70 IA, VISIÓN ARTIFICIAL, REALIDAD AUMENTADA Uso del Deep learning para clasificar objetivamente los materiales de acero Los rodamientos se instalan allí donde algo está en rotación. La amplia gama de aplicaciones abarca desde grandes turbinas eólicas hasta pequeños cepillos de dientes eléctricos. Estos rodamientos, que constan de componentes de acero, deben seleccionarse y probarse cuidadosamente en función de su calidad y de la aplicación en cuestión. El tamaño del grano tiene un efecto crucial en las propiedades mecánicas del acero. Hasta ahora, los metalógrafos evaluaban el tamaño de los cristalitos microscópicos mediante inspección visual, un método subjetivo y propenso a errores. Los investigadores del Instituto Fraunhofer de Mecánica de Materiales IWM, en colaboración con Schaeffler Technologies AG & Co. KG, han desarrollado un modelo de Deep learning que permite evaluar y determinar el tamaño del grano de forma objetiva y automatizada. El material utilizado habitualmente para los rodamientos son aceros endurecidos superficialmente y enriquecidos con carbono. El endurecimiento superficial se utiliza para hacer que el material sea duradero y evitar así el fallo, la fatiga y el crecimiento de grietas críticas en los componentes debido a la carga cíclica, evitando así accidentes graves. Las características microestructurales críticas de las aleaciones de acero suelen ser inclusiones no metálicas y granos más grandes que la media. Estos cristalitos se forman durante el proceso de producción del acero y están sujetos a cambios constantes a lo largo de la cadena de valor. Las propiedades mecánicas del acero vienen determinadas en gran medida, entre otras cosas, por el tamaño del grano. Por lo tanto, a efectos de control de calidad, es esencial que se evalúen de forma fiable. Los investigadores de Fraunhofer IWM en Friburgo, Alemania, en colaboración con Schaeffler Technologies AG & Co. KG, han desarrollado un modelo de Deep learning para determinar el tamaño de grano de aceros martensíticos y bainíticos, es decir, aceros con una microestructura endurecida causada por un enfriamiento brusco. Este modelo está designado para complementar o reemplazar la inspección visual, que consume mucho tiempo, llevada a cabo por metalógrafos capacitados, quienes, hasta ahora, han determinado y clasificado los defectos visualmente. Principalmente buscan granos más grandes y otros defectos, ya que es ahí donde la probabilidad de fallo es mayor. Sin embargo, como ha vuelto a revelar una prueba interlaboratorios ‘round robin’, las evaluaciones del tamaño del grano realizadas por los expertos difieren entre sí. Aparte de que la clasificación granulométrica es intrínsecamente subjetiva, las Figura 1. Visualización de la calificación del tamaño de grano del modelo utilizando una imagen de ejemplo de 100Cr6 bainítico con una microestructura heterogénea (a). En la figura (b), las áreas a las que el modelo presta mayor atención, específicamente los cristalitos gruesos, se resaltan en rojo y amarillo. Foto: Fraunhofer IWM.
RkJQdWJsaXNoZXIy Njg1MjYx