Un equipo de la Universidad de Ciencias de Tokio está revolucionando la fabricación aditiva mediante la integración de algoritmos de machine learning en el proceso de impresión 3D con hilos de nanotubos de carbono. Esta innovación aborda uno de los mayores desafíos en la manufactura de materiales compuestos avanzados: la inconsistencia en las propiedades mecánicas y eléctricas de las piezas impresas. Los investigadores han desarrollado un sistema que monitorea en tiempo real el proceso de fabricación y ajusta automáticamente los parámetros de impresión para mantener la uniformidad estructural del material.


Sistema de control adaptativo en tiempo real

La tecnología implementada utiliza sensores avanzados que capturan datos durante el proceso de extrusión del filamento de CNT, analizando variables como la viscosidad, la tensión superficial y la conductividad eléctrica. El algoritmo de aprendizaje automático procesa esta información y realiza ajustes inmediatos en la velocidad de impresión, la temperatura del nozzle y la presión de extrusión. Este enfoque permite compensar las variaciones naturales del material que tradicionalmente generaban defectos en las piezas finales, asegurando que cada capa mantenga las propiedades deseadas tanto a nivel microscópico como macroscópico.

Aplicaciones en electrónica flexible y aeronáutica

Las implicaciones de este avance son particularmente significativas para industrias que requieren componentes con combinaciones específicas de propiedades. En el sector aeroespacial, permite fabricar piezas estructurales ultraligeras con monitorización integrada de integridad estructural. Para la electrónica wearable, facilita la producción de circuitos flexibles y sensores corporales que mantienen su funcionalidad bajo deformación repetida. Los investigadores destacan que esta metodología podría extenderse a otros materiales compuestos, abriendo nuevas posibilidades en la manufactura de dispositivos médicos implantables y sistemas de almacenamiento de energía.

Resulta curioso cómo la tecnología que parecía destinada a crear simples llaveros y figuras decorativas ahora requiere doctorados en ciencia de materiales y machine learning para evitar que los nanotubos se comporten como spaghetti mal cocido.