Naukowcy z Uniwersytetu Illinois w Urbana-Champaign odkryli, iż każda drukarka 3D, choćby identyczna pod względem modelu i ustawień, pozostawia na wydrukowanych częściach unikalny „odcisk palca”. Te mikroskopijne różnice są niewidoczne gołym okiem. Jednak z powodzeniem mogą być wykryte przez sztuczną inteligencję podczas analizy zdjęcia powierzchni wydruków.
Nowatorskie podejście do identyfikacji
Zespół badawczy pod kierunkiem profesora Billa Kinga opracował system AI, który potrafi zidentyfikować konkretną drukarkę na podstawie zdjęcia fragmentu wydruku o powierzchni zaledwie 1 mm². Model został przeszkolony na podstawie 9 192 zdjęc części wydrukowanych na 21 różnych maszynach. Wykorzystywały one cztery różne procesy druku: FDM, SLA, MJF i DLS.
Każda część została zeskanowana dzięki skanera o rozdzielczości 4800 dpi. Pozwoliło to na uchwycenie mikroskopijnych detali powierzchni. Model głębokiego uczenia, oparty na architekturze EfficientNetV2, został przeszkolony do rozpoznawania unikalnych „odcisków palców” pozostawianych przez poszczególne maszyny. W rezultacie osiągnięto imponującą dokładność identyfikacji na poziomie 98,5% .
Rewolucja w zarządzaniu łańcuchem dostaw
W tradycyjnym modelu produkcji, kontrola jakości opiera się na zaufaniu do dostawców i sporadycznych audytach. Jednak mogą oni wprowadzać zmiany w procesie produkcyjnym bez informowania odbiorców, co może prowadzić do problemów z jakością produktów. choćby identyczne modele drukarek, używające tych samych materiałów i ustawień, pozostawiają subtelne różnice w wydrukach, które są niewidoczne dla ludzkiego oka, ale wykrywalne przez algorytmy sztucznej inteligencji.

Nowa technologia pozwala producentom na bieżąco monitorować, czy dostawcy przestrzegają ustalonych procedur i używają odpowiednich maszyn. Dzięki analizie zdjęć wydruków, możliwe jest wykrycie nieautoryzowanych zmian w procesie produkcyjnym, co zwiększa przejrzystość i bezpieczeństwo łańcucha dostaw.

Technologia identyfikacji „odcisków palców” drukarek 3D ma szerokie zastosowanie w wielu sektorach:
- Lotnictwo i motoryzacja: Pewność, iż części zamienne produkowane są zgodnie z określonymi standardami.
- Medycyna: Weryfikacja jakości implantów i narzędzi chirurgicznych.
- Produkcja elektroniki: Śledzenie pochodzenia komponentów w celu zapobiegania fałszerstwom.
W każdej z tych branż, możliwość dokładnej identyfikacji źródła pochodzenia części zwiększa bezpieczeństwo i jakość produktów końcowych.

Przyszłość kontroli jakości
Integracja sztucznej inteligencji z procesami produkcyjnymi otwiera nowe możliwości w zakresie kontroli jakości. Systemy takie jak opracowany przez zespół z Uniwersytetu Illinois mogą być w przyszłości standardem w monitorowaniu produkcji addytywnej.
Dalsze badania mogą skupić się na rozszerzeniu możliwości systemu o identyfikację innych parametrów produkcyjnych, takich jak użyty materiał czy warunki środowiskowe podczas druku. To pozwoli na jeszcze dokładniejszą kontrolę i optymalizację procesów produkcyjnych.