استخدام الذكاء الاصطناعي لتوثيق الأجزاء المطبوعة ثلاثيًا

طور فريق من المفكرين في كلية غرينجر للهندسة نموذجًا للذكاء الاصطناعي يمكنه بصمة دقيقة للأجزاء المطبوعة ثلاثيًا. يفحص الذكاء الاصطناعي التفاصيل الرئيسية التي لا يمكن للعين البشرية رؤيتها ويقارن نتائجه مع التفاصيل المحددة التي يتركها كل 3D printer.

يمكن لهذا الاكتشاف أن يساعد في تخفيف مشكلات التصنيع والمراقبة وإدارة سلاسل الإمداد، مما قد يوفر على الشركات مليارات الدولارات. إليك ما تحتاج إلى معرفته.

التحديات في التحقق من سلسلة الإمداد

تعقيد منتجات اليوم يعني أن بنائها قد يتطلب آلاف المكونات، يتم الحصول عليها من مئات الشركات المصنعة. للأسف، أدى هذا السيناريو إلى بعض المشكلات، حيث إن ضمان بقاء جودة الشركات المصنعة دون تغيير ثبت أنه مهمة صعبة.

في اتفاقية تصنيع نموذجية، يتوصل الطرفان إلى تفاهم حول التفاصيل الرئيسية للمنتج. يمكن أن تشمل هذه التفاصيل العمليات الدقيقة، والمواد المستخدمة، وإجراءات المصنع. اعتمادًا على الجزء وغرضه، قد لا يكون من السهل ملاحظة أي تغييرات تم إجراؤها لفترة من الوقت أو حتى حدوث الفشل.

تحديد مصدر الجزء

في الماضي، كانت الطرق الشائعة المستخدمة لضمان أن الجزء جاء من المكان الذي يُقال إنه صُنع فيه تشمل أساليب بدائية مثل ملصقات الأجزاء، المتعقّبات، وحتى أرقام السيريال المحفورة. يمكن رؤية هذه الأساليب بسهولة، لكنها تُنسخ وتُزور وتُقلد بسهولة. أدت هذه المشكلات إلى إصرار الشركات المصنعة على وضع علامات سرية على بعض المكونات.

الطباعة ثلاثية الأبعاد ومواطن الضعف فيها

أدى إدخال الطباعة ثلاثية الأبعاد إلى تغيير العملية الصناعية إلى الأبد. جعل هذا الخيار المرن للتصنيع من الأسهل على الشركات المصنعة الاستعانة بمصادر خارجية للمكونات. وفي الوقت نفسه، تصبح الأجزاء المطبوعة ثلاثيًا أسهل في تعديلها وتزويرها.

هناك عوامل أكثر يجب إدارتها ومراقبتها عند مناقشة التصنيع الإضافي، بما في ذلك جودة المواد الخام، وضوابط العملية، ونوع الآلات المستخدمة. ومن الجدير بالذكر أن أي تغييرات في هذه الفئات يمكن أن تؤدي إلى جودة جزء دون المستوى.

النهج التقليدية للرقابة على الجودة

سعى المصنعون إلى بذل جهود كبيرة لتحسين عمليات التدقيق الخاصة بهم. قد يقومون بإجراء المزيد من الزيارات الميدانية ويتطلبون علامات إضافية لضمان أصل المنتجات. ومع ذلك، فإن الحقيقة هي أن هذا النهج ثبت عدم فعاليته على نطاق واسع.

في الماضي، تم استدعاء خبراء بشريين للمساعدة في تحديد أصل المكونات المصنعة بتقنية التصنيع الإضافي. ومع ذلك، فإن هذه العملية تستغرق وقتًا طويلاً. بالإضافة إلى ذلك، غالبًا ما يكون المصنعون غير مدركين لأي مشكلات حتى يحدث عطل لاحقًا في الإنتاج، مما يجعل من الصعب جدًا تحديد الجزء الذي تم تغييره وكيفية ذلك.

نظرة عامة على دراسة بصمة الذكاء الاصطناعي

تقدم الدراسة¹ “Additive manufacturing source identification from photographs using deep learning”، التي نُشرت في مجلة Nature الشريكة Advanced Manufacturing، نموذجًا للذكاء الاصطناعي قد يساعد في حل العديد من هذه المشكلات في السنوات القادمة. يستطيع النظام تصديق جودة وأصالة أجزاء التصنيع الإضافي باستخدام صور مُحللة لنسيج طبقاتها.

بصمة التصنيع

كل طابعة ثلاثية الأبعاد لها جوانب فريدة تمنحها بصمة يمكن اكتشافها بواسطة المستشعرات وأنظمة الذكاء الاصطناعي. تشمل التفاصيل الرئيسية مثل tolerances أبعاد الجزء، وإعدادات العملية، والمواد المستخدمة، والتي ترتبط بالآلات الفردية.

المصدر – Advanced Manufacturing

كيف يعمل عملية بصمة الذكاء الاصطناعي

يعمل نظام البصمة على افتراض أنك تحصل على تعاون الشركة المصنعة، رغم أنه ليس ضروريًا. الخطوة الأولى هي جمع عينات من المنتج المثالي لأغراض المقارنة. ستحتاج إلى تقديم تفاصيل محددة، بما في ذلك الصنع والطراز للآلة، عملية التصنيع، والمواد المستخدمة أثناء الإنتاج. من هناك، يتولى نظام الذكاء الاصطناعي الباقي.

معمارية التعلم العميق وتصميم النموذج

يمكن للنموذج الذكائي تحديد بصمة طابعة ثلاثية الأبعاد من صورة عالية الدقة للجزء. ثم يستخدم تفاصيل الصورة مثل نسيج السطح عبر تقليل حجم الصورة، العينة العشوائية، وآلية التصويت. يتم تقليل حجم الصورة لاحقًا للسماح بمزيد من الصور لكل نموذج.

نظر المهندسون إلى عدة هياكل ذكاء اصطناعي مختلفة قبل أن يحددوا أن EfficientNetV2 هو الخيار الأفضل. أظهرت الاختبارات أن نموذج الذكاء الاصطناعي يحقق دقة عالية. بالإضافة إلى ذلك، احتل المرتبة الأولى من حيث سرعة التدريب. نسب المهندسون هذا الأداء إلى القدرة على إدخال عدد أقل من المعلمات وتصميم طبقات النموذج.

تدريب النموذج باستخدام أكثر من 9,000 صورة للجزء

لتدريب الذكاء الاصطناعي، أنشأت الفريق مجموعة بيانات تشمل صورًا فوتوغرافية لـ 9,192 جزءًا. جاءت الأجزاء من 6 شركات مختلفة وتم تصنيعها على 21 آلة باستخدام واحدة من أربع عمليات تصنيع مختلفة. تم طباعة كل جزء ثم مسحه ضوئيًا باستخدام جهاز Epson Perfection V39 عالي الدقة.

كانت الدقة 4800 نقطة في البوصة، وتم مسح كل جزء عدة مرات لتضمين رقم سيريال مُسحوب. ثم تم تجميع صور البكسل بحجم 5.3 ميكرومتر في دفعات من 21 صورة لكل دفعة، وأُرسلت مساراتها إلى أداة عشوائية. ساعد هذا النهج في تحسين أوقات جمع البيانات.

اختبار طريقة البصمة

لاختبار نظريتهم، أنشأ المهندسون مجموعة متنوعة من الأجزاء من 21 آلة فريدة عبر أربع عمليات تصنيع مختلفة. قام نموذج الذكاء الاصطناعي بأخذ عينة عشوائية من منطقة اهتمام (ROI) بحجم 448 × 448 بكسل من كل صورة جزء كجزء من مرحلة الاختبار.

نتائج دقة البصمة

ثبت الذكاء الاصطناعي قدرته، حيث حقق دقة 98٪ عبر 1050 جزءًا. حدد النموذج جميع المقاييس الرئيسية للأجزاء، بما في ذلك عملية التصنيع، المادة، وموقع الطابعة التي تم فيها طباعة الجزء. أظهر أنه يحتاج فقط إلى ما لا يقل عن 10 أجزاء لتأمين بصمة الطابعة.

لماذا يهم هذا الصناعة

هناك العديد من الفوائد التي سيجلبها هذا النهج إلى السوق. أولاً، سيساعد على منع فقدان الجودة ومساعدة المصنعين في تحديد أصول الفشل. عند التعامل مع أنظمة متقدمة وحاسمة مثل الطائرات، قد يكون لهذا النهج فرقًا بين الحياة والموت.

الكشف المبكر عن الأجزاء المعيبة

سيساعد نموذج الذكاء الاصطناعي هذا أيضًا في اكتشاف مشكلات المكونات المطبوعة ثلاثيًا قبل تركيبها. سيوفر هذا النهج على المصنعين التكاليف ويقلل من أي مخاطر سلامة قد تحدث بسبب قصور الجزء غير الصحيح. بالإضافة إلى ذلك، يقدم هذا النهج قابلية التوسع مقارنةً باستخدام الخبراء البشريين.

قابلية التوسع وتكيف النموذج

يمكن لنموذج الذكاء الاصطناعي التعلم والتكيف مع مرور الوقت. يعني هذا أن النظام يمكنه تحديد الميزات القابلة للتحديد لتوقع سمات تصنيع أخرى. تشمل هذه السمات العملية، المادة، والآلة التي تم استخدامها لطباعة المكون.

التطبيقات في الصناعة وسلسلة الإمداد والطب الشرعي

هناك عدة تطبيقات واقعية لهذه التقنية. من إدارة الموردين إلى الرقابة على الجودة، وحتى تطبيقات إنفاذ القانون. القدرة على تحديد أصل الأجزاء المطبوعة ثلاثيًا تُعد تغييرًا جذريًا يمكن أن يساعد في إنقاذ الأرواح. إليك تطبيقاتها الرئيسية والجدول الزمني.

الصناعي

سيجد القطاع الصناعي استخدامًا فوريًا لهذه التقنية. قد تكون حاسمة في حل المشكلات من جذورها. في المستقبل، يمكن للمصنعين الاستفادة من تحديد المصدر القائم على الصور لمراقبة جودة وأصالة أجزاء التصنيع الإضافي، مما يساعد على ضمان بقاء الرقابة على جودة البيانات فعّالة في عصر الطابعات ثلاثية الأبعاد.

سلسلة الإمداد

ستجعل الفوائد نفسها النظام مثالياً لإدارة سلسلة الإمداد. هناك آلاف من الشركات المصنعة المتعاقدة في سلسلة إمداد رئيسية. سيساعد نظام الذكاء الاصطناعي الشركات على مراقبة وإدارة المنتجات الفردية التي تأتي من مواقع مختلفة وفي أوقات متباينة. ستمكن قابلية التوسع للنظام المصنعين المستقبليين من التحقق المسبق من صحة الأجزاء قبل التركيب أو الفشل.

التحقيق

مجال آخر يمكن أن تساعد فيه هذه التقنية هو تحديد أصل السلع غير المشروعة. كل شيء من الأجزاء المقلدة إلى الأسلحة المطبوعة ثلاثيًا يمكن الآن مراقبته بسهولة بفضل هذه التقنية. في الماضي، تركت قضايا مثل الأسلحة الشبحية السياسيين في حيرة. في المستقبل، ستساعد هذه التقنية إنفاذ القانون على إحضار المزيد من الأشخاص إلى العدالة بينما تساعد في الحد من تدفق الأسلحة المطبوعة ثلاثيًا على مستوى العالم.

الجدول الزمني لبصمة الأجزاء المطبوعة ثلاثيًا

يمكن تطبيق تقنية بصمة الذكاء الاصطناعي هذه خلال السنوات 1-3 القادمة. هناك طلب قوي على الفوائد التي يجلبها نموذج الذكاء الاصطناعي، ويمكن تكييفه ودمجه بسهولة في سلاسل الإمداد والتصنيع. تساعد هذه العوامل في إنقاذ الأرواح وتوفير المال للشركات.

الباحثون عن بصمة الأجزاء المطبوعة ثلاثيًا

كتب الدراسة باحثون من كلية غرينجر للهندسة. على وجه التحديد، تُدرج بيل كينغ، مايلز بيمروز، ديفيس ماكجريجور، تشارلي وود، وسامح توفيك كمساهمين في العمل. سيسعى الفريق الآن لتوسيع نموذجهم ليشمل المزيد من طابعات ثلاثية الأبعاد والشركات المصنعة.

الاستثمار في قطاع الطباعة ثلاثية الأبعاد

يمكن للعديد من الشركات في قطاع التصنيع الإضافي الاستفادة من هذه الدراسة. شهد المستثمرون شركات الطباعة ثلاثية الأبعاد تنتقل من النمذجة الأولية إلى إنشاء أحياء كاملة. لذلك، ليس من المفاجئ معرفة أن استخدام تقنية الطباعة ثلاثية الأبعاد في تزايد. إليك شركة واحدة تستمر في إظهار جهد رائد.

Carpenter Technology Corporation

دخلت شركة Carpenter Technology Corporation (CRS ) السوق في عام 1889 في ريدينغ، بنسلفانيا. تأسست الشركة على يد جيمس هنري كاربتنر وعدة مستثمرين لإنشاء مكونات متخصصة.

بشكل مثير للإعجاب، حافظت شركة Carpenter Technology Corp على روح الريادة وحتى ساهمت في إنشاء بعض أولى القذائف المخترقة للدروع خلال الحرب الإسبانية-الأمريكية. منذ ذلك الحين، بنت سمعة للمتانة واستخدمت حتى في محرك طائرة الأخوين رايت عندما أقلعا لأول مرة في عام 1903.

في عام 1917، حققت الشركة اكتشافًا كبيرًا آخر عندما قدمت الفولاذ عالي القوة إلى السوق. كان هذا البديل المقاوم للتآكل حاسمًا للابتكار في قطاع الطيران. اليوم، تقدم الشركة مجموعة واسعة من المنتجات، بما في ذلك الفولاذ المتخصص، السبائك، والمساحيق للاستخدام في تطبيقات الطباعة ثلاثية الأبعاد.

تُعد خيارات مسحوق Carpenter Tech مكونًا حيويًا في عمليات القطع، التشكل، والحفر المعقدة، وتُستخدم سبائكه عبر صناعات متعددة، بما في ذلك النقل، الدفاع، الفضاء، الطاقة، الصناعة، الطب، والإلكترونيات الاستهلاكية. تجعل كل هذه العوامل من CRS إضافة قوية إلى محفظتك.

أحدث أخبار وتطورات سهم شركة Carpenter Technology Corp.

المزيد من المساءلة → مستقبل الرقابة على الجودة باستخدام الذكاء الاصطناعي

عند الاطلاع على الأخبار ورؤية تقارير عن فشل مكونات الطائرات أو حوادث مهددة للحياة، يصبح من السهل فهم لماذا يعتبر تحديد مصدر الأجزاء المعيبة مهمة حيوية للسلامة العامة. يساعد هذا النهج الجديد على خفض التكاليف ويفتح الباب أمام تطبيقات واسعة النطاق.

في المستقبل، ستشمل الرقابة على الجودة كل مكون من مكونات المنتج، قبل تركيبه أو فشله. وبالتالي، يستحق هؤلاء المهندسون تحية لجهودهم التي قد تساعد في إنقاذ الأرواح والمال.

تعرف على إنجازات الذكاء الاصطناعي here.

الدراسات المشار إليها:

^{1. Bimrose, M. V., McGregor, D. J., Wood, C., Tawfick, S., & King, W. P. (2025). Additive manufacturing source identification from photographs using deep learning. npj Advanced Manufacturing, 2(20). https://doi.org/10.1038/s44334-025-00031-2}