Sorry, you need to enable JavaScript to visit this website.

Progetto SIADD

Soluzioni Innovative per la qualità e la sostenibilità dei processi di ADDitive manufacturing

Reticolo BCC in lega di alluminio. Ogni strato deposto ha uno spessore di 30 um M.
Acronym: 
SIADD
Funding type: 
National Programmes
Duration: 
1 July 2019 to 31 December 2022
ENEA role: 
Subcontractor
ENEA Project Leader: 
Antonella Rizzo
Personnel: 
Michele NacucchiFabio De PascalisDaniele MarsegliaMarcello MassaroRoberto TerziTommaso Marciano'Barbara PalazzoMonica SchioppaAnna grazia Scalone
Status: 
Completed

Il progetto SIADD è strettamente collegato all’area “Fabbrica Intelligente”, poiché fonda la ricerca della sostenibilità manifatturiera attraverso il monitoraggio estensivo delle fasi di processo, per consentire una implementazione del predictive manufacturing mediante connessione tra dati virtuali e reali dei processi manifatturieri di additive manufacturing, elemento portante del progetto SIADD. Il progetto SIADD ha quindi tra i suoi obiettivi primari quello di combinare nel nuovo livello di “intelligenza” della fabbrica (quello della sensorizzazione diffusa e del trattamento di grandi quantità di dati) la fusione tra: i) strumenti digitali di ottimizzazione di prodotto (OR4), ii) i dati virtuali da simulazione di prodotto e processo (OR1, OR4, OR5 e OR6), iii) i dati reali acquisiti da sensorizzazione in‐situ (OR2 e OR3).

I risultati relativi alla costruzione di un modello interpretativo delle tecnologie e fondativo del nuovo livello di intelligenza permetterà di migliorare le prestazioni dei processi di AM oggetto di studio in molte diverse direzioni (qualità, stabilità, produttività, efficienza e quindi sostenibilità). Il progetto si focalizza inoltre sulla fabbricazione additiva (Additive manufacturing ‐AM), indicata in molte agende strategiche come una delle più significative e promettenti tecnologie in termini di impatto su industria e società.

Il progetto vuole sviluppare soluzioni di acquisizione di dati da sensing system per trarre vantaggio dalla grande mole di informazioni disponibili layer‐by‐layer attraverso algoritmi di data mining e tecniche innovative di monitoraggio di processo per seguire in tempo reale l’evoluzione della stampa e identificare le condizioni SIADD reali di processo (ad esempio, fornendo un detecting dell’insorgenza di difetti).