Analisi del sistema di misura (MSA) e controllo degli strumenti nel 3D printing: rendere davvero affidabili i dati di qualità

Introduzione: il problema della “fonte” dei dati di qualità

Nel ciclo di vita completo di lantu3D, dal progetto alla consegna del componente fisico, ogni rapporto di ispezione, ogni registrazione di First Article Inspection (FAI) e ogni decisione su un reso dipendono da una serie di dati di misura. Tuttavia, molti team concentrano l’attenzione su stampanti e finestre di processo, trascurando l’affidabilità dei dati stessi: lo stesso pezzo, misurato con strumenti diversi, da operatori diversi o in momenti diversi, può mostrare differenze di decine di micron, mentre la fascia di tolleranza tipica della stampa 3D metallica è spesso solo ±0,1 mm o persino più stretta. Se il sistema di misura non è affidabile, tutto ciò che segue — controllo statistico di processo (SPC), indice di capacità di processo (Cpk) e giudizio di conformità — poggia su fondamenta fragili. L’analisi del sistema di misura (MSA) e il controllo degli strumenti sono proprio i metodi di base per rendere l’affidabilità dei dati ingegnerizzabile e quantificabile.

1. Che cosa sono l’analisi del sistema di misura (MSA) e il Gauge R&R

L’analisi del sistema di misura (Measurement System Analysis) è un insieme di metodi statistici per valutare l’errore del “processo di misurazione”. Il suo oggetto non è il pezzo, ma il sistema di misura stesso, inclusi strumenti, campioni di riferimento, operatori, ambiente e metodo. Nel contesto della stampa 3D, la valutazione più comune è lo studio di ripetibilità e riproducibilità dello strumento, Gauge R&R: la ripetibilità (Repeatability) verifica la coerenza con cui lo stesso operatore misura più volte la stessa caratteristica con lo stesso strumento; la riproducibilità (Reproducibility) valuta gli scostamenti tra operatori diversi e apparecchiature diverse. Per la cilindricità o la planarità di un componente metallico SLM, se la variazione del Gauge R&R rappresenta una quota troppo elevata della fascia di tolleranza, significa che l’“incertezza di misura” sta mascherando l’“incapacità di produrre con precisione”, e la direzione del miglioramento di processo può essere orientata in modo errato.

2. Perché la stampa 3D è più sensibile al sistema di misura

Rispetto alla lavorazione meccanica tradizionale, la manifattura additiva richiede sistemi di misura più rigorosi per tre motivi. Primo, l’elevata complessità geometrica: canali di raffreddamento conformali, reticoli a parete sottile e cavità interne non possono essere misurati direttamente con un calibro; occorrono macchine di misura a coordinate (CMM) o tomografia industriale CT, ma la risoluzione voxel, l’energia del fascio e gli algoritmi di ricostruzione della CT introducono scostamenti sistematici. Secondo, l’elevata rugosità superficiale: i pezzi prodotti con fusione a letto di polvere (PBF) presentano superfici granulari; la forza di contatto di un rugosimetro a stilo o di una sonda CMM può rendere instabili le letture, e il valore Ra non lucidato può oscillare di oltre il 15% rispetto al valore reale. Terzo, anisotropia ed effetto dell’orientamento: il ritiro dimensionale lungo la direzione di stampa e in direzione perpendicolare è diverso; se i riferimenti di campionamento e misura non sono uniformi, pezzi dello stesso lotto possono essere erroneamente giudicati fuori tolleranza. La combinazione di questi tre fattori fa sì che l’“errore di misura” sia spesso dello stesso ordine di grandezza dell’“errore di processo”, rendendo necessario separarli tramite MSA.

3. Pratiche ingegneristiche per calibrazione degli strumenti e verifiche intermedie

Il primo passo verso dati affidabili è il controllo degli strumenti. Le aziende dovrebbero istituire un registro strumenti a tre livelli: classe A, con strumenti metrologici di riferimento come CMM, CT industriali e sistemi di misura ottici, da inviare a verifica secondo le scadenze delle normative nazionali e con tracciabilità ai campioni di lunghezza; classe B, con micrometri digitali, altimetri e rugosimetri, da calibrare indicando l’incertezza; classe C, con calibri di controllo e tamponi passa/non passa, da sottoporre a verifica funzionale. Il punto chiave non è “avere o meno un certificato”, ma se l’intervallo di calibrazione copre la deriva: ad esempio, l’usura del rubino della sonda o l’invecchiamento delle guide aerostatiche possono causare in una CMM una deriva tendenziale di 2-3 μm nell’arco di 6 mesi; una semplice verifica annuale può non rilevarla. Un approccio più pragmatico consiste nell’introdurre la verifica intermedia (Interim Check): usando un blocchetto pianparallelo o una sfera campione di dimensione nota, si controlla settimanalmente l’indicazione degli strumenti critici e, in caso di fuori tolleranza, lo strumento viene immediatamente sospeso. È proprio con questo metodo che la linea di controllo qualità di lantu3D riduce il “tempo di scoperta” della perdita di controllo degli strumenti da diversi mesi a meno di una settimana.

4. GR&R e criteri per giudicare l’affidabilità dei dati

Dopo aver messo sotto controllo gli strumenti, occorre comunque usare il GR&R per rispondere quantitativamente alla domanda: “quanto possiamo fidarci di questi dati?”. Prendendo come esempio un tipico studio incrociato con tre operatori × dieci pezzi × tre ripetizioni, il %GR&R ottenuto, cioè la variazione R&R rapportata alla fascia di tolleranza, dovrebbe essere usato come criterio di rilascio: sotto il 10% il sistema di misura è accettabile; tra 10% e 30% è accettabile con riserva in base alla criticità dell’applicazione e al rischio del pezzo; sopra il 30% è necessario correggere lo strumento o il metodo prima di rimisurare. Per componenti di accoppiamento di precisione con tolleranza di soli ±0,05 mm, anche un %GR&R del 15% può risultare inaccettabile: in questo caso occorre passare a una tecnica di misura a risoluzione più elevata o a un metodo senza contatto. È importante ricordare che l’MSA valuta la “misurazione”, non la “produzione”: solo quando il GR&R è conforme e il Cpk resta basso si può essere certi che il problema risieda davvero nel processo e non nello strumento. Questo è un riferimento essenziale per evitare rilavorazioni già prima della quotazione.

5. Punti chiave di implementazione ed errori comuni

Nell’implementare l’MSA, vanno sottolineati tre punti chiave e relativi errori. Primo, il campione deve coprire la variabilità del processo: i dieci pezzi selezionati dovrebbero attraversare l’intervallo dimensionale dal limite inferiore al limite superiore, non essere dieci pezzi “apparentemente uguali” e conformi, altrimenti il GR&R verrà sottostimato artificialmente. Secondo, la risoluzione deve essere sufficiente: la risoluzione dello strumento non dovrebbe superare un decimo della fascia di tolleranza; usare una sonda con risoluzione di 1 μm per controllare una tolleranza di 0,1 mm è ciò che rende la misura significativa. Terzo, non bisogna confondere calibrazione e MSA: la calibrazione dimostra soltanto che “lo strumento è allineato allo standard”, mentre l’MSA dimostra che “lo strumento, in produzione, può fornire dati stabili e affidabili”. Entrambe sono indispensabili. Tra gli errori comuni rientrano anche eseguire l’MSA solo dopo un reclamo, generare report automatici con software senza comprendere le fonti di variazione, oppure considerare l’errore voxel della CT come un difetto reale causando un eccesso di scarti. Tutti questi aspetti devono essere specificati nelle istruzioni operative di misura e adeguatamente trasferiti con la formazione.

Conclusione

Per un’azienda di stampa 3D posizionata “dal progetto alla consegna”, l’analisi del sistema di misura non è un onere aggiuntivo per il reparto qualità, ma la base dati di tutte le decisioni qualitative. Creando un registro strumenti per classi, eseguendo verifiche intermedie, conducendo studi GR&R periodici e integrando risoluzione e rappresentatività dei campioni nelle procedure operative, l’azienda può eliminare l’“incertezza di misura” dai fattori che interferiscono con il miglioramento di processo, rendendo davvero affidabili FAI, SPC e dati di tracciabilità. Quando i dati sono affidabili, il miglioramento della qualità ha una direzione e la fiducia del cliente trova un solido punto d’appoggio.