Desarrollan un sistema para optimizar el comportamiento eléctrico, térmico y mecánico de materiales impresos en 3D

“A día de hoy, los termoplásticos conductivos resultan muy prometedores por su capacidad para transmitir señales eléctricas al tiempo que proporcionan un soporte estructural”, explica uno de los autores del estudio, Daniel García-González, del Dpto. de Mecánica de Medios Continuos y Teoría de Estructuras de la UC3M. “Pero el principal desafío en la fabricación de estos materiales es el control de su estructura interna, ya que la unión entre filamentos y la presencia de pequeñas cavidades afectan tanto a su resistencia mecánica como a su capacidad para transmitir señales eléctricas”, explica el científico.

Hasta ahora, estos factores se consideraban defectos inevitables del proceso de impresión 3D. Sin embargo, los investigadores han logrado controlar estas características mediante la integración de herramientas computacionales avanzadas y ensayos experimentales, lo que les ha permitido fabricar estructuras que tienen sensibilidad y son capaces de transformar señales mecánicas en señales eléctricas.

“Lo bueno de este descubrimiento es que es extrapolable a otros tipos de tecnología de impresión 3D en la que se podrían utilizar materiales más blandos”, añade Javier Crespo, también del Dpto. de Mecánica de Medios Continuos y Teoría de Estructuras de la UC3M. El investigador se muestra optimista a la hora de que se puedan diseñar materiales que sienten las bases para futuros avances en la fabricación aditiva, gracias a la combinación de estas nuevas herramientas computacionales. 

Este nuevo trabajo, respaldado por una amplia validación experimental, ofrece un enfoque fiable para socavar las diferencias que hay entre los diferentes comportamientos de los componentes conductores y supone un gran paso adelante en el futuro diseño de materiales multifuncionales, según sus autores.  “Por ejemplo, en el campo de la ingeniería estas estructuras se podrían utilizar tanto para la fabricación de robots blandos como para la obtención de datos virtuales que puedan servir a las tecnologías de machine learning”, apunta Javier Crespo. 

Emilio Martínez-Pañeda, profesor de la Universidad de Oxford y co-autor del estudio señaló que “el trabajo abre un sinfín de oportunidades, permitiendo el desarrollo de materiales y sensores inteligentes que podrían tener gran utilidad en la industria aerospacial o en la monitorización de infraestructura”. 

“Y no solo eso —añade Daniel García-González—, con estos nuevos materiales también podríamos crear parches o apósitos que nos avisen de cuántas veces estamos flexionando la rodilla para que, en el caso de que tengamos una lesión, nos alerten de si estamos pasando ciertos puntos críticos en los que vamos a inducir daño en nuestros músculos”.