Pruebas en línea y control automatizado de sistemas de arena verde en la fundición de metales: principios, tecnologías y avances

1. Introducción

La fundición en arena sigue siendo un pilar fundamental de la industria de la fundición de metales, valorada por su versatilidad para producir una amplia gama de tamaños y complejidades de componentes, tanto para aleaciones ferrosas como no ferrosas ( 1 ). Entre los métodos de fundición en arena, el proceso de arena verde es particularmente dominante, utilizado para un volumen significativo de piezas fundidas a nivel mundial, especialmente en entornos automotrices y de alta producción, debido principalmente a su rentabilidad y su idoneidad para la automatización ( 1 ). El término "arena verde" se refiere a una mezcla de moldeo compuesta principalmente por agregados de arena, aglutinantes arcillosos (típicamente bentonita), agua y diversos aditivos, cuya resistencia cohesiva se desarrolla mediante compactación mecánica en lugar de termoendurecimiento o fraguado químico ( 7 ).

El éxito del proceso de arena verde depende fundamentalmente de la calidad constante de la arena de moldeo. Las variaciones en las propiedades físicas y mecánicas de la arena, como el contenido de humedad, la compactabilidad, la resistencia y la permeabilidad, afectan directamente la calidad final de la pieza fundida, lo que genera defectos, un aumento en las tasas de desperdicio y, en consecuencia, una menor rentabilidad de la fundición ( 7 ). Históricamente, las fundiciones dependían de métodos subjetivos de "sensación manual" o de pruebas periódicas de laboratorio fuera de línea para evaluar la calidad de la arena ( 14 ). Si bien las pruebas de laboratorio proporcionan datos valiosos, sus retrasos inherentes y las limitaciones de muestreo las hacen inadecuadas para gestionar la naturaleza dinámica de las líneas de moldeo modernas de alta velocidad ( 12 ). Las condiciones dentro del sistema de arena pueden cambiar significativamente entre el momento en que se toma una muestra y la disponibilidad de los resultados de la prueba, lo que hace que el control eficaz del proceso basado únicamente en estos métodos sea reactivo en lugar de proactivo ( 15 ).

Impulsada por la demanda de una mejor calidad de fundición, tolerancias dimensionales más estrictas, mayor productividad, menores costos operativos y una mayor eficiencia de recursos, la industria ha optado cada vez más por sistemas de monitoreo en línea (durante el proceso) y control automatizado ( 9 ). Estos sistemas utilizan datos de sensores en tiempo real y bucles de retroalimentación para ajustar automáticamente los parámetros de preparación de la arena, con el objetivo de mantener las propiedades críticas dentro de rangos objetivo estrechos.

Este informe ofrece un análisis exhaustivo de las pruebas en línea y el control automatizado de sistemas de arena verde. Comienza describiendo los principios fundamentales de la composición y las propiedades de la arena verde. A continuación, compara los métodos tradicionales de pruebas fuera de línea con los principios y ventajas de la monitorización y el control en línea modernos. Las secciones posteriores profundizan en las tecnologías de sensores específicas empleadas, su integración en bucles de control de retroalimentación automatizados y los últimos avances tecnológicos, incluyendo la detección multiparamétrica, conceptos de la Industria 4.0 como el Internet Industrial de las Cosas (IIoT) y la aplicación de la Inteligencia Artificial (IA) y el Aprendizaje Automático (AA). Finalmente, el informe analiza el impacto y los beneficios de estos sistemas avanzados, explora los desafíos de su implementación y presenta casos prácticos ilustrativos de fundiciones que han adoptado estas tecnologías.

2. Fundamentos de la arena verde para la fundición de metales

Comprender la composición y las propiedades críticas de la arena verde es esencial antes de explorar las metodologías de control. El cuidadoso equilibrio de sus componentes determina su comportamiento durante el moldeo y la fundición.

2.1. Definición y función

La arena verde se define como una mezcla de moldeo compuesta principalmente de arena, aglutinante arcilloso, agua y aditivos. Su característica principal es que su fuerza cohesiva, necesaria para formar y mantener la forma de la cavidad del molde, se desarrolla mediante la compactación mecánica de esta mezcla húmeda ( 7 ). El término "verde" se refiere a este estado sin curar, con contenido de humedad, lo que la distingue de los sistemas de arena aglomerada químicamente o curada por calor ( 6 ).

Las funciones principales de la arena verde en el proceso de fundición son multifacéticas:

• Formación de la forma: Para replicar con precisión la geometría del patrón, creando la cavidad del molde que define la forma de la pieza fundida ( 18 ).

• Integridad estructural: Poseer suficiente resistencia (resistencia verde) para soportar la manipulación durante el montaje y cierre del molde, y la presión metalostática ejercida por el metal fundido durante el vertido sin deformarse ni colapsar ( 19 ).

• Refractariedad: Resistir las altas temperaturas del metal fundido sin fusionarse, derretirse o reaccionar excesivamente con el metal ( 20 ).

• Permeabilidad a los gases: para permitir que los gases (incluido el vapor generado por la humedad, el aire atrapado en el molde y los gases evolucionados a partir del metal fundido o los aditivos) escapen fácilmente a través de la matriz de arena, lo que previene defectos de fundición relacionados con los gases, como los orificios ( 18 ).

• Colapso: Descomponerse lo suficiente después de que la pieza fundida se haya solidificado, facilitando así su extracción del molde (desmoldeo) ( 11 ).

• Acabado de la superficie: Proporcionar una superficie de molde suficientemente lisa para impartir el acabado de superficie deseado a la pieza fundida final ( 2 ).

2.2. Composición

La formulación específica de una mezcla de arena verde se adapta al metal que se va a fundir, la complejidad de la fundición y el nivel de calidad deseado, pero generalmente consta de los siguientes componentes:

• Arena base: Constituye la mayor parte de la mezcla, típicamente entre el 75 % y el 85 %.18 La arena de sílice (SiO₂) es la más común debido a su disponibilidad, bajo coste y adecuadas propiedades refractarias (1). La arena de sílice de alta pureza (p. ej., >98 % SiO₂) ofrece puntos de fusión más altos (alrededor de 1704 °C o 3100 °F), adecuados para aleaciones ferrosas de alta temperatura (20). Se pueden utilizar otros agregados como el olivino, la cromita, el circón o medios cerámicos sintéticos para aplicaciones específicas que requieren mayor refractariedad, menor expansión térmica o para mitigar defectos específicos como la penetración o el veteado de metales (1). El olivino se utilizaba tradicionalmente para el acero al manganeso y las piezas fundidas no ferrosas debido a su potencial de acabado fino y a la falta de polvo de sílice libre, aunque tiene una resistencia a la tracción menor que la sílice (18). El tamaño del grano, la forma y la distribución de la arena son fundamentales. El tamaño del grano se caracteriza a menudo por el Número de Finura de Grano (GFN) de la AFS (Sociedad Americana de Fundición). Las arenas más finas (GFN más alto) generalmente producen acabados más lisos, pero potencialmente una permeabilidad menor (20). Un tamaño de grano promedio típico podría ser de 220-250 μm (2). La forma del grano influye en la fluidez y la densidad de empaquetamiento; los granos redondeados tienden a ofrecer mayor permeabilidad que los granos angulares del mismo tamaño (21). Una distribución controlada del tamaño del grano, que a menudo abarca de 3 a 4 tamices adyacentes, es preferible para un empaquetamiento uniforme y propiedades predecibles (11). Una distribución adecuada también es crucial para minimizar los defectos de expansión de la arena (20).

• Aglutinantes (Arcilla): La arcilla actúa como aglutinante principal, recubriendo los granos de arena y proporcionando resistencia cohesiva al ser activada por agua (3). La arcilla bentonítica se utiliza casi universalmente y suele representar entre un 8 % y un 11 % de la mezcla (4). El mineral principal de la bentonita es la montmorillonita, una estructura de silicato estratificado (láminas de alúmina y sílice) capaz de adsorber moléculas de agua entre sus capas (7). Esta agua interlaminar es crucial para el desarrollo de la plasticidad y la resistencia de la unión (7). Se utilizan dos tipos principales de bentonita:

• Bentonita sódica (Bentonita occidental): Se caracteriza por su alta durabilidad, alta capacidad de hinchamiento y excelente resistencia al calor y estabilidad térmica. Se prefiere para aplicaciones de alta temperatura, como la fundición de acero y hierro, para resistir defectos como erosión, inclusiones y costras de expansión ( 11 ).

• Bentonita cálcica (bentonita del sur): Desarrolla propiedades en verde con mayor rapidez y ofrece mejor fluidez (menos plástica) que la bentonita sódica a niveles de humedad equivalentes, lo que la hace ventajosa para patrones intrincados ( 20 ). Presenta menor resistencia al calor y durabilidad en comparación con la bentonita sódica ( 20 ). En ocasiones se utilizan mezclas de bentonita sódica y cálcica para lograr un equilibrio de propiedades ( 20 ). El concepto de "arcilla activa" se refiere a la porción de la bentonita que conserva su capacidad de absorber agua y proporcionar adhesión. La exposición repetida a altas temperaturas cerca de la interfaz molde-metal puede degradar térmicamente la estructura de la arcilla, impidiéndole rehidratarse eficazmente; esto se denomina "arcilla muerta" ( 20 ). Mantener un nivel suficiente de arcilla activa es crucial para un rendimiento constante de la arena.

• Agua: Añadida en cantidades relativamente pequeñas, típicamente entre el 2 % y el 5 % en peso ( 4 ), el agua es esencial para activar el aglutinante bentonítico. Crea enlaces hidrostáticos entre las moléculas de agua adsorbidas en las plaquetas de arcilla, lo que confiere resistencia en verde, resistencia al corte y plasticidad a la mezcla de arena ( 7 ). El objetivo es que el agua se fije principalmente dentro de las capas de bentonita, no como "agua libre" que rellene los huecos entre los granos de arena, lo que puede provocar propiedades deficientes y defectos de gas ( 7 ). La cantidad de agua necesaria está estrechamente relacionada con la cantidad y el tipo de arcilla activa presente, así como con la superficie total de la mezcla de arena (incluidos los finos) ( 20 ).

• Aditivos: Se añaden diversos materiales a la mezcla de arena verde (a menudo <5-10 % del total) para modificar propiedades específicas o mejorar los resultados de la fundición:

• Aditivos Carbonosos: Materiales como el carbón marino (carbón bituminoso finamente molido), la brea molida, la gilsonita, el fueloil o aditivos sintéticos patentados se utilizan comúnmente, especialmente en fundiciones ferrosas ( 3 ). Se descomponen a altas temperaturas, creando una atmósfera reductora en la interfaz molde-metal. Esto genera una fina película de gas (carbón lustroso) que ayuda a prevenir la penetración del metal en los poros de la arena, mejora el acabado superficial de la pieza fundida y facilita el desmoldeo (decapado) ( 2 ). El contenido típico de carbón marino es de alrededor del 5% ( 18 ). La preocupación por las emisiones de compuestos orgánicos volátiles (COV), en particular BTEX (benceno, tolueno, etilbenceno, xileno), ha impulsado el desarrollo de aditivos carbonosos de baja emisión o sustitutos a base de grafito ( 2 ). La porción "gastada" de estos aditivos contribuye al contenido de finos inertes ( 23 ).

• Aditivos de celulosa: Los materiales como los cereales (harina de maíz), la harina de madera o las cáscaras de avena se queman durante la fundición, lo que crea huecos que aumentan la permeabilidad del molde y permiten la expansión de la arena, lo que ayuda a prevenir defectos relacionados con la expansión, como costras y deformaciones ( 7 ).

• Otros aditivos: Se pueden añadir harina de sílice, óxido de hierro, perlita, melaza, dextrina, almidones y materiales patentados para mejorar propiedades específicas como la resistencia al calor, la fluidez, la colapsabilidad o la resistencia a ciertos defectos ( 20 ). Se ha demostrado que los almidones naturales, por ejemplo, aumentan la resistencia en verde ( 22 ).

La interacción precisa entre estos componentes, en particular el agua y la arcilla, es fundamental para lograr las propiedades deseadas de la arena verde. Una mezcla o "mulling" eficaz no se limita a lograr homogeneidad, sino que es crucial para desarrollar la unión mediante la correcta distribución del agua y su introducción en la estructura estratificada de la arcilla, activando así su potencial de unión ( 7 ). Esta interacción es muy sensible a factores como la temperatura. Las temperaturas altas y variables de la arena de retorno, comunes en las fundiciones, dificultan significativamente el control preciso del contenido de humedad durante el molling ( 7 ). La arena caliente puede provocar una rápida evaporación del agua antes de que la arcilla la incorpore correctamente, o puede impedir su absorción eficaz ( 26 ). Esto genera niveles de agua inconsistentes y, en consecuencia, inestabilidad en casi todas las demás propiedades críticas de la arena ( 7 ). Por lo tanto, la gestión de la temperatura de la arena de retorno, a menudo mediante sistemas de refrigeración especializados ( 7 ), es un requisito previo para lograr propiedades de arena verde estables y predecibles mediante el control en línea.

2.3. Propiedades críticas

Se utilizan numerosas propiedades para caracterizar la arena verde y controlar el proceso de moldeo. Las más importantes incluyen:

• Contenido de humedad (%): Se define como el porcentaje de agua en relación con el peso total de la mezcla de arena. Es posiblemente la variable más influyente, ya que afecta directamente la activación de la arcilla e influye en casi todas las demás propiedades de la arena verde ( 7 ). Mantener la humedad dentro de un rango objetivo estricto (p. ej., a menudo entre el 3,0 % y el 3,3 % para la fundición de hierro 7 , o generalmente entre el 2 % y el 5 % 4 ) es esencial para la consistencia.

• Compactabilidad (%): Mide el grado en que una muestra estándar de arena verde, ligeramente rellena, se compacta bajo una fuerza definida (normalmente se utiliza un comprobador AFS de 3 pistones o una prensa neumática) ( 14 ). Se expresa como la disminución porcentual de la altura de la muestra. La compactabilidad es muy sensible al contenido de humedad y sirve como indicador principal del temple de la arena o su preparación para el moldeo ( 14 ). Los valores típicos oscilan entre el 35 % y el 50 % ( 14 ). Una compactabilidad baja puede provocar bordes de molde friables y dificultades para dibujar patrones, mientras que una compactabilidad alta puede provocar un acabado superficial deficiente, defectos de gas y movimiento de las paredes del molde ( 14 ). Está inversamente relacionada con la densidad aparente de la arena ( 14 ).

• Resistencia a la Compresión en Verde (GCS): Representa la tensión de compresión máxima que una muestra cilíndrica estándar de arena verde (normalmente de 5 cm de diámetro x 5 cm de altura) puede soportar antes de fallar ( 7 ). Refleja la capacidad del molde para resistir la deformación causada por las fuerzas de manipulación y la presión del metal fundido ( 19 ). La GCS está fuertemente influenciada por el contenido de humedad (que normalmente aumenta con la humedad hasta un punto de revenido y luego disminuye (20 ), el contenido de arcilla activa y el grado de amasado ( 7 ). Una GCS baja puede causar fallas o erosión del molde, mientras que una GCS excesivamente alta puede provocar defectos de expansión o tensiones residuales en la pieza fundida ( 21 ).

• Permeabilidad: Medida de la facilidad con la que los gases pueden atravesar el molde de arena compactada ( 7 ). Está determinada por factores como el tamaño y la distribución del grano de arena, la forma del grano, el contenido de aglutinante, el grado de compactación y el contenido de humedad ( 18 ). Una permeabilidad más alta generalmente corresponde a arenas más gruesas, mientras que una permeabilidad más baja indica arenas más finas o un empaquetamiento más compacto ( 21 ). Una permeabilidad insuficiente puede atrapar gases, lo que provoca defectos como sopladores, desviaciones o defectos de expansión (costras, pandeos), mientras que una permeabilidad excesivamente alta puede resultar en un acabado superficial rugoso de la pieza fundida o penetración de metal ( 2 ).

• Dureza del Molde: Mide la resistencia de la superficie compactada del molde a la indentación mediante una sonda estandarizada. Indica el grado de apisonamiento o compactación alcanzado en la cara del molde y está relacionada con la precisión dimensional y la resistencia a la erosión por metal fundido ( 27 ).

• Otras propiedades importantes:

• Resistencia al corte verde (GSS): Resistencia a fuerzas de corte, importante para secciones de molde sometidas a tensiones de deslizamiento ( 7 ).

• Resistencia a la tracción en húmedo (WTS): Resistencia de la arena en la zona de condensación justo detrás de la cara del molde caliente; importante para resistir defectos de expansión como costras ( 11 ).

• Resistencia en seco: Resistencia de la arena después de que la humedad se ha evaporado, relevante para resistir la erosión durante el vertido del metal ( 18 ).

• Fluidez: Capacidad de la mezcla de arena para fluir formando patrones intrincados y compactarse uniformemente bajo presión ( 7 ). Relacionada con el tipo de arcilla y la humedad.

• Arcilla Activa: Generalmente se mide mediante la prueba de titulación con Azul de Metileno (MB), que cuantifica la cantidad de arcilla capaz de adsorber agua y contribuir a la unión ( 7 ). Esto difiere de la prueba de Arcilla AFS, que mide el total de partículas finas (<20 micras), incluyendo arcilla muerta y finos inertes ( 20 ). El monitoreo de la diferencia entre la arcilla AFS y la arcilla MB puede indicar la acumulación de finos inertes ( 20 ).

• Pérdida por Ignición (LOI) / Materia Volátil: Mide el porcentaje de material combustible en la arena (aditivos carbonosos, aglutinantes orgánicos, agua en la arcilla) ( 7 ). Relacionado con la eficacia de los aditivos carbonosos para prevenir la penetración de metales ( 20 ).

• Índice de Fragmentación: Una prueba antigua que indica la tenacidad o resistencia al desmoronamiento, derivada de la caída de una muestra de arena estándar ( 7 ). Relacionado con la moldeabilidad.

• Moldeabilidad: Término general que describe la capacidad de la arena para moldearse fácilmente y producir un molde sólido ( 7 ). Se evalúa a menudo mediante la compactabilidad y el índice de fragmentación.

Estas propiedades están estrechamente interrelacionadas. Como se destacó anteriormente, el contenido de humedad y su interacción con la arcilla activa, influenciados significativamente por la temperatura, conforman el sistema central que rige propiedades como la compactabilidad y la resistencia en verde ( 7 ). La compactabilidad, a su vez, sirve como un indicador clave que guía las adiciones de agua durante el triturado ( 14 ). La permeabilidad está vinculada a las características del grano, la compactación y la humedad ( 21 ). Comprender estas relaciones es crucial para un control eficaz de la arena verde.

Tabla 1: Propiedades clave de la arena verde y su importancia

Nombre de la propiedad	Definición/Principio de medición	Rango/Unidades típicas	Importancia/Impacto en la calidad del molde/fundición	Factores clave de influencia
Contenido de humedad	Porcentaje de agua en peso en la mezcla de arena. Medido mediante secado, reacción de carburo de calcio o sensores electrónicos.	2 - 5 %	Activa el aglutinante arcilloso; influye considerablemente en la compactibilidad, la resistencia, la permeabilidad, la fluidez y la atmósfera del molde. Demasiado bajo: baja resistencia y friabilidad. Demasiado alto: defectos de gas.	Adición de agua, humedad de retorno de la arena, temperatura de la arena, contenido de arcilla activa, contenido de finos, eficiencia de trituración.
Compactabilidad	Porcentaje de disminución de la altura de una muestra de arena suelta bajo compactación estándar (por ejemplo, AFS de 3 cilindros o neumática).	35 - 50 %	Indicador principal del temple y moldeabilidad de la arena. Afecta la densidad del molde, la estabilidad, el acabado superficial y la susceptibilidad a defectos (gas, expansión, hinchamiento).	Contenido de humedad (altamente sensible), contenido/tipo de arcilla, contenido de finos, temperatura de la arena, forma/distribución del grano.
Resistencia a la compresión verde (GCS)	Tensión máxima de compresión que una probeta estándar de arena verde puede soportar antes de fallar. Medida con un comprobador de compresión.	Varía (por ejemplo, 11-15 psi o más)	Indica la capacidad del molde para resistir fuerzas de manipulación y presión metalostática. GCS bajo: colapso del molde, erosión. GCS alto: defectos de expansión, posible tensión de colada.	Contenido de humedad, contenido/tipo de arcilla activa, grado de compactación (activación), características del grano de arena, densidad de compactación.
Permeabilidad	Medida de la capacidad de la arena para ventilar gases. Se mide mediante la resistencia al flujo de aire a través de una muestra compactada estándar.	Número de permeabilidad AFS (varía ampliamente)	Permite el escape de vapor y gases. Baja permeabilidad: defectos de gas (soplos). Alta permeabilidad: acabado superficial rugoso, penetración de metal y quemado.	Tamaño/distribución/forma del grano de arena, contenido de aglutinante, densidad de compactación, contenido de humedad, contenido de finos, presencia de aditivos que desprenden gases.
Arcilla activa (azul de metileno)	Cantidad de arcilla capaz de adsorber agua y proporcionar adhesión. Medida mediante titulación de MB.	% Arcilla MB (varía)	Indica la capacidad de adhesión efectiva del sistema de arena. Esencial para el desarrollo de la resistencia y la retención de agua. La arcilla poco activa requiere mayores adiciones.	Tasa de adición de bentonita, degradación térmica (generación de "arcilla muerta"), dilución de arena nueva, ingreso de arena al núcleo.
Dureza del molde	Resistencia de la superficie compactada del molde a la indentación. Medida con un durómetro portátil.	Unidades de dureza (por ejemplo, escala B)	Indica el grado de compactación en la superficie del molde. Afecta la precisión dimensional, la resistencia a la erosión, la penetración del metal y el acabado superficial.	Energía/método de compactación, compactabilidad de la arena, fluidez, características del grano.
Pérdida por ignición (LOI)	Pérdida porcentual de peso al calentar la arena a alta temperatura. Representa materiales combustibles.	% LOI (varía, p. ej., 3-7%)	Indica el nivel de aditivos carbonosos, aglutinantes residuales y agua arcillosa. Se relaciona con la atmósfera reductora, las propiedades antipenetración y el desprendimiento de gases.	Adiciones de aditivos carbonosos, dilución de arena de núcleo, tipos de aglutinante, contenido de arcilla, pérdidas/adiciones del sistema.
Resistencia a la tracción en húmedo (WTS)	Resistencia a la tracción de la arena en la zona de condensación de alta humedad cerca de la interfaz del metal caliente.	N/cm2 o psi	Resistencia al agrietamiento y desconchado en la zona de condensación. Importante para prevenir defectos de expansión (costras, pandeos).	Tipo de bentonita (Na-Bentonita superior), contenido de humedad, nivel de arcilla activa, aditivos.

3. Evaluación tradicional de propiedades de arena verde

Durante décadas, las fundiciones han recurrido a un conjunto de pruebas de laboratorio estandarizadas para monitorear y controlar las propiedades de la arena verde. Estas pruebas, que suelen realizarse fuera de línea con muestras extraídas periódicamente del sistema de arena, proporcionan datos fundamentales de caracterización.

3.1. Descripción general de los métodos estándar de laboratorio fuera de línea

Los procedimientos de laboratorio comunes, muchos de ellos estandarizados por organizaciones como la AFS, incluyen 8 :

• Contenido de humedad: La prueba más frecuente. Se suelen obtener estimaciones rápidas utilizando un recipiente a presión donde la humedad reacciona con el carburo de calcio para generar una presión proporcional al contenido de agua ( 21 ). Métodos más precisos, aunque más lentos, implican determinar la pérdida de peso tras secar una muestra en un horno a aproximadamente 105 °C o utilizar una balanza de humedad que combina calentamiento (a menudo con una lámpara halógena) y pesaje ( 21 ). Se debe tener cuidado durante el calentamiento para asegurar que solo se elimine el agua, no otros componentes volátiles ( 21 ).

• Compactabilidad: Una prueba estándar de AFS de 3 pistones implica cribar arena en un tubo de muestra, nivelarlo y dejar caer un peso estándar sobre él tres veces ( 14 ). La disminución porcentual en la altura de la columna de arena se refiere a la compactabilidad. Los exprimidores neumáticos aplican una presión de aire controlada para compactar la muestra, lo que algunos consideran que simula mejor el funcionamiento de las máquinas de moldeo modernas ( 14 ). Las lecturas digitales en los probadores neumáticos también pueden reducir los errores de lectura del operador ( 14 ). Un procedimiento adecuado (colocación cuidadosa, evitar la precompactación y limpiar los tubos) es crucial para obtener resultados precisos ( 14 ).

• Resistencia a la Compresión en Verde (GCS): Una probeta cilíndrica estándar de 5x5 cm, generalmente formada mediante el mismo procedimiento de 3 martillos que para la compactación, se coloca en una máquina universal de resistencia de arena y se somete a compresión hasta su rotura ( 8 ). La carga máxima alcanzada se expresa como GCS.

• Permeabilidad: Utilizando la misma muestra estándar, se hace pasar aire a través de ella a una presión controlada y se mide el caudal o la contrapresión ( 8 ). Este valor se convierte en un índice de permeabilidad estándar, que indica la capacidad de la arena para ventilar gases.

• Arcilla Activa (Azul de Metileno - Prueba MB): Este método de titulación química determina la capacidad de intercambio catiónico de la arcilla, la cual se correlaciona con su capacidad para absorber agua y actuar como aglutinante activo ( 7 ). Mide específicamente la bentonita "activa" o "viva". También se han desarrollado nuevos métodos espectrofotométricos que utilizan colorantes a base de cobre, que potencialmente ofrecen lecturas digitales más rápidas ( 31 ).

• Contenido de Arcilla AFS: Esta prueba mide el porcentaje total de material fino menor a 20 micras (o que sedimenta a una velocidad menor a 2,5 cm/min en agua) ( 20 ). Consiste en lavar una muestra de arena seca, agitarla con una solución de hidróxido de sodio, dejar sedimentar las partículas más gruesas y extraer por sifón los finos suspendidos (arcilla, arcilla muerta, limo, material carbonoso, etc.) ( 28 ). La arena restante se seca y se pesa para determinar el porcentaje de finos eliminados ( 28 ). Este valor siempre es mayor que el valor de arcilla activa MB ( 20 ).

• Finura y distribución del grano: Una muestra de arena seca y sin arcilla se agita a través de un conjunto estándar de tamices anidados durante un tiempo definido (p. ej., 15 minutos) ( 28 ). Se mide el peso de la arena retenida en cada tamiz y se realizan cálculos para determinar el Número de Finura de Grano (GFN) AFS, que representa el tamaño promedio del grano y su distribución a través de los tamices ( 8 ).

• Otras pruebas: También existen procedimientos para la resistencia al corte en verde ( 7 ), la resistencia a la tracción en húmedo ( 8 ), la resistencia en seco ( 18 ), el índice de rotura ( 7 ), la pérdida por ignición (LOI) ( 7 ) y la dureza del molde.

3.2. Limitaciones inherentes al control dinámico de procesos

Si bien son esenciales para la caracterización de referencia y el monitoreo de tendencias a largo plazo, estos métodos tradicionales fuera de línea sufren limitaciones significativas cuando se aplican al control dinámico de sistemas de arena verde de alta producción:

• Retraso temporal: Todo el proceso de muestreo, transporte de la muestra al laboratorio, realización del procedimiento de prueba (que puede tardar varios minutos o más, especialmente para el secado o la titulación) y la notificación del resultado introduce un retraso considerable ( 15 ). En una línea de moldeo de ciclo rápido o un sistema de mezcla continua, las condiciones de la arena representadas por la muestra pueden haber cambiado sustancialmente para cuando se conoce el resultado ( 12 ).

• Representatividad del muestreo: Obtener una muestra verdaderamente representativa de un sistema grande de arena circulante (potencialmente de cientos de toneladas) es un desafío ( 8 ). Una sola muestra al azar podría no reflejar con precisión la condición promedio ni el rango de variación dentro del sistema.

• Procesos manuales y posibles errores: El muestreo manual, la preparación de la muestra (p. ej., consistencia del apisonamiento), la lectura de los instrumentos y el registro de datos son susceptibles a la variabilidad y el error humanos ( 10 ). Diferentes operadores podrían obtener resultados ligeramente diferentes incluso con la misma muestra.

• Control reactivo: Las decisiones de control basadas en resultados de laboratorio tardíos son inherentemente reactivas ( 15 ). Los ajustes se realizan después de que ya se ha producido una desviación que podría haber afectado la producción. Este enfoque no puede compensar eficazmente las fluctuaciones rápidas en las propiedades de la arena de retorno (p. ej., picos de humedad, cambios de temperatura) que ocurren entre intervalos de muestreo ( 12 ).

• Frecuencia limitada: Debido al tiempo y la mano de obra necesarios, la frecuencia de las pruebas de laboratorio suele ser limitada (p. ej., una vez por hora, una vez por turno). Esta baja tasa de muestreo no permite captar la dinámica de alta frecuencia del sistema de arena, especialmente en plantas automatizadas donde los ciclos de mezcla pueden medirse en segundos o minutos ( 9 ).

El problema fundamental radica en la discrepancia entre la escala de tiempo de las pruebas de laboratorio tradicionales (de minutos a horas) y la escala de tiempo del procesamiento de arena verde en fundiciones modernas (de segundos a minutos) ( 9 ). Las propiedades de la arena de retorno pueden fluctuar significativamente debido a las variaciones en los tiempos de enfriamiento de la fundición, la dilución de la arena del macho, las condiciones ambientales y la eficiencia del desmoldeo. Estas fluctuaciones afectan los requisitos de adición de agua y aglutinante en los lotes de mezclador posteriores. Las pruebas fuera de línea son simplemente demasiado lentas para detectar y responder eficazmente a estas variaciones a corto plazo. Esta desconexión temporal impide el establecimiento de ciclos de control de retroalimentación ajustados y estabilizadores basados únicamente en métodos de laboratorio tradicionales, lo que requiere la transición hacia la monitorización en línea en tiempo real.

4. Monitoreo y control automatizado de arena verde en línea

Para superar las limitaciones de las pruebas fuera de línea y satisfacer las demandas de mayor consistencia y eficiencia, las fundiciones han adoptado cada vez más sistemas de monitoreo en línea y control automatizado. Estos sistemas miden las propiedades críticas de la arena en tiempo real o casi real directamente en el flujo de proceso y utilizan esta información para ajustar automáticamente los parámetros de preparación de la arena.

4.1. Justificación y ventajas

La implementación de pruebas en línea y control automatizado ofrece numerosas ventajas convincentes sobre los métodos tradicionales:

• Adquisición de datos en tiempo real: Los sensores integrados en la línea de preparación de arena proporcionan mediciones continuas o de alta frecuencia (por ejemplo, cada ciclo de lote o incluso más rápido), ofreciendo visibilidad inmediata del estado actual de la arena ( 9 ).

• Mayor consistencia del proceso: Al permitir una retroalimentación rápida y ajustes automatizados, estos sistemas pueden reducir significativamente la variabilidad en propiedades clave como la humedad y la compactabilidad, lo que resulta en una calidad de arena más estable entregada a la línea de moldeo ( 9 ). Cientos de fundiciones han reportado menores fluctuaciones en la compactabilidad y niveles de humedad estabilizados ( 10 ).

• Reducción de defectos de fundición: La consistencia de las propiedades de la arena se traduce directamente en una menor cantidad de defectos de fundición relacionados con la arena, como sopladores, poros, defectos de expansión (costras, pandeos), penetración de metal, erosión, hinchazones y mal acabado superficial ( 7 ). Esto se traduce en menores tasas de desperdicio y una mejor calidad de la fundición ( 11 ).

• Consumo optimizado de recursos: Un control preciso permite una dosificación más precisa de agua, bentonita y otros aditivos según las necesidades en tiempo real, lo que minimiza el uso excesivo y el desperdicio, reduciendo así los costos de materia prima ( 9 ). Los ciclos de trituración optimizados (p. ej., trituración según un consumo energético objetivo en lugar de un tiempo fijo) también pueden generar ahorros de energía ( 9 ).

• Mayor productividad y rendimiento: La calidad estable de la arena permite velocidades más altas en la línea de moldeo y reduce el tiempo de inactividad causado por problemas relacionados con la arena (p. ej., roturas de moldes, adherencias) o la necesidad de intervención manual ( 4 ). Esto mejora la eficiencia y la rentabilidad general de la planta ( 9 ).

• Automatización y menor dependencia de la mano de obra: las pruebas y el control automatizados reducen la necesidad de muestreo manual constante, pruebas de laboratorio y ajustes del operador, liberando personal para otras tareas y minimizando el error humano ( 10 ).

Tabla 2: Comparación de los enfoques de prueba de arena verde tradicionales y en línea

Característica	Pruebas de laboratorio tradicionales	Pruebas automatizadas en línea
Frecuencia de medición	Bajo (por ejemplo, por hora, por turno)	Alto (por ejemplo, por lote, continuo) 9
Retardo de tiempo	Significativo (minutos a horas) 15	Mínimo (segundos a minutos) 12
Tipo de datos	Instantáneas históricas discretas	Flujo de datos continuo o casi en tiempo real 37
Modo de control	Reactivo (ajustes basados en datos pasados) 15	Proactivo/Predictivo y Reactivo (control de retroalimentación y avance) 10
Intensidad laboral	Alto (muestreo manual, pruebas, ingreso de datos) 10	Bajo (muestreo automatizado, pruebas, control) 10
Impacto de la consistencia	Capacidad limitada para controlar variaciones a corto plazo; posible mayor variabilidad de la propiedad.	Consistencia significativamente mejorada; control más estricto sobre las variaciones de propiedad 9
Implicación de costos	Menor costo inicial del equipo; costo continuo de mano de obra.	Mayor inversión inicial (sensores, controles, software); menor costo laboral operativo 9
Potencial de reducción de defectos	Moderado; se basa en la identificación de tendencias a largo plazo.	Alto; aborda fluctuaciones a corto plazo previniendo la formación de defectos 9

4.2. Tecnologías de sensores clave para la medición en tiempo real

En los sistemas de monitoreo de arena verde en línea se emplean diversas tecnologías de sensores:

• Sensores de microondas: estos sensores miden las propiedades dieléctricas (permitividad relativa y factor de pérdida) de la mezcla de arena. Dado que el agua tiene propiedades dieléctricas significativamente diferentes en comparación con la arena y la arcilla, estas mediciones se correlacionan fuertemente con el contenido de humedad ( 43 ). Las técnicas de microondas pueden ofrecer mediciones volumétricas debido a su profundidad de penetración. Los métodos incluyen técnicas de perturbación de cavidad (CPT) que operan a frecuencias específicas (p. ej., 2,45 GHz) o métodos de línea de transmisión ( 43 ). La investigación también ha explorado detectores multisonda de baja frecuencia (p. ej., 29-33 MHz), que potencialmente ofrecen configuraciones optimizadas para arena verde ( 43 ). Sin embargo, las mediciones de microondas pueden verse influenciadas por otros factores como la temperatura de la arena, la densidad, la textura y el contenido de bentonita y polvo de carbón, lo que requiere una calibración cuidadosa, posiblemente utilizando modelos multivariables como redes neuronales para aislar el efecto de la humedad ( 43 ). Si bien las barreras de microondas se utilizan para la detección de nivel ( 13 ), los sensores diseñados específicamente para la medición de humedad basados en propiedades dieléctricas son más relevantes aquí.

• Sensores de infrarrojo cercano (NIR): La espectroscopia NIR funciona según el principio de que moléculas específicas absorben luz en longitudes de onda características en el espectro infrarrojo cercano. El agua (enlaces OH) tiene fuertes bandas de absorción en la región NIR ( 44 ). Los sensores NIR en línea generalmente proyectan luz NIR sobre la corriente de arena en movimiento (p. ej., en una cinta transportadora o en un conducto) y miden la intensidad de la luz reflejada en longitudes de onda de absorción de agua específicas en comparación con las longitudes de onda de referencia ( 44 ). La diferencia se correlaciona con el contenido de humedad de la superficie. Esta es una técnica de medición sin contacto. La precisión depende de la calibración adecuada para la mezcla de arena y la aplicación específicas ( 44 ). Estos sensores están disponibles con carcasas reforzadas (p. ej., con clasificación IP65) adecuadas para entornos de fundición y se pueden integrar con varios protocolos de comunicación ( 44 ). Los analizadores ópticos que utilizan NIR han demostrado una buena correlación con las pruebas de humedad de laboratorio en estudios de casos de fundición ( 46 ).

• Probadores de compactación automatizados: Estas son unidades integradas diseñadas para replicar la prueba de compactabilidad de laboratorio de forma automática y en línea. Típicamente extraen una muestra de arena del flujo de proceso (p. ej., cinta de descarga del mezclador), preparan automáticamente una muestra estándar, aplican una fuerza de compactación (a menudo neumática, considerada más representativa de las máquinas de moldeo que el método tradicional de 3 arietes 14 ), miden el porcentaje de compactación resultante y descargan la muestra usada ( 9 ). Los principales sistemas de prueba automatizados proporcionan esta funcionalidad básica. Algunas unidades avanzadas también pueden medir la resistencia a la compresión en verde (GCS) y la permeabilidad en la misma muestra preparada automáticamente dentro de un tiempo de ciclo corto (p. ej., 90 segundos para algunos modelos 35 ), proporcionando datos multiparamétricos. Estos probadores a menudo forman el elemento de detección central en los sistemas de control de bucle cerrado.

• Sensores de temperatura: Dado el importante impacto de la temperatura en la retención de humedad y las propiedades generales de la arena ( 7 ), la medición de la temperatura es crucial. Se suelen instalar sondas sencillas y robustas (p. ej., RTD PT100 17 ) para medir la temperatura de la arena de retorno antes del enfriador/mezclador y, en ocasiones, la temperatura de la arena después de la mezcla o el enfriamiento ( 12 ). Estos datos son esenciales para los algoritmos de control, en particular para calcular las adiciones iniciales de agua.

• Sondas de conductividad/capacitancia: Algunos sistemas utilizan sondas que miden la conductividad eléctrica o la capacitancia de la mezcla de arena, ya que estas propiedades también se ven afectadas por el contenido de humedad ( 12 ). Estas se utilizan a menudo para monitorear la humedad de la arena de retorno.

• Celdas de carga/Sistemas de pesaje: La dosificación precisa es fundamental para el control. Las celdas de carga se integran en las tolvas de pesaje de las mezcladoras o se colocan debajo de las secciones de la cinta transportadora (básculas de banda) para medir con precisión la cantidad de arena que entra en la mezcladora para cada lote ( 10 ). También son componentes críticos en los sistemas de dosificación automatizados para pesar y dosificar con precisión aditivos secos como la bentonita y el carbón ( 9 ).

Si bien los sensores de humedad directos como microondas y NIR están disponibles y se utilizan, una tendencia notable en muchos sistemas sofisticados de control en línea es el enfoque en la medición y el control directos de la compactabilidad mediante probadores automatizados ( 9 ). La compactabilidad es altamente sensible a la humedad, pero también refleja los efectos combinados del contenido de agua, el tipo de arcilla y el estado de activación, la temperatura y el contenido de finos ( 14 ). Controlar la compactabilidad directamente proporciona una medida más holística y funcional de la preparación de la arena para el moldeo (cómo se comportará realmente bajo las fuerzas de compactación), en lugar de depender únicamente del porcentaje de un componente (agua). Este enfoque puede ofrecer un control más robusto ante las variaciones en otros parámetros de la arena que pueden cambiar la relación entre el contenido de humedad y el rendimiento del moldeo.

Independientemente del tipo de sensor, una medición precisa y fiable en el entorno adverso y variable de una fundición depende de una calibración y un mantenimiento adecuados. Los sensores que miden propiedades afectadas por múltiples factores (como los sensores de humedad de microondas o NIR afectados por la temperatura, la densidad o la composición 43 ; o los comprobadores de compactación que requieren mantenimiento mecánico 14 ) requieren una configuración inicial cuidadosa con respecto a los métodos de referencia, una verificación periódica y, potencialmente, el uso de modelos de calibración avanzados o algoritmos de control adaptativo para compensar estas interferencias y la deriva con el tiempo ( 12 ).

Tabla 3: Descripción general de las tecnologías de sensores en línea para propiedades de arena verde

Tipo de sensor	Principio de funcionamiento	Propiedad(es) primaria(s) medida(s)	Ubicación típica de instalación	Ventajas	Limitaciones/Consideraciones
Microonda	Mide propiedades dieléctricas (permitividad, factor de pérdida) correlacionadas con el contenido de agua ( 43 ).	Contenido de humedad	En mezcladoras, en cintas transportadoras, en tolvas ( 43 ).	Medición volumétrica (penetra material), respuesta potencialmente rápida.	Sensible a la temperatura, densidad, composición (arcilla, carbón); requiere una calibración cuidadosa, posiblemente modelado multivariable ( 43 ).
Infrarrojo cercano (NIR)	Mide la absorción/reflexión de longitudes de onda NIR específicas asociadas con el agua (enlaces OH) ( 44 ).	Contenido de humedad (superficie)	Sobre cintas transportadoras, toboganes, salidas de secadoras ( 44 ).	Medición sin contacto, relativamente rápida.	Solo medición de superficie; sensible a la distancia, color/textura del material, luz ambiental; requiere calibración ( 44 ).
Comprobador de compactación automatizado	Toma muestras automáticamente, prepara la muestra, aplica fuerza de compactación (neumática/pistón), mide el cambio de altura ( 9 ).	Compactabilidad; algunas unidades también miden GCS, Permeabilidad ( 10 ).	A la descarga del mezclador, sobre el transportador de arena preparada ( 9 ).	Medición directa de propiedades funcionales clave; integra múltiples efectos (humedad, arcilla, temperatura); base para muchos sistemas de control.	Sistema mecánico que requiere mantenimiento; muestreo discreto (por lote); posibilidad de problemas de representatividad de la muestra si no se ubica correctamente ( 14 ).
Sonda de temperatura	Detector de temperatura de resistencia (RTD) o termopar que mide la temperatura de la arena ( 17 ).	Temperatura	Transportador de retorno de arena, descarga del enfriador, descarga del mezclador ( 12 ).	Insumo esencial para el control de la humedad y la comprensión del comportamiento de la arena; relativamente simple y robusto.	Medición puntual; se necesita protección de la sonda en entornos abrasivos.
Sonda de conductividad/capacitancia	Mide propiedades eléctricas influenciadas por la humedad ( 12 ).	Contenido de humedad (inferido)	Retorno de la corriente de arena, al mezclador ( 12 ).	Puede proporcionar una señal continua.	Medición indirecta; sensible a la composición (arcilla, electrolitos), temperatura, densidad; requiere calibración.
Célula de carga / Sistema de pesaje	Mide el peso mediante galgas extensométricas ( 12 ).	Peso (Lote de arena, dosis de aditivo)	Tolva bajo mezclador, secciones de cinta, alimentadores de aditivos ( 9 ).	Esencial para un control preciso de dosificación y aditivos; alta precisión posible.	Requiere instalación y calibración adecuadas; sistema mecánico.

4.3. Bucles de control de retroalimentación

Los sensores en línea proporcionan los datos necesarios en tiempo real, pero el núcleo del control automatizado reside en el circuito de retroalimentación que traduce estas mediciones en acciones correctivas.

• Arquitectura del sistema: Un sistema típico de control de arena verde automatizado funciona de la siguiente manera:

• Los sensores (por ejemplo, temperatura, humedad/conductividad en la cinta transportadora de arena de retorno; comprobador de compactabilidad en la descarga del mezclador) miden las propiedades relevantes ( 10 ).

• Las señales de los sensores se transmiten a un controlador central, normalmente un controlador lógico programable (PLC) ( 10 ).

• El PLC ejecuta un programa de control que compara los valores medidos con los puntos de ajuste objetivo predefinidos para las propiedades de arena deseadas ( 10 ).

• En función de la desviación entre los valores reales y los valores objetivo, el algoritmo de control calcula los ajustes necesarios para la adición de agua y/o aditivos secos para el lote actual o posterior ( 10 ).

• El PLC envía señales de salida a los actuadores, generalmente válvulas de control para agua y alimentadores automáticos para aditivos secos ( 9 ).

• Los actuadores dispensan con precisión las cantidades calculadas de agua y aditivos en el mezclador ( 9 ).

• El ciclo se repite, monitoreando y ajustando continuamente para mantener las propiedades cerca de los puntos de ajuste objetivo.

• Lógica y algoritmos de control: La inteligencia del sistema reside en los algoritmos de control integrados en el PLC.

• Control de prealimentación: Muchos sistemas utilizan mediciones de la arena de retorno entrante (temperatura, humedad/conductividad) para predecir la adición inicial de agua (de descarga o primaria) necesaria para el lote ( 10 ). Esto anticipa las necesidades de la arena entrante.

• Control de retroalimentación: Las mediciones realizadas durante o después de la mezcla (p. ej., compactibilidad, humedad) proporcionan retroalimentación para corregir errores de predicción o variaciones inesperadas. Los ajustes se realizan a menudo mediante la adición de agua ( 12 ). La lógica de control proporcional-integral-derivativa (PID) es un enfoque común para la retroalimentación, que permite al sistema responder a la magnitud del error (proporcional), eliminar las compensaciones en estado estacionario (integral) y anticipar cambios futuros (derivativo) ( 10 ).

• Control de Adherencia: Los algoritmos para controlar la adición de bentonita pueden variar. Algunos sistemas ajustan la adherencia para mantener una resistencia en verde objetivo junto con la compactabilidad ( 10 ). Otros pueden usar algoritmos que consideran la "adherencia disponible" calculada con base en pruebas recientes o mantienen una proporción específica en relación con los objetivos de arcilla activa ( 10 ). La dosificación basada en el peso garantiza la precisión ( 9 ).

• Algoritmos adaptativos/de aprendizaje: Los sistemas más avanzados incorporan capacidades de autoaprendizaje o adaptativas. Por ejemplo, el sistema podría ajustar automáticamente la curva de calibración, relacionando las lecturas de los sensores (como la conductividad) con las adiciones de agua requeridas, basándose en la información del agua total real utilizada en ciclos anteriores ( 12 ). También se pueden integrar reglas de Control Estadístico de Procesos (CEP) para activar ajustes cuando las tendencias se desvían más allá de los límites de control ( 15 ). Algunos sistemas utilizan autoaprendizaje para el posicionamiento de las compuertas en función de los niveles de la tolva ( 17 ).

• Actuación: La ejecución precisa de las adiciones calculadas es fundamental.

• Adición de agua: generalmente se utilizan medidores de flujo precisos (por ejemplo, medidores de pulsos de desplazamiento positivo) y válvulas de control de acción rápida (por ejemplo, válvulas de diafragma) para suministrar el volumen preciso de agua calculado por el PLC ( 10 ).

• Dosificación de aditivos secos: Utiliza sistemas de pesaje para mayor precisión. Las celdas de carga miden el peso del aditivo en una tolva dosificadora, que posteriormente se introduce en el mezclador mediante alimentadores de tornillo o sistemas de inyección neumáticos controlados por el PLC ( 9 ).

Esta combinación de control de avance basado en las condiciones de entrada y control de retroalimentación basado en las propiedades de la arena mixta crea una robusta estrategia multietapa ( 10 ). El componente de avance proporciona una buena estimación inicial, reduciendo la carga del bucle de retroalimentación, mientras que el componente de retroalimentación corrige imprecisiones y perturbaciones inesperadas, lo que resulta en un control general más estricto y una estabilización más rápida en comparación con los sistemas basados únicamente en retroalimentación. Diversos sistemas comerciales integrados que incorporan estos principios están disponibles a través de proveedores de equipos especializados.

5. Fronteras tecnológicas en la gestión de arena verde

Sobre la base del control y monitoreo en línea establecidos, varios avances tecnológicos están refinando aún más la gestión de arena verde, impulsando una mayor precisión, integración e inteligencia.

5.1. Detección avanzada: sensores multiparamétricos y fusión de sensores

La complejidad de la arena verde, donde múltiples propiedades son interdependientes, impulsa la necesidad de capacidades de detección más integrales.

• Sondas multiparamétricas: en lugar de depender de sensores separados para cada propiedad, existe una tendencia hacia unidades integradas capaces de medir múltiples parámetros simultáneamente desde una sola muestra o punto de medición. Algunos probadores automatizados, por ejemplo, miden la temperatura, la humedad, la compactabilidad, el GCS y la permeabilidad en un ciclo automatizado ( 35 ). De manera similar, los controladores avanzados pueden medir la compactabilidad, la resistencia en verde y la humedad con su probador integrado ( 10 ). La investigación en sensores dieléctricos multisonda de baja frecuencia también tiene como objetivo extraer más información (por ejemplo, predicción de humedad considerando las influencias de la bentonita, el carbón y la compactabilidad) de un solo sistema de sensores ( 43 ). Este enfoque refleja los desarrollos en otros campos, como las sondas multiparamétricas de calidad del agua que miden numerosos parámetros químicos y físicos ( 48 ). El beneficio radica en obtener un conjunto de datos más rico de un solo punto en el proceso con una complejidad de hardware potencialmente reducida en comparación con la implementación de numerosos sensores individuales.

• Fusión de sensores: este concepto implica combinar de forma inteligente datos de múltiples sensores, potencialmente diversos, para lograr una evaluación más precisa, fiable o completa del estado del sistema que la que es posible con un solo sensor ( 49 ). Dadas las limitaciones y sensibilidades inherentes de los sensores individuales en el entorno de la fundición (p. ej., lecturas de humedad afectadas por la temperatura y la composición 43 ), la fusión de flujos de datos ofrece un camino prometedor hacia adelante. Por ejemplo, un algoritmo podría combinar lecturas de un sensor de humedad de microondas, una sonda de temperatura y un comprobador de compactación, junto con el conocimiento de la composición de la arena, para generar una estimación más robusta del temple efectivo de la arena o predecir su probable rendimiento en el molde. Las técnicas de IA y ML son particularmente adecuadas para implementar la fusión de sensores, aprendiendo las complejas correlaciones entre las diferentes entradas de los sensores y el estado general del sistema ( 49 ). Aunque quizás estén más establecidos en campos como la defensa o los sistemas autónomos ( 49 ), los principios de la fusión de sensores son muy relevantes para abordar la complejidad del control de la arena verde ( 7 ). La tendencia a combinar datos de múltiples fuentes puede interpretarse como una estrategia directa para superar los desafíos que plantea el alto grado de interdependencia de las propiedades y la sensibilidad de los sensores individuales a las variaciones ambientales o de composición. Al integrar diversos puntos de datos, los sistemas buscan construir una comprensión más fiable y completa del estado de la arena, lo que permite tomar decisiones de control más precisas y robustas.

5.2. Integración de la Industria 4.0: IoT, plataformas en la nube, registro de datos y monitorización remota

Los principios de la Industria 4.0, centrados en la conectividad, los datos y la automatización inteligente, se están aplicando activamente en las fundiciones modernas, incluidos los sistemas de gestión de arena verde ( 37 ).

• Conectividad (IIoT): Sensores, PLC, mezcladores, máquinas de moldeo y otros equipos se conectan cada vez más a redes de planta e internet mediante protocolos de comunicación estándar (p. ej., Ethernet TCP/IP, ProfiNet, Modbus TCP) y dispositivos de enlace especializados en el Internet Industrial de las Cosas (IIoT) ( 39 ). Esto permite un flujo de datos fluido entre la tecnología operativa (TO) en el taller y los sistemas de tecnología de la información (TI) ( 38 ).

• Registro de datos centralizado y plataformas en la nube: La gran cantidad de datos generados por sensores en línea y sistemas de control (mediciones de propiedades, cantidades de aditivos, tiempos de ciclo, estado del equipo, temperaturas, corrientes del motor, etc.) se recopilan y almacenan en bases de datos centralizadas, a menudo alojadas en plataformas en la nube ( 37 ). Esto crea un registro histórico completo del proceso.

• Visualización y análisis de datos: Las plataformas de software proporcionan paneles de control intuitivos para visualizar tendencias de datos históricos y en tiempo real ( 37 ). Las herramientas estándar de inteligencia empresarial ( 46 ) o las plataformas de datos especializadas para fundiciones ( 39 ) permiten a los operadores, ingenieros y gerentes supervisar los indicadores clave de rendimiento (KPI), hacer un seguimiento de la eficiencia general del equipo (OEE), analizar correlaciones, identificar anomalías y solucionar problemas con mayor eficacia ( 37 ).

• Monitoreo Remoto y Soporte de Expertos: La conectividad permite el acceso remoto a los datos y diagnósticos del sistema. Esto permite a los expertos internos o incluso a los proveedores de equipos supervisar el rendimiento, brindar asistencia para la resolución de problemas y ofrecer recomendaciones de mantenimiento proactivo sin necesidad de estar físicamente presentes ( 34 ). Algunos proveedores ofrecen centros de monitoreo remoto que proporcionan supervisión y orientación experta basada en datos en tiempo real ( 37 ).

• Integración con sistemas empresariales: los datos de la planta de arena se pueden integrar con sistemas de gestión de planta de nivel superior, como los sistemas de ejecución de fabricación (MES) o la planificación de recursos empresariales (ERP), para lograr una mejor planificación de la producción, la gestión del inventario y la inteligencia empresarial general ( 38 ).

La implementación de estos conceptos de la Industria 4.0/IoT cumple un propósito crucial que va más allá de la simple monitorización. Establece la infraestructura de datos esencial (recopilación, agregación, almacenamiento y accesibilidad de datos confiables), fundamental para aprovechar técnicas más avanzadas de IA y ML ( 39 ). Sin un flujo sólido y bien gestionado de datos de proceso de alta calidad, el desarrollo y la implementación de modelos de optimización eficaces basados en IA se ven gravemente obstaculizados. Por lo tanto, la implementación de IoT suele ser un prerrequisito necesario o una actividad concurrente para alcanzar el máximo potencial de la IA en la optimización del control de arena verde y las operaciones de fundición en general.

5.3. Inteligencia artificial y aprendizaje automático (IA/ML)

La IA y el ML representan la próxima frontera en la optimización de los sistemas de arena verde, yendo más allá de la lógica de control predefinida hacia la predicción, adaptación y optimización basadas en datos ( 50 ).

• Modelado predictivo de propiedades: Los algoritmos de ML, como las redes neuronales artificiales (RNA) ( 43 ) o los bosques aleatorios ( 59 ), pueden entrenarse con grandes conjuntos de datos históricos que contienen entradas de sensores (temperatura, adiciones previas, etc.) y las propiedades de la arena medidas correspondientes (humedad, compactabilidad, resistencia) o incluso resultados de colada. Una vez entrenados, estos modelos pueden predecir las propiedades de la arena en tiempo real basándose en las lecturas actuales de los sensores ( 43 ). Esto puede ser particularmente valioso para estimar propiedades que son difíciles o lentas de medir directamente en línea o para predecir el estado futuro de la arena basándose en las condiciones actuales. La investigación general en ciencia de los materiales está explorando activamente el ML para la predicción de propiedades ( 59 ).

• Optimización de la estrategia de control: La IA puede analizar las relaciones complejas, a menudo no lineales, entre numerosas variables de entrada (propiedades de la arena de retorno, tipos y cantidades de aditivos, parámetros del mezclador, condiciones ambientales) y variables de salida (propiedades de la arena final, tasas de defectos de fundición). Al aprender estas relaciones de los datos históricos, los sistemas de IA pueden recomendar puntos de ajuste y parámetros operativos óptimos para los sistemas de control basados en PLC existentes para lograr objetivos específicos, como minimizar la variabilidad, reducir el consumo de aditivos o minimizar tipos de defectos específicos ( 39 ). También se han explorado técnicas como los algoritmos genéticos (AG) para la optimización multiobjetivo (p. ej., equilibrar la resistencia y el costo) ( 58 ).

• Predicción y diagnóstico de defectos: Las técnicas de IA, incluyendo sistemas expertos, razonamiento basado en casos (CBR) ( 55 ), sistemas de inferencia neurodifusa adaptativa (ANFIS) ( 55 ) y visión artificial combinada con aprendizaje automático (ML) ( 57 ), se pueden aplicar para analizar datos de proceso junto con los resultados de la inspección de piezas de fundición. Estos sistemas pueden predecir potencialmente la probabilidad de que ocurran defectos específicos en función de las propiedades actuales o recientes de la arena y las condiciones del proceso, lo que permite tomar medidas preventivas. También pueden ayudar a diagnosticar las causas raíz de los defectos al identificar correlaciones entre las desviaciones del proceso y la aparición de defectos ( 27 ).

• Implementaciones comerciales: Están surgiendo soluciones comerciales de IA, a menudo desarrolladas mediante colaboraciones entre proveedores de tecnología de fundición y especialistas en IA ( 62 ). Estas plataformas analizan datos históricos de producción y calidad de todo el proceso de fundición (planta de arena, moldeo, vertido) ( 40 ). Conocen las ventanas de proceso óptimas para piezas fundidas específicas y prescriben ajustes en los parámetros de control para los operarios, con el objetivo de reducir significativamente las tasas de desperdicio ( 39 ).

Una observación importante con respecto a las aplicaciones actuales de IA avanzada es que a menudo se centran en un mayor nivel de optimización en lugar de reemplazar el control de retroalimentación segundo a segundo ejecutado por los PLC ( 10 ). Estos sistemas de IA analizan datos históricos acumulados para identificar los objetivos y rangos operativos óptimos (prescripciones) para los sistemas de control existentes. El PLC continúa manejando los ajustes en tiempo real necesarios para cumplir con estos objetivos prescritos. Esto sugiere que la IA se está implementando actualmente principalmente como una capa de asesoramiento inteligente, aprovechando los profundos conocimientos de los procesos obtenidos de los datos para guiar los sistemas de automatización establecidos hacia un mejor rendimiento general y resultados de calidad.

6. Impacto, beneficios y consideraciones prácticas

La adopción de pruebas en línea avanzadas y sistemas de control automatizado, particularmente cuando se integran con las capacidades de la Industria 4.0 y la IA, ofrece importantes beneficios potenciales para las fundiciones, pero también presenta desafíos de implementación práctica.

6.1. Beneficios cuantificables

La implementación de estas tecnologías puede conducir a mejoras mensurables en varias áreas clave:

• Mejora de la calidad de la fundición y reducción de defectos: Este suele ser el principal factor. Al mantener las propiedades de la arena verde dentro de tolerancias más estrictas, se reduce significativamente la aparición de defectos relacionados con la arena ( 9 ). Estos defectos incluyen:

• Defectos de gas: Agujeros, orificios causados por exceso de humedad o baja permeabilidad ( 14 ).

• Defectos de expansión: Costras, pandeos, colas de rata causados por una expansión excesiva de arena, a menudo relacionados con un GCS alto, un WTS bajo o materiales volátiles inadecuados ( 11 ).

• Erosión e inclusiones de arena: causadas por una baja resistencia en verde o en seco, lo que lleva al lavado de arena en la pieza fundida ( 11 ).

• Penetración de metal: metal fundido que penetra en los poros de la arena, relacionado con arena gruesa, baja densidad del molde o formadores de carbono brillante insuficientes ( 2 ).

• Hinchazones e inexactitud dimensional: ocasionadas por una baja dureza del molde o una compactibilidad excesiva que provoca movimiento de las paredes del molde ( 14 ).

• Acabado superficial deficiente: Asociado a arena gruesa, alta permeabilidad o estabilidad inadecuada de la cara del molde ( 2 ). Estudios de caso reportan reducciones significativas de desechos, que en ocasiones superan el 40-50 % en piezas o fundiciones específicas, tras implementar control avanzado u optimización basada en IA ( 13 ). Un mejor acabado superficial reduce los costos de desbarbado y limpieza posteriores ( 5 ).

• Mayor consistencia del proceso: La monitorización en línea y los ciclos de retroalimentación automatizados reducen drásticamente la variabilidad entre lotes y turnos en propiedades críticas de la arena, como la humedad, la compactibilidad y la resistencia ( 9 ). Esto se traduce en un proceso de moldeo más predecible y estable ( 9 ).

• Eficiencia de recursos:

• Materiales: La dosificación precisa y automatizada, basada en mediciones en tiempo real, minimiza el consumo excesivo de agua, bentonita, aditivos carbonosos y otros materiales costosos ( 9 ). Se han reportado reducciones en el consumo de bentonita del 20 % o más ( 29 ). Una mayor estabilidad del sistema también puede reducir la tasa de adición de arena nueva necesaria para contrarrestar la acumulación de arcilla muerta ( 15 ).

• Energía: Optimizar el ciclo de trituración, por ejemplo, pasando de una trituración de tiempo fijo a una trituración basada en un aporte energético estable (Potencia Estable de Trituración a Energía - MTESP), puede reducir significativamente el tiempo de trituración (según informes, una reducción del 30-75 %) y el consumo energético asociado, sin comprometer las propiedades de la arena ( 9 ). Un mejor control de la temperatura de la arena mediante sistemas de refrigeración eficientes también contribuye a la gestión energética general ( 9 ).

• Recuperación de arena: Si bien es diferente del control, las propiedades estables de la arena verde pueden beneficiar potencialmente los procesos de recuperación de arena posteriores ( 25 ). La recuperación eficaz en sí misma ofrece importantes ahorros de costos al reducir la compra de arena nueva y los costos de eliminación ( 66 ).

• Mayor productividad y rentabilidad: La arena de alta calidad y consistente permite que las líneas de moldeo funcionen a mayor velocidad con menos interrupciones ( 4 ). La reducción del tiempo de inactividad asociado con problemas de arena o fallos de los equipos (posiblemente predecibles mediante la monitorización del IIoT) impulsa aún más el rendimiento ( 10 ). En combinación con menores tasas de desperdicio y un menor consumo de recursos, estos factores contribuyen directamente a la reducción de los costes de fabricación y a una mayor rentabilidad ( 4 ). Se han reportado mejoras en la OEE del 10-15 % con las implementaciones de la Industria 4.0 ( 37 ).

6.2 Obstáculos de implementación

A pesar de los claros beneficios, las fundiciones enfrentan varios desafíos prácticos al implementar sistemas avanzados de control en línea:

• Costo: La inversión inicial puede ser sustancial e incluir sensores, PLC, HMI, sistemas de dosificación automatizados, licencias de software, servicios de integración y actualizaciones potencialmente necesarias para equipos existentes como mezcladores o enfriadores ( 9 ). Si bien pueden existir opciones de menor costo para el control básico ( 41 ), los sistemas sofisticados que involucran IIoT e IA representan un gasto de capital significativo. Los costos de herramientas asociados con los cambios de proceso también pueden ser considerables ( 42 ). Un análisis de costo-beneficio exhaustivo y un cálculo del ROI son esenciales para la justificación ( 38 ). Este cálculo a menudo es complejo y necesita equilibrar los costos tangibles (equipo, mantenimiento) con los beneficios cuantificables (reducción de desechos, ahorro de material) y ganancias más difíciles de cuantificar (mejor consistencia, tiempos de respuesta más rápidos) ( 9 ). El éxito de la implementación con frecuencia depende de demostrar un ROI favorable, aunque potencialmente complejo.

• Calibración y mantenimiento: Los sensores en línea requieren una calibración inicial precisa con métodos de referencia y una verificación o recalibración continua para mantener la precisión en el exigente entorno de la fundición (polvo, vibración, fluctuaciones de temperatura) ( 12 ). Los comprobadores y sistemas de dosificación automatizados incorporan componentes mecánicos que requieren un mantenimiento preventivo regular para garantizar su fiabilidad ( 9 ). La robustez del diseño del equipo es un factor clave para minimizar la carga de mantenimiento ( 10 ).

• Complejidad de la integración de sistemas: Integrar nuevos sensores, controladores y software con los equipos heredados existentes (mezcladoras, transportadores, líneas de moldeo) y la red informática de la planta puede ser complejo ( 37 ). A menudo requiere experiencia que abarque tanto la tecnología operativa (OT: control físico del proceso) como la tecnología de la información (TI: redes, gestión de datos) ( 38 ). Garantizar la compatibilidad entre sistemas de diferentes proveedores también puede ser un desafío.

• Gestión y experiencia de datos: Los sistemas basados en IIoT generan grandes volúmenes de datos. El almacenamiento, la gestión, el análisis y la interpretación eficaces de estos datos requieren una infraestructura adecuada y personal cualificado (analistas de datos, ingenieros de procesos familiarizados con herramientas de datos) ( 37 ). Las fundiciones podrían necesitar invertir en formación o recurrir a servicios de soporte de proveedores o plataformas de IA para extraer información valiosa de los datos ( 37 ). Reducir la posible brecha de habilidades en análisis de datos dentro de la plantilla actual es un reto común ( 53 ).

• Inercia de procesos y gestión del cambio: Implementar con éxito estas tecnologías requiere más que simplemente instalar hardware y software. Implica adaptar los flujos de trabajo operativos, capacitar al personal para usar las nuevas herramientas y confiar en los datos, y fomentar una cultura que adopte la toma de decisiones basada en datos ( 38 ). Superar la resistencia al cambio y asegurar la aceptación de la gerencia son cruciales para obtener todos los beneficios ( 38 ). A pesar de la sofisticación de la automatización y la IA, los factores humanos siguen siendo críticos. El mantenimiento adecuado, las verificaciones de calibración, la comprensión de las salidas del sistema, la resolución eficaz de problemas por parte de los técnicos, la capacitación integral de los operadores y el compromiso de la gerencia para actuar según las recomendaciones basadas en datos son esenciales para el éxito sostenido ( 9 ). La implementación de tecnología es un desafío sociotécnico, y descuidar los aspectos humanos y organizacionales puede socavar las ganancias potenciales.

6.3. Estudios de casos ilustrativos

Numerosas fundiciones han implementado con éxito sistemas avanzados de control de arena verde, demostrando beneficios tangibles:

• Controladores en línea avanzados: Las fundiciones que utilizan controladores en línea avanzados informan sistemáticamente un control más preciso de la compactabilidad y la humedad, lo que resulta en una reducción de los defectos relacionados con la arena y una calidad de fundición más consistente ( 10 ). Las implementaciones han demostrado una mayor consistencia, un menor consumo de aglutinante, un mejor acabado de la fundición y una mayor ayuda en el diagnóstico de mantenimiento ( 15 ).

• Plataformas IIoT con optimización de IA: Las fundiciones que adoptan plataformas IIoT integradas combinadas con software de optimización basado en IA han reportado reducciones significativas en las tasas de desperdicio, que en ocasiones superan el 50 % en cuestión de meses, al seguir los ajustes de proceso prescritos por IA. Estos sistemas analizan datos de toda la línea de producción para identificar los parámetros operativos óptimos ( 39 ). Los grupos de fundición con múltiples plantas están aprovechando estas plataformas para monitorear los KPI, cubrir las brechas de habilidades e impulsar mejoras de calidad en todas las instalaciones ( 53 ).

• Líneas de Moldeo Modernas y Recuperación: Las mejoras en las fundiciones, que incorporan líneas de moldeo automatizadas modernas integradas con tecnología de la Industria 4.0, han impulsado importantes mejoras operativas ( 37 ). Los probadores automatizados portátiles/en línea ofrecen capacidades rápidas de prueba multipropiedad y pueden interactuar con los controles de molino ( 35 ). Las inversiones en plantas de recuperación térmica de alta capacidad con depuración y desempolvado avanzados han mostrado mejoras significativas en las características de la arena recuperada, lo que se traduce en beneficios proyectados como un mejor acabado superficial de la fundición y una reducción del consumo de aditivos/resinas (p. ej., reducción del 20 % de bentonita, reducción del 20 % al 25 % de resina del núcleo) ( 29 ).

• Estrategias y sensores de control alternativos: Un estudio que involucró a cuatro fundiciones de hierro demostró que cambiar del control convencional de trituración a tiempo (MTT) a una estrategia de trituración a potencia estable de energía (MTESP) eliminó el triturado excesivo, redujo los tiempos promedio de trituración hasta en un 75% (promedio del 30%), aumentó la producción del triturador y potencialmente ahorró energía, todo mientras mantenía o mejoraba la consistencia de las propiedades de la arena ( 24 ). Un estudio de caso detalló la implementación exitosa de un analizador de humedad NIR óptico sobre una banda de arena en una fundición no ferrosa, logrando una excelente correlación (R2 = 0,99953) con pruebas de laboratorio y proporcionando un control de humedad efectivo como una alternativa económica ( 46 ). Los sistemas integrados de control de enfriamiento y retroalimentación basados en sondas de temperatura y humedad han demostrado reducciones en las adiciones de agua y los tiempos del ciclo de mezcla ( 17 ).

• Metodologías de Mejora de Procesos: Los proyectos Six Sigma DMAIC también se han aplicado con éxito en procesos de arena verde, identificando las causas raíz de los defectos e implementando controles para reducir las tasas de rechazo (p. ej., del 6,94 % al 4,69 %) y mejorar los niveles de sigma del proceso ( 13 ). La mitigación de defectos específicos (p. ej., porosidad superficial) y la optimización del proceso (p. ej., aplicación de alimentadores) en arena verde también han sido objeto de estudios de caso específicos ( 67 ).

Tabla 4: Resumen de implementaciones/casos de estudio de sistemas avanzados de control de arena verde

Tipo de fundición/Enfoque del estudio de caso	Tecnología implementada	Objetivos clave/desafíos abordados	Beneficios/resultados informados (cuantificados cuando sea posible)
Grupo de fundición multisitio	Plataforma IIoT (Avanzando hacia la optimización de IA)	Reemplazar los conocimientos técnicos perdidos, cerrar la brecha de habilidades, monitorear datos/KPI en tiempo real, reducir la variabilidad, reducir los desechos.	Conexión rápida, paneles de control intuitivos y reducción temprana de desperdicios. Objetivo: usar datos/IA para lograr alta calidad a menor costo.
Fundición europea	Plataforma IIoT con optimización de IA	Reducir las tasas de desperdicio.	Se reportó una reducción de desperdicios del 39% y 45% en productos específicos.
Fundición de hierro	Plataforma IIoT con optimización de IA	Reducir las tasas de desperdicio.	Reducción del 50% de desechos en 3 meses; ahorro de más de $100 000 al mes; estabilización en niveles bajos de desechos reportados.
Fundición turca	Planta de recuperación térmica de alta capacidad con depuración y desempolvado avanzados	Reemplazar depuradores viejos, aumentar la capacidad de recuperación, mejorar la calidad de la arena recuperada, reducir el uso de aglutinante/arena nueva.	Características mejoradas de la arena (redondez, distribución); Proyectado: acabado superficial mejorado, reducción del 20% de bentonita, reducción del 20-25% de resina de núcleo, reducción del uso de arena nueva/polvo de carbón.
Fundición de metales no ferrosos	Línea de moldeo automatizada moderna + plataforma IIoT	Actualizar el sistema obsoleto, mejorar las operaciones a través de datos.	Se reportan importantes ganancias operativas.
Estudio de 4 fundiciones de hierro	Estrategia de control de potencia estable de Mull-to-Energy (MTESP)	Reemplace el Mull-to-Time (MTT), elimine el exceso de mulling, mejore la consistencia y aumente la producción.	Reducción promedio del tiempo de trituración de hasta un 75% (promedio 30%); mayor producción de trituración; consistencia de la propiedad de la arena mantenida/mejorada; potencial de ahorro de energía.
Caso del sistema automatizado de control de arena	Sistema automatizado de control de arena (ordenador supervisor, PLC, sensores: moldeabilidad, temperatura)	Automatizar el control, estabilizar las propiedades, reducir las pruebas, mejorar el acabado.	Compactabilidad/adherencia constante; alto GCS; consumo reducido de aglutinante; mejora espectacular en el acabado de la fundición; diagnóstico de mantenimiento mejorado.
Fundición de latón y aluminio	Analizador óptico de humedad NIR	Reemplace el antiguo control de humedad de manera económica; controle la humedad a pesar de las fluctuaciones del retorno de arena.	Excelente correlación (R2=0,99953) con pruebas de laboratorio; se logró un control efectivo de la humedad.
Aplicación de Seis Sigma	Metodología DMAIC	Reducir los defectos de fundición en el proceso de arena verde.	Reducción de la tasa de defectos del 6,94% al 4,69%; se informó una mejora del nivel Sigma de 3,49 a 3,65.
Caja con sistema de control y refrigeración integrado	Enfriador de arena, premezclador, sondas de temperatura/humedad, PLC con algoritmo PID/autoaprendizaje	Enfriar la arena de retorno, optimizar la dosificación de agua/aditivos, reducir el tiempo de mezcla.	Se redujo la adición de agua (por ejemplo, de 40 a 65 L a 20 a 30 L); se redujo el tiempo total del ciclo de mezcla; se informaron posibles ahorros de aditivos (12-16 %).

7. Conclusión y direcciones futuras

El control eficaz de las propiedades de la arena verde es indudablemente crucial para el éxito de las operaciones de fundición de metales, ya que influye directamente en la calidad de la fundición, la eficiencia de los recursos y la productividad general de la fundición. Si bien los métodos tradicionales de análisis de laboratorio fuera de línea proporcionan datos de referencia valiosos, sus retrasos inherentes y su frecuencia limitada los hacen insuficientes para gestionar la naturaleza dinámica de los sistemas modernos de arena verde de alto volumen.

La transición hacia la monitorización en línea y en tiempo real y el control automatizado representa un avance tecnológico significativo. Al utilizar sensores que miden parámetros clave como la compactabilidad, la humedad, la temperatura y la resistencia directamente en el flujo de proceso e integrarlos en sofisticados circuitos de control de retroalimentación basados en PLC, las fundiciones pueden lograr niveles de consistencia sin precedentes en su arena de moldeo. Estos sistemas permiten ajustes proactivos en la adición de agua y aditivos, compensando las fluctuaciones en la arena de retorno y manteniendo las propiedades dentro de los rangos objetivo ajustados. Los beneficios documentados son sustanciales, incluyendo reducciones significativas en los defectos de fundición relacionados con la arena y las tasas de desperdicio, un consumo optimizado de agua y materias primas, una mayor productividad gracias a un mayor tiempo de funcionamiento y velocidades de moldeo, y una menor dependencia de la intervención manual.

La tecnología de vanguardia actual va más allá de la automatización básica, incorporando los principios de la Industria 4.0 y la Inteligencia Artificial. Las plataformas IIoT permiten una conectividad fluida, un registro de datos centralizado y potentes herramientas de visualización, lo que proporciona una visibilidad integral del proceso. Se están implementando técnicas de IA y aprendizaje automático para analizar esta gran cantidad de datos, lo que permite el modelado predictivo de las propiedades de la arena, el diagnóstico inteligente de las causas de los defectos y la optimización prescriptiva de las estrategias de control, lo que a menudo conlleva mejoras significativas en la calidad y la eficiencia, como lo demuestran estudios de caso recientes.

De cara al futuro, es probable que varias tendencias definan el futuro de la gestión de la arena verde:

• Avances en sensores: Se prevé un desarrollo continuo en la tecnología de sensores, con el objetivo de obtener sensores más robustos, precisos, de menor mantenimiento y potencialmente más económicos. Es probable que los sensores multiparamétricos, capaces de medir varias propiedades clave simultáneamente, se generalicen.

• Fusión de sensores: La aplicación de técnicas de fusión de sensores, probablemente impulsadas por IA, crecerá, combinando datos de diversos tipos de sensores para crear una comprensión más confiable y completa del complejo estado de la arena verde, superando las limitaciones de los sensores individuales.

• Sofisticación de la IA: los modelos de IA/ML se volverán más sofisticados y avanzarán hacia ciclos de optimización totalmente autónomos, adaptando estrategias de control en tiempo real en función de los resultados previstos y la dinámica de procesos aprendida.

• Integración holística: Las plataformas digitales integrarán cada vez más datos y control en toda la cadena de valor de la fundición, desde la inspección de la materia prima entrante, pasando por la preparación y el moldeo de la arena, hasta la fusión, el vertido, el desmoldeo, el acabado y la inspección final de la pieza, lo que permitirá una verdadera optimización del proceso de extremo a extremo.

• Enfoque en la sustentabilidad: Las presiones ambientales y los costos de los recursos seguirán impulsando la innovación en áreas como el procesamiento energéticamente eficiente, las técnicas avanzadas de recuperación de arena ( 25 ) y el uso de aditivos respetuosos con el medio ambiente y de bajas emisiones ( 5 ), donde los sistemas de control desempeñan un papel clave en la optimización de estas prácticas sustentables.

En conclusión, la adopción de tecnologías avanzadas de pruebas en línea, control automatizado y optimización basada en datos se está convirtiendo rápidamente no solo en una ventaja, sino en algo esencial para las fundiciones de arena verde que buscan prosperar en un mercado global competitivo. El dominio de estas tecnologías permite a las fundiciones lograr la calidad constante, la alta eficiencia y la optimización del uso de recursos necesarias para un éxito sostenible en la era de la Industria 4.0.