• El investigador Jonathan Espinoza destaca que la automatización de la tomografía computarizada de rayos X (XCT) representa una oportunidad clara para reducir costes y ahorrar tiempo tanto a nivel industrial como en investigación.

• Espinoza cuenta con una beca del Programa de Empleo Juvenil de la Comunidad de Madrid y tiene un master en Materiales Compuestos, Ingeniería Aeroespacial, Aeronáutica y Astronáutica de la Universidad Politécnica de Madrid.

La posibilidad de analizar las propiedades internas de nuevos materiales o componentes tecnológicos con mayor rapidez y menor coste.

Esta es la promesa de los avances del Instituto IMDEA Materiales en la automatización de la tomografía computarizada, que podrían resultar en beneficios significativos para muchos sectores industriales manufactureros, como automoción, aeronáutica, espacio, defensa y aerogeneradores, entre otros.

La tomografía computarizada es una técnica de imagen 3D no destructiva basada en el uso de los rayos X para analizar los materiales.

Cuando una empresa quiere lanzar un nuevo producto o componente al mercado, es vital poder entender las características del material de que está hecho, y también cómo se comportará en determinadas condiciones, como por ejemplo temperaturas extremas o altas cargas mecánicas.

“La tomografía computarizada nos permite ver el interior de material sin causarle daño alguno,” explica Jonathan Espinoza, un investigador predoctoral de IMDEA Materiales e integrante del grupo de investigación de Procesado y Caracterización In-Situ de Materiales liderado por el Dr. Federico Sket.

“Imagina la típica radiografía de la dentadura que te muestra tú odontólogo, pero ahora en tres dimensiones, es genial. Nos muestra detalles internos a nivel microscópico, cuyo estudio puede ser crítico y de interés en determinadas industrias. Desafortunadamente, los procesos existentes para el tratamiento de esta información son lentos y costosos.

“Con la aplicación de modelos de computación de Inteligencia Artificial (IA), podemos automatizar muchos de los procesos y ahorrar tiempo y dinero. Procesos que antes tardaban un mes en realizarse, se podrán hacer en tan solo una semana. Así que los beneficios son realmente alentadores.”

En su trabajo en IMDEA Materiales, Espinoza está involucrado en actividades de investigación en algunos de los campos más punteros de la tomografía, como el aprendizaje automático y el aprendizaje profundo.

Gracias a la aplicación de estas herramientas avanzadas, Espinoza está contribuyendo al desarrollo de nuevas formas de optimización de las técnicas de la tomografía computarizada utilizadas hoy en día.

“Este es también un paso hacia la digitalización de los datos, e impulsará la fabricación aditiva todavía más hacia la Industria 4.0,” añade Espinoza. 

Recientemente, Espinoza puso estas técnicas de vanguardia en práctica en el marco de una investigación que analizó mediante XCT partes de un nuevo modelo de turbina para la industria aeronáutica. ¿El objetivo? Llegar a un componente más ligero y con mejor rendimiento.

Además de colaborar con otras entidades de investigación de la región como la Universidad Carlos III de Madrid, también participa en varios proyectos colaborativos tanto a nivel regional (MAT4.0) como europeo (DYNACOMP), en los que la tomografía computarizada juega un rol importante.

El investigador de 29 años ya lleva casi 5 años en el Instituto IMDEA Materiales y actualmente cuenta con una beca del Programa del Empleo Juvenil de la Comunidad de Madrid. Este programa le ha dado la oportunidad de seguir formándose como investigador en el campo de la caracterización avanzada de materiales.

Afirma que, en el sector del I+D, “nunca se para de aprender”, pero que ve muy claramente que su futuro va en esa dirección.

«De cara al futuro, me gustaría especializarme en técnicas de aprendizaje automático e inteligencia artificial para el procesamiento de imágenes, pero aplicadas a la ciencia de materiales. Este tipo de técnicas ya se utilizan en otros campos y empresas, como Tesla para los coches autónomos», dice Espinoza.

«Creo que poder aplicar algunas de estas metodologías a las técnicas de XCT crearía nuevas formas de extraer datos, descubrir correlaciones con el comportamiento de los materiales y hacerlo más rápido que ahora, lo que supondrá una considerable reducción de costes a nivel industrial.”