El Centro Tecnológico CTC y los grupos de investigación 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, de la Universidad de Cantabria avanzan en la búsqueda de soluciones avanzadas para transformar la industria cántabra.

Los tres subproyectos en los que colaboran CTC y UC abarcan ámbitos como la detección temprana de la corrosión, la optimización del moldeo por inyección de polímeros y el desarrollo de herramientas de inteligencia artificial accesibles. Esta cooperación, en marcha desde noviembre de 2023 y muy próxima a su fase final, se produce en el marco del proyecto FUTCAN que lidera CTC y que tiene como objetivo investigar y validar tecnologías disruptivas que permitan al tejido industrial de la región evolucionar hacia modelos de producción más eficientes, inteligentes y sostenibles.

Los prometedores resultados logrados hasta la fecha no hacen sino reforzar el éxito de los modelos cooperativos y potenciar aún más la relación estratégica entre el único centro tecnológico de la región y la universidad pública.

Recubrimientos inteligentes para detectar corrosión

Una de las líneas del proyecto que ejecuta CTC 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, CTC ha colaborado con el departamento CITIMAC de la Universidad de Cantabria. Esta investigación se centra en el uso de nanomateriales conocidos como quantum dots
de grafeno o 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. Cuando el material metálico comienza a degradarse, el hierro se desprende al medio y los puntos cuánticos
pierden su luminiscencia. Esta novedad supone una mejora relevante para la industria 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.

El proceso de inyección es especialmente 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. En este contexto, 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, el grupo investigador del LADICIM ha generado una base de datos experimental mediante la inyección de un componente de PA6 bajo 80 configuraciones distintas de proceso.

Posteriormente, dichos componentes han sido caracterizados mecánicamente por medio de más de 400 ensayos, lo que ha permitido obtener información detallada sobre la relación entre las condiciones de fabricación y las prestaciones mecánicas del material.

A partir de esta información experimental y de los modelos predictivos desarrollados, que relacionan los parámetros de la máquina y del proceso con las propiedades de las probetas inyectadas, se ha llevado a cabo la optimización de los parámetros del proceso, permitiendo identificar de forma preliminar las condiciones de inyección que optimizan las propiedades físicas de las probetas y, al mismo tiempo, minimizan el tiempo necesario para que estas estén disponibles para su uso. En la etapa actual, el CTC se encuentra centrado en la validación del modelo mediante el uso de nuevos datos, con el objetivo de verificar su capacidad predictiva y confirmar la robustez de los resultados obtenidos antes de dar por finalizada la optimización.

IA accesible

La tercera vía de trabajo conjunto de CTC y 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 experiencia y conocimiento del grupo de la Universidad han contribuido a validar la arquitectura desarrollada en CTC para la integración del machine learning automático mediante grandes Modelos de Lenguaje (LLMs) en una plataforma ‘no code’. Un paso fundamental para estructurar los agentes inteligentes que traducen el lenguaje natural del operario en código ejecutable.

Fruto de este trabajo, FUTCAN democratiza el acceso a la IA y permite entrenar modelos predictivos complejos usando lenguaje natural para posteriormente usarlos en cualquier parte del proceso productivo (calidad, análisis de producción, etc.). Actualmente, el sistema se está validando en distintos procesos industriales de interés para el CTC, como el sector fotovoltaico.

Proyecto FUTCAN

El proyecto FUTCAN, acrónimo de ‘Posicionamiento Estratégico de Especialización Inteligente y Sostenible para las Factorías del FUTuro de CANtabria’, está cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) y el Gobierno de Cantabria, a través de la línea de subvenciones “Ayudas a proyectos de investigación con alto potencial industrial de agentes tecnológicos de
excelencia para la competitividad industrial TCNIC”. Tiene como finalidad investigar y validar nuevas metodologías y tecnologías para mejorar la eficiencia y sostenibilidad en la fabricación industrial, con el fin de mejorar la eficiencia y reducir el impacto ambiental de la fabricación industrial en la región.