• El proyecto IRIDISCENTE busca mejorar la producción de aceros más sostenibles y de cero emisiones netas.
• En sus primeros 12 meses, ha avanzado en el desarrollo de modelos de IA para optimizar combinaciones de composiciones de chatarra que permitan obtener las mejores propiedades en las piezas finales fabricadas en 3D.

La automatización del proceso de detección de defectos en la microestructura de componentes impresos en 3D es solo uno de los avances en la fabricación de aceros más sostenibles en los que trabaja el proyecto europeo IRIDISCENTE.

Con un presupuesto de casi €10 millones y coordinado por el Instituto IMDEA Materiales y ArcelorMittal, una de las principales empresas integrales de acero del mundo, el proyecto celebró recientemente su primer aniversario.

IRIDISCENTE busca mejorar la reciclabilidad del acero a través de la integración de la inteligencia artificial (IA) y la fabricación aditiva. Mediante la máxima reutilización de chatarra y desechos, los investigadores del proyecto buscan reducir las emisiones de carbono y la dependencia de materias primas críticas.

El proceso consiste en fundir y refinar el acero reciclado antes de atomizarlo en forma de polvo. Este polvo procesado puede luego emplearse en técnicas de fabricación aditiva, como la fusión por lecho de polvo láser o la deposición de energía directa.

«Uno de los mayores desafíos para promover la reutilización de chatarra en la fabricación aditiva es garantizar la calidad del polvo producido», explica Laura del Río Fernández, Científica en Fabricación Aditiva en ArcelorMittal. » Asegurar la calidad y homogeneidad del polvo es tanto crítico como complejo, y la variabilidad del material reciclado plantea un reto significativo».

«Sin embargo, su impacto en la transición hacia un acero con cero emisiones netas es enorme. Aunque esta tecnología sigue evolucionando, la reciclabilidad del acero y sus subproductos es clave para alcanzar una economía circular».

El reciclaje de chatarra metálica para la fabricación aditiva de acero presenta varios desafíos clave. El proceso de atomización, en el que el metal fundido se convierte en polvo, es altamente sensible a la calidad de la materia prima, así como el proceso de impresión 3D es altamente sensible a la calidad del polvo.

Por ello, mantener un control de calidad riguroso es fundamental cuando existe un gran potencial de variabilidad en la composición química nominal de la materia prima y un potencial alto grado de contaminación de la misma.   

Asimismo, la integración de IA y aprendizaje automático para optimizar las composiciones enfrenta desafíos debido a la falta de conjuntos de datos extensos y validados, necesarios para predecir cómo influyen las distintas mezclas de chatarra en las propiedades finales.

«Actualmente no conocemos cuál es la mezcla óptima de chatarras que nos permita mejorar las propiedades de la pieza final y, al mismo tiempo, garantizar un buen proceso tanto de atomización como de impresión», explica David Noriega de TheNextPangea, uno de los socios del proyecto.

«Para cubrir esa brecha de conocimiento, utilizamos aprendizaje automático (machine learning) para generar modelos que relacionen todos los factores implicados.”

«Además, estamos desarrollando modelos orientados a la identificación de defectos en la caracterización de la microestructura de las piezas impresas, con el objetivo de automatizar su detección», añade.

Este trabajo forma parte de un esfuerzo más amplio para optimizar los procesos y reducir los costos asociados con la producción de materiales. «Al completar los vacíos de información con estos modelos, podemos proponer nuevas rutas de proceso que faciliten la creación de nuevos productos», concluye Noriega.

La reunión anual de IRIDISCENTE, celebrada en las instalaciones de I+D de ArcelorMittal en Avilés, reunió a representantes de cada uno de los socios del proyecto que también incluyen la Universidad Carlos III de Madrid, la Universidad de Burgos, AIMEN Centro Tecnológico, Renishaw Ibérica, Blesol Tech, mim-tech ALFA, AENIUM, IDAERO SOLUTIONS y Syspro Automation. Ellos presentaron avances y definieron los objetivos clave para los próximos 12 meses.

«Continuaremos investigando algoritmos de IA para el procesamiento automático de datos de materiales iniciales, procesos de fabricación, modelos de simulación física, dispositivos de monitoreo y caracterización de materiales producidos experimentalmente», indica del Río Fernández.

«También desarrollaremos modelos de simulación para predecir las propiedades del material derivadas del proceso de producción de polvo y de los procesos de fabricación subsiguientes, estableciendo relaciones entre proceso, microestructura, propiedades y desempeño», añade.

IRIDISCENTE (PLEC2023-010190) está financiado por MCIN/AEI/10.13039/501100011033 y el proyecto MIG-20232094, financiado por el Programa de Misiones de Ciencia e Innovación en el marco de la iniciativa TransMisiones 2023, con financiación de MCIN/CDTI.