Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

I-HEAL AM: AI-Driven In-Situ Healing for Zero-Defect Additive Manufacturing

Descrizione del progetto

Correggere i difetti della produzione additiva

La produzione additiva (AM) sta trasformando la produzione industriale, ma i difetti indotti dal processo ne limitano ancora l’utilizzo in applicazioni critiche per la sicurezza nei settori aerospaziale ed energetico. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto I-HEAL AM intende superare questo ostacolo sviluppando un flusso di lavoro «vedi-pensa-agisci-verifica» basato sull’intelligenza artificiale per Inconel 718, una superlega ad alte prestazioni. A differenza dei sistemi di monitoraggio passivo, questo nuovo sistema introduce un processo a circuito chiuso completamente autonomo che rileva le anomalie in tempo reale ed esegue riparazioni chirurgiche in loco. Grazie alla combinazione di apprendimento profondo, modulazione dinamica del fascio e strategie di rivestimento mirate, il progetto raggiunge un vero e proprio standard «zero difetti». Questa innovazione non solo estende l’affidabilità dei componenti critici, ma rafforza anche la leadership manifatturiera europea, fornendo un gemello digitale ricco di dati per garantire l’eccellenza industriale.

Obiettivo

"Laser powder bed fusion (PBF) additive manufacturing (AM) is hampered by process-induced defects that degrade mechanical properties, preventing its use in safety-critical applications. Current in-situ monitoring systems are reactive, offering passive data logging but no autonomous, real-time correction. The research targets Inconel 718, an aerospace superalloy notoriously prone to such defects.
The I-HEAL AM project will overcome this bottleneck by developing a truly autonomous “see-think-act-verify” workflow for proactive, in-situ healing with a <10-second overhead per layer. Its novelty is a fully closed loop of intelligent, surgical intervention and verification. A two-stage AI processes multi-modal sensor data: an unsupervised autoencoder flags anomalies, and a supervised CNN performs precise characterization. A custom software architecture then executes adaptive healing, including dynamic beam modulation for minor porosity and a novel 'Partial Recoat and Healing' strategy. This targeted approach minimizes heat input and detrimental residual stresses. The unique in-situ verification step confirms each repair, creating a data-rich “digital twin” for unprecedented part qualification. The system's success will be validated on an industrial demonstrator, improving functional performance.
This project will establish a new benchmark for ""zero-defect"" manufacturing, enabling the qualification of reliable AM parts for European aerospace and energy sectors. A strategic secondment at the IAM@PoliTO, Politecnico di Torino, will advance the project’s science by integrating the methodology with the host's deep AM expertise to generate fundamental new insights into in-situ healing. For the researcher, this fellowship provides unique skills, paving the way for a leadership role in advanced manufacturing."

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

SYDDANSK UNIVERSITET
Contributo netto dell'UE
€ 247 553,28
Indirizzo
CAMPUSVEJ 55
5230 Odense M
Danimarca
Regione
Danmark Syddanmark Fyn
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partner (1)