El proyecto SCALDATA explora la posibilidad de la predicción de defectos en piezas de fabricación gracias a técnicas de inteligencia artificial. Esta predicción de defectos puede utilizarse de la manera adecuada para el análisis de tolerancia al daño, mediante simulación de la pieza y aligerar el peso de las inspecciones.

SCALDATA ha conseguido un modelo capaz de predecir zonas con alta probabilidad de porosidad en piezas producidas mediante tecnología de cama de polvo metálico. El modelo ha sido entrenado a partir de las inspecciones tomográficas y los parámetros de impresión si bien este modelo será tanto mejor en sus predicciones cuanto mayor sea el entrenamiento.

En una segunda fase se ha conseguido integrar esta predicción en las herramientas de análisis de fatiga de una manera automática a través de rutinas de Python para determinar la criticidad de los defectos predichos bajo acción de cargas cíclicas.

SCALDATA ha demostrado su potencial para aligerar las inspecciones sobre piezas de fabricación aditiva de manera significativa. Actualmente el algoritmo de predicción no es suficiente para sustituir completamente las inspecciones tomográficas, pero permite descartar zonas que no necesitan tomografías para centrarse en aquellas donde el algoritmo ofrece probabilidades altas. Se estima que para conseguir una precisión del algoritmo que pueda simplificar de manera significativa las inspecciones, al nivel de las que se exigen para una pieza mecanizada, será necesario entrenar el modelo con varias decenas de fabricaciones.