seguidores

en redes sociales

Itene diseña soluciones de IA para fabricar envases de alimentación flexibles

El proyecto Flexia anticipará las propiedades funcionales de los envases y detectará desviaciones durante la fabricación, reduciendo los tiempos de desarrollo y las mermas.

Publicado: 06/11/2026 ·17:13
Actualizado: 06/11/2026 · 17:13
  • Fabricación de envases para alimentación. -

El centro tecnológico Itene trabaja en el desarrollo de soluciones basadas en Inteligencia Artificial (IA) para mejorar la eficiencia en el diseño y la fabricación de envases flexibles destinados al sector alimentario. 

A través del proyecto Flexia, esta entidad busca anticipar las propiedades de los materiales antes de su fabricación y optimizar las condiciones de los procesos productivos mediante herramientas digitales de predicción y monitorización. 

Estos avances permitirán agilizar el desarrollo de nuevas estructuras de envase, reducir la necesidad de ensayos experimentales y minimizar las mermas de producción, manteniendo las prestaciones necesarias para garantizar la protección y conservación de los alimentos.

RESISTENCIA Y SELLABILIDAD

Itene recuerda que el sector del envase flexible para alimentación se enfrenta al reto de combinar propiedades como la resistencia mecánica, la capacidad barrera y la sellabilidad con las crecientes exigencias de sostenibilidad y reciclabilidad. Sin embargo, el desarrollo de nuevas estructuras requiere numerosos ciclos de ensayo y ajustes de fabricación, lo que incrementa los costes y retrasa su llegada al mercado.

Para dar respuesta a estos desafíos, Flexia abordará dos líneas tecnológicas complementarias: la predicción de las propiedades funcionales de los envases mediante inteligencia artificial y la monitorización inteligente de los procesos industriales para detectar desviaciones y mejorar la eficiencia productiva.

Para ello, Itene recopilará información sobre materiales, estructuras multicapa, ensayos de caracterización y parámetros de fabricación, que servirá para entrenar algoritmos de Machine Learning y desarrollar modelos predictivos capaces de relacionar las características de los materiales con las prestaciones finales de los envases. Paralelamente, incorporará tecnologías de sensorización industrial para monitorizar variables críticas de fabricación, identificar comportamientos anómalos y facilitar ajustes que reduzcan defectos y pérdidas de material.

Todos los desarrollos se integrarán en una plataforma digital de apoyo a la toma de decisiones, que se validará en entornos piloto e industriales. La herramienta estará dirigida principalmente a fabricantes y transformadores de envases flexibles para alimentación.

¿Quieres recibir novedades como estas? Recibe nuestra newsletter

Marcar como fuente
preferida en Google