Un team di ricercatori del Dipartimento di Ingegneria Meccanica della Carnegie Mellon University ha sviluppato un sistema basato su modelli linguistici di grandi dimensioni (LLM) capace di monitorare e correggere le stampanti 3D in tempo reale. L’obiettivo e’ ridurre al minimo gli errori di stampa, uno dei principali limiti dell’additive manufacturing soprattutto in ambito produttivo.
Le stampanti 3D hanno innegabilmente trasformato il settore tecnologico. Sul fronte consumer, consentono di creare progetti piccoli e medi per personalizzare praticamente qualsiasi cosa, attraverso la realizzazione di piccoli accessori fino a veri e propri arredi. Per l’utenza professionale, uno dei maggiori vantaggi risiede nella prototipazione che, con una stampante 3D, non richiede macchinari complessi (e costosi) per termoformatura, tecniche a iniezione o lavorazioni post-produzione. Naturalmente, non mancano veri e propri “produttori 3D” che adottano la stampa 3D su grande scala per le soluzioni vere e proprie destinate alla vendita.
Il punto debole, però, rimangono gli errori di stampa. Chi si è cimentato nell’utilizzo di una stampante 3D avrà sicuramente affrontato fallimenti, interruzioni e difficoltà di ogni genere che hanno impedito di completare il progetto. Secondo dati citati da Prusa3D, circa il 7% delle stampe fallisce, mentre un ulteriore 19% richiede l’intervento dell’utente. Numeri accettabili in ambito domestico, ma poco sostenibili in contesti industriali, dove oggi si punta a tassi di errore intorno allo 0,1%.
Il sistema sviluppato dai ricercatori si basa su quattro agenti LLM specializzati, coordinati da un agente supervisore. Il primo è un modello visivo-linguistico che scatta immagini dopo ogni strato, analizza la qualità di stampa, ed eventualmente segnala la presenza di difetti. Un secondo agente confronta i problemi rilevati con le impostazioni attuali della stampante per individuare i parametri da modificare.
Le informazioni passano poi a un solution planner, che definisce un piano operativo dettagliato. Infine, entra in gioco l’executor agent, che comunica con la stampante 3D tramite API, applicando in autonomia le correzioni necessarie. Il supervisore garantisce che dati e decisioni restino coerenti e aggiornati durante tutto il processo.
Un aspetto rilevante del progetto riguarda l’assenza di modelli personalizzati o addestrati su dataset proprietari. Il team ha utilizzato ChatGPT-4o nella versione base, affiancato da prompt strutturati e generalizzati. Secondo gli sviluppatori, questo rende il sistema più semplice da implementare, perfezionare e adattare rispetto a un approccio specifico.
“Il futuro è adattivo” ha spiegato Amir Barati Farimani, Professore Associato di Ingegneria Meccanica. “L’integrazione degli LLM nel processo di stampa 3D rappresenta un progresso significativo. Con l’evoluzione di questi modelli, la loro capacità di elaborare dati multimodali più ricchi sbloccherà ulteriori potenzialità. Per ora, questo lavoro fornisce le basi per sistemi di produzione realmente intelligenti e autonomi, in grado di raggiungere livelli di precisione e affidabilità senza precedenti“.
Se adottata su larga scala, questa tecnologia potrebbe trasformare le telecamere integrate nelle stampanti 3D da semplici strumenti di controllo manuale a componenti centrali di un ciclo di gestione intelligente, riducendo sprechi, tempi di fermo e la necessità di supervisione umana continua.