---
title: "Un sistema de aprendizaje automático predice el rendimiento de la aleación impresa en 3D Ti6Al4V"
url: https://www.voxelmatters.com/es/un-sistema-de-aprendizaje-automatico-predice-el-rendimiento-de-la-aleacion-impresa-en-3d-ti6al4v/
date: 2025-08-11
modified: 2025-08-11
lang: es
author: "Edward Wakefield"
description: "Un equipo de investigadores de la Universidad Tecnológica del Sur de China ha publicado recientemente un artículo en la revista Frontiers of Mechanical Engineering en el que proponen un sistema..."
categories:
  - "Fabricación aditiva de metal"
  - "IA"
  - "Investigación sobre la AM"
  - "Software para la AM"
tags:
  - "future"
image: https://www.voxelmatters.com/wp-content/uploads/2025/08/1-1.webp
word_count: 443
---

# Un sistema de aprendizaje automático predice el rendimiento de la aleación impresa en 3D Ti6Al4V

Un equipo de investigadores de la Universidad Tecnológica del Sur de China ha [publicado recientemente un artículo en la revista *Frontiers of Mechanical Engineering*](https://link.springer.com/article/10.1007/s11465-024-0796-0) en el que proponen un sistema basado en datos que aprovecha el denominado «aprendizaje conjunto por apilamiento» para predecir las propiedades mecánicas de la aleación Ti6Al4V, un material que se elabora utilizando [la fusión de lecho de polvo por láser (LPBF) a gran escala](https://www.voxelmatters.com/tekna-receives-cad-1-6-million-order-of-lpbf-titanium-powder/).

[Cuando se fabrican piezas de Ti6Al4V mediante esta tecnología](https://www.voxelmatters.com/fotec-integrates-am-into-industrial-process-chains/), el proceso incluye un gran número de parámetros que tienen que interactuar entre sí, lo que dificulta la tarea de elegir los valores adecuados. Las técnicas de aprendizaje automático pueden resolver este problema, pero los modelos individuales tienen dificultades para captar relaciones complejas. Este estudio aplica un metamodelo que combina las ventajas de varios modelos diferentes para mejorar el rendimiento y poder predecir las propiedades mecánicas de la aleación Ti6Al4V en el ámbito de la fabricación aditiva.

[Los investigadores utilizaron polvo esférico Ti6Al4V](https://www.voxelmatters.com/hoganas-offers-ti6al4v-3d-printing-capabilities-digital-metal-technology/)[![Researchers from South China University of Technology use machine learning to predict 3D printed Ti6Al4V performance. ](https://www.voxelmatters.com/wp-content/uploads/2025/08/image-23.png)](https://www.voxelmatters.com/hoganas-offers-ti6al4v-3d-printing-capabilities-digital-metal-technology/)

para preparar las muestras de tracción en un sistema LPBF concreto. A continuación, establecieron los rangos de los parámetros para la potencia del láser, la velocidad de escaneo y el espaciado entre las tramas, y obtuvieron 64 combinaciones de parámetros a través de experimentos con matrices ortogonales. Durante el proceso, el equipo empleó algoritmos como ANN, ENet, KRR, GBR y Lasso con el objetivo de desarrollar un metamodelo capaz de predecir la resistencia a la tracción. A continuación, utilizaron la optimización bayesiana y la validación cruzada para optimizar dicho modelo y aplicaron diferentes métricas para evaluar su rendimiento.

El análisis del coeficiente de correlación de Pearson ha revelado que la velocidad de escaneo es el parámetro que más impacto tiene sobre la resistencia a la tracción, seguido de la potencia del láser, mientras que el espaciado entre tramas es el que menos afecta a este aspecto. Tras la optimización, los investigadores determinaron cuál era la combinación óptima de modelos base para el metamodelo. Los resultados del entrenamiento y las pruebas muestran que este metamodelo ofrece una mayor precisión de predicción y una mayor estabilidad que el modelo ANN, ya que es capaz de captar mejor las complejas relaciones entre los parámetros del proceso y la resistencia a la tracción.

El modelo de aprendizaje conjunto por apilamiento que propone la Universidad Tecnológica del Sur de China constituye un marco eficaz para predecir la resistencia a la tracción de la aleación Ti6Al4V. El estudio de estos investigadores determina el grado de influencia de los parámetros clave, valida las ventajas que ofrece el metamodelo en diferentes aspectos y ofrece un sistema fiable para predecir las propiedades mecánicas de [las piezas metálicas elaboradas mediante los procesos LPBF](https://www.voxelmatters.com/es/voxelmatters-metal-am-focus-2024-ebook/).