Utiliser l’IA pour authentifier les pièces imprimées en 3D

Une équipe de penseurs du Grainger College of Engineering a développé un modèle d’intelligence artificielle capable d’identifier avec précision les pièces imprimées en 3D. L’IA examine les détails clés qui ne peuvent pas être observés à l’œil nu et recoupe ses résultats avec les spécificités que chaque imprimante 3D laisse.

Cette découverte pourrait aider à atténuer les problèmes de fabrication, de surveillance et de gestion de la chaîne d’approvisionnement, potentiellement en économisant des milliards aux entreprises. Voici ce que vous devez savoir.

Défis de la vérification de la chaîne d’approvisionnement

La complexité des produits d’aujourd’hui signifie que leur construction peut nécessiter des milliers de composants, provenant de centaines de fabricants. Malheureusement, ce scénario a engendré des problèmes, car garantir que la qualité des fabricants reste inchangée s’est avéré être une tâche difficile.

Dans un accord de fabrication typique, les deux parties s’entendent sur les détails clés du produit. Ces détails peuvent inclure les processus exacts, les matériaux utilisés et les procédures d’usine. Selon la pièce et son usage, il peut ne pas être facilement perceptible que des modifications ont été apportées pendant un certain temps ou jusqu’à ce qu’une défaillance survienne.

Identifier la source d’une pièce

Par le passé, les méthodes courantes utilisées pour garantir qu’une pièce provient de l’endroit indiqué comprenaient des approches très rudimentaires telles que les étiquettes de pièces, les traceurs et même les numéros de série enfoncés. Ces approches pouvaient être facilement vues, mais elles étaient également facilement copiées, falsifiées et contrefaites. Ces problèmes ont conduit les fabricants à insister sur des balises cachées sur certains composants.

Impression 3D et ses vulnérabilités

L’introduction de l’impression 3D change à jamais le processus industriel. Cette option de fabrication flexible a facilité l’externalisation des composants par les fabricants. En même temps, les pièces imprimées en 3D sont plus faciles à modifier et à contrefaire.

Il y a davantage de facteurs à gérer et à surveiller lorsqu’on parle de fabrication additive, notamment la qualité des matières premières, les contrôles de processus et le type de machines utilisées. Notamment, toute modification dans ces catégories peut entraîner une qualité de pièce inférieure.

Approches traditionnelles du contrôle qualité

Les fabricants ont déployé d’énormes efforts pour améliorer leurs processus d’audit. Ils peuvent effectuer davantage de visites sur site et exiger des marquages supplémentaires afin d’assurer l’origine des produits. Cependant, la vérité est que cette approche s’est avérée inefficace à grande échelle.

Par le passé, des experts humains étaient sollicités pour aider à déterminer l’origine des composants fabriqués par AM. Cependant, ce processus est chronophage. De plus, les fabricants ne sont souvent pas au courant des problèmes jusqu’à ce qu’un incident survienne plus tard dans la production, rendant extrêmement difficile la détermination précise de la pièce modifiée et de la manière dont cela a été fait.

Aperçu de l’étude sur l’empreinte digitale par IA

L’étude¹ « Identification de la source de la fabrication additive à partir de photographies à l’aide de l’apprentissage profond », publiée dans le journal partenaire de Nature, Advanced Manufacturing, présente un modèle d’IA qui pourrait aider à résoudre bon nombre de ces problèmes dans les années à venir. Le système est capable de certifier la qualité et l’authenticité des pièces AM en utilisant des images analysées de leurs textures de couches.

Empreinte de fabrication

Chaque imprimante 3D possède des aspects uniques qui lui confèrent une empreinte détectable par les capteurs et les systèmes d’IA. Des détails clés tels que les tolérances des dimensions des pièces, les paramètres du processus et les matériaux utilisés sont corrélés aux machines individuelles.

Source – Advanced Manufacturing

Comment fonctionne le processus d’empreinte digitale par IA

Le système d’empreinte fonctionne en supposant que vous avez la coopération de votre fabricant, bien que cela ne soit pas obligatoire. La première étape consiste à collecter des échantillons du produit idéal à des fins de comparaison. Vous devrez fournir des détails spécifiques, notamment la marque et le modèle de la machine, le processus de fabrication et les matériaux utilisés pendant la production. À partir de là, le système d’IA s’occupe du reste.

Architecture d’apprentissage profond et conception du modèle

Le modèle d’IA peut déterminer l’empreinte d’une imprimante 3D à partir d’une image haute résolution de la pièce. Il exploite ensuite les détails de l’image tels que la texture de surface en utilisant la réduction d’échelle, l’échantillonnage aléatoire et un schéma de vote. L’image est ensuite réduite pour permettre davantage d’images par modèle.

Les ingénieurs ont examiné plusieurs structures d’IA avant de déterminer que EfficientNetV2 était la meilleure option. Les tests ont révélé que le modèle d’IA atteint une grande précision. De plus, il s’est classé comme le plus rapide en termes de temps d’entraînement. Les ingénieurs ont attribué cette performance à la capacité d’entrer moins de paramètres et à la conception des couches du modèle.

Entraînement du modèle avec plus de 9 000 images de pièces

Pour entraîner l’IA, l’équipe a constitué un jeu de données incluant des photographies de 9 192 pièces. Les pièces provenaient de 6 fabricants différents et ont été fabriquées sur 21 machines en utilisant l’un des quatre processus de fabrication différents. Chaque pièce a été imprimée puis scannée avec un Epson Perfection V39 haute résolution.

Les scans étaient à une résolution de 4800 dpi, et chaque pièce a été scannée plusieurs fois afin d’inclure un numéro de série scanné. Les images résultantes de 5,3 µm par pixel ont ensuite été scannées par lots de 21 photos chacune, et leur emplacement de chemin a été envoyé à un randomiseur. Cette approche a aidé à améliorer les temps de collecte des données.

Test de la méthode d’empreinte digitale

Pour tester leur théorie, les ingénieurs ont créé un ensemble diversifié de pièces provenant de 21 machines uniques couvrant quatre processus de fabrication différents. Le modèle d’IA a échantillonné aléatoirement une région d’intérêt (ROI) de 448 × 448 pixels de chaque image de pièce dans le cadre de la phase de test.

Résultats de précision de l’empreinte digitale

L’IA a démontré sa capacité, obtenant une précision de 98 % sur 1 050 pièces. Le modèle a identifié toutes les métriques clés des pièces, y compris le processus de fabrication, le matériau et l’emplacement dans la machine où la pièce a été imprimée. Il a montré qu’il ne fallait que 10 pièces au minimum pour sécuriser l’empreinte d’une imprimante.

Pourquoi cela importe pour l’industrie

Cette approche apportera de nombreux avantages au marché. Tout d’abord, elle aidera à prévenir la perte de qualité et à permettre aux fabricants de déterminer les origines des défaillances. Lorsqu’il s’agit de systèmes avancés et critiques comme les avions, cette approche pourrait faire la différence entre la vie et la mort.

Détection précoce des pièces défectueuses

Ce modèle d’IA aidera également à détecter les problèmes des composants imprimés en 3D avant leur installation. Cette approche permettra aux fabricants d’économiser des coûts et de réduire les risques de sécurité liés aux défauts de la pièce incorrecte. De plus, cette approche offre une évolutivité comparée à l’utilisation d’experts humains.

Évolutivité et adaptabilité du modèle

Le modèle d’IA peut apprendre et s’ajuster au fil du temps. Ce détail signifie que le système peut déterminer des caractéristiques identifiables pour prédire d’autres attributs de fabrication. Ces traits comprennent le processus, le matériau et la machine utilisés pour imprimer un composant.

Applications dans l’industrie, la chaîne d’approvisionnement et la criminalistique

Il existe plusieurs applications concrètes de cette technologie. De la gestion des fournisseurs au contrôle qualité, voire aux forces de l’ordre. La capacité à déterminer l’origine des pièces imprimées en 3D est une révolution qui pourrait aider à sauver des vies. Voici ses principales applications et son calendrier.

Industriel

Le secteur industriel trouvera une utilisation immédiate pour cette technologie. Elle pourrait s’avérer cruciale dans la résolution des causes profondes des problèmes. À l’avenir, les fabricants pourraient utiliser l’identification de source basée sur l’image pour surveiller la qualité et l’authenticité des pièces AM, aidant à garantir que le contrôle qualité des données reste efficace à l’ère de l’imprimante 3D.

Chaîne d’approvisionnement

Les mêmes avantages rendraient le système idéal pour la gestion de la chaîne d’approvisionnement. Il existe des milliers de fabricants sous contrat dans une chaîne d’approvisionnement majeure. Le système d’IA aidera les entreprises à surveiller et gérer les produits individuels provenant de différents lieux et à différents moments. L’évolutivité du système permettra aux futurs fabricants de pré-vérifier que les pièces sont correctes avant l’installation ou la défaillance.

Enquête

Un autre domaine où cette technologie pourrait aider est la détermination de l’origine des biens illicites. Tout, des pièces contrefaites aux armes imprimées en 3D, pourrait désormais être beaucoup plus facile à surveiller grâce à cette technologie. Par le passé, des problèmes comme les armes fantômes ont laissé les politiciens perplexes. À l’avenir, cette technologie aidera les forces de l’ordre à traduire davantage de personnes en justice tout en contribuant à freiner le flux d’armes imprimées en 3D à l’échelle mondiale.

Chronologie de l’empreinte des pièces imprimées en 3D

Cette technologie d’empreinte par IA pourrait être mise en œuvre dans les 1 à 3 prochaines années. Il existe une forte demande pour les avantages que ce modèle d’IA apporte, et il peut être facilement adapté et intégré aux chaînes d’approvisionnement et de fabrication. Ces facteurs contribuent à sauver des vies et à économiser de l’argent aux entreprises.

Chercheurs de l’empreinte des pièces imprimées en 3D

L’étude a été rédigée par des chercheurs du Grainger College of Engineering. Plus précisément, elle cite Bill King, Miles Bimrose, Davis McGregor, Charlie Wood et Sameh Tawfick comme contributeurs. L’équipe cherchera désormais à étendre son modèle pour inclure davantage d’imprimantes 3D et de fabricants.

Investir dans le secteur de l’impression 3D

De nombreuses entreprises du secteur AM pourraient bénéficier de cette étude. Les investisseurs ont vu les sociétés d’impression 3D passer du prototypage à la création de quartiers entiers. Ainsi, il n’est pas surprenant d’apprendre que l’utilisation de la technologie d’impression 3D est en hausse. Voici une entreprise qui continue de démontrer un effort pionnier.

Carpenter Technology Corporation

Carpenter Technology Corporation (CRS ) est entrée sur le marché en 1889 à Reading, Pennsylvanie. La société a été fondée par James Henry Carpenter et plusieurs investisseurs pour créer des composants spécialisés.

De manière impressionnante, Carpenter Technology Corp a conservé un esprit pionnier et a même contribué à créer certains des premiers projectiles perforants pour la guerre hispano-américaine. Depuis, elle s’est forgée une réputation de durabilité et a même été utilisée dans le moteur d’avion des frères Wright lors de leur premier vol en 1903.

En 1917, la société a réalisé une autre découverte majeure en introduisant sur le marché de l’acier à haute résistance. Cette alternative anti-corrosive a été cruciale pour l’innovation dans le secteur aéronautique. Aujourd’hui, l’entreprise propose une large gamme de produits, dont de l’acier spécial, des alliages et des poudres destinés aux applications d’impression 3D.

Les options de poudre de Carpenter Tech sont un composant crucial des processus complexes de coupe, de façonnage et de perçage, et ses alliages sont utilisés dans de multiples industries, notamment le transport, la défense, l’aérospatiale, l’énergie, l’industrie, le médical et l’électronique grand public. Tous ces facteurs font de CRS un ajout solide à votre portefeuille.

Dernières nouvelles et développements des actions de Carpenter Technology Corp.

Plus de responsabilité → L’avenir du contrôle qualité avec l’IA

Lorsque vous consultez les actualités et voyez des rapports sur des composants d’avion défaillants ou d’autres incidents mettant la vie en danger, il est facile de comprendre pourquoi déterminer la source des pièces défectueuses est une tâche vitale pour la sécurité publique. Cette nouvelle approche aide à réduire les coûts et ouvre la voie à des applications à grande échelle.

À l’avenir, le contrôle qualité inclura chaque composant d’un produit, avant son installation et sa défaillance. Ainsi, ces ingénieurs méritent un salut pour leurs efforts qui pourraient aider à sauver des vies et de l’argent.

En savoir plus sur les percées de l’IA ici.

Études référencées :

^{1. Bimrose, M. V., McGregor, D. J., Wood, C., Tawfick, S., & King, W. P. (2025). Identification de la source de la fabrication additive à partir de photographies à l’aide de l’apprentissage profond. npj Advanced Manufacturing, 2(20). https://doi.org/10.1038/s44334-025-00031-2}