Madrid desarrolla una IA que detecta diferencias entre máquinas industriales para reducir errores de fabricación

La Comunidad de Madrid ha desarrollado una herramienta de Inteligencia Artificial (IA) capaz de detectar diferencias de funcionamiento entre máquinas industriales de fabricación automatizada que, pese a ser de la misma marca y modelo, pueden comportarse de manera distinta y generar errores en la producción.

El Instituto Madrileño de Estudios Avanzados IMDEA Materiales de Getafe, en colaboración con el Laboratorio Nacional Lawrence Berkeley (EEUU), ha creado un algoritmo inteligente diseñado para analizar las diferencias entre máquinas teóricamente idénticas y seleccionar la estrategia de optimización más adecuada para cada una.

El sistema busca resolver uno de los problemas de la producción automatizada a gran escala: dos máquinas del mismo modelo y fabricante nunca se comportan exactamente igual. Esas pequeñas variaciones pueden acumularse con el tiempo y provocar defectos relevantes, afectando a la reproducibilidad y fiabilidad de los procesos.

El problema resulta especialmente importante en sectores que requieren un elevado grado de precisión, como la fabricación aditiva aplicada a la arquitectura o la industria aeroespacial.

Una IA que crea un perfil para cada máquina

En lugar de aplicar una única estrategia a todos los equipos, la Inteligencia Artificial desarrollada por los investigadores realiza primero un diagnóstico y crea un perfil de rendimiento específico para cada máquina.

Si determina que los equipos presentan un comportamiento suficientemente parecido, el algoritmo aplica una optimización conjunta con el objetivo de maximizar la eficiencia. Cuando detecta diferencias significativas, en cambio, activa una estrategia individualizada para cada máquina y prioriza la precisión.

Este planteamiento permite reducir errores y mejorar la calidad del producto final en instalaciones automatizadas como las granjas de impresión 3D.

Prueba con tres impresoras 3D

Para validar el método, el equipo utilizó tres impresoras 3D teóricamente idénticas, de la misma marca, modelo y con números de serie muy próximos, según ha explicado el Gobierno regional en un comunicado.

El algoritmo detectó diferencias apreciables entre las tres máquinas y determinó correctamente que cada una necesitaba su propia estrategia de optimización.

Los resultados mostraron una reducción sustancial de los errores en el peso de las piezas impresas respecto a un sistema que trataba todas las impresoras de la misma manera y que, por tanto, no corregía adecuadamente los sesgos particulares de cada equipo.

La herramienta también permite ahorrar recursos al reducir los experimentos fallidos, un aspecto relevante para el desarrollo de laboratorios y fábricas cada vez más automatizados.

Aplicaciones más allá de la impresión 3D

Aunque el estudio se ha centrado en la impresión 3D, los investigadores consideran que la metodología puede trasladarse a otros ámbitos que dependen de procesos experimentales de alto rendimiento.

Entre ellos figuran el descubrimiento de nuevos materiales, la síntesis química o la calibración de sensores, además de otros procesos industriales en los que pequeñas diferencias entre equipos puedan afectar a la precisión de los resultados.

En el estudio han participado los investigadores Christina Schenk, Miguel Hernández del Valle, Luis Calero y Maciej Haranczyk, del Instituto IMDEA Materiales, junto con Marcus Noack, del Laboratorio Nacional Lawrence Berkeley.