{"id":60755,"date":"2022-08-22T00:02:26","date_gmt":"2022-08-21T22:02:26","guid":{"rendered":"https:\/\/www.3dnatives.com\/es\/?p=60755"},"modified":"2022-08-22T09:14:27","modified_gmt":"2022-08-22T07:14:27","slug":"algoritmo-puede-corregir-los-errores-de-impresion-en-3d-en-tiempo-real-220820222","status":"publish","type":"post","link":"https:\/\/www.3dnatives.com\/es\/algoritmo-puede-corregir-los-errores-de-impresion-en-3d-en-tiempo-real-220820222\/","title":{"rendered":"Un nuevo algoritmo puede corregir los errores de impresi\u00f3n 3D en tiempo real"},"content":{"rendered":"

Cient\u00edficos de la Universidad de Cambridge han desarrollado lo que, seg\u00fan ellos, son impresoras 3D inteligentes capaces de detectar y corregir r\u00e1pidamente los errores, sin importar el dise\u00f1o ni el material. M\u00e1s concretamente, los ingenieros han sido capaces de desarrollar un algoritmo de aprendizaje autom\u00e1tico que puede utilizarse con la impresi\u00f3n 3D FDM<\/a> para corregir los errores de impresi\u00f3n en tiempo real. Esto no s\u00f3lo reducir\u00e1 los posibles fallos de impresi\u00f3n, sino que tambi\u00e9n ser\u00e1 una forma precisa y eficaz de automatizar el proceso de impresi\u00f3n 3D<\/a>.<\/p>\n

No hace falta decir que el software de supervisi\u00f3n se est\u00e1 convirtiendo en una parte fundamental de los procesos de impresi\u00f3n 3D. Los fallos de impresi\u00f3n son, por desgracia, habituales y tambi\u00e9n costosos, tanto en t\u00e9rminos de dinero como de tiempo. En consecuencia, la capacidad de controlar cada paso del proceso es integral cuando se trata de la continua industrializaci\u00f3n de la fabricaci\u00f3n aditiva<\/a>. Y al mismo tiempo, los usuarios tambi\u00e9n buscan una mayor automatizaci\u00f3n para permitir la impresi\u00f3n 3D a escala. Aqu\u00ed es donde entran en juego los algoritmos, especialmente los basados en el aprendizaje autom\u00e1tico<\/a>, como se indica en el art\u00edculo Detecci\u00f3n y correcci\u00f3n de errores de impresi\u00f3n 3D generalizables mediante redes neuronales multicabezales.<\/p>\n

\"\"

Una imagen de ejemplo de la boquilla de la impresora 3D con las im\u00e1genes resaltadas que muestran d\u00f3nde se centra el algoritmo (cr\u00e9ditos de la foto: Douglas Brion)<\/p><\/div>\n

Un algoritmo \u00absin conductor\u00bb para la impresi\u00f3n 3D<\/h3>\n

El algoritmo de aprendizaje autom\u00e1tico fue desarrollado por Douglas Brion y Sebastian Pattinson mediante el entrenamiento de un modelo inform\u00e1tico de aprendizaje profundo. Para ello, le mostraron unas 950.000 im\u00e1genes que hab\u00edan sido capturadas autom\u00e1ticamente durante la producci\u00f3n de 192 piezas impresas. Cada imagen se etiquet\u00f3 con los ajustes de la impresora utilizados durante la impresi\u00f3n, por ejemplo, la velocidad y la temperatura de la boquilla de impresi\u00f3n, as\u00ed como lo lejos que estaban de lo que habr\u00edan sido los ajustes ideales. Esto permiti\u00f3 al algoritmo aprender a corregir estos errores en lugar de depender de los humanos, que no son tan h\u00e1biles para identificarlos.<\/p>

\"\"<\/a><\/div>\n

Con el nombre de CAXTON, o red de extrusi\u00f3n aut\u00f3noma colaborativa, el software es capaz de conectar y controlar estas impresoras 3D de aprendizaje, etiquetando autom\u00e1ticamente los errores y corrigi\u00e9ndolos en tiempo real. Los investigadores se centraron en esta generaci\u00f3n aut\u00f3noma de datos para crear conjuntos de datos m\u00e1s amplios y diversos con el objetivo de tener un proceso generalizado que pueda detectar un problema sin importar la pieza ni el material utilizado. A diferencia de otros programas de supervisi\u00f3n automatizada, \u00e9ste ha sido dise\u00f1ado para ir m\u00e1s all\u00e1 de la identificaci\u00f3n de un rango limitado o de errores en una sola pieza, material o sistema.<\/p>\n

\"Machine

Vista general del sistema CAXTON que se utiliz\u00f3 para la recogida automatizada de datos (cr\u00e9ditos fotogr\u00e1ficos: Douglas Brion y Sebastian Pattinson)<\/p><\/div>\n

De hecho, este algoritmo se ha convertido en lo que Brion y Pattinson consideran un sistema de \u00abcoche sin conductor\u00bb para la impresi\u00f3n 3D. Al estar expuesto a las experiencias de diferentes m\u00e1quinas, el algoritmo puede ahora incluso corregir dise\u00f1os no vistos anteriormente o materiales desconocidos como el ketchup y la mayonesa. Y gracias a su propensi\u00f3n al aprendizaje, se espera que s\u00f3lo mejore con el tiempo, llegando a ser m\u00e1s eficiente que los operadores humanos a la hora de detectar errores. Esto tambi\u00e9n puede ayudar al control de calidad de las piezas, sobre todo en aplicaciones del sector de seguridad cr\u00edtica.<\/p>\n

Brion concluye: \u00abEstamos centrando nuestra atenci\u00f3n en c\u00f3mo podr\u00eda funcionar esto en industrias de alto valor, como los sectores aeroespacial, energ\u00e9tico y de la automoci\u00f3n, en los que las tecnolog\u00edas de impresi\u00f3n 3D se utilizan para fabricar piezas caras y de alto rendimiento. Puede llevar d\u00edas o semanas completar un solo componente con un coste de miles de libras. Un error que se produzca al principio podr\u00eda no detectarse hasta que la pieza est\u00e9 terminada e inspeccionada. Nuestro enfoque detectar\u00eda el error en tiempo real, mejorando significativamente la productividad de la fabricaci\u00f3n\u00bb.<\/p>\n

\u00bfQu\u00e9 te parece este nuevo algoritmoque puede corregir los errores de impresi\u00f3n en 3D en tiempo real? Deja tus comentarios en nuestras redes sociales: Facebook<\/a>,\u00a0Twitter<\/a>,\u00a0Youtube<\/a>\u00a0y\u00a0RSS<\/a>. Sigue toda la informaci\u00f3n sobre impresi\u00f3n 3D en nuestra\u00a0Newsletter semanal<\/a>.<\/p>\n

*Cr\u00e9ditos de la imagen de portada: EUMETSAT<\/p>\n

\"\"<\/a><\/div>","protected":false},"excerpt":{"rendered":"

Cient\u00edficos de la Universidad de Cambridge han desarrollado lo que, seg\u00fan ellos, son impresoras 3D inteligentes capaces de detectar y corregir r\u00e1pidamente los errores, sin importar el dise\u00f1o ni el material. M\u00e1s concretamente, los ingenieros han sido capaces de desarrollar…<\/p>\n","protected":false},"author":6093,"featured_media":60760,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[16,13],"tags":[],"class_list":["post-60755","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualidad","category-investigacion"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/posts\/60755","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/users\/6093"}],"replies":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/comments?post=60755"}],"version-history":[{"count":2,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/posts\/60755\/revisions"}],"predecessor-version":[{"id":60763,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/posts\/60755\/revisions\/60763"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/media\/60760"}],"wp:attachment":[{"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/media?parent=60755"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/categories?post=60755"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/tags?post=60755"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}