CTC y UC investigan la detección temprana de la corrosión y herramientas de IA accesibles

SANTANDER, 6 May. (EUROPA PRESS) -

Varios grupos de investigación de la Universidad de Cantabria (UC) colaboran en un proyecto que lidera el Centro Tecnológico CTC para la búsqueda de soluciones avanzadas para transformar la industria cántabra, como la detección temprana de la corrosión, herramientas de Inteligencia Artificial accesible o la optimización de recursos.

Se trata de investigadores de los departamentos de Ciencias de la Tierra y Física de la Materia Condensada, CITIMAC; Matemáticas, Estadística y Computación, MATESCO, y el Laboratorio de la división de Ciencia e Ingeniería de los Materiales, LADICIM, que participan en la iniciativa FUTCAN, 'Posicionamiento Estratégico de Especialización Inteligente y Sostenible para las Factorías del FUTuro de CANtabria', sufragado con fondos europeos y del Gobierno regional.

Los subproyectos, en marcha desde noviembre de 2023, se encuentran ya en su fase final y abarcan ámbitos como la detección temprana de la corrosión en elementos de acero y otros metales, la optimización del moldeo por inyección de polímeros y el desarrollo de herramientas de inteligencia artificial accesibles, han informado en nota de prensa la UC y el CTC.

DETECCIÓN TEMPRANA DE LA CORROSIÓN EN ACERO Y OTROS METALES

Una de las líneas del proyecto se centra en el desarrollo de recubrimientos sensibles a cambios en el sustrato sobre el que se aplican, especialmente pensados para detectar de forma temprana la corrosión en acero y en otras piezas metálicas. Para esta investigación, el CTC ha colaborado con el departamento CITIMAC.

Se centra en el uso de nanomateriales conocidos como puntos cuánticos de grafeno, que presentan propiedades luminiscentes y pueden responder a cambios en su entorno cuando interaccionan con otras especies y/o moléculas. En este caso, son sensibles al ion hierro que se libera durante el proceso de corrosión. Así, cuando el material metálico empieza a degradarse, el hierro se desprende al medio y los puntos cuánticos pierden su luminiscencia.

Bajo luz ultravioleta las zonas afectadas aparecen oscuras frente al resto del recubrimiento, lo que permite identificar los primeros indicios de corrosión antes de que el daño sea visible a simple vista. Esto supone una mejora relevante, al adelantar los tiempos de detección y facilitar el mantenimiento preventivo de componentes expuestos a ambientes agresivos, como el marino o el industrial.

OPTIMIZACIÓN DEL PROCESO DE INYECCIÓN DE POLÍMEROS

La segunda línea de cooperación se orienta a la mejora del proceso industrial de inyección de polímeros, concretamente, de la poliamida 6 (PA6), un material ampliamente utilizado en sectores como la automoción o el ferrocarril. Se trata de un proceso, complejo, ya que una máquina industrial de inyección puede permitir el ajuste de entre 100 y 300 parámetros, muchos de los cuales influyen de forma directa en las propiedades finales del componente fabricado.

El objetivo principal de esta línea es desarrollar modelos de Machine Learning capaces de predecir el comportamiento mecánico de componentes fabricados en PA6 en función de los parámetros de inyección empleados.

Para ello, investigadores del LADICIM han generado una base de datos experimental mediante la inyección de un componente de PA6 bajo 80 configuraciones distintas de proceso, que posteriormente han sido caracterizados mecánicamente por medio de más de 400 ensayos. Esto ha permitido obtener información detallada sobre la relación entre las condiciones de fabricación y las prestaciones mecánicas del material, con la que se han optimizado parámetros del proceso. El fin último es obtener piezas con mejores prestaciones mecánicas.

IA ACCESIBLE

La tercera vía de trabajo conjunto de la UC en el proyecto FUTCAN viene de la mano del grupo M&C:FLAI del departamento MATESCO y consiste en el desarrollo de una herramienta de software que permite crear modelos predictivos a usuarios sin conocimientos avanzados de aprendizaje automático.

La solución incorpora un asistente capaz de interpretar lenguaje natural, de modo que el usuario puede describir sus necesidades de forma directa y la herramienta traduce esas indicaciones en un proceso de generación del modelo.

Actualmente, el sistema se está validando en distintos procesos industriales de interés para el CTC, como el sector fotovoltaico. El objetivo es "democratizar" el acceso a la inteligencia artificial y ofrecer "una solución transversal que se pueda aplicar prácticamente a cualquier ámbito en el que se necesiten modelos predictivos sin recurrir necesariamente a perfiles altamente especializados".