La producción automatizada a gran escala enfrenta el desafío de que máquinas teóricamente idénticas, incluso de la misma marca y modelo, presentan variaciones sutiles en su funcionamiento. Estas diferencias, o 'ruido', pueden acumularse con el tiempo y generar defectos de fabricación significativos, afectando la reproducibilidad y fiabilidad, especialmente en sectores de alta precisión como la industria aeroespacial o la arquitectura.
Para abordar este problema, un equipo del Instituto IMDEA Materiales, en colaboración con el Laboratorio Nacional Lawrence Berkeley (EE. UU.), ha creado un algoritmo inteligente. Este sistema analiza las diferencias de rendimiento entre máquinas para determinar la estrategia de optimización más adecuada, ya sea conjunta o individualizada, según la similitud detectada.
El nuevo método realiza primero un diagnóstico para perfilar cada máquina. Si son muy similares, aplica una optimización conjunta para maximizar la eficiencia. Si detecta diferencias notables, activa una optimización individualizada, priorizando la precisión y evitando sesgos.
La validación del método se realizó con tres impresoras 3D idénticas. El algoritmo detectó diferencias apreciables y determinó que cada una requería una estrategia de optimización específica, lo que resultó en una convergencia más rápida y una reducción sustancial de errores en el peso de las piezas impresas en comparación con un enfoque uniforme.
Los investigadores destacan que el sistema aprende las 'personalidades' operativas de cada máquina y las utiliza a favor, determinando si es más eficiente tratarlas como un equipo o como individuos. Esto mejora la precisión y ahorra recursos al evitar experimentos fallidos, un avance clave para la automatización total de laboratorios y fábricas.
Aunque el estudio se centró en la impresión 3D, la metodología es aplicable a otros campos de alto rendimiento como el descubrimiento de materiales, la síntesis química o la calibración de sensores. El trabajo fue realizado por investigadores del Instituto IMDEA Materiales y el Laboratorio Nacional Lawrence Berkeley, y contó con financiación de la Comunidad de Madrid, el Plan de Recuperación, Transformación y Resiliencia de España y la Unión Europea.
