Un método recién desarrollado garantizará estándares de alta calidad en los procesos de fabricación aditiva

Los procesos de fabricación aditiva continúan mejorando gracias a los esfuerzos innovadores y a la creciente adopción. Esta semana marca un hito importante para la industria, ya que un grupo de investigadores de la Universidad de Illinois Urbana-Champaign publicó un artículo en el Journal of Intelligent Manufacturing que demuestra un nuevo método de entrenamiento de modelos de aprendizaje profundo para detectar defectos de manera más eficaz. Esto es lo que necesitas saber.

La fabricación aditiva es el futuro

Según un estudio publicado por BCG, el mercado de impresión 3D seguirá expandiéndose. El informe predice que el mercado de fabricación aditiva alcanzará más de 95 mil millones de dólares para 2030. Este crecimiento está impulsado por costos más bajos, mayor disponibilidad, reducción de barreras técnicas e integración de IA.
Cabe destacar que los procesos y dispositivos de impresión 3D actuales pueden crear componentes más complejos que sus predecesores. Estos dispositivos permiten a los ingenieros desarrollar innovaciones nunca antes vistas. Por supuesto, a medida que las impresiones se vuelven más complejas, se vuelve más difícil detectar defectos, especialmente cuando se trata de piezas con mecanismos internos.

Reducción de fallos en los procesos de fabricación aditiva

Una cosa es que una impresión 3D falle en un artículo de consumo. Puede costar a la empresa y al consumidor dinero y tiempo. Otro escenario es cuando una pieza impresa en 3D es un componente vital en aplicaciones aeroespaciales o médicas. En este caso, los riesgos son mucho mayores y el control de calidad debe ser excepcional.

Vital para la calidad

Al imprimir formas tridimensionales complejas que poseen ciertas características internas, puede ser imposible realizar una inspección de calidad adecuada sin generar retrasos masivos y utilizar tomografía computarizada (CT) de rayos X. En el pasado, este problema ha limitado el uso de componentes impresos en 3D en ciertas aplicaciones.

Estas exploraciones son costosas y consumen mucho tiempo. Por ello, existe una gran demanda de una estrategia más fiable y eficaz para determinar cuándo una impresión 3D tiene defectos. Los investigadores determinaron que podían aprovechar la enorme cantidad de escaneos CT disponibles en bases de datos para ayudar a crear una biblioteca de posibles características de fallos.

Un nuevo estudio revela una mejor opción

En su artículo “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography,” los investigadores explican cómo programaron un algoritmo de IA altamente eficaz que podía detectar con precisión defectos en las impresiones sin necesidad de usar rayos X. Su estudio ha mostrado resultados impresionantes, ofreciendo la esperanza de que en el futuro la fabricación aditiva en 3D pueda convertirse en el estándar de la industria.

Impresión de las piezas de prueba

El equipo necesitaba crear impresiones complejas que pudieran resistir la presión y el calor. Por ello, determinaron que una boquilla con interiores 3D sería el mejor sujeto de prueba. Curiosamente, las boquillas impresas en 3D son muy populares porque pueden tener rasgos de diseño específicos que ayudan a gestionar el flujo y modificar la presión en ciertos escenarios.
Específicamente, el equipo creó 227 boquillas de fabricación aditiva basadas en resina para el estudio. A simple vista, todas estas unidades parecían impecables. Sin embargo, algunas boquillas tenían defectos diseñados a propósito que luego se usarían para determinar si el algoritmo funcionaba correctamente. Estos defectos fueron creados para estar profundos dentro de la boquilla, asegurando que el estudio fuera difícil de superar para la IA.

Aprendizaje profundo de máquinas

Los investigadores aprovecharon un enfoque de IA llamado aprendizaje profundo de máquinas. Este estilo de aprendizaje utiliza simulaciones por computadora para replicar millones de escenarios. Cada escenario genera datos únicos que ayudan a la IA a aprender a reconocer la situación en el futuro y cómo reaccionar.
En este estudio, los ingenieros comenzaron alimentando al algoritmo de IA con los datos prominentes de escaneos CT en línea. Luego escanearon una serie de impresiones para crear 100 334 secciones transversales de imágenes. Esta colección de imágenes constituyó el primer grupo de control. Cabe destacar que el grupo garantizó una tasa de defectos del 13,6 % en las impresiones.

Modelo Vision Transformer (ViT)

El siguiente paso fue iniciar las simulaciones. Los ingenieros hicieron que el algoritmo ejecutara 50 000 simulaciones sintéticas de defectos basadas en los datos introducidos. Los errores incluyen una selección diversa de formas, tamaños, ubicaciones y profundidades. Estos datos se superpusieron luego a piezas sin defectos para crear una base de comparación.

Solución capaz

El algoritmo de IA escaneó entonces las 227 piezas 3D en busca de defectos. Cabe destacar que ninguno de los defectos en las piezas coincidía con los de la imagen utilizada para programar el algoritmo. Por lo tanto, la IA tuvo que tomar decisiones basadas únicamente en sus hallazgos y datos. Cumplió esta tarea de manera eficiente, marcando un gran avance en el sector.

Resultados

Los resultados de este estudio han entusiasmado a muchos en la industria. El algoritmo de IA determinó con un 90 % de precisión qué piezas tenían defectos y cuáles estaban impresas correctamente. De manera impresionante, la IA incluso encontró defectos que otros modelos de IA actualmente en uso en el sector industrial habían examinado y pasado por alto.

Beneficios que la IA de aprendizaje profundo aporta a los procesos de fabricación aditiva

Existen muchas razones por las que esta investigación puede revolucionar el sector. Los protocolos de aprendizaje profundo ya han ayudado a impulsar la eficiencia y la innovación en otros sectores. Ahora, esta tecnología avanzada puede usarse para acelerar la modelización de datos, mejorando la seguridad mientras ayuda a crear modelos de aprendizaje profundo más avanzados que puedan seguir el ritmo de los complejos procesos de impresión que se utilizan hoy.

Precisión

Una de las mayores ventajas de esta investigación es la tasa de precisión del 90 %. Para los fabricantes, contar con una IA que determine el 90 % de los defectos en su línea de producción es una mejora importante. Este algoritmo eliminará la necesidad de escaneos CT solo en los componentes más críticos. Por lo tanto, este enfoque impulsará la innovación, ya que se podrán crear y probar diseños más complejos mediante simulaciones.

Coste más bajo

Este modelo de IA de aprendizaje profundo reducirá el coste y el tiempo necesarios para entrenar modelos de IA avanzados que detecten errores de impresión 3D. Estos modelos mejorarán continuamente a medida que haya más datos disponibles. Por lo tanto, una tasa de éxito del 90 % es un buen punto de partida para los investigadores. Las innovaciones futuras podrían elevar esa tasa hasta el 99 %, reduciendo los costos para los fabricantes en general.

Sistemas totalmente automatizados

Los modelos de aprendizaje profundo combinados con los procesos de fabricación aditiva permiten la automatización completa del proceso de creación. Ya existen impresoras 3D industriales de metal que fabrican productos para operaciones avanzadas. Estos dispositivos no han sido muy eficaces en probar sus creaciones en el pasado, lo que generalmente requería la intervención humana.
El algoritmo de IA creado por este equipo podría ser la solución a este problema, ya que permitiría a estos sistemas crear y controlar la calidad de sus productos internamente. También podría combinarse con un proceso de reciclaje. Imagina que la IA recicle automáticamente las piezas defectuosas al detectarlas. Los sistemas de fabricación inteligente como estos estarán, algún día, a la vanguardia de la cuarta revolución industrial.

Futuro de la fabricación aditiva

El futuro de la fabricación aditiva se ve prometedor. Estos dispositivos se utilizan en múltiples industrias, incluidas la aeroespacial, la biotecnología y la médica. A continuación, se presentan algunas de las principales razones por las que la impresión 3D industrial se ha vuelto tan popular en los últimos tres años.

Unidades de menor costo

Una de las principales razones por las que estos dispositivos se están volviendo más comunes es que ahora son más baratos de poseer y operar. Los fabricantes enfrentan más competencia, lo que genera más innovación y precios más bajos. Por lo tanto, las empresas pueden integrar la fabricación aditiva en sus modelos a menor costo, mejorando la eficiencia y reduciendo el desperdicio.

Materiales innovadores

Otra gran innovación es la creación de nuevos materiales de impresión. Ahora se pueden usar compuestos y metales para crear componentes más duraderos. Algunas unidades de fabricación aditiva pueden imprimir diseños complejos que combinan múltiples materiales. Estos materiales son más ligeros y resistentes que nunca. Por lo tanto, seguramente encontrarán mayor utilidad en diversas industrias.

Actualizaciones de IA a los procesos de fabricación aditiva

La IA es una de las principales razones por las que la impresión aditiva podría convertirse en una tarea cotidiana. Se han creado modelos de IA para casi cada paso del proceso. Además, los chatbots de IA podrían hacer que explicar tus conceptos de impresión 3D sea tan fácil como enviar un mensaje de texto. Ya se está utilizando para ayudar a agilizar el proceso de creación y reducir el desperdicio.
Esta última investigación integra la IA en el control de calidad del backend. Esta integración fue el componente final necesario para crear un ecosistema de impresión 3D completamente autosuficiente. En el futuro, estos dispositivos crearán, imprimirán y probarán sus productos sin intervención humana.

Bioprinteras

Una de las mayores innovaciones en la impresión 3D es la creación de bioprinteras 3D. Estos dispositivos pueden imprimir biomateriales como células y tejido muscular. Estas unidades ya se utilizan para crear pequeños robots blandos que pueden navegar y organizarse en grupos para ayudar a completar tareas difíciles, como la purificación de agua.

Impresoras 3D en el espacio

Otra innovación interesante que ha llegado al sector de la fabricación aditiva son las impresoras capaces de operar en entornos de microgravedad. El dispositivo fue creado por la ESA (Agencia Espacial Europea) y probado la semana pasada con éxito. A diferencia de sus contrapartes terrestres, esta unidad necesitó estar completamente cerrada para evitar que el calor o los gases se escaparan.
En el futuro, los viajeros espaciales necesitarán una forma de imprimir lo que requieran. Estarán demasiado lejos de la Tierra para depender de entregas mediante cohetes, y seguramente habrá escenarios en los que herramientas personalizadas y nunca antes usadas se vuelvan una necesidad. En consecuencia, el sector aeroespacial está invirtiendo mucho en este mercado.

Principales empresas de fabricación aditiva

Hay muchos fabricantes de aditivos en funcionamiento actualmente. Estas empresas están liderando el futuro de la impresión 3D y ayudando a crear una existencia sostenible con menos residuos. A continuación, se presentan algunas empresas que podrían beneficiarse de la investigación sobre defectos presentada.

1. Stratasys

SSYS Gráfico de precios

Stratasys está en la industria de la impresión 3D desde 2010. Gracias a sus soluciones de calidad, el fabricante se ha expandido a los sectores aeroespacial, médico, automotriz y de consumo con gran éxito. Actualmente, la empresa cuenta con una suite de software popular que mejora la eficiencia del diseño y su implementación.
Las acciones de Stratasys han experimentado altibajos durante sus más de 14 años de cotización. Sin embargo, a pesar de numerosos eventos que agitaron el mercado, como la COVID‑19, Stratasys ha prevalecido. Sigue siendo una opción popular de fabricación 3D y continúa expandiendo sus operaciones. Por lo tanto, es una incorporación inteligente a cualquier cartera.

2. Xometry

XMTR Gráfico de precios

Xometry es una nueva incorporación al mercado de la impresión 3D. La empresa, que ofrece un mercado para prototipos de impresión 3D, fabricación y más, sigue ampliando su ecosistema. Hoy, Xometry cuenta con más de 5 000 proveedores y más de 8 000 compradores.
La combinación única de la empresa de impresión 3D bajo demanda y el mercado, que brinda a creativos y programadores oportunidades de retorno de inversión, ha llevado a muchos analistas a predecir un futuro prometedor. Por ahora, la acción ha tenido un rendimiento inferior, pero ha logrado posicionarse perfectamente para la futura incorporación del sector de fabricación tradicional, lo que podría generar miles de millones en ingresos. Por lo tanto, XMTR vale la pena considerar.

Investigadores

El estudio “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography” se llevó a cabo en la Universidad de Illinois Urbana-Champaign. Fue liderado por el profesor de Ciencias e Ingeniería Mecánica de Illinois Miles Bimrose, Sameh Tawfick y William King. Además, participaron Chenhui Shao de la Universidad de Michigan, Davis McGregor de la Universidad de Maryland, y Tianxiang Hu, Jiongxin Wang y Zuozhu Liu de la Universidad de Zhejiang.

Los procesos de fabricación aditiva continúan mejorando

Las innovaciones constantes hacen que el mercado de la fabricación aditiva sea cada día más competitivo. En el futuro, las impresoras 3D podrían encontrar casos de uso en todas partes. Gracias a las mentes inventivas detrás del modelo Vision Transformer (ViT), estos productos serán más seguros que nunca.

Descubre otros interesantes Desarrollos de fabricación aditiva.