CloudNC levanta US$ 20 milhões para automatizar os gargalos mais urgentes da manufatura

A startup de software de manufatura com sede no Reino Unido, CloudNC, anunciou uma rodada de extensão B de US$ 20 milhões na quarta-feira, elevando seu valor total arrecadado vitalício para US$ 128 milhões. O último grande aumento da empresa foi há quatro anos, disse seu cofundador e CEO Theo Saville ao TechCrunch.

Saville lançou o CloudNC em 2015 com Chris Emery, agora diretor científico da empresa, e oferece software CAM Assist com tecnologia de IA que automatiza peças de usinagem de controle numérico computadorizado (CNC). CNC é o processo de uso de máquinas controladas por computador para cortar ou moldar materiais com precisão nas peças que serão usadas nas indústrias automotiva, de defesa ou de hardware de consumo.

Antes que uma peça possa ser cortada, disse Saville, um maquinista ou programador de manufatura auxiliado por computador precisa decidir questões como como uma peça deve ser segurada ou quais ferramentas devem ser usadas, disse Saville.

Eles normalmente usam software CAM poderoso para ajudar nessa fase de idealização e, embora algumas dessas ferramentas possam ajudar os usuários a criar recursos de peças ou padrões de peças conhecidos, isso é diferente de observar a peça e gerar uma estratégia de execução que um especialista realmente gostaria de usar.

“Os sistemas CAM tradicionais são poderosos, mas na maioria dos fluxos de trabalho ainda são ferramentas que permitem aos programadores especificar manualmente como uma peça deve ser usinada”, disse Saville. É aqui que entra o CAM Assist, um software que se conecta a sistemas CAM tradicionais, como Autodesk Fusion ou Mastercam, para ajudar maquinistas e programadores a tomar decisões estratégicas de fabricação mais eficientes.

“Ele seleciona ferramentas adequadas, direções de abordagem, avanços e velocidades de corte e, em seguida, elabora o código necessário para dizer à máquina CNC o que fazer”, disse Saville.

A partir daí, o usuário analisa, edita e aprova os resultados. Saville disse que o objetivo era ajudar os trabalhadores qualificados a serem mais “eficientes e produtivos”, em vez de remover o julgamento de especialistas do processo. Se “o CAM tradicional é um kit de ferramentas poderoso”, disse ele, então “o CAM Assist é mais como um assistente especializado sentado ao lado do programador, automatizando grande parte do pensamento de primeira passagem e da configuração repetitiva para que o ser humano possa revisar, melhorar e aprovar a abordagem”.

Saville disse que mais de 1.000 oficinas mecânicas em todo o mundo usam CAM Assist, e 80% da base de clientes da empresa, que inclui fabricantes e empresas, está nos EUA. Com uma equipe de 80 funcionários, o maior objetivo da empresa é escalar a adoção.

“Isso torna este o momento certo para levantar capital adicional”, disse ele. Os investidores na rodada incluem Nimble Ventures, que liderou a rodada, Calculus Venture Capital, Entrepreneur First, e LM Capital, braço de risco da Lockheed Martin. “O financiamento nos permite apoiar uma adoção mais ampla do CAM Assist, fortalecer nossas operações de entrada no mercado, expandir em mercados novos e existentes e desenvolver novos produtos, como o Quote Agent.”

A premissa por trás do Quote Agent, voltado para os fabricantes, é semelhante ao CAM Assist. Ajuda as lojas a avaliar o custo e o risco estimados de um novo projeto para que possam avançar mais rapidamente para aceitar — ou rejeitar — novos trabalhos. Ele relacionou isto de alguma forma com a geopolítica, apontando, por exemplo, como as oficinas mecânicas nos EUA estão a tentar relocalizar-se e como, ao mesmo tempo, há uma escassez de trabalhadores qualificados na indústria transformadora.

“As oficinas mecânicas precisam cotar mais rápido, programar mais rápido e entregar mais com as pessoas e máquinas que já possuem”, disse ele, acrescentando que o Quote Agent está previsto para ser lançado no próximo mês.

“Existem mais maneiras de usinar uma peça CNC típica do que átomos no universo”, continuou ele. “Passamos anos atacando esse problema específico, com nossa própria fábrica, nossa própria equipe de software e muitas lições difíceis da usinagem real. Foi um longo processo para chegarmos onde estamos hoje.”