Siemens ha annunciato la sottoscrizione di un accordo per acquisire Atlas 3D, azienda americana (di Plymouth, Indiana) che sviluppa software per stampanti 3D per la sinterizzazione laser di metalli (DMLS).
Il software di Atlas 3D nasce per consentire a ingegneri progettisti di disporre di un orientamento ottimale dei pezzi e delle strutture di supporto necessarie per la produzione additiva di parti in tempo quasi reale.
Secondo i termini dell’accordo Atlas 3D diventerà parte di Siemens Digital Industries Software e le sue soluzioni potenzieranno le funzionalità di additive manufacturing del portafoglio Xcelerator di Siemens.
Il software Sunata di Atlas 3D sfrutta l’analisi della distorsione termica per mettere a disposizione una modalità semplice e automatizzata per ottimizzare l’orientamento dei pezzi e generare le strutture di supporto.
Con questo approccio il progettista può effettuare le simulazioni senza l’aiuto di un analista, riducendo così il lavoro di analisi successivo con il software Simcenter per ottenere un pezzo conforme ai requisiti di progettazione.
Siemens intende commercializzare la soluzione di Atlas 3D attraverso il canale online Additive Manufacturing Network.
Software per ridurre gli errori in produzione
L’alto tasso di errori nella stampa 3D è infatti un problema che deve essere risolto dalle aziende che vogliono utilizzare l’additive manufacturing per grandi volumi.
Spesso le parti devono attraversare diversi cicli di progettazione e analisi prima che vengano individuati l’orientamento e le strutture di supporto ottimali.
Solitamente i progettisti non hanno le competenze necessarie per valutare aspetti quali l’orientamento dei pezzi, la distorsione e l’uniformità di estrazione del calore nei loro progetti. L’onere ricade quindi su ingegneri specializzati.
Il software Sunata di Atlas 3D risolve questo problema mettendo a disposizione dei progettisti una procedura veloce, semplice e automatizzata per avvicinarsi alla struttura corretta al primo tentativo.
Il calcolo con accelerazione grafica prevede l’utilizzo di una scheda grafica (GPU) unitamente a un processore (CPU) per agevolare operazioni ad alta intensità di calcolo come deep learning, analisi di big data e applicazioni di ingegneria.
