azienda come nTop, e noi eseguiamo lì tutte le modifiche. È per questo che abbiamo reso anche la simulazione priva di mesh. Tutto viene eseguito in implicito quasi fino alla fine, dove è necessaria una mesh, e poi si esporta una mesh o un file STEP con una ricostruzione da mesh a B-rep.
La funzionalità successiva è la Progettazione per la produzione (DfM). Parlacene.
Oggi supportiamo cinque processi principali: AM, lavorazioni CNC, pressofusione, forgiatura e stampaggio a iniezione. Prendiamo le regole della progettazione per la produzione e le usiamo per modificare i pezzi, con la particolarità che queste regole sono personalizzabili. I clienti portano le proprie regole DfM interne e le applicano al progetto. Per un pezzo da realizzare per stampaggio, gli angoli di sformo, i sottosquadri e lo spessore delle pareti sono molto importanti, e il software riprogetta automaticamente per rispettare questi vincoli.
Quindi fornite un set di regole modificabile. Si tratta solo di algoritmi o c’è anche una componente di IA?
Questa parte è algoritmica, basata su regole.
Come funziona il flusso? Prima ottengo le iterazioni dal design generativo e poi eseguo la progettazione per la produzione?
Sì, è un processo sequenziale in due fasi. Questa è un’ottima differenziazione rispetto ad alcuni strumenti esistenti, che incorporano i vincoli di produzione nel risolutore di ottimizzazione topologica e alla fine potrebbero non restituire pezzi producibili. Noi dividiamo il processo perché altrimenti ci sarebbero troppi vincoli contemporaneamente e non ci sarebbe una buona convergenza.
Prendendo come esempio le lavorazioni CNC, i progetti molto difficili sono fattibili ma hanno un prezzo altrettanto elevato. Come si evita che il risultato diventi un componente costoso e troppo complesso?
Sulle lavorazioni meccaniche attualmente supportiamo solo i 3 assi, ma è vero, possono diventare complesse. Generiamo parti più prismatiche e l’utente può definire le direzioni in X, Y e Z, in modo che il risultato sia più adatto alla lavorazione meccanica. Non si è costretti a scegliere il pezzo più costoso e complesso, anche se con la lavorazione CNC sarebbe possibile.
Forniamo anche il calcolo dei costi per guidare le scelte, e funziona nello stesso modo del DfM, configurabile dal cliente: salari, tariffe orarie, costo della macchina, materiale. L’idea non è calcolare il costo al centesimo, ma capire se la lavorazione CNC sia più conveniente di un altro processo e valutare l’ordine di grandezza della differenza di prezzo.
Cos’è il design guidato dalla simulazione?
Eseguiamo simulazioni meccaniche e termiche per convalidare i pezzi e assicurarci che soddisfino i requisiti, per poi utilizzare i dati sulle sollecitazioni per ottimizzare ulteriormente. Si aggiunge materiale dove ci sono molte sollecitazioni e lo si rimuove dove ce ne sono meno. Nell’AM si possono posizionare reticoli o strutture TPMS in base ai livelli di sollecitazione, eseguire offset o aggiungere nervature. Si possono anche importare dati di sollecitazione da un risolutore esterno come Ansys, Abaqus o Nastran: il sistema legge quei risultati e modifica la geometria di conseguenza.
Quindi diventa un ciclo continuo.
Esattamente. L’idea è creare un loop tra tutti questi elementi. Una volta creato il proprio flusso di lavoro, lo si può applicare a molti componenti diversi, cambiando i parametri o le condizioni al contorno per generare i progetti.
Quando il computer fa già così tanto, l’ingegnere deve comunque comprendere il processo. Dopo dieci buoni risultati, gli ingegneri non inizieranno a fidarsi ciecamente del software?
La maggior parte degli ingegneri utilizza il nostro software per arrivare al concetto migliore il più velocemente possibile, per poi validarlo alla fine in uno strumento certificato come Ansys. Ansys può richiedere ore o persino giorni, quindi il punto è non iterare al suo interno, ma eseguirlo solo una volta alla fine, quando si è già giunti al pezzo teorico migliore.
Cosa si intende per “flussi di lavoro riutilizzabili” sul vostro sito web?
Usando il software si costruisce un flusso di lavoro, in pratica una metodologia o una conoscenza progettuale che l’ingegnere comprende. Lo si pacchettizza, lo si invia a un altro team e questo riutilizza input e output per ottenere un risultato simile con dati diversi. Si incapsula la conoscenza sia degli ingegneri di produzione che di quelli di progettazione. È questo che intendevo per colmare il divario tra loro, e tutta questa conoscenza rimane all’interno dell’azienda.
Cos’è l’IA in questo contesto?
La usiamo in diversi modi, e non come fanno altri. A volte per stimare i costi più velocemente, a volte per il riconoscimento delle caratteristiche geometriche, ad esempio per riconoscere cilindri e superfici quando ricostruiamo una mesh in B-rep. Ma la cosa più importante è che ci integriamo con gli LLM esistenti. Abbiamo realizzato integrazioni con Claude e altri, siamo agnostici. Invece di usare l’interfaccia, si può rimanere nel proprio LLM e dire: ecco la cartella con i miei pezzi, ottimizza per la lavorazione CNC, la pressofusione e l’AM, forniscimi una progettazione degli esperimenti sui diversi materiali, ecco i casi di carico nel mio file Excel, esegui. L’LLM è integrato come server MCP, quindi ha il contesto e può usare il software in modo autonomo, quasi come se creasse il flusso di lavoro da solo.
Avete iniziato nel 2021. Quanta IA ci sarebbe se iniziaste nel 2025 o nel 2026?
Una quantità simile, perché la nostra posizione è che l’IA sia un fattore abilitante. Non si elimina l’intervento umano, si accelera il processo decisionale in modo da poter esplorare più varianti di progetto. Non credo che gli ingegneri verranno sostituiti. Si otterranno team molto più efficienti e piccoli in grado di produrre di più, e lo stiamo già vedendo. I giorni in cui qualcuno era un esperto perché conosceva CATIA da 20 anni e sapeva quali pulsanti cliccare sono finiti. Non si definisce un ingegnere per la sua capacità di usare un software, ma per come prende decisioni a partire dalle sue conoscenze e dai risultati ottenuti.
Mi sembra che più i fondatori sono lontani dall’ingegneria, più siano certi che l’IA farà ingegneria in modo autonomo. I fondatori con background ingegneristico dicono invece che l’IA aiuta accelerando il lavoro degli ingegneri, soprattutto rimuovendo flussi noiosi e attività ripetitive.
Noi stiamo da questa parte. Due dei fondatori sono ingegneri meccanici e abbiamo molti ingegneri, non solo di progettazione ma anche di produzione, quindi comprendiamo i vincoli reali delle macchine e della produzione. Anche con una forte automazione è necessario un essere umano per la validazione, per le normative e per assicurarsi che i calcoli siano corretti, perché l’IA può avere allucinazioni. In un settore molto sensibile, non vedo come l’EASA possa approvare un componente generato dall’IA che non è mai stato simulato in Ansys o in un altro strumento certificato. Ci sono aziende che fanno simulazioni basate sull’IA, ovvero previsioni invece di calcoli veri e propri, il che è ottimo per esplorare le varianti e convergere verso quella migliore. Ma non credo che elimineremo il calcolo FE alla fine. Rimane uno strumento che necessita di convalida.
Al servizio degli OEM dei settori Aerospaziale, Difesa e Automotive
A chi vi rivolgete?
Gravitiamo verso tre settori principali: aerospaziale, difesa e automotive, e serviamo grandi OEM. Il nostro cliente più importante oggi è Safran, nell’aerospaziale. Due dei fondatori lavoravano in Giappone, quindi abbiamo forti legami con clienti giapponesi, soprattutto nei settori automotive e spazio, mentre in Francia ci rivolgiamo principalmente alla difesa e all’aeronautica. L’azienda ha sede a Tolosa, sede di Airbus, quindi ci sono molti fornitori e grandi attori del settore aeronautico nei dintorni.
Quante aziende utilizzano il software oggi?
Tra 60 e 70.
Puoi fare un esempio di un cliente che lo sta utilizzando?
Un buon esempio è Thales Alenia Space. Realizzano staffe per satelliti e avevano una famiglia di circa 80 componenti da progettare, con combinazioni, topologie e forme diverse, tutto fatto manualmente prima. Con il nostro software hanno costruito un flusso di lavoro che ottimizza ogni forma, controlla se sia meglio prodotta in AM o tramite lavorazioni CNC e quale materiale sia il migliore. Una volta fatto per una staffa, hanno automatizzato l’intera famiglia di componenti, perché i casi di carico erano simili e il processo è parametrico, quindi si riutilizza il lavoro fatto sul primo pezzo. Funziona particolarmente bene quando si ha una famiglia di componenti simili o si desidera riutilizzare una metodologia tra più parti.
Qual è il tipo di successo più soddisfacente per voi?
Essendo ingegneri, amiamo vedere i componenti fisici. Lo scopo di CDS è passare dal progetto a un pezzo reale prodotto, quindi ci entusiasma quando un cliente ci invia le foto di qualcosa che ha effettivamente realizzato partendo da un progetto fatto nel nostro software. Il ritorno sull’investimento (ROI) è l’efficienza, passare da centinaia di ore a poche decine, e a volte i clienti raggiungono prestazioni che semplicemente non potevano ottenere con gli strumenti esistenti.
On-Premise per scelta
Quanto costa Cognitive Design e come ne definite il prezzo?
È una licenza SaaS, ma il software è on-premise, il che rappresenta un vero vantaggio. Non c’è connettività cloud, quindi i dati rimangono di proprietà del cliente. Abbiamo licenze fisse e flottanti, e la fascia di prezzo si aggira tra i 10.000 e i 20.000 euro a seconda della licenza e del modulo.
Il requisito on-premise è nato dalle industrie che servite, come l’aerospaziale?
Sì, ed è stata una scelta consapevole. Avremmo potuto distribuirlo sul cloud, ma ciò avrebbe impedito a molti dei nostri clienti di utilizzare la soluzione.
Posso pagare per funzionalità limitate, ad esempio solo per il design generativo o la progettazione per la produzione?
Sì, abbiamo alcuni pacchetti a seconda del modulo, ma la maggior parte dei clienti opta per il pacchetto completo.
Quanto tempo richiede la configurazione dal giorno in cui firmo al momento in cui il primo ingegnere lo utilizza?
Di solito pochi giorni. Per alcune aziende ci sono restrizioni di sicurezza informatica e IT, ma è come installare un’applicazione sul proprio desktop. Effettuiamo distribuzioni su server per i clienti più grandi con più di una licenza e licenze flottanti in modo da poter avere utenti simultanei.
Quanto supporto fornite?
Forniamo sempre supporto, e il processo di inserimento è fondamentale perché si tratta di un nuovo modo di progettare. Il software è molto intuitivo. Si collegano blocchi tramite connettori, in modo simile a Grasshopper o Rhino se si è abituati a progettare in modo parametrico con quegli strumenti. In uno o due giorni si è indipendenti e supportiamo i clienti man mano che diventano utenti più avanzati della piattaforma.
Si integra con gli strumenti CAD e PLM che i team già utilizzano?
Ci piacerebbe. Non è sempre facile lavorare con altri produttori di software, perché le aziende CAD sono molto protettive nei confronti dei loro PLM, che ne rappresentano il cuore, pensiamo a Dassault Systèmes o Siemens. Ci sono soluzioni di aziende come Tech Soft 3D per connettersi a quei PLM, ed è una cosa che stiamo valutando. Vogliamo integrarci maggiormente nel flusso di lavoro ingegneristico, perché le grandi aziende hanno bisogno di interoperabilità e, soprattutto, di tracciabilità con il PLM.
Quindi oggi se uso SolidWorks, esporto un file STEP, uso il vostro software e lo reimporto?
Sì, si ottimizza e poi si reimporta il file STEP nel proprio software CAD alla fine.
I prossimi cinque anni
Come sarà l’ingegneria di progettazione tra cinque anni?
Sempre più ingegneri utilizzeranno software per essere efficienti. Il design generativo sicuramente resterà e gli approcci IA basati sulla fisica saranno complementari alle suite già in uso, per validare, generare e aumentare la produttività. Oggi ci sono solo tre suite principali: Dassault, Siemens e PTC o Autodesk, che coprono tutto, dal CAD al CAE, dal PLM al MES fino all’ERP. Per le grandi aziende sarà difficile allontanarsi da quello stack, quindi noi ci affianchiamo ad esso. Penso anche che ci sarà un grande consolidamento, con i grandi e medi operatori che integreranno maggiori funzionalità. L’aspetto interessante sarà vedere se un’azienda IA farà questa mossa per competere con i produttori di software, se un domani Anthropic si posizionerà come strumento di ingegneria. Sono entrati in molti settori verticali tramite acquisizioni, quindi potrebbero rivoluzionare queste industrie allo stesso modo.
Qual è una cosa che l’industria sta sottovalutando e una che sta sopravvalutando riguardo all’IA?
È una domanda complessa. Credo che stiamo sottovalutando la velocità con cui l’IA progredisce. I modelli precedenti erano come un laureato con conoscenze di base della fisica, mentre con i modelli più recenti il ragionamento è molto più profondo e complesso.
Dall’altro lato, stiamo sopravvalutando la nostra capacità di assimilarla. L’IA continua a proporre cose nuove, ma come esseri umani il nostro adattamento alle nuove tecnologie è molto più lento rispetto alle capacità delle macchine, soprattutto in questo settore.
Molte delle aziende di IA in questo campo sembrano essere in buoni rapporti, parlano persino di cooperazione, il che non è sempre vero per le startup. Quanto siete ottimisti sull’idea di unire queste soluzioni?
Onestamente, la maggior parte dei fondatori di software per l’ingegneria si conoscono, quindi siamo in buoni rapporti anche come concorrenti. Sappiamo di non poter fare tutto da soli e, alla fine, vogliamo migliorare la vita degli ingegneri. Nessuno vuole un software per il CAD, un altro per il PLM, un altro per il MES e la simulazione. Si desidera un’unica piattaforma che incapsuli tutto, ed è per questo che parliamo di complementarietà. E con l’IA e gli LLM, l’interoperabilità è un collo di bottiglia molto meno rilevante. Un agente LLM si connette tramite server MCP a moltissimi strumenti diversi, in modo da non dover importare ed esportare il modello 3D tra loro; lo fa l’agente al posto tuo. Si potrebbero immaginare le aziende IA come il nucleo, che si connette a diversi software, con l’agente che svolge i compiti noiosi e a basso valore aggiunto.
Ci sono aziende IA interessanti nel campo del design o della produzione che vorreste evidenziare?
Alcune. La scorsa settimana abbiamo parlato con PhysicsX. Conosciamo abbastanza bene Neural Concept e Synera. C’è InfinitiForm, che fa qualcosa di simile a noi. Siamo ancora agli albori e sarà interessante vedere se alcune di queste startup finiranno per completarsi a vicenda per competere con i grandi player come Dassault e Siemens.
Related Topics
Uliana Krayneva
8
Contact VED
2
Comment(0)