---
title: "Gli ingegneri della Rutgers University usano l’AI per superare le sfide della manifattura additiva"
url: https://www.voxelmatters.com/it/gli-ingegneri-di-rutgers-university-usano-lai-per-superare-le-sfide-della-manifattura-additiva/
date: 2025-12-28
modified: 2025-12-27
lang: it
author: "Edward Wakefield"
description: "Secondo la Rutgers University, un team di ingegneri ha dimostrato come l’intelligenza artificiale possa superare due delle principali sfide della manifattura, rendendo la stampa 3D più resiliente in ambienti estremi..."
categories:
  - "AI"
  - "Ricerca AM"
tags:
  - "future"
image: https://www.voxelmatters.com/wp-content/uploads/2025/12/WhatsApp-Image-2025-12-26-at-17.20.57-640x362.jpeg
word_count: 489
---

# Gli ingegneri della Rutgers University usano l’AI per superare le sfide della manifattura additiva

[Secondo la Rutgers University](https://www.rutgers.edu/news/engineers-develop-autonomous-artificial-intelligence-transforms-resilience-and-discovery), un team di ingegneri ha dimostrato come l’intelligenza artificiale possa superare due delle principali sfide della manifattura, rendendo la stampa 3D più resiliente in ambienti estremi e accelerando l’innovazione con un numero di esperimenti nettamente inferiore.

In due studi guidati da Rajiv Malhotra, professore associato presso il Dipartimento di Ingegneria Meccanica e Aerospaziale della Rutgers School of Engineering, i ricercatori hanno infatti mostrato come sistemi autonomi possano rendere affidabili i processi produttivi in [contesti come lo spazio](https://www.voxelmatters.com/it/compositi-autoformanti-stampati-in-3d-per-applicazioni-spaziali/), le zone di guerra e le aree colpite da disastri ambientali, riducendo al contempo in modo drastico i tempi di sviluppo nella manifattura convenzionale.

Il primo studio, [pubblicato sul Journal of Manufacturing Processes](https://www.sciencedirect.com/science/article/pii/S1526612525002671), si concentra su quella che Malhotra definisce “expeditionary additive manufacturing”, ovvero la produzione di componenti al di fuori di ambienti di fabbrica controllati. Questi contesti introducono disturbi imprevedibili come vibrazioni, variazioni di temperatura e operatori non addestrati, fattori che possono compromettere completamente una stampa.

![Rutgers engineers use AI to overcome AM challenges - enabling resilient 3D printing in extreme environments and accelerating innovation.](https://www.voxelmatters.com/wp-content/uploads/2025/12/rajiv-malhotra-portrait_promo.jpg)Rajiv Malhotra.

"Stavamo cercando di capire come rendere la [expeditionary additive manufacturing](https://www.voxelmatters.com/it/firestorm-e-hp-insieme-per-una-manifattura-distribuita-e-mobile/) robusta rispetto a disturbi sconosciuti e altamente destabilizzanti", ha spiegato Malhotra.

Per affrontare il problema, il team ha sviluppato un nuovo approccio di AI basato sul reinforcement learning condizionale. Utilizzando una videocamera per monitorare la stampa in tempo reale, il sistema è in grado di individuare i difetti e di regolare immediatamente i parametri della stampante, senza interrompere il processo né dover riaddestrare il software. Una capacità fondamentale in contesti ad alto rischio.

"L’esito di una singola parte può determinare il fallimento completo di una missione. Potrebbero morire delle persone», ha aggiunto Malhotra. «Abbiamo creato uno strumento che affronta direttamente questo problema. Non è più necessario anticipare ogni possibile scenario: qualunque disturbo si presenti, possiamo gestirlo senza scartare il pezzo o interrompere il processo, entrambe opzioni inaccettabili quando è in gioco l’affidabilità della missione".

L’AI considera anche la mancanza di formazione degli operatori come un ulteriore fattore di disturbo. "Abbiamo addestrato l’intelligenza artificiale ad aspettarsi l’imprevisto, non ciò che è già noto", ha osservato Malhotra, sottolineando come questo metodo consenta di ridurre i difetti di un fattore pari ad almeno dieci.

Un secondo studio, [pubblicato sul Journal of Intelligent Manufacturing](https://link.springer.com/article/10.1007/s10845-025-02638-w), affronta invece il problema dei cicli di innovazione troppo lenti. Anziché basarsi su decenni di modelli fisici o su dataset enormi, il team ha sviluppato un sistema di AI in grado di analizzare la letteratura scientifica e combinarla con un numero limitato di dati sperimentali.

"È un processo molto lento e soggetto a errori. A volte servono anche 30 anni per sviluppare davvero un processo", ha spiegato Malhotra. "L’AI si comporta come un esperto con un dottorato: prova poche volte e poi trova la soluzione giusta".

Alla ricerca hanno contribuito anche collaboratori della University of Connecticut, della University of Michigan e della US Army Armaments Graduate School, e i risultati potrebbero avere un impatto significativo nei settori aerospaziale, della difesa, dell’automotive e della [manifattura elettronica](https://www.voxelmatters.com/mit-advances-fully-3d-printed-active-electronics/).