Tarea 3: Impresión 3D, diseño mecánico y el día que aprendimos a no creernos todo
Si eres o estudias para ingeniero/a de diseño mecánico y te interesa la impresión 3D, seguro que alguna vez indagando por la red has leído algún artículo en una revista, visto algún video o tutorial, y has pensado: “Perfecto, esto es exactamente lo que estaba buscando para mi diseño, lo voy a aplicar”. A menudo confiamos en esos datos para elegir materiales, dimensionar piezas y tomar decisiones importantes. Por eso, cuando los resultados parecen espectaculares, conviene detenerse un momento y preguntarse si realmente son tan fiables como parecen.
En los últimos años han multiplicado
los artículos sobre fabricación aditiva de materiales avanzados, dando por
hecho propiedades mecánicas y funcionales extraordinarias. En algunos casos,
trabajos que afirmaban poder optimizar totalmente procesos o producir
materiales con comportamientos “revolucionarios” han tenido que ser retirados
por sus propias revistas tras comprobarse problemas graves en los datos
publicados. Por ejemplo, un artículo sobre parámetros de proceso para
geometrías variables en fabricación aditiva fue oficialmente retractado por los
editores, lo cual indica que había motivos suficientes para dudar de su validez.
Cuando una revista científica retira
un artículo, significa que la publicación ya no se considera parte de la
literatura científica válida. Las retractaciones ocurren por múltiples motivos,
pero estudios muestran que una gran mayoría de ellas se deben a mala conducta
científica, como falsificación o fabricación de datos, y no simplemente a
errores honestos .
Un caso muy conocido en la historia
reciente de la ciencia es el de Schön. Jan Hendrik Schön es un físico alemán
que trabajó en semiconductores y publicó numerosos artículos en revistas de
alto impacto. Posteriormente se descubrió que los datos presentados en varios
de esos artículos eran fraudulentos, lo que llevó a que muchas de sus
publicaciones fueran anuladas y a que su doctorado fuera retirado.. Este escándalo no ocurrió en fabricación aditiva, pero es muy útil como
ejemplo porque ilustra cómo incluso resultados muy “brillantes” y aparentemente
bien revisados pueden no ser fiables.
Aunque no existe un escándalo global
tan famoso como Schön dentro de la impresión 3D, sí hay ejemplos recientes de
trabajos retirados y de “alertas” que muestran problemas en la literatura de
fabricación aditiva. La retractación mencionada anteriormente es una señal
clara de que no toda la investigación publicada es reproducible o válida . Para estudiantes y profesionales de diseño mecánico, esto es
importante porque utilizamos datos de la literatura para tomar decisiones de
diseño estructural, selección de materiales y justificación de procesos. Cuando
esos datos no son fiables, el riesgo no es solo académico: puede resultar en
piezas que no cumplen requisitos mecánicos reales.
¿Qué deberíamos preguntarnos al
evaluar críticamente un artículo y la información que presenta? Algunas
preguntas clave podrían ser: ¿Se muestran todos los datos o solo gráficos
“perfectos”? ¿Están bien descritos los parámetros del proceso? ¿La investigación
ha sido publicada en revistas con buena reputación y revisión por pares
rigurosa? Aprender a cuestionar y evaluar críticamente es una habilidad que
debemos desarrollar a lo largo de toda nuestra carrera.
La impresión 3D es una herramienta
increíble para el diseño mecánico y la innovación, pero el verdadero valor de
un diseño no está solo en el software o en la impresora 3D, sino en los datos
sólidos, reales y reproducibles que sustentan los resultados. Cultivar una
mirada crítica sobre la literatura científica nos hará ser mejores diseñadores o
investigadores. Porque al final, da igual lo optimizado que esté un diseño: sin
integridad en los datos, no hay ingeniería que se sostenga.
Referencias
- Wikipedia.
(2025). Schön scandal. Recuperado de https://en.wikipedia.org/wiki/Sch%C3%B6n_scandal
- Fang, F. C., Steen, R. G., & Casadevall, A. (2012). Misconduct accounts for the majority of retracted scientific publications. National Academy of Sciences, 109(42), 17028–17033. https://doi.org/10.1073/pnas.1212247109
- Wang, L., Zhang, Y., & Li, X. (2025). Retraction Notice to “Additive manufacturing process parameter design for variable component geometries using reinforcement learning”. Addit. Manuf. 84C (2024), 104121. https://doi.org/10.1016/j.addma.2025.104796
Estupendo trabjo!!
ResponderEliminar¡Muy buen post! Me gusta mucho el enfoque de “esto nos afecta directamente” porque en diseño mecánico no leemos papers por curiosidad: muchas veces los usamos para dimensionar, seleccionar material y justificar decisiones.
ResponderEliminarDos cosas que creo que fortalecen aún más tu argumento:
En fabricación aditiva el riesgo no es solo “fraude”, sino resultados difícilmente extrapolables si faltan detalles clave. En 3D printing, pequeñas diferencias (orientación de impresión, estrategia de relleno, velocidad, temperatura real, humedad del filamento/polvo, postprocesado térmico, etc.) pueden cambiar muchísimo las propiedades. A veces el problema no es mala intención, sino metodología incompleta o falta de datos crudos/estadística.
Me parece acertadísimo que menciones retractaciones: es una señal de que “la revisión por pares” no es un escudo perfecto. Y lo de Schön encaja bien como recordatorio de que incluso resultados “brillantes” pueden estar mal.
Como aportación “de taller”, yo añadiría un mini-checklist al evaluar un paper/tutorial de impresión 3D:
¿Hay n suficiente (repeticiones), dispersión y barras de error, o solo “curvas perfectas”?
¿Se describen bien parámetros de impresión + postprocesado?
¿Se controlan y reportan defectos típicos (porosidad, anisotropía, adhesión entre capas)?
¿Se comparan resultados con un baseline razonable o con datos de referencia?
Dos preguntas que te lanzo para abrir debate:
Cuando dices “aplicarlo al diseño”, ¿te refieres más a piezas funcionales (carga real) o a prototipos conceptuales? Cambia mucho el nivel de “evidencia” que necesitamos.
¿Qué te parecería una regla práctica tipo “no usar datos de un solo paper” y pedir siempre confirmación por 2–3 fuentes/ensayos propios antes de tomar una decisión de diseño estructural?
Gracias por compartirlo: es de esos posts que ayudan a que el curso aterrice en algo útil para el día a día
Este tema me afecta personalmente también a mi en cierta manera, soy Ingeniero Industrial mecánico y mi tesis toca pero muy de refilón la fabricación aditiva. Y pese a que el núcleo de mi investigación no lo es, si no los recubrimientos, me ha sucedido en otros ámbitos como este último el intento de reproducibilidad de los experimentos basándome en las recetas y en los datos aportados por los artículos, con resultados que no han sido los que yo pensaba al inicio.
ResponderEliminarMuchas gracias por tu publicación!!