En un escenario de escasez de recursos, con plazos y costes cada vez más estrechos, es imperativo sustituir y complementar los procesos tradicionales de arranque de material por
otros más eficientes como son los procesos aditivos.

No obstante, aún son muchos los factores que impiden la adopción de dicha tecnología,
especialmente la aparición de defectos en las piezas fabricadas, ya que los defectos
generalmente son imprevisibles, aleatorios y difícilmente detectables.

Los fabricantes de maquinaria están desarrollando métodos de control de proceso cada vez
más sofisticados y encaminados fundamentalmente a la detección de defectos en tiempo real, de manera que se puedan abortar las fabricaciones cuando se detectan potenciales errores.

Muchos de estos sistemas se basan en el escaneo de la superficie fundida con termografía y
llevan años en desarrollo; actualmente hay muy pocas empresas que lo ofrezcan como
complemento a máquinas aditivas de otros fabricantes y su efectividad a la hora de detectar
defectos, está limitada a los ciertos tamaños y tipología. Esta tecnología no ha sido validada por
los organismos de armonización y su uso es, hoy en día, marginal.

En este contexto, el proyecto SCALDATA, desarrollado por las empresas CiTD y Elliot Cloud con el apoyo del Smart City Cluster y aprobado dentro de la línea de Proyectos de Tecnologías
Digitales de la Convocatoria de Ayudas a las Agrupaciones Empresariales Innovadoras 2022
(AEI) promovida por el Ministerio de Industria, Turismo y Comercio del Gobierno de España;
tiene como objetivo fundamental la explotación de datos relativos a los procesos de fabricación
aditiva de cama de polvo metálico y utilizar la inteligencia artificial con el fin de generar
predicciones para la tipología, localización y efecto de defectos en las piezas producidas. El
conocimiento de esta defectología, tanto en localización como en tamaño es de vital
importancia para la validación de la pieza, sobre todo para aplicaciones con requerimientos a
fatiga.