Inteligencia artificial: una nueva frontera en el desarrollo de materiales plásticos 

El uso de ciencia de datos permite alimentar modelos predictivos, capaces de ahorrar experimentación y reducir el ensayo y error en el desarrollo de nuevos materiales y nuevos sustratos de empaque, a la vez que permite minimizar el impacto ambiental.

---

La inteligencia artificial se ha vuelto algo cada vez más cotidiano en nuestra sociedad. Día tras día identificamos más campos del conocimiento que pueden verse positivamente afectados por la entrada de herramientas que usan bases de datos y alimentan algoritmos predictivos, y la industria plástica no es la excepción.

Desde hace ya algunos años se han venido utilizando algoritmos de inteligencia artificial en la formulación de algunas materias primas químicas, buscando entender de qué manera podrían extrapolarse resultados de experimentaciones. De esta forma se busca predecir tanto la viabilidad de manufacturar un nuevo producto plástico o material, como predecir qué comportamiento o desempeño va a tener durante su vida útil, mientras que se reduce el costo y tiempo asociado a las pruebas físicas.

El CIQA, Centro de Investigación en Química Aplicada, ubicado en Saltillo, México, ha sido pionero en la investigación de este tipo de algoritmos predictivos para el desarrollo de nuevas formulaciones en la región. La Dra. Adriana Berenice Espinoza presentó en la pasada Cumbre de Innovación Tecnológica de nuestra revista Tecnología del Plástico cómo el uso de herramientas de inteligencia artificial puede impactar el desarrollo de materiales sostenibles.

---

Lea también: ¿Cómo crear plásticos a partir de plantas?, los últimos avances de la ciencia

---

De acuerdo con la Dra. Espinoza, se necesita mucho conocimiento técnico, logístico, administrativo y de manufactura para poder llevar a cabo el desarrollo de nuevos materiales. Características como la viscosidad de los materiales, su compatibilidad química, métodos de compatibilización y el uso de aditivos, son algunas de las preguntas que se deben responder de manera simultánea para lograr estos desarrollos. Para además evaluar el impacto ambiental que tienen estos materiales, a las preguntas anteriores es necesario sumarles la evaluación de los objetivos o impactos de sostenibilidad: una mínima generación de subproductos, lograr que el material conserve su valor en el tiempo, y que pueda ser reutilizado y reciclado.

Una herramienta para validar la sostenibilidad es el LCA, o análisis de ciclo de vida, soportado por los estándares ISO 14040 e ISO 14044. Este estándar permite “evaluar si nuestro producto o proceso está dentro del desarrollo sostenible”, de acuerdo con la experta. “En este caso lo que se evalúan son ciertos indicadores, y nos dan una relación de forma cuantitativa, de qué tan cerca o lejos estamos de la sustentabilidad. El ecoindicador 99 hace mención de los impactos ambientales en términos cuantitativos, es decir, se le asigna un puntaje a cada producto o cada proceso, y se calcula en función del impacto ambiental que vaya teniendo a lo largo de este ciclo de producción”.

Estos datos, entonces, se sumarían a la información cuantitativa desde el punto de vista de desempeño y manufactura, para hacer un análisis cuantitativo completo y lograr metas de desarrollo, que puedan hacer el uso de algoritmos predictivos para obtener los mejores resultados.  

Reducir tiempos de desarrollo

“Cuando se busca desarrollar un nuevo material específico que nos ha pedido nuestro cliente, en ocasiones, si no se tiene el conocimiento técnico, el desarrollo se hace de manera empírica, por ensayo y error”, afirma la experta. “Se parte de una idea, y se hace el desarrollo de un producto, implementando algo de experimentación, haciendo la optimización del proceso, se hace el desarrollo del sistema de producción, la certificación del proceso productivo, la evaluación del proceso de manufactura, y una vez que está todo validado vamos a la implementación y al escalamiento”.

Sin embargo, este ciclo en muchas de las etapas se vuelve iterativo, y esto se va a ver reflejado en el costo. “Por ejemplo si se hace una película para un empaque de ciertas características de barrera a gases o cierta resistencia mecánica, vamos a empezar a hacer ciertas formulaciones, a hacer las evaluaciones correspondientes, y a empezar esta retroalimentación hasta cumplir las necesidades objetivo”, explica la investigadora del CIQA.  

Todo esto cuesta recursos humanos y financieros. Para lograr una eficiencia y evitar estos costos, es posible implementar herramientas computacionales que ahorren una parte de esta experimentación. Por ejemplo, en lugar de hacer 50 formulaciones y evaluarlas en su totalidad, es posible extrapolar resultados esperados, usando herramientas computacionales.

“Si en un caso el equipo de I+D recopila la información, y llega a la conclusión de que hay que añadir una carga, una arcilla por ejemplo para mejorar una propiedad de barrera, lo primero que tenemos que pensar es cómo van a interactuar estos componentes, cómo va a interactuar la parte plástica, un PE o un PET, con ese ‘filler’ que se tiene” explica la Dra. Espinoza. “Si no hay afinidad, cuando deformemos esta película se pueden generar puntos de falla. Entonces lo primero que tengo que ver es cómo se interactúa”. En este caso, explica, es posible contratar el servicio de análisis computacional para analizar datos previamente existentes y ver qué tanta afinidad existe. El ciclo se vuelve de tipo iterativo.

“Sin embargo, hay mucha información disponible en la red y mucha información disponible producto de los procesos que tenemos en nuestras plantas. Si bien la mayoría la tienen ordenada, no se explota al 100%”. ¿Qué es lo que se puede hacer? Se puede hacer un análisis más profundo de toda la información, generando bases de datos. “Esta es una temática muy interesante, hay una herramienta que es la ciencia de datos, que nos ayuda a hacer tomas de decisiones con análisis predictivo, basada justamente en toda la información que tenemos disponible, y que nos permite hacer un análisis más preciso”, afirma la experta.  

---

Le puede interesar: ¿Blockchain para rastrear la huella de carbono? Nuevo proyecto piloto

---

Si ya se tiene una base de datos, hay que hacer un tratamiento a estos datos para generar un análisis predictivo, y lo que se hace es analizar esta información, dar un tratamiento a estos datos, y empezar a alimentarla a ciertos algoritmos, para hacer lo que se llama un aprendizaje de máquina a través del uso de la herramienta de inteligencia artificial.

“Un algoritmo es un proceso matemático, es una ecuación que nos permite a través de toda esa información que tenemos hacer una predicción, de cómo se va a comportar el material, ya sea a través del proceso de producción o bien en alguna propiedad específica de desempeño”, explica la Dra. Espinoza. “Cuando se tiene ya la parte de aprendizaje de máquina, cuando se tienen ya algunas adecuaciones del proceso, este algoritmo lo va a identificar y va a empezar a hacer las adecuaciones, de tal forma que nos va a dar una retroalimentación para hacer una optimización en nuestro material. Entonces esta herramienta se vuelve muy interesante para el proceso de manufactura”.

La riqueza de la información

Desde un enfoque de desarrollo de material se empezaría de cero a experimentar, prototipar, para obtener información que lleve a la toma de decisiones. El uso de bases de datos es un recurso adicional, que puede usarse como un insumo en el desarrollo de nuevos materiales. Para hacer un LCA, por ejemplo, se requiere tratar una gran cantidad de información para tomar decisiones. “Hay ciertos factores o indicadores que nos van a mostrar si estamos dentro de la sostenibilidad o no. Sin embargo, particularmente, en el análisis de ciclo de vida se maneja una gran cantidad de información, por lo que la herramienta de IA se vuelve sumamente adecuada. Si tenemos una gran cantidad de datos podemos alimentarlos en un algoritmo o en un modelo matemático, y se puede hacer descubrimiento de patrones, que no podríamos encontrar de manera empírica o de la manera tradicional bajo la cual analizamos la información”, explica la Dra. Espinoza.

El uso de ciencia de datos permite profundizar en la parte de diseño de materiales plásticos a través del uso de herramientas de inteligencia artificial. Los datos pueden ser analizados por dichos algoritmos. La inteligencia artificial soporta la toma de decisiones, “y nosotros como seres humanos somos los que vamos a decidir si tomamos esta información como verdadera o no. La inteligencia artificial nos da una ruta alternativa para recurrir al diseño de materiales plásticos”.