Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PLEC2023-010190

Financiado

Materiales estructurales

En el proyecto IRIDISCENTE se plantea desarrollar una metodología digital para diseñar, procesar y caracterizar de manera automática e inteligente nuevos materiales metálicos seguros, sostenibles y con propiedades mejoradas, a tra... ver más

01/01/2023

IMDEA MATERIALES

970K€

Presupuesto del proyecto: 970K€

Líder del proyecto

IMDEA MATERIALES No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5 | 9M€

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2023-01-01 No tenemos la información de la convocatoria

0% 100%

1 Participantes

IMDEA MATERIALES

970.12K€ | Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

SMART PROFILE – Desarrollo de modelos predict... SMART PROFILE – Desarrollo de modelos predictivos en sistema... 148K€ Cerrado

TED2021-132214B-I00 LABORATORIO DIGITAL DE METALURGIA 219K€ Cerrado

PLEC2023-010237 Ciencias de la computación y tecnología informática 613K€ Cerrado

SynAM Integration of Advanced Experiments, Imaging and Computation... 566K€ Cerrado

MaMMoS MAgnetic Multiscale MOdelling Suite 7M€ Cerrado

Líder del proyecto

IMDEA MATERIALES No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5 | 9M€

Presupuesto del proyecto 970K€

Descripción del proyecto En el proyecto IRIDISCENTE se plantea desarrollar una metodología digital para diseñar, procesar y caracterizar de manera automática e inteligente nuevos materiales metálicos seguros, sostenibles y con propiedades mejoradas, a través del flujo eficiente de datos a lo largo de la cadena de valor del material, estableciendo las bases para el uso industrial efectivo de las tecnologías de Inteligencia Artificial (IA). Se optimizarán los datos generados a lo largo de toda la cadena de valor material, mediante el empleo de técnicas de Machine Learning (ML), visibilizando la aplicabilidad de las tecnologías de IA a: 1) las fases de diseño y producción de nuevas aleaciones de base hierro en formato polvo, partiendo de chatarras generadas a lo largo del proceso de fabricación actual de acero, 2) las fases de procesado posterior de los nuevos materiales mediante el empleo de técnicas avanzadas de fabricación, y 3) la fase de caracterización de los materiales fabricados aplicando técnicas de procesado automático y datos obtenidos mediante técnicas de caracterización avanzada. Todo ello aumentará la capacidad de la industria para diseñar y producir nuevas aleaciones de base hierro, disminuyendo la dependencia de terceros países para el suministro de metales estratégicos y favoreciendo el desarrollo y optimización de procesos industriales más flexibles y sostenibles aplicados a la producción de componentes de alto valor añadido.La nueva metodología digital se centrará en la cadena de valor del acero y planteará una sistemática que permitirá optimizar y aumentar el uso de chatarras "prime con un mayor contenido de elementos de aleación, facilitando el diseño de aleaciones con altas prestaciones a partir de polvos atomizados en gas. El proyecto investigará 4 tecnologías de fabricación near-net-shape para el procesado posterior de los polvos, y que incluyen 2 técnicas de fabricación aditiva directa: la Deposición Directa de Energía (DED) , la Fusión en lecho de polvo (SLM) y dos técnicas basadas en la sinterización, el Moldeo por Extrusión en 3D (CEM) y el Moldeo por Inyección de Polvos (MIM). Todos estos procesos permiten combinar distintas composiciones de material en formato polvo para obtener componentes con propiedades mejoradas de forma eficiente y sostenible. IRIDISCENTE investigará nuevas estrategias digitales para evaluar la procesabilidad de los nuevos materiales mediante procesos near-net-shape, investigando el desarrollo de modelos reducidos elaborados mediante algoritmos de ML, a partir de los datos de modelos de simulación multifísica y multiescala de los procesos, microestructura y propiedades de los materiales, y los datos de pruebas experimentales. Esto permitirá definir y ajustar la ventana de parámetros óptimos de cada proceso, habilitando el desarrollo de estrategias de diseño de experimentos y minimizando el consumo de recursos materiales para la evaluación y validación experimental de los procesos.

Conecta tu I+D

Entra hoy

¿Olvidó su contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores