Reverse engineering da fotogrammetria mobile per la preventivazione rapida dei costi di produzione: il caso Mevis S.p.A

This thesis examines the use of low-cost Reverse Engineering techniques based on mobile photogrammetry to support the quick estimation of production costs for mechanical components when CAD models are not available. The work was carried out in collaboration with Mevis S.p.A. and comes from the need to obtain sufficiently reliable geometric information during the early stages of analysis and customer contact, in order to prepare a first cost estimate in a short time. A methodology was developed based on taking photographs of the components with a mobile device, creating 3D models using specific software platforms, and extracting the main geometric features needed for cost estimation. The methodology was applied to two metal components, and the results were compared with reference models obtained using a structured-light optical scanner. The reconstructions were evaluated through color maps showing the differences between the models, dimensional analyses, and repeatability tests. The effect of geometric errors on the parameters used for cost estimation and on the final estimated cost was also analyzed. The results show that mobile photogrammetry can correctly reconstruct the general shape and the main geometric features of the components. However, some problems were found in areas with reflective surfaces, thin sections, shadows, and complex geometries. KIRI Engine provided the most consistent and repeatable reconstructions, while the artificial intelligence-based tools had more difficulties in reconstructing thin sections accurately. Although the proposed methodology cannot replace professional metrology systems, it represents a fast, low-cost, and accessible tool for obtaining preliminary information useful for evaluating manufacturability and production costs. This work therefore provides a basis for the development of an automated cost-estimation system with an associated uncertainty range.

La presente tesi analizza l’applicabilità di tecniche di Reverse Engineering a basso costo, basate sulla fotogrammetria mobile, per supportare la rapida preventivazione dei costi di produzione di componenti meccanici in assenza dei relativi modelli CAD. Il lavoro, sviluppato in collaborazione con Mevis S.p.A., nasce dall’esigenza di disporre, nelle prime fasi di analisi e di contatto con il cliente, di informazioni geometriche sufficientemente affidabili per formulare una prima stima economica in tempi ridotti. È stata definita una metodologia basata sull’acquisizione fotografica dei componenti mediante dispositivo mobile, sulla ricostruzione tridimensionale tramite specifiche piattaforme software e sull’estrazione delle principali caratteristiche geometriche necessarie alla preventivazione. La metodologia è stata applicata a due componenti metallici e i risultati sono stati confrontati con modelli di riferimento ottenuti mediante scansione ottica a luce strutturata. Le ricostruzioni sono state valutate attraverso mappe cromatiche degli scostamenti, analisi dimensionali e valutazioni di ripetibilità, analizzando inoltre l’influenza degli errori geometrici sui parametri di preventivazione e sul costo stimato. I risultati mostrano che la fotogrammetria mobile consente di ricostruire correttamente la forma generale e le principali caratteristiche geometriche, pur presentando criticità localizzate in presenza di superfici riflettenti, spessori ridotti, ombre e geometrie complesse. KIRI Engine ha fornito le ricostruzioni più coerenti e ripetibili, mentre gli strumenti basati sull’intelligenza artificiale hanno evidenziato maggiori difficoltà nella ricostruzione degli spessori sottili. La metodologia proposta, pur non sostituendo i sistemi metrologici professionali, rappresenta uno strumento rapido, economico e accessibile per ottenere informazioni preliminari utili alla valutazione della producibilità e dei costi, ponendo le basi per lo sviluppo di un sistema automatizzato di stima economica con associato intervallo di incertezza.