Una inteligencia artificial diseña hierro con un 100 % de chatarra y convierte sus impurezas en una ventaja
Un equipo internacional ha desarrollado un método para fabricar fundición dúctil utilizando chatarra como única carga metálica y sin necesidad de diluir sus impurezas con grandes cantidades de material virgen. La clave está en una inteligencia artificial capaz de diseñar la aleación en torno a elementos como el cobre, el estaño o el níquel, que tradicionalmente se consideran contaminantes.
Los primeros resultados, publicados en Science Advances, apuntan a mejoras de hasta un 15,2 % en resistencia o de hasta un 73,2 % en alargamiento, según el equilibrio buscado. Además, el proceso reduce los costes aproximadamente un 8,1 % frente a la fabricación convencional.
La chatarra deja de ser un problema que hay que diluir
La chatarra metálica no tiene una composición uniforme. Puede proceder de vehículos, piezas industriales, acero inoxidable, aleaciones diversas o virutas de mecanizado. En esa mezcla aparecen cobre, estaño, titanio, níquel y otros elementos que pueden alterar las propiedades del material final.
La respuesta habitual de la metalurgia consiste en añadir material virgen para reducir la concentración de esas impurezas. Esa estrategia obliga a incorporar mineral de hierro, coque y caliza, además de aumentar el consumo energético y las emisiones asociadas.
Con los métodos tradicionales, cuando la proporción de chatarra supera aproximadamente el 70 %, suelen empeorar a la vez dos propiedades esenciales: la resistencia, es decir, la capacidad del material para soportar esfuerzos, y la ductilidad, que mide cuánto puede deformarse antes de romperse.
El nuevo enfoque plantea lo contrario: aceptar la composición real de la chatarra y diseñar una fundición que aproveche sus elementos minoritarios. La inteligencia artificial no elimina las impurezas, sino que busca las condiciones en las que pueden actuar como refuerzos.
Dos redes neuronales para buscar la mejor combinación
El sistema, denominado DAS-DAO, combina dos redes neuronales con un algoritmo de búsqueda. Una red neuronal es un modelo matemático inspirado en el funcionamiento simplificado del cerebro que aprende relaciones a partir de ejemplos. En este caso, aprende a predecir cómo se comportará una aleación a partir de su composición y de las condiciones de fabricación.
La herramienta se entrenó con datos de 330 coladas de fundición reciclada y con unas 2.400 muestras de fundición fabricada a partir de material virgen. El conjunto incluye información sobre la composición química, el proceso industrial, la microestructura y las propiedades mecánicas.
El modelo estudia diez variables. Entre ellas figuran el carbono, el silicio, el manganeso y el cobre, pero también parámetros del proceso, como la temperatura de sangrado, los tiempos de nodularización e inoculación y la proporción de perlita.
La nodularización es el tratamiento que favorece que el grafito adopte una forma redondeada dentro del hierro, lo que mejora su comportamiento mecánico. La inoculación, por su parte, ayuda a controlar la formación de la microestructura durante la solidificación.
Resultados verificados en una línea industrial
De los 17 diseños generados por el sistema y llevados al horno, 14 superaron el mejor resultado disponible en el conjunto de datos de fundición reciclada. El material estudiado fue fundición dúctil, un tipo de hierro que representa aproximadamente el 28 % del consumo mundial de fundición, con unos 120 millones de toneladas anuales.
Las cifras deben interpretarse con precisión. El aumento máximo de resistencia y el incremento máximo de alargamiento no se alcanzan simultáneamente. En un caso se obtuvo hasta un 15,2 % más de resistencia con un alargamiento similar; en otro, hasta un 73,2 % más de alargamiento manteniendo una resistencia comparable.
Frente a una calidad comercial QT450, el producto de resistencia por alargamiento —un indicador que resume el equilibrio entre ambas propiedades— fue un 15,5 % superior. Entre los diseños analizados hubo aleaciones con 589,9 megapascales de resistencia y un 18,5 % de alargamiento, mientras que la más resistente alcanzó 791,1 megapascales y un 8,5 % de alargamiento.
El término 100 % de chatarra se refiere a la carga metálica inicial. Durante la fusión sí se añaden materiales para ajustar la composición, como recarburante, ferrosilicio o granalla de cobre. Aun así, el proceso evita utilizar material metálico virgen como base principal.
El cobre puede reforzar el hierro
El mecanismo está relacionado con la formación de nanopartículas. El cobre, junto con pequeñas cantidades de titanio, magnesio, estaño y oxígeno, se agrupa en partículas diminutas que dificultan el movimiento de los defectos internos del metal.
Esos defectos, conocidos como dislocaciones, permiten que un material se deforme. Al bloquear su desplazamiento, las nanopartículas aumentan la resistencia. Según el estudio, este efecto aporta entre 114 y 152 megapascales adicionales, mientras que el cobre y el silicio disueltos suman otros 148 megapascales.
Los investigadores identificaron algunas condiciones útiles para reproducir el resultado: mantener el carbono por encima del 3,2 %, situar el silicio entre el 2 % y el 3 %, superar el 0,15 % de cobre, no rebasar los 1.435 grados de temperatura de sangrado y aplicar al menos media hora de nodularización.
Una tecnología prometedora, pero todavía limitada
Una diferencia importante respecto a muchos experimentos de inteligencia artificial aplicada a materiales es que las aleaciones no se quedaron en probetas de laboratorio. Se fabricaron en una línea de colada industrial automatizada equipada con horno de inducción, sensores y un gemelo digital, una réplica virtual del proceso que permite supervisar y simular su funcionamiento.
El ahorro estimado alcanza el 8,1 % frente a la ruta convencional. El impacto medioambiental potencial también es relevante: cada tonelada de chatarra utilizada evita aproximadamente 1,5 toneladas de dióxido de carbono, según estimaciones sectoriales.
No obstante, el método se ha probado en fundición de hierro, no en acero. La fundición tolera mejor ciertas impurezas, por lo que no se puede trasladar directamente el resultado a todos los metales. El siguiente paso será estudiar su aplicación en acero, aluminio y aleaciones de cobre.
También existen límites relacionados con los datos. La precisión del sistema depende de la cantidad y calidad de los ejemplos disponibles, y el enfoque no resulta adecuado para sectores que exigen materiales extremadamente puros, como los semiconductores o los implantes médicos.
La principal aportación del trabajo no es solo la mejora porcentual, sino el cambio de estrategia: en lugar de intentar que la chatarra se comporte como material virgen, la inteligencia artificial permite diseñar productos adaptados a su composición real. Esa posibilidad puede acelerar el desarrollo de una metalurgia más circular, con menos extracción de recursos y menor dependencia de materias primas nuevas.
