IA para mejorar la impresión 3D de nuevos materiales
Científicos aplican tecnología de punta para hacer viable la investigación de nuevos materiales de impresión 3D.
Empleo de Machine Learning para monitorear y ajustar la impresión 3D en tiempo real. (Crédito: Institute of Science and Technology Austria)
La impresión 3D es una tecnología en contínua expansión, con aplicaciones en diferentes ámbitos, que van desde el entorno doméstico y hobbista, pasando por los espacios académicos y de formación profesional, como así también despliegues a escala industrial. La posibilidad de imprimir y materializar un prototipo e incluso, en muchos casos, un producto terminado, es una de las grandes ventajas que se pondera de esta tecnología en términos prácticos.
La materia prima empleada es una de las claves para el proceso de impresión 3D. En ese sentido, investigadores y desarrolladores experimentan con nuevos materiales en su afán por explorar distintas propiedades físicas y mecánicas y obtener estructuras de alta calidad. Pero ese proceso de investigación implica una labor ardua de ensayos, donde se invierte no sólo tiempo en exploración sino también recursos económicos, hasta lograr dar con la combinación justa para que un material cumpla con determinadas características y sea apto para utilizarse en impresión 3D. En otros términos, como no todos los materiales son impresos siguiendo los mismos parámetros, los desarrolladores emplean el procedimiento de prueba y error: en esencia, realizan miles de impresiones en búsqueda de los parámetros ideales para que ese nuevo material supere las pruebas y cumpla su función.
Un estudio realizado por un grupo de científicos, liderados por Michal Piovarči del ISTA (Institute of Science and Technology Austria) y Michael Foshey del CSAIL (Computer Science and Artificial Intelligence Laboratory, MIT), logra innovar al introducir IA (Inteligencia Artificial) con la meta de mejorar este procedimiento de exploración. El beneficio más inmediato se traduce en evitar la realización de miles de impresiones a modo de prueba, con un impacto positivo en la reducción del costo económico empleado en el proceso de investigación de nuevos materiales de impresión 3D, ampliando de este modo, el abanico de posibilidades para componentes novedosos.
La investigación titulada “Closed-Loop Control of Direct Ink Writing via Reinforcement Learning”, publicada a inicios de este año, involucra científicos de varios centros académicos como el Max-Planck Institute for Informatik, la Università della Svizzera italiana y Princeton University. En dicho estudio, los investigadores demuestran que es posible entrenar un modelo de aprendizaje automático para monitorear y ajustar el proceso de impresión 3D de forma dinámica. De esta manera, los parámetros se computan en tiempo real, posibilitando una versión final impresa con mayor y mejor exactitud.
Un sistema de visión artificial con cámaras apunta hacia la boquilla ubicada en el cabezal de la impresora 3D.
(Crédito: Institute of Science and Technology Austria)
En relación al abordaje propuesto, se emplea un sistema de visión artificial utilizando cámaras que apuntan hacia la boquilla ubicada en el cabezal o extrusor de la impresora 3D. Mientras la impresora opera, el sistema mide el grosor del material a partir de la cantidad de luz que atraviesa de un lado a otro. En tándem, se recurre a Machine Learning para entrenar un modelo de aprendizaje mediante un proceso de prueba y error, del mismo modo encarado para testear nuevos materiales, pero en este caso realizado en un entorno de simulación sin tener que gastar una gran cantidad de materiales.
Según explican, en tanto que el modelo realizaba más impresiones simuladas, aprendía y se actualizaba para realizar una impresión cada vez más precisa. El paso siguiente fue dejar la impresora 3D a cargo del modelo, la cual recibía datos en tiempo real gracias al sistema de visión artificial mencionado antes.
Tras las pruebas de este sistema, los investigadores concluyen que las impresiones realizadas tienen mayor precisión que con otros métodos. "Se desempeñó especialmente bien en la impresión de relleno, que consiste en imprimir el interior de un objeto", asegura uno de los científicos. No obstante este avance innovador, se afirma que la solución aún no está madura para ser aplicada en entornos reales, fuera del laboratorio, siendo necesarias pruebas en impresiones de mayor complejidad con múltiples capas o, incluso, utilizando múltiples materiales a la vez durante la impresión.
Conocé más detalles de este proyecto y sus lineamientos en el siguiente video (activá el subtitulo):
