Evaluación automatizada de propiedades materiales mediante desconvulción espectral y regresión de aprendizaje profundo

Resumen: Presentamos una metodología automatizada y no destructiva para la estimación de los módulos elásticos de materiales compuestos mediante desconvulción espectral y una red neuronal profunda de regresión. Combinando espectroscopía FTIR con un flujo de trabajo de desconvulción no negativa y un DNN entrenado sobre una base de datos experimental, logramos predicciones con un error medio del 4% y un tiempo de análisis cercano a 30 segundos por muestra, facilitando el control de calidad en tiempo real en procesos de fabricación de composites.

Introducción: La caracterización precisa de materiales compuestos es esencial en aeroespacial, automoción y construcción. Métodos destructivos como ensayos de tracción son fiables pero lentos y costosos. Técnicas NDT convencionales pueden no captar la heterogeneidad de laminados con diferentes orientaciones de fibra y resina. La espectroscopía FTIR aporta información sobre modos vibracionales de los polímeros constituyentes vinculada con propiedades mecánicas, pero su interpretación exige desconvulción compleja y ajustes manuales sujetos a sesgo. Proponemos un proceso íntegramente automatizado que elimina el ajuste manual, estandariza el análisis y mejora la velocidad y precisión.

Marco teórico: La estrategia combina dos pilares: desconvulción espectral y regresión por aprendizaje profundo. La señal FTIR Sν se modela como suma lineal de bases espectrales Biν escaladas por amplitudes Ai, resuelta mediante un algoritmo NNLS para obtener las contribuciones físicas de fibras y matriz. Las amplitudes extraídas alimentan una red neuronal profunda con capas convolucionales y densas que aprenden la relación entre componentes espectrales y módulos elásticos como Young, módulo de corte y coeficiente de Poisson.

Metodología: Adquisición y preparación de datos. Se adquirieron espectros FTIR de laminados CFRP con distintas orientaciones de fibra 0°, 45° y 90° usando un espectrómetro Bruker ALPHA II a 4 cm-1 de resolución. La base de datos incluyó 2000 muestras con módulos medidos por ensayo de flexión en tres puntos. Tras desconvulción NNLS se generó un conjunto de características robustas. El dataset se dividió en 80% entrenamiento, 10% validación, 10% prueba. Para mejorar la generalización se aplicó aumento con ruido gaussiano.

Arquitectura y entrenamiento: El DNN consta de cinco capas convolucionales para extraer patrones locales en el dominio espectral y tres capas totalmente conectadas para la regresión final. Se utilizó ReLU como función de activación intermedia y salida lineal para predicción continua. El optimizador Adam, tasa de aprendizaje 0.001 y batch de 64 garantizaron convergencia estable durante 100 épocas con control mediante la pérdida de validación.

Resultados y discusión: El sistema integrado alcanzó una MAPE aproximada de 4.0% en Young, 4.2% en módulo de corte y 3.8% en Poisson sobre el conjunto de prueba. El flujo automatizado reduce el tiempo de análisis a ~30 segundos por muestra, una mejora de 10 veces frente a ajustes manuales. Además de la rapidez, la desconvulción previa aporta explicabilidad al permitir interpretar la contribución de cada componente espectral a la predicción, lo que facilita la trazabilidad en control de calidad.

Ventajas y limitaciones: Este enfoque es no destructivo, reproducible y escalable. Su precisión depende de la riqueza del dataset de entrenamiento; composites con formulaciones fuera del rango de datos requerirán ampliación de la librería espectral o recalibrado del modelo. La integración multimodal con técnicas como ultrasonidos o termografía se perfila como siguiente paso para generalizar la caracterización.

Hoja de ruta de escalabilidad: En el corto plazo se propone integrar la solución como herramienta de control de calidad en líneas de fabricación para ajustar parámetros de laminado y curado en tiempo real. A medio plazo ampliar la librería espectral y ofrecer el servicio en la nube. A largo plazo combinar múltiples NDT para una plataforma multimodal de caracterización completa.

Aplicaciones empresariales y servicios de Q2BSTUDIO: En Q2BSTUDIO desarrollamos soluciones de software a medida para la industria que integran inteligencia artificial y análisis espectral para control de procesos y garantía de calidad. Como empresa de desarrollo de software y aplicaciones a medida ofrecemos implementación de sistemas embebidos, pipelines de datos y despliegue en plataformas cloud. Si su objetivo es incorporar modelos de IA para empresas o crear agentes IA especializados, visite nuestro servicio de inteligencia artificial para empresas donde adaptamos modelos y APIs a sus requisitos. Para proyectos que requieran soluciones a medida de front y back end puede consultar desarrollo de aplicaciones y software a medida.

Servicios complementarios: Q2BSTUDIO ofrece también ciberseguridad y pentesting para proteger pipelines de datos e inferencia, servicios cloud AWS y Azure para escalado y despliegue, y servicios de inteligencia de negocio y Power BI para visualizar resultados y facilitar la toma de decisiones. Integrar agentes IA y pipelines automáticos con servicios cloud aws y azure y herramientas de business intelligence permite transformar los datos espectrales en indicadores de producción accionables.

Impacto práctico: Adoptar esta tecnología reduce desperdicio, acelera la detección de defectos y mejora la trazabilidad del producto final. En fábricas de composites, un sistema en línea que combine FTIR, desconvulción y un modelo entrenado permite correcciones en tiempo real de parámetros como concentración de resina, presión y tiempo de curado, evitando lotes defectuosos y optimizando costes.

Conclusión: La integración de desconvulción espectral y regresión por aprendizaje profundo supone un avance relevante en la caracterización no destructiva de composites. La técnica es rápida, precisa y compatible con soluciones industriales y servicios cloud. Q2BSTUDIO puede acompañar su proyecto desde el diseño e implementación del pipeline de datos hasta el despliegue seguro en producción, ofreciendo software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure y soluciones de inteligencia de negocio y power bi para maximizar el valor de sus datos.

Contacto: Para explorar un piloto o una integración industrial, nuestro equipo de Q2BSTUDIO asesora sobre arquitectura, integración y despliegue, combinando experiencia en desarrollo de aplicaciones a medida, IA, agentes IA y servicios gestionados para transformar su proceso de control de calidad.