Nuevos modelos de IA detectan defectos estructurales ocultos sin sensores físicos

La fiabilidad y seguridad de los sistemas son fundamentales en industrias como la de semiconductores, energía, automotriz y acero, donde incluso las fisuras o defectos microscópicos pueden afectar críticamente el rendimiento. Estos fallos internos son invisibles a simple vista, por lo que la salud de los materiales y estructuras se ha evaluado durante mucho tiempo mediante técnicas de pruebas no destructivas (NDT). Estas permiten examinar las condiciones internas sin dañar la estructura misma. Sin embargo, en la práctica, sigue siendo extremadamente difícil identificar defectos internos con precisión y en detalle.

Los señales medidas por sensores físicos, como los ultrasónicos o las ondas electromagnéticas, a menudo se distorsionan por factores como la geometría, las propiedades del material y las complejas condiciones del mundo real, lo que impone límites físicos inherentes a la determinación precisa de la ubicación y el tamaño de los defectos.

Pero, ¿y si la inteligencia artificial (IA) pudiera "ver" lo que el ojo humano no puede? Motivados por esta pregunta, un equipo de investigadores de Corea del Sur, liderado por Sooyoung Lee, profesor asistente y principal investigador del Laboratorio de Inteligencia Artificial Industrial en la Escuela de Ingeniería Mecánica de la Universidad Chung-Ang, diseñó DiffectNet, una innovadora red de generación de objetivos condicionales habilitada por difusión, con el potencial de producir imágenes ultrasónicas de alta fidelidad y conscientes de los defectos. Sus hallazgos fueron publicados en la revista Mechanical Systems and Signal Processing el 1 de noviembre de 2025.

El Prof. Lee comentó: "Si las limitaciones de los métodos tradicionales pueden superarse a través de las capacidades de aprendizaje y razonamiento de la IA, se vuelve posible elevar los estándares de integridad y seguridad de los sistemas industriales a un nivel completamente nuevo. La tecnología propuesta no es simplemente un intento de aplicar IA a problemas de ingeniería, sino un avance fundamental. Implica el desarrollo de una tecnología de IA generativa capaz de reconstruir fisuras ocultas dentro de las estructuras en tiempo real, superando así las limitaciones físicas de los métodos tradicionales".

Si la IA puede detectar y reconstruir con precisión los defectos internos en las estructuras, permitirá prevenir accidentes de manera anticipada, incluso en entornos difíciles o peligrosos para los humanos. Por ejemplo, en plantas de energía, incluso una pequeña fisura puede llevar a accidentes catastróficos. Con el monitoreo interno en tiempo real basado en IA, se vuelve posible emitir alertas tempranas sobre posibles anomalías.

En instalaciones de semiconductores o fabricación avanzada, la IA puede reconstruir virtualmente defectos internos sin detener la operación del equipo, mejorando el control de calidad mientras se mantiene la productividad. Además, la tecnología puede aplicarse al monitoreo en tiempo real de infraestructuras como edificios y puentes, allanando el camino para un sistema de gestión de seguridad urbana más inteligente y resiliente.

Estos ejemplos demuestran cómo la IA está habilitando nuevas capacidades de ingeniería que antes se consideraban imposibles, anunciando la llegada de una era de ingeniería inteligente. Al permitir que la IA actúe como los "ojos" de una estructura, este estudio abre nuevas posibilidades para la reconstrucción y predicción de defectos en tiempo real en industrias críticas como la aeroespacial, la generación de energía, la fabricación de semiconductores y la infraestructura civil.

"La IA está evolucionando más allá de ser una mera herramienta para el análisis de datos y el aprendizaje; se está convirtiendo en un agente activo que expande los límites mismos de la ingeniería. En el futuro, nuestro laboratorio continuará liderando la investigación en el desarrollo de tecnologías de ingeniería impulsadas por IA, pioneras en una era en la que la IA redefine el campo de la ingeniería", concluyó el Prof. Lee.

En general, este trabajo tiene el potencial de evolucionar hacia uno que salvaguarde la seguridad y fiabilidad de nuestras vidas cotidianas.