IA diseña hierro con 100% chatarra: 8% más barato

Una IA que diseña la aleación alrededor de la suciedad, no contra ella

Un equipo internacional ha fabricado fundición de hierro con 100 % de chatarra como carga metálica usando aprendizaje automático: hasta 15,2 % más de resistencia o hasta 73,2 % más de alargamiento, y 8,1 % menos de coste que la ruta convencional. El trabajo se publica en Science Advances y lo detalla el Instituto Max Planck de Materiales Sostenibles. Para un founder, la lección excede la metalurgia: cuando tu materia prima es heterogénea y sucia, la IA permite diseñar el proceso en torno a esa variabilidad en lugar de gastar capital en eliminarla.

¿Qué cambia frente a la regla que la metalurgia aplica desde hace milenios?

El reciclaje de metal degrada la calidad. La chatarra llega mezclada: restos de acero inoxidable, aleaciones de automoción, virutas de mecanizado, con cobre, estaño, níquel y titanio que la industria considera contaminantes.

La respuesta tradicional es diluir: mezclar la chatarra con más de un 30 % de material virgen —mineral de hierro, coque y caliza—, con su factura de emisiones. Según el propio estudio, cuando se supera el 70 % de chatarra, resistencia y ductilidad caen a la vez con los métodos convencionales. Es un techo conocido y es exactamente el punto donde este trabajo cambia la pregunta.

¿Cómo funciona el sistema DAS-DAO?

El método combina dos redes neuronales que aprenden a predecir el comportamiento de una aleación con un buscador que explora combinaciones. Se entrenó con datos de 330 coladas de fundición reciclada —composición, proceso, microestructura y propiedades— más unas 2.400 de fundición virgen.

No se limita a la química. Maneja diez variables: carbono, silicio, manganeso y cobre, pero también temperatura de sangrado, tiempos de nodularización e inoculación y proporción de perlita. Propone candidatos, los ordena buscando el mejor equilibrio entre resistencia y ductilidad, y se validan fabricándolos de verdad.

De los 17 diseños que llegaron al horno, 14 superaron lo mejor de su propio conjunto de datos. El material de trabajo fue fundición dúctil, un 28 % del consumo mundial de fundición de hierro, unos 120 millones de toneladas al año. Las aleaciones se fundieron en una línea de colada industrial automatizada con horno de inducción, gemelo digital y sensores, y se ensayaron según norma. El código está publicado en abierto.

¿Por qué el cobre deja de ser un contaminante y pasa a ser refuerzo?

Porque forma nanopartículas. El cobre, junto a pequeñas cantidades de titanio, magnesio, estaño y oxígeno, se agrupa en partículas minúsculas que bloquean el movimiento de los defectos internos por los que el metal se deforma. Esa barrera aporta entre 114 y 152 megapascales de resistencia extra, y el cobre y el silicio disueltos suman otros 148.

Del estudio salen reglas prácticas: carbono por encima del 3,2 %, silicio entre 2 y 3 %, cobre por encima del 0,15 %, temperatura de sangrado no superior a 1.435 °C y nodularización de al menos media hora. Tres aleaciones concretas dan la escala: 589,9 MPa con 18,5 % de alargamiento, 689,3 MPa con 13,4 % y la más resistente con 791,1 MPa y 8,5 %. Frente al grado comercial QT450, el producto de resistencia por alargamiento sale un 15,5 % por encima.

¿Las mejoras del 15 % y el 73 % se dan juntas?

No. Es el matiz más importante para leer bien el estudio: las cifras grandes son alternativas, no simultáneas. Se logra hasta 15,2 % más de resistencia con un alargamiento comparable, o hasta 73,2 % más de alargamiento con una resistencia comparable. Y la referencia es el mejor resultado de su propio conjunto de datos de fundición reciclada, no un estándar industrial.

El otro matiz: el 100 % se refiere al metal de partida. Durante la fusión se añaden ajustes como recarburante, ferrosilicio y granalla de cobre, así que no significa que no entre nada más al horno.

¿Para qué sirve y para qué no?

Todavía no sirve para acero. El estudio es sobre fundición de hierro, que tolera mucho mejor las impurezas. Aplicar el método al acero, al aluminio y a las aleaciones de cobre es el siguiente paso que plantean los autores, junto con laboratorios automatizados dirigidos por sistemas de varios agentes.

Los propios investigadores marcan los límites: el método depende de la cantidad y la calidad de los datos disponibles, y no aplica donde se exige pureza alta, como semiconductores o implantes médicos.

¿Por qué el mercado está mirando esto?

La escala justifica el interés. La producción de metales mueve más de 2.000 millones de toneladas al año y es responsable de alrededor del 40 % de las emisiones industriales de gases de efecto invernadero, según el estudio. Solo el acero emitió unos 4.100 millones de toneladas de CO₂ equivalente, entre el 7 % y el 8 % de las emisiones humanas, según worldsteel, que calcula que cada tonelada de chatarra usada evita 1,5 toneladas de CO₂.

El dinero acompaña. ResearchAndMarkets proyecta que el mercado de acero verde pase de US$65.000 millones en 2026 a US$156.700 millones en 2033, con un CAGR del 13,40 %, según recoge GlobeNewswire. Y el cuello de botella que este trabajo ataca es concreto: el medio especializado CleanTechnica señala que la contaminación por cobre es una de las restricciones centrales de la ruta de horno de arco eléctrico, la vía madura y comercial para descarbonizar el acero.

El patrón se repite en las economías que dependen de chatarra. En Turquía, entre el 72 % y el 75 % del acero crudo sale de hornos de arco eléctrico y el país importa entre el 70 % y el 75 % de la chatarra que consume, con problemas reconocidos de separación en origen, mezcla de chatarra limpia y contaminada y trazabilidad insuficiente, según el Istanbul Policy Center. Ese es, exactamente, el terreno que un modelo como este puede ordenar.

¿Qué significa esto para tu startup?

El valor de este trabajo no está en el porcentaje. Está en el cambio de planteamiento: la industria llevaba décadas intentando que la chatarra se pareciera al material virgen; aquí se acepta que la chatarra es sucia y se diseña para esa suciedad concreta. Esa lógica es trasladable a cualquier negocio que pelee con insumos variables, desde reciclaje de plásticos hasta cemento, alimentación o química fina.

Tres acciones concretas que puedes implementar esta semana:

• Reformula el problema como diseño inverso. Si hoy tu plan es homogeneizar el insumo (comprar material más puro, mezclar lotes, descartar lo que no cumple), calcula primero cuánto te cuesta esa homogeneización. Este estudio demuestra que, cuando el insumo es el 100 % del costo y las variables son muchas, modelar y optimizar el proceso en torno a la variabilidad real puede ser más barato que eliminarla. Identifica tus diez variables controlables —no solo la composición, también tiempos, temperaturas y proporciones— y ponlas en la misma mesa.
• Antes de prometer IA, instrumenta la línea. El método se entrenó con 330 coladas registradas con composición, proceso, microestructura y propiedades, y necesita datos de proceso propios de cada planta. Si tu operación no captura hoy esa información de forma sistemática, tu primer proyecto no es un modelo: es un plan de sensado y registro por lote. Sin esa base, cualquier piloto de IA en materiales se queda en demo.
• Pide siempre la línea base al evaluar un proveedor o un paper. Aquí la mejora se mide contra el mejor resultado del propio conjunto de datos reciclados, no contra un estándar de mercado; solo la comparación con el grado comercial QT450 da un número comparable a la industria. Cuando alguien te venda IA aplicada a materiales, pregunta contra qué se comparó, cuántas muestras llegaron a producción y si el resultado se validó a escala industrial o en probeta.

Conclusión

Este trabajo no resuelve la descarbonización del acero ni convierte la chatarra en material premium de la noche a la mañana. Lo que hace es demostrar, con fundiciones reales y ensayos normalizados, que las impurezas pueden ser un parámetro de diseño y no un defecto, y que la IA es la herramienta adecuada cuando el rompecabezas tiene demasiadas variables para la intuición humana.

Para un founder, la señal es más amplia que la metalurgia: el conocimiento de proceso, bien capturado y bien modelado, es un activo competitivo tan real como una patente. El escollo que los propios autores señalan es el que deberías tener en el radar si te mueves en economía circular: cada partida de insumo reciclado es distinta, y un método que depende de datos de proceso exige que cada planta construya los suyos.

Fuentes

• IA diseña fundición de hierro con chatarra e impurezas de cobre (fuente original)
• Steel's Future Starts With Demand, Scrap, And Electricity, Not Hydrogen
• Global Green Steel Market Size, Share, Competitive Landscape and Forecast to 2033
• IPC urges binding emissions targets and scrap reform for Turkey's steel sector