CloudNC capta 20 milhões de dólares para automatizar os gargalos mais urgentes da manufatura

A startup britânica de software de fabricação CloudNC anunciou uma rodada de extensão da Série B de US$ 20 milhões na quarta-feira, elevando o total arrecadado ao longo de sua história para US$ 128 milhões. A última grande captação da empresa ocorreu há quatro anos, disse seu cofundador e CEO, Theo Saville, ao TechCrunch.

Saville fundou a CloudNC em 2015 com Chris Emery, agora diretor de ciência da empresa, e oferece o software CAM Assist alimentado por IA que automatiza partes da usinagem por Controle Numérico Computadorizado (CNC). CNC é o processo de usar máquinas controladas por computador para cortar ou moldar materiais com precisão nas peças que são então 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 fabricação auxiliada por computador precisa decidir questões como a forma como a peça deve ser fixada ou quais ferramentas devem ser usadas, afirmou ele.

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

“Os sistemas CAM tradicionais são potentes, 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 seu CAM Assist, um software que se conecta a sistemas CAM tradicionais, como Autodesk Fusion ou Mastercam, para ajudar maquinistas e programadores a tomarem decisões de fabricação estratégica mais eficientes. 

“Ele seleciona ferramentas adequadas, direções de aproximação e avanços e velocidades de corte, e então redige o código necessário para dizer à máquina CNC o que fazer”, disse Saville. 

A partir daí, o usuário revisa, 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 especializado do processo. Se “o CAM tradicional é um kit de ferramentas poderoso”, disse ele, então “o CAM Assist é mais como um assistente especialista sentado ao lado do programador, automatizando grande parte do pensamento inicial e da configuração repetitiva para que o humano possa revisar, melhorar e aprovar a abordagem”. 

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

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

A premissa por trás do Quote Agent, que tem como alvo os fabricantes, é semelhante à do CAM Assist. Ele ajuda as oficinas a avaliarem o custo estimado e o risco de um novo projeto para que possam agir mais rápido para aceitar — ou recusar — um novo trabalho. Ele relacionou isso, de certa forma, à geopolítica, apontando, por exemplo, como as oficinas mecânicas nos EUA estão buscando trazer a produção de volta (reshore) e como, ao mesmo tempo, há uma escassez de trabalhadores qualificados na fabricação. 

“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 tem lançamento previsto para o 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 aprendidas na usinagem real. Tem sido um longo processo para chegar onde estamos hoje.”