La fabricació additiva ha passat de ser una tecnologia pensada gairebé només per prototips ràpids i maquetes a convertir-se en una eina clau per produir peces finals en sectors tan exigents com ara el metge, l'aeroespacial o el de l'automoció. En aquest salt de “joguina de laboratori” a procés industrial, el gran punt de fricció ha estat sempre el mateix: com garantir un control de qualitat fiable quan es construeix un component, capa a capa, amb fenòmens tèrmics i de material molt complex.
En aquest context entren en joc la simulació avançada, el monitoratge en temps real i la intel·ligència artificial. Combinades, permeten anticipar deformacions, detectar defectes mentre imprimiu i ajustar el procés sobre la marxa. El resultat és un canvi radical: menys ferralla, menys temps morts, menys postprocessat i, sobretot, peces que compleixen les toleràncies i els requisits normatius sense dependre tant de la mà de l'operari.
Què entenem per optimització i control de qualitat en impressió 3D
Quan parlem d'optimitzar la impressió 3D no es tracta només que la peça “surti bé”, sinó de dissenyar un flux complet on cada paràmetre del procés estigui sota control digital. Això inclou des del disseny CAD i la orientació de la peça a la safata, fins al patró de escanejat del làser, lestratègia de suports, les temperatures, les velocitats o la refrigeració. L'objectiu és triple: qualitat repetible, consum eficient de material i energia, i reducció de residus.
Als entorns industrials més regulats, com la medicina o l'aeronàutica, uns quants micròmetres de desviació poden ser la diferència entre una peça aprovada o una no conforme. Per això l'optimització ja no es pot basar només en prova i error: es necessiten models numèrics, bessons digitals i bases de dades de procés que tradueixin lexperiència acumulada en decisions automàtiques durant la fabricació. Aquest desafiament és especialment palès en entorns industrials més regulats.
La clau és passar d'un enfocament reactiu, on el control de qualitat es fa només al final amb mesuraments i inspecció visual, a un enfocament proactiu i predictiu, on els problemes es detecten abans d'imprimir o mentre la peça encara s'està construint. D'aquesta manera s'eviten fallades catastròfiques, es retalla temps de producció i s'aconsegueix una traçabilitat absoluta del que ha passat a cada capa; i es millora la qualitat repetible necessària en sèrie.
Simulació prèvia a la impressió: evitar errors abans de gastar material
El primer gran bloc del control de qualitat modern en impressió 3D és la simulació prèvia del procés. Abans de llançar la fabricació, es crea un model digital complet (DMU) de la peça i del procés: la geometria CAD, les trajectòries de deposició o escanejat del làser, la distribució d'energia, l'aportació de material, la generació de suports, etc. Sobre aquest model s'apliquen diferents tècniques de simulació numèrica.
D'una banda, eines de dinamica de fluids computacional (CFD) permeten estudiar com es reparteix la calor durant la fusió capa a capa, anticipar tensions tèrmiques i localitzar zones amb alt risc de deformació o lloament. De l'altra, anàlisi d'elements finits (FEA) i models termomecànics ajuden a predir tensions residuals, distorsions globals i possibles esquerdes que apareixerien en refredar o en separar la peça de la placa base.
Aquesta simulació no només serveix per saber “si la peça es torçarà”, sinó també per optimitzar d'arrel el disseny. A partir del model CAD original es poden generar geometries topològicament optimitzades i alleugerides, reduir al màxim el volum de suports, revisar els gruixos crítics, validar que els canals interns es puguin fabricar sense col·lapsar o ajustar compensacions geomètriques perquè, després del procés, les dimensions resultants entrin dins de tolerància.
Solucions com Autodesk Fusion amb Netfabb integren tot això en un únic entorn: importen el CAD, el reparen si hi ha errors de malla, permeten orientar la peça per minimitzar deformacions, generar suports adequats segons la tecnologia (per exemple, MPBF de metall o DED) i llançar simulacions termomecàniques detallades. A partir dels resultats, el mateix programari pot fer correccions automàtiques de la geometria per compensar deformacions esperades o avisar de zones de manca de fusió o de recobriment problemàtic.
D'aquesta manera, el moment d'“experiment” es trasllada a un entorn digital on es pot repetir tantes vegades com calgui sense consumir pols, fil o resina. En projectes complexos, aquesta fase arriba a reduir les fallades d'impressió en més d'un 80%, estalviant temps de màquina, material i molt maldecap.
Control de processos en temps real: sensors, càmeres i IA
Un cop arrenca la impressió, és quan entra en joc el control de processos en sentit estricte. Les solucions més avançades es basen en un circuit de regulació tancat, en què un bessó digital del procés s'alimenta constantment de dades procedents de sensors i càmeres instal·lats a la màquina. Aquest bessó compara, capa a capa, allò que s'està fabricant amb el que estava previst a la simulació.
Per aconseguir-ho, es fan servir càmeres industrials d'alta resolució que monitoritzen la aplicació del material i el gruix de capa. En tecnologies de llit de pols metàl·lica, s'analitzen imatges termogràfiques a alta freqüència i es mesura el bany de fusió amb sensors òptics o espectrals, capaços de detectar heterogeneïtats microscòpiques. En extrusió de filament, es revisa la continuïtat del cordó, les zones amb manca de material o fenòmens com el “stringing” o la subextrusió.
En paral·lel, sensors de temperatura per infrarojos, triangulació làser i altres sistemes de metrologia integrats permeten vigilar desalineacions, col·lisions en impressores multieix, variacions de l'alçada de capa o manca d'adherència entre capes. Quan el sistema detecta una anomalia crítica, pot aturar automàticament la impressió per evitar desaprofitar la resta del treball o per permetre una intervenció del tècnic.
El cor daquests sistemes és la intel·ligència artificial. Algorismes daprenentatge automàtic entrenats amb milions dhores dimpressió són capaços de reconèixer patrons de defectes, correlacionar condicions ambientals amb resultats de qualitat, anticipar efectes de la inèrcia tèrmica i ajustar al vol paràmetres com la velocitat d'avenç, la temperatura de filtre o els perfils de refredament. Tot això es tradueix en menys necessitat que l'operari estigui vigilant constantment la màquina i en una estabilitat més gran del procés en sèrie.
Bessons digitals, bases de dades de procés i biblioteques de materials
Perquè tot aquest ecosistema funcioni, no n'hi ha prou amb sensors i simulacions puntuals: cal una base de dades centralitzada on s'emmagatzemen els paràmetres d'impressió, els registres de sensors, els resultats de qualitat i la informació de cada lot de material. Aquest repositori es converteix en el cervell que alimenta tant la simulació prèvia com el control en temps real i l'anàlisi posterior.
Aquestes bases de dades, normalment versionades, permeten rastrejar amb precisió quins ajustaments es van fer servir en cada peça, quines desviacions es van observar i quines accions correctives es van aplicar. La IA es fa servir per buscar correlacions ocultes, per exemple, entre la humitat ambient i certs defectes, o entre un canvi de proveïdor de pols i un increment de porositat interna. A partir d'aquestes correlacions, es poden desenvolupar regles de procés més robustes o activar alertes predictives.
Al costat de la informació de procés se solen gestionar biblioteques virtuals amb centenars de perfils de materials. Cadascú inclou dades de cristal·lització, conductivitat tèrmica, contracció, propietats mecàniques sota diferents cicles tèrmics i càrregues de servei, així com el comportament davant de tractaments tèrmics posteriors. Abans de provar un material exòtic o una combinació de reforços compostos, se'n simula la resposta en diferents escenaris d'impressió, reduint el risc i el cost d'assaig físic.
Aquests bessons digitals de material i procés són especialment valuosos quan es treballa amb peces híbrides de diversos materials o amb geometries molt complexes. On el control manual es queda curt, el sistema és capaç de reproduir condicions idèntiques en sèries llargues, millorant dràsticament la repetibilitat i acotant les toleràncies sense necessitat de sobredimensionar marges “per seguretat”.
Eines de programari per a preparació i simulació: el cas de Fusion amb Netfabb
En el dia a dia, els qui s'encarreguen de preparar feines d'impressió 3D necessiten eines que integrin en un sol entorn tot allò que va des de la importació de geometries fins a la simulació avançada. Aquí encaixen suites com Autodesk Fusion amb Netfabb, que combinen disseny, reparació de malles, empaquetat de peces, generació de suports, definició de trajectòries i mòduls específics danàlisi termomecànic.
A la fase de preparació, el programari permet importar multitud de formats CAD, detectar forats, superfícies mal orientades o geometries no tancades i reparar-les de forma automàtica o guiada. Després, es poden orientar les peces per reduir lús de suports, millorar lacabat superficial en zones crítiques o minimitzar el temps total de construcció en funció de les prioritats del projecte.
La generació de suports és un altre punt crucial per al control de qualitat, ja que un suport mal dimensionat o mal col·locat és sinònim de deformacions, brutícia o fallades. Les eines avançades generen estructures de suport paramètriques, ajustades al procés (per exemple, MPBF, DED o resines fotopolimeritzables) ia la geometria local, fins i tot combinant diferents tipus de suport en una mateixa peça segons zones.
A nivell d'estratègia de material, el programari pot crear peces buides amb entramats interns (lattice) per reduir pes sense comprometre la resistència, o utilitzar patrons específics per dissipar tensions. Aquestes funcions es complementen amb capacitats d'empaquetament automàtic 2D i 3D, que col·loquen múltiples peces al volum de construcció maximitzant l'ocupació i equilibrant la distribució tèrmica. Un exemple del que es pot aconseguir amb aquestes tècniques apareix a què es pot produir amb impressores 3D.
El mòdul Netfabb Local Simulation afegeix una capa més de control de qualitat en permetre simular el historial de temperatura, acumulació de tensions i deformacions tant en processos de fusió de llit de pols metàl·lica com en deposició denergia dirigida. A partir d'aquests resultats, és possible compensar la geometria, analitzar què passarà en tallar la peça de la placa, identificar zones calentes, manca de fusió, interferències amb el recoater o errors potencials als suports, fins i tot abans d'enviar res a màquina.
Exactitud, precisió, tolerància i qualitat: com mesurar allò que s'imprimeix
A la conversa sobre control de qualitat de la impressió 3D apareixen constantment termes com exactitud, precisió, tolerància o qualitat, que sovint es fan servir com si fossin el mateix, però no ho són. Entendre la diferència és vital per avaluar el rendiment del procés i per no emportar-se sorpreses en mesurar les peces.
La exactitud descriu com estan a prop les dimensions de la peça impresa de les dimensions nominals de l'arxiu digital. La precisió, en canvi, fa referència a la capacitat de la impressora de reproduir de forma consistent la mateixa geometria: pots tenir una màquina molt precisa que sempre “s'equivoqui” per la mateixa quantitat, produint peces sistemàticament sobredimensionades o infradimensionades.
La tolerància és el rang acceptable de variació al voltant d'una cota: el marge dins del qual la dimensió pot canviar sense que la funció de la peça es vegi compromesa. En aplicacions d'assemblatges mecànics o en dispositius mèdics, aquest marge sol ser molt estret, mentre que en prototips visuals o maquetes s'admet força més desviació.
A més d'aquests conceptes geomètrics, la qualitat abasta aspectes com el acabat superficial, la integritat interna, l'homogeneïtat del material, l'absència de defectes visibles o la solidesa estructural. Una peça pot ser dimensionalment molt correcta i, tanmateix, presentar porositat interna o capes mal adherides que la fan inservible en termes funcionals o viceversa.
Cada tecnologia d'impressió té els seus rangs habituals: a FDM són corrents desviacions al voltant de ±0,2-0,5 mm, mentre que a SLA o DLP es pot arribar a ±0,05 mm. Els processos en pols polimèric, com SLS o MJF, ronden ±0,2 mm, i els metalls en llit de pols (DMLS, SLM) solen assolir al voltant de ±0,1 mm sempre que el postprocessament i el calibratge siguin adequats. Cada tecnologia d'impressió té els seus rangs habituals, i lelecció de tecnologia, material i paràmetres sha de fer en funció daquests límits i del que realment exigeixi laplicació final.
Escanejat 3D i metrologia per a verificació dimensional
Quan la peça surt de la impressora, entra la part més clàssica del control de qualitat: la verificació dimensional i geomètrica. Aquí, les tecnologies de digitalització 3D han suposat un salt enorme respecte a l'ús exclusiu de calibres, maquetes de control o màquines de mesura per coordenades (CMM) tradicionals.
Per a peces úniques o de geometries molt complexes, aquest tipus de mesura és especialment útil, ja que proporciona una visió global de l'objecte en lloc de limitar-se a unes quantes cotes. La informació recollida es pot utilitzar no només per validar aquesta peça concreta sinó també per alimentar la base de dades de procés i ajustar paràmetres de cara a futures produccions, tancant així el cercle entre mesurament i fabricació.
Enfront dels mètodes tradicionals, l'escanejat aporta avantatges clars: control del 100% de la producció quan cal, menor dependència de maquetes físiques, més rapidesa i facilitat per analitzar superfícies lliures o zones de difícil accés. Tot plegat redunda en un control de producció més eficaç i en una millora contínua del procés additiu.
Visió artificial i IA per a monitorització en temps real
Més enllà de l'escanejat posterior, la visió artificial aplicada directament durant la impressió ha esdevingut una de les tendències més potents del sector. Gràcies a càmeres i models d'IA, les màquines poden “veure” cada capa a mesura que es diposita i actuar en conseqüència si alguna cosa se'n surt del previst.
Els problemes habituals que es detecten amb aquests sistemes inclouen desalineació de capes, deformacions primerenques, extrusió irregular, aparició de fils (“stringing”), buits, zones amb manca de material o errors en la identificació manual de peces després del procés. Sense monitorització automàtica, molts d'aquests errors es detecten massa tard, sobretot quan s'està produint en sèrie.
Els models de visió per ordinador analitzen en temps real les imatges capturades, comparant-les amb disseny digital o amb patrons de qualitat prèviament apresos. Quan apareix una anomalia, el sistema genera una alerta o, en casos més avançats, ajusta de manera autònoma els paràmetres del procés, modificant el cabal, la velocitat o fins i tot la trajectòria per compensar el problema sobre la marxa.
Ja hi ha sistemes comercials i de recerca que utilitzen configuracions molt sofisticades, amb múltiples càmeres d'alta velocitat i làsers que escanegen contínuament la superfície d'impressió. Aquesta informació s'integra en algoritmes que permeten raig de material controlat per visió, correcció d'errors capa a capa i fins i tot impressió d'estructures internes molt complexes que serien impossibles de garantir només amb control offline.
A més, la visió artificial s'està aplicant també a les fases posteriors a la impressió per identificar, classificar i ordenar les peces automàticament. Mitjançant comparació amb el CAD i reconeixement de geometria, els sistemes agrupen les peces per al seu curat, neteja, assemblatge o embalatge, reduint temps i errors humans en línies de producció amb volums alts.
Reptes industrials: peces grans, temperatures altes i temps d'inspecció
Encara que la tecnologia avança a bon ritme, a la pràctica segueixen existint desafiaments importants en el control de qualitat de la fabricació additiva, sobretot en entorns industrials amb peces de grans dimensions i exigències de lliurament molt ajustades. Un dels més evidents és la dificultat per inspeccionar components molt voluminosos, que poden mesurar diversos metres i pesar tones.
Les CMM tradicionals no estan dissenyades per manejar aquest tipus de peces amb agilitat; moure-les fins a la màquina resulta molest, perillós o directament inviable. A més, la inspecció es converteix en un coll d'ampolla si no hi ha prou metròlegs qualificats o si el volum de producció creix de pressa. Per això s'estan adoptant sistemes de mesurament mòbils i escanejat in situ que permeten realitzar controls de qualitat en línia oa prop del punt de fabricació.
A això se suma el repte de les peces que surten de la impressora a temperatures molt elevades. En molts casos cal esperar que es refredin completament abans de poder mesurar-les amb precisió, cosa que allarga els terminis i complica la planificació. La combinació de simulació, monitorització en temps real i tècniques de mesurament adaptades a alta temperatura ajuda a escurçar aquest lapse ia detectar problemes abans que la peça arribi a la fase dinspecció final.
Finalment, hi ha la pressió del temps de mercat. En un entorn competitiu, el control de qualitat no pot ser un tap que freni la sortida de nous productes o que limiti la capacitat de respondre a pics de demanda. Per això l'empenta cap a sistemes de inspecció automatitzada, anàlisi predictiva i fabricació “lights-out”, en què la intervenció humana és mínima i es confia en la IA i la robòtica per mantenir el procés sota control 24/7.
Automatització, scripts i manteniment predictiu
Perquè tot aquest entramat sigui sostenible a escala industrial, l‟automatització de tasques repetitives és fonamental. Eines com Netfabb permeten crear scripts (per exemple, a Lua) que automatitzen la importació, anàlisi, reparació, empaquetament i seccionament de models. Això incrementa la productivitat quan es treballa amb grans lots de peces o amb produccions contínues.
La repetibilitat que aporta aquesta automatització és clau: s'assegura que els mateixos passos s'executen sempre de la mateixa manera, reduint errors humans i facilitant la traçabilitat. A més, allibera els enginyers de processos per a tasques de més valor afegit, com ara l'optimització de nous materials, l'ajust fi de paràmetres o l'anàlisi de dades de qualitat.
En paral·lel, la integració de dades de visió artificial, sensors de màquina i registres de producció permet desenvolupar models de manteniment predictiu. En vigilar el rendiment de cada impressora al llarg del temps, la IA pot anticipar desgasts, descalibracions o fallades imminents, programant intervencions abans que apareguin peces defectuoses o parades inesperades.
Tot aquest ecosistema d'automatització, simulació i control a temps real condueix a la fabricació additiva que moltes plantes busquen: processos estables, escalables i traçables, on el control de qualitat deixa de ser un coll d'ampolla per esdevenir un habilitador de producció massiva i certificable.
L'evolució cap a un control de qualitat en impressió 3D basat en simulació, visió artificial i intel·ligència de dades està canviant completament la forma de dissenyar, fabricar i inspeccionar peces. Des de la fase de disseny digital fins a la verificació dimensional i el manteniment de les màquines, la tendència és clara: utilitzar bessons digitals, algorismes d'IA i sensors per anticipar problemes, reduir deixalles i assegurar que cada component compleixi la seva funció i les seves toleràncies amb la menor intervenció manual possible, imprescindible perquè la fabricació additiva jugui de tu a tu amb els processos industrials més madurs.
