El Centro Tecnológico AIMEN, ubicado en Porriño, lidera el proyecto europeo Caelestis, que tiene como principal objetivo el desarrollo de un Ecosistema de Simulación Interoperable (ISE) para digitalizar todo el proceso de diseño y fabricación de piezas aeroespaciales.

En el marco de esta iniciativa, según explicaron ayer desde esta institución, se investigará el potencial de los gemelos digitales para acelerar la innovación en el ámbito de la aeronáutica y contribuir a alcanzar los objetivos climáticos de Europa para 2050. Los resultados del proyecto permitirán reducir las emisiones de CO2 procedentes de la aviación, disminuir los costes y riesgos en el diseño y la fabricación de los nuevos modelos de aeronaves y acortar los plazos de innovación de los aviones más eficientes del futuro.

El ecosistema desarrollado posibilitará el flujo de datos en toda la cadena de valor de la aeronave, vinculando aún más la ingeniería, el diseño y la fabricación, al integrar y ejecutar de forma autónoma flujos de trabajo de simulación para respaldar el diseño multidisciplinario, la optimización y la cuantificación de la incertidumbre.

Este ecosistema será impulsado por infraestructuras “High Performance Computing” (HPC) para ejecutar predicciones y ofrecer diseños optimizados, e incluirá gemelos digitales basados en modelos de alta fidelidad que cubrirán varias etapas de la producción. Asimismo, se emplearán herramientas de aprendizaje automático para mejorar la detección de defectos de fabricación y la cuantificación de su influencia en la integridad estructural, así como también para identificar diseños que tengan en cuenta la fabricabilidad.

Caelestis fomentará la implementación de prototipos virtuales en toda la industria aeronáutica de la Unión Europea para impulsar así la innovación en la fabricación de aeronaves con un enfoque multiactor. Esta investigación podría repercutir en la industria aeroespacial introduciendo el marco digitalizado que conectará el diseño con la fabricación e integrará algoritmos de simulación y aprendizaje automático en un marco informático de alto rendimiento con el fin de optimizar las soluciones y los requisitos de las piezas aeroespaciales.