---
title: "Un framework basato sull’IA prevede in pochi secondi la resistenza dei pezzi metallici stampati in 3D"
url: https://www.voxelmatters.com/it/un-framework-basato-sullia-prevede-in-pochi-secondi-la-resistenza-dei-pezzi-metallici-stampati-in-3d/
date: 2026-04-26
modified: 2026-04-25
lang: it
author: "Joseph Caron-Dawe"
description: "Alcuni ricercatori del POSTECH e del Korea Institute of Materials Science (KIMS) hanno sviluppato un framework analitico basato sull'IA capace di prevedere la resistenza meccanica di componenti metallici stampati in..."
categories:
  - "AI"
  - "Manifattura additiva a metallo"
  - "Ricerca AM"
tags:
  - "future"
image: https://www.voxelmatters.com/wp-content/uploads/2026/04/AI-framework-predicts-metal-3D-printed-part-strength-01-640x400.jpg
word_count: 410
---

# Un framework basato sull’IA prevede in pochi secondi la resistenza dei pezzi metallici stampati in 3D

[Alcuni ricercatori del POSTECH](https://www.voxelmatters.com/postech-researchers-3d-print-human-brain-model/) e del [Korea Institute of Materials Science (KIMS)](https://www.voxelmatters.com/researchers-develop-ultra-strong-metal-3d-printing-alloy/) hanno sviluppato un framework analitico basato sull'IA capace di prevedere la resistenza meccanica di componenti metallici stampati in 3D in pochi secondi, anche in presenza di difetti interni.

Il lavoro è stato condotto dal Professor Kim Hyeong-seop del Graduate Institute of Ferrous & Eco Materials Technology e del Dipartimento di Scienza e Ingegneria dei Materiali del POSTECH, in collaborazione con il Ricercatore Senior Park Jung-min del KIMS. I risultati sono stati pubblicati sulla rivista internazionale di scienza dei materiali [*Acta Materialia*](https://www.sciencedirect.com/science/article/abs/pii/S1359645426002077?via%3Dihub).

## Il problema dei difetti nella manifattura additiva a metallo

Il processo di stratificazione nella LPBF genera frequentemente piccoli vuoti interni simili a bolle, che possono trasformarsi in punti di debolezza critici nei componenti destinati ad applicazioni esigenti come motori aeronautici o assemblaggi automotive. Quantificare l'effetto di questi vuoti sulla resistenza strutturale richiede però test ripetuti, costosi e dispendiosi in termini di tempo.

![Un framework basato sull](https://www.voxelmatters.com/wp-content/uploads/2026/04/AI-framework-predicts-metal-3D-printed-part-strength-02-340x213.jpg)Il Ricercatore Senior Park Jung-min del KIMS, Lee Jeong-ah, studentessa del programma integrato master e dottorato del Dipartimento di Scienza e Ingegneria dei Materiali del POSTECH, e il Professor Kim Hyeong-seop (Immagine: POSTECH)

Invece di tentare di eliminare i difetti, il team di ricerca ha addestrato l'IA a lavorare con essi. Il modello ha elaborato un ampio dataset che copre i parametri di produzione — tra cui potenza del laser e velocità di scansione — insieme a dati sulla microstruttura interna e sulla dimensione e distribuzione spaziale dei vuoti.
È stata quindi applicata una tecnica definita "data-selective learning" per identificare le variabili con la maggiore influenza sulla resistenza, migliorando la precisione delle previsioni.

## Risultati interpretabili e accuratezza verificata

Una caratteristica distintiva del framework è la sua capacità di produrre equazioni leggibili e interpretabili accanto alle previsioni, invece di operare come una black box.

[I test di validazione condotti su una lega alluminio-silicio-magnesio (Al-Si-Mg)](https://www.voxelmatters.com/why-manufacturers-are-switching-to-pbf-specific-aluminum-alloy/), ampiamente utilizzata nei settori aerospaziale e automotive, hanno restituito previsioni di resistenza con un errore medio di 9,51 megapascal (MPa), un risultato che il team ha dichiarato essere oltre quattro volte più accurato rispetto ai metodi esistenti.

I ricercatori hanno indicato che il framework potrebbe essere esteso in una mappa di progettazione defect-aware, offrendo agli ingegneri una visibilità avanzata su come le prestazioni dei componenti variano al variare delle condizioni di produzione.

"Questa tecnologia migliorerà l'affidabilità dei pezzi metallici stampati in 3D, accelerando notevolmente la loro commercializzazione in settori come quello aerospaziale e automotive", ha dichiarato Kim Hyeong-seop.