El Instituto IMDEA Materiales de Getafe ha desarrollado un algoritmo que analiza las diferencias de comportamiento entre máquinas industriales aparentemente idénticas para optimizar su funcionamiento y reducir errores.
El Instituto Madrileño de Estudios Avanzados IMDEA Materiales, con sede en Getafe, ha desarrollado una Inteligencia Artificial capaz de analizar las distintas personalidades de las máquinas industriales de fabricación automatizada. El sistema, creado en colaboración con el Laboratorio Nacional Lawrence Berkeley (EEUU), detecta las sutiles diferencias de comportamiento entre equipos teóricamente idénticos y selecciona la estrategia de optimización más adecuada para cada uno.
El caso más ilustrativo son las impresoras 3D. Aunque sean de la misma marca, modelo e incluso tengan números de serie muy próximos, cada una puede comportarse de forma ligeramente distinta. Con el tiempo y a gran escala, esas pequeñas variaciones se acumulan y pueden provocar defectos importantes en la producción.
El algoritmo desarrollado por IMDEA Materiales no aplica una solución única para todas las máquinas, sino que primero realiza un diagnóstico para crear un perfil de rendimiento individualizado. Si los perfiles son suficientemente similares, aplica una optimización conjunta para maximizar la eficiencia. Si detecta diferencias significativas, activa una mejora personalizada para cada equipo, priorizando la precisión.
Para validar el método, el equipo investigador realizó un estudio con tres impresoras 3D teóricamente idénticas (misma marca, modelo y números de serie muy cercanos). Aunque cabría esperar un comportamiento casi igual, la IA identificó diferencias apreciables entre ellas y determinó que cada una requería su propia estrategia de optimización.
Los investigadores Dra. Christina Schenk, Miguel Hernández del Valle, Luis Calero y Dr. Maciej Haranczyk, del Instituto IMDEA Materiales, junto con el Dr. Marcus Noack, del Laboratorio Nacional Lawrence Berkeley, comprobaron que los resultados reducían de forma sustancial los errores en el peso de las piezas impresas, en comparación con un enfoque que trataba todas las máquinas por igual y no corregía los sesgos individuales.
Esta mejora no solo aumenta la precisión, sino que también ahorra recursos al evitar experimentos fallidos, un paso clave para los laboratorios y fábricas del futuro, totalmente automatizados. La reducción de errores resulta especialmente relevante en sectores de alta precisión como la fabricación aditiva para la arquitectura o la industria aeroespacial, donde la reproducibilidad y la fiabilidad son críticas.
Aunque el estudio se centró en la impresión 3D, la metodología es aplicable a otros campos que dependen de la experimentación de alto rendimiento, como el descubrimiento de nuevos materiales, la síntesis química o la calibración de sensores.
Viral en la red
También te puede interesar
