El sistema, creado en colaboración con el Laboratorio Nacional Lawrence Berkeley de Estados Unidos, optimiza el trabajo de cada aparato para mejorar la calidad del producto final.

El principal desafío que aborda este sistema es que en la producción automatizada a gran escala las máquinas, aunque sean del mismo modelo y marca, nunca se comportan de forma exactamente igual. Estas variaciones pueden acumularse y provocar defectos graves, lo que merma la reproducibilidad y fiabilidad, especialmente en sectores de alta precisión como la fabricación aditiva para la arquitectura o la industria aeroespacial. El ejemplo más sencillo son las impresoras 3D, que aun teniendo números de serie similares, pueden comportarse de forma ligeramente diferente.

Para resolver este problema, la IA, creada por Imdea Materiales, realiza primero un diagnóstico para crear un perfil de rendimiento único para cada máquina. Si los aparatos son suficientemente similares, aplica una optimización conjunta para maximizar la eficiencia. Por el contrario, si detecta diferencias significativas, activa una mejora individualizada para cada uno, priorizando la precisión. De este modo, se reducen los errores y se mejora la calidad en sistemas como las granjas de impresión 3D.

Para validar su método, el equipo realizó un estudio con tres impresoras 3D teóricamente idénticas. A pesar de que cabría esperar un rendimiento casi idéntico, el algoritmo detectó diferencias apreciables e identificó que cada una requería su propia estrategia de optimización.

Según los investigadores involucrados, los resultados demostraron una reducción sustancial de los errores en el peso de las piezas impresas en comparación con un enfoque que trataba todas las máquinas por igual.

El estudio fue realizado por la doctora Christina Schenk, Miguel Hernández del Valle, Luis Calero y el doctor Maciej Haranczyk, del Instituto Imdea Materiales, junto con el doctor Marcus Noack, del Laboratorio Nacional Lawrence Berkeley.

Aunque la investigación se centró en la impresión 3D, su metodología es aplicable a otros campos como el descubrimiento de nuevos materiales, la síntesis química o la calibración de sensores.