Caso studio

MaChAwAI

Rivoluzioniamo il material testing per la manifattura additiva

I nostri Partner: MaCh3D e 3DPR

Il Progetto

MaChAwAI è un progetto innovativo che unisce l'intelligenza artificiale e il Material Testing per la manifattura additiva, sviluppato in collaborazione con MaCh3D e 3DPR.

L'obiettivo è rivoluzionare il settore delle analisi dei materiali nella stampa 3D, rendendo più semplice, veloce ed economico verificare le caratteristiche fisiche dei materiali.

Il progetto è stato supportato dal programma europeo Horizon 2020 nell'ambito dell'open call KYKLOS 4.0 #2 (progetto KYKLOS 4.0, Grant Agreement n. 872570).

Challenges

Le Sfide nel Material Testing

Alti Costi

I macchinari tradizionali per il Material Testing sono costosi, ingombranti e spesso inaccessibili per le PMI.

Notevole Complessità

Solo operatori specializzati possono eseguire correttamente i test, richiedendo personale altamente qualificato.

Molto Tempo

I test possono essere lunghi da preparare e condurre, rallentando i processi di sviluppo e produzione.

Il dispositivo MaCh3D, pur riducendo certi aspetti di costo e complessità rispetto agli standard, necessita di uno strumento aggiuntivo per ottenere dati attendibili, come un estensimetro (o "distanziometro"), con un conseguente aumento di costi e difficoltà d'uso.

Goals

Obiettivo del Progetto

"Realizzare un sistema che permetta di ottenere misurazioni precise dal dispositivo MaCh3D, evitando l'uso di strumentazione aggiuntiva."

Più Veloce

Non serve posizionare l'estensimetro.

Più Semplice

Eliminando strumenti aggiuntivi, la procedura diventa lineare.

Più Economico

Si risparmiano i costi relativi a estensimetri o altri apparati.

Ugualmente Preciso

Nonostante si tolga un dispositivo tradizionalmente considerato essenziale, si mantiene un'elevata accuratezza.

AI model

La Nostra Soluzione

Abbiamo sviluppato un innovativo modello di Deep Learning in grado di rendere le misurazioni del dispositivo MaCh3D precise come quelle ottenute con l'uso di un estensimetro.

Input

Dispositivo che necessita di un estensimetro per ottenere dati attendibili

Processo

Modello di Deep Learning che analizza e corregge i dati grezzi

Output

Dati con accuratezza equivalente a quelli ottenuti con l'uso dell'estensimetro

La rete neurale funge da "trasformatore" dei dati generati da MaCh3D, restituendo una curva molto più fedele alla realtà.

Roadmap

Fasi di Implementazione

1. Studio Preliminare

Analisi della letteratura scientifica e selezione di dataset pubblici già esistenti sul Material Testing, per avere un background solido per le tecniche di deep learning.

2. Raccolta Dati

Sfruttamento delle numerose prove strumentate di MaCh3D e 3DPR su vari materiali e tecnologie di stampa per costruire un dataset personalizzato rappresentativo di molteplici scenari.

3. Ideazione & Sviluppo

Sulla base dei dati raccolti, abbiamo concepito e sviluppato decine di modelli di Deep Learning, sperimentando architetture diverse per trovare la soluzione personalizzata ideale.

4. Validazione

Il miglior modello è stato sottoposto alla verifica incrociata da parte dei team ingegneristici di MaCh3D e 3DPR, utilizzando dati mai "visti" dal modello per valutarne le performance su scenari nuovi.

5. Iterazione & Ottimizzazione

Con l'arrivo di nuove misure e nuovi campioni di stampa, l'IA ha continuato ad apprendere e a ridurre ulteriormente l'errore di misura, instaurando un circolo virtuoso: più test si eseguono, più i modelli diventano robusti e accurati.

Results

Risultati Ottenuti

Integrando la nostra IA, la precisione del dispositivo MaCh3D è aumentata del 75%, corrispondendo a una riduzione dell'errore di oltre 11 volte.

Le curve corrette dall'IA sono estremamente simili a quelle prodotte con l'uso di un estensimetro, in alcuni punti è difficile distinguere le due linee.

L'errore complessivo è calato dall'82% a circa il 7%, mostrando quindi un notevole miglioramento qualitativo nelle misurazioni.