Standardization News:

Piense por un minuto en cómo el cerebro aborda una tarea nueva y aprende a dominarla. Por ejemplo, supongamos que nunca horneó un pastel y quiere hacer uno para una ocasión especial. ¿Qué hace?

Hoy en día, el primer paso podría ser ir a Internet y buscar videos que le muestren cómo hacerlo. Cada vez que vea uno de estos videos, el cerebro registrará los pasos del proceso y comenzará a entender cómo encajan. Si mira suficientes videos, podrá internalizar esos datos y ser capaz de hacerlo por su cuenta.

La premisa subyacente de la industria 4.0 es bastante similar, solo que a una escala exponencialmente mayor e inimaginablemente más rápida. Imagine a miles de panaderos preparando —cada hora— millones de pasteles. Piense en cada paso de la receta de cada panadero como un punto de datos. ¿Cómo gestionaría una acumulación tan enorme de información y, lo que es más importante, cómo la utilizaría para mejorar el proceso?

Estas preguntas son especialmente relevantes en el mundo de la fabricación aditiva (AM). Este proceso extremadamente intensivo en cuanto al uso de datos construye objetos tridimensionales mediante la unión de capas sucesivas de material, una sobre otra, a través de la conversión directa de archivos CAD tridimensionales que contienen todos los parámetros de diseño necesarios.

A continuación, se presenta un panorama de la labor del comité de ASTM International de tecnologías de fabricación aditiva (F42), que está a la vanguardia del desarrollo de estándares de fabricación aditiva relevantes a nivel mundial y fundamentales para el progreso de la Industria 4.0. El comité ha desarrollado más de 25 estándares críticos de fabricación aditiva desde su creación en 2009, y la reciente formación de un subcomité (F42.08) centrado específicamente en los datos de dicha fabricación impulsará a la Industria 4.0 aún más.

¿Qué es la Industria 4.0?

Industria 4.0, o i4.0, es el término utilizado para definir el proceso de integración de las tecnologías digitales en la fabricación física. En esencia, i4.0 trata sobre recopilar la enorme cantidad de datos generados por los modernos sistemas de fabricación automatizada, de analizar los datos en busca de patrones que puedan revelar información sobre los problemas o mejores formas de hacer las cosas, y de incorporar estas soluciones en el proceso de fabricación como parte tanto de la toma de decisiones en tiempo real como del análisis de control de calidad a largo plazo.

"La industria 4.0 es la transformación digital", dice Alex Liu, Ph.D., jefe de los programas de fabricación aditiva de ASTM para la región de Asia-Pacífico. "Es donde las infraestructuras cibernéticas como la inteligencia artificial (IA) y el aprendizaje automático (ML) colaboran y se integran con infraestructuras físicas como la fabricación aditiva y la automatización de la robótica. Es la digitalización de la fabricación".

"Fundamentalmente, la industria 4.0 trata de conectar las máquinas, las células de trabajo y los pisos de las fábricas a la infraestructura de información dentro de la cual se toman las decisiones", dice David Rosen, Ph.D., profesor de ingeniería mecánica en el Instituto Tecnológico de Georgia y presidente del subcomité de diseño de fabricación aditiva (F42.04).

El ecosistema digital subyacente que permite la recopilación de estos datos es la denominada Internet Industrial de las Cosas, o IIoT. Similar a la Internet de las cosas —aparatos inteligentes, por ejemplo, que pueden ser controlados a distancia por las empresas de servicios públicos a través de Internet—, pero de alcance más complejo, la IIoT se refiere a máquinas y sistemas que están conectados y se comunican entre sí a través de Internet.

"Las máquinas de fabricación aditiva son solo otro tipo de herramientas que se van a conectar", dice Rosen.

"En el caso de la fabricación aditiva, esta tecnología está estrechamente relacionada con otros componentes de la industria 4.0, como la robótica y la automatización, la big data, la seguridad cibernética y la IA. La fusión de todas estas tecnologías ofrece la mayor oportunidad, que es la extracción de nuevos conocimientos y el descubrimiento de patrones", dice Mahdi Jamshidinia, Ph.D., director del proyecto de I+D de fabricación aditiva de ASTM.

Es esta conectividad, más los algoritmos de inteligencia artificial que disciernen los patrones (y anomalías) en el flujo de datos, lo que podría traer beneficios transformadores a la industria de fabricación aditiva. "Por ejemplo, el aprendizaje automático se utiliza para la rápida selección de materias primas óptimas para la fabricación aditiva y puede ayudar a predecir las funcionalidades de las piezas de fabricación aditiva con base en varios parámetros de diseño", explica Mohsen Seifi, Ph.D., director de programas de fabricación global de aditivos de ASTM. "La IA también puede realizar un monitoreo en tiempo real del proceso de fabricación aditiva y analizar las causas principales de los problemas de producción".

Seifi también señala que la inteligencia artificial puede incorporarse en los sistemas fabricación aditiva a través de la IIoT. "Por ejemplo, podría poner un código de barras o una etiqueta en cada pieza de fabricación aditiva y usar la IIoT para rastrear su rendimiento y calidad. Entonces, los datos recopilados por esos sensores podrían ser analizados para descubrir tendencias o filtrar otra información útil".

Fabricación aditiva e i4.0

Los principios básicos de la i4.0 son aplicables a la mayoría de los entornos de fabricación modernos, que emplean sensores y controles digitales en diversos grados. Sin embargo, la fabricación aditiva es un "laboratorio" particularmente informativo para probar y perfeccionar estos principios, ya que la cantidad de datos recopilados, incluso en un plazo relativamente pequeño, es realmente asombrosa.

"La fabricación aditiva genera grandes cantidades de datos, desde la materia prima de fabricación aditiva, el diseño, el modelado y los procesos de fabricación hasta el posprocesamiento, la inspección, las pruebas y, en última instancia, el rendimiento de las piezas fabricadas", señala Jamshidinia. ¿Qué tan grandes? Según Rosen, de Georgia Tech, cada minuto de operación de las máquinas puede traducirse en gigabytes de datos de los sensores.

Una fuente de todos estos datos es el proceso meticuloso, realizado capa por capa, que define la fabricación aditiva (entre otras fuentes de datos se incluyen el ciclo de vida del producto y las actividades de la cadena de valor). Cada objeto individual producido mediante la fabricación aditiva puede comprender miles de capas. Los sensores capturan datos para cada capa, efectúan los análisis y evalúan si el proceso se realizó correctamente.

Estos sensores también pueden conectarse a la IIoT, para proporcionar acceso al poder informático necesario para poner en uso toda la información recolectada. "Hay una gran oportunidad de emplear estos datos para acelerar el campo de la fabricación aditiva a través de la aplicación de disciplinas de la industria 4.0, como la inteligencia artificial y el análisis de big data", dice Seifi.

La promesa de la i4.0 en el contexto de la fabricación aditiva es la automatización, cada vez más rápida y precisa, de los procesos de análisis y la evaluación de los datos acumulados. "La inspección completa de cada una de las partes es laboriosa, lleva tiempo y es costosa. Pero con suficientes conjuntos de datos críticos, el aprendizaje automático puede agilizar, de manera significativa, el proceso de inspección requerido al identificar las regiones sospechosas de cada pieza y al asegurar, al mismo tiempo, que se produzcan componentes de calidad", afirma Liu.

Gestión de datos

En vista de la importancia de los datos en la fabricación aditiva, el Centro de Excelencia de Fabricación Aditiva de ASTM International (AMCOE), en colaboración con America Makes, organizó el Taller de esquemas y gestión de datos de fabricación aditiva el pasado mes de diciembre. En este evento se reunieron más de 90 expertos del Gobierno, la industria y el mundo académico para cubrir las recientes aplicaciones de gestión y habilitación de datos de la fabricación aditiva, y para discutir sobre las brechas, los desafíos y las posibles soluciones con respecto a los datos de dicha fabricación. Uno de los resultados del taller fue la creación de un subcomité independiente para los datos fabricación aditiva (F42.08). "En el futuro, los estándares relativos a la compilación, organización y difusión de conjuntos de datos de la fabricación aditiva estarán auspiciados por este nuevo subcomité", dice Jamshidinia.

La gestión de este manantial de información presenta una serie de desafíos. El primer desafío es la naturaleza misma de los datos. El miembro del subcomité de datos y científico del Instituto Nacional de Estándares y Tecnología (National Institute of Standards and Technology, NIST) de EE. UU., Yan Lu, Ph.D., explica lo siguiente: "Se generan datos multimodales durante el ciclo de vida del desarrollo del producto de fabricación aditiva, incluyendo modelos tridimensionales (3D), mediciones in situ y datos posteriores a la inspección. Cada uno de los tipos de datos representa la información espacial de la pieza en diferentes marcos de referencia".

La alineación adecuada de estos tipos de datos dentro de un marco de referencia común se denomina registro de datos, un enfoque que permite correlacionar e interpretar las relaciones entre el proceso de fabricación aditiva, las propiedades de los materiales que van a utilizar y el propio objeto. Al profundizar un poco más en la tecnología de la fabricación aditiva se puede ver la complejidad del proceso de alineación.

Por ejemplo, en la actualidad existen, por lo menos, siete categorías distintas de fabricación aditiva establecidas por el documento "standard terminology for additive manufacturing – general principles – terminology (ISO/ASTM52900): binder jetting, directed energy deposition, material extrusion, material jetting, powder bed fusion, sheet lamination, and vat photopolymerization" (Terminología estándar de la fabricación aditiva, principios generales, terminología [ISO/ASTM52900]: inyección por aglutinante, deposición directa de energía, extrusión de material, inyección de material, fusión de lecho de polvo, laminación de hojas y fotopolimerización).

Luego, están los cuatro tipos básicos de materiales utilizados en la fabricación aditiva: cerámicas, metales, polímeros y compuestos, y las múltiples opciones dentro de cada tipo de material. Los polímeros pueden incluir ABS (acrilonitrilo butadieno estireno), policarbonato, poliamida y resina epoxi. En la categoría de metales, se utilizan diferentes aleaciones de acero, titanio y aluminio.

Por último, se puede fabricar una gama casi ilimitada de productos a través de la fabricación aditiva, con todas las variaciones de tamaño y dimensiones de un lienzo en blanco. Ya sea que se trate de componentes de motores de cohetes, dispositivos de implantes ortopédicos, modelos arquitectónicos detallados o piezas de recambio para coches de época, la fabricación aditiva simplemente permite la producción de objetos que, de otra manera, no se podrían fabricar.

Por todos estos factores, es fácil apreciar lo difícil de alinear todos los datos relacionados con los procesos, los materiales y las piezas específicas de la fabricación aditiva. "Actualmente, la mayoría de los datos generados por las actividades de la fabricación aditiva se recopilan y almacenan de forma ad hoc, por ejemplo, en PDF u hojas de cálculo caseras, lo que impide su uso para la toma de decisiones", dice Yan Lu del NIST.

Alex Kitt, Ph.D., presidente del subcomité de datos y gerente de producto de la consultora de ingeniería EWI, concuerda con Lu acerca de la ineficacia e inconsistencia de la adquisición de datos. "A menudo, la persona encargada de la medición llevará un USB al científico de datos, que entonces ingresará los datos en el sistema", dice Kitt. "Esto desalienta la adquisición de cualquier dato que no sea crítico".

Lu y sus colegas creen que se necesitan estándares para abordar cuestiones fundamentales, como la forma de recopilar, almacenar y manejar los datos de manera segura, y qué formatos deberían utilizarse para compartir datos entre las diversas partes interesadas de la industria relacionados con el ciclo de vida de los productos y la gestión de la cadena de suministro. "Los modelos estándar de información de fabricación aditiva y formatos de cambio de datos son necesarios para compartir y aprovechar plenamente los datos generados por las diversas partes interesadas", comenta.

A medida que la fabricación se digitaliza y los procesos se vuelven más modulares, la fabricación aditiva requiere que se comparta información entre los múltiples interesados en la cadena de producción, desde el diseño hasta los usuarios finales. "Esto requiere una sólida ciberseguridad, para que los datos puedan ser transferidos de forma segura en el entorno de la computación en nube", dice Seifi.

Primeros pasos

El primer asunto a tratar del subcomité de datos es la creación de un diccionario común de datos (CDD) para la fabricación aditiva. Lu dice, "El NIST ha liderado el desarrollo del CDD desde el otoño de 2018 a través de un grupo de trabajo ad hoc con cerca de 50 expertos de la industria, el Gobierno y el mundo académico". Entre las partes interesadas representadas en este grupo se encuentran el NIST, EWI, la Universidad estatal de Pensilvania, Granta MI (un desarrollador de sistemas de gestión de información de materiales) y diversos grupos gubernamentales.

Según Lu, el borrador de la versión 1.0 del CDD está actualmente bajo revisión y parte de él se convertirá en estándares de ASTM International. Los próximos pasos son trabajar en un modelo común de datos de fabricación aditiva, formatos de intercambio de datos y un estándar de registro de datos de fabricación aditiva.

Otra esfera de interés del subcomité será la de las tecnologías de fabricación aditiva, impulsadas por la inteligencia artificial, lo que incluye el aprendizaje automático, el aprendizaje profundo y la minería de datos. Seifi señala que, aunque con poca frecuencia, la IA ya se utiliza en la fabricación aditiva.

"Por ejemplo, el algoritmo Alchemite ML se utilizó para diseñar una aleación a base de níquel para la deposición directa con láser", dice. "También, el análisis 3D y la reconstrucción de materiales de fabricación aditiva se han llevado a cabo en una infraestructura basada en la nube. Sin estándares que establezcan prácticas basadas en el consenso para el uso de la inteligencia artificial, es difícil que las organizaciones repitan, desarrollen o amplíen estos esfuerzos a escalas significativas".

Mientras tanto, el AMCOE está desarrollando una guía estratégica para los datos de fabricación aditiva con base en la opinión de diversos sectores. "Esta guía se entregará al subcomité F42.08 y a la comunidad de fabricación aditiva como referencia. Permitirá a las partes interesadas identificar las brechas y los problemas existentes, y ofrecerá posibles soluciones a futuro para mejorar la gestión y el uso de los datos mediante el desarrollo oportuno de estándares pertinentes", dice Jamshidinia.

La colaboración entre comités es un sello distintivo del modelo de desarrollo de estándares de ASTM. En el caso del comité de tecnologías de fabricación aditiva y su nuevo subcomité de datos, el plan es trabajar con otros comités que se ocupan de la inteligencia artificial y la IoT/IIoT, incluidos los comités sobre vehículos industriales de guiado automático sin conductor (F45), sistemas de aeronaves no tripuladas (F38) y productos de consumo (F15).

Mientras que los montacargas autónomos, los drones y los monitores inteligentes para bebés ofrecen oportunidades para explorar la intersección de los datos, la conectividad y el rendimiento, la fabricación aditiva lleva estas relaciones a un nivel completamente nuevo. La labor del subcomité de datos contribuirá, sin duda alguna, a esta trayectoria ascendente.

"La fabricación aditiva es el primer proceso nuevo de fabricación desarrollado en la era de los datos", concluye Alex Kitt. "Sin embargo, asegurar que los datos sean comprensibles, de alta calidad y utilizables es difícil. El nuevo subcomité desarrollará los estándares para que la comunidad pueda construir un ecosistema de datos en el que estos se puedan adquirir, gestionar y utilizar fácilmente".

Jack Maxwell es un escritor independiente que reside en Westmont, Nueva Jersey.