एआई का उपयोग करके 3डी प्रिंटेड पार्ट्स की प्रामाणिकता सत्यापित करना

ग्रेंजियर कॉलेज ऑफ इंजीनियरिंग की एक टीम ने एक कृत्रिम बुद्धिमत्ता मॉडल विकसित किया है जो 3डी-प्रिंटेड पार्ट्स की सटीक फ़िंगरप्रिंट कर सकता है। एआई उन प्रमुख विवरणों की जांच करता है जिन्हें मानव आँख से नहीं देखा जा सकता और अपने निष्कर्षों को प्रत्येक 3D प्रिंटर द्वारा छोड़े गए विशिष्ट विवरणों के साथ मिलाता है।

यह खोज विनिर्माण, निगरानी और आपूर्ति श्रृंखला प्रबंधन की समस्याओं को कम करने में मदद कर सकती है, संभावित रूप से कंपनियों को अरबों की बचत कर सकती है। यहाँ वह सब है जो आपको जानना चाहिए।

आपूर्ति श्रृंखला सत्यापन में चुनौतियाँ

आज के उत्पादों की जटिलता का अर्थ है कि उनके निर्माण में हजारों घटकों की आवश्यकता हो सकती है, जो सैकड़ों निर्माताओं से प्राप्त किए जाते हैं। दुर्भाग्यवश, इस स्थिति ने कुछ समस्याएँ उत्पन्न की हैं, क्योंकि निर्माताओं की गुणवत्ता को अपरिवर्तित बनाए रखना एक कठिन कार्य साबित हुआ है।

एक सामान्य विनिर्माण समझौते में, दोनों पक्ष उत्पाद के प्रमुख विवरणों पर समझौता करते हैं। इन विवरणों में सटीक प्रक्रियाएँ, उपयोग किए गए सामग्री, और फैक्ट्री प्रक्रियाएँ शामिल हो सकती हैं। भाग और उसके उद्देश्य के आधार पर, यह तुरंत स्पष्ट नहीं हो सकता कि कुछ समय के लिए या विफलता होने तक कोई परिवर्तन किए गए थे।

एक भाग के स्रोत की पहचान

पहले, यह सुनिश्चित करने के लिए सामान्य विधियों में भाग लेबल, ट्रैकर, और यहाँ तक कि दबे हुए सीरियल नंबर शामिल थे। ये विधियाँ आसानी से देखी जा सकती थीं, लेकिन उन्हें भी आसानी से नकल, जालसाजी और बनावट किया जा सकता था। इन समस्याओं के कारण निर्माताओं ने कुछ घटकों पर गुप्त टैग लगाने पर जोर दिया।

3डी प्रिंटिंग और इसकी कमजोरियाँ

3डी प्रिंटिंग का परिचय औद्योगिक प्रक्रिया को हमेशा के लिए बदल देता है। यह लचीला निर्माण विकल्प निर्माताओं के लिए घटकों को आउटसोर्स करना आसान बना देता है। साथ ही, 3डी प्रिंटेड भागों को बदलना और नकली बनाना आसान हो जाता है।

ऐडिटिव मैन्युफैक्चरिंग पर चर्चा करते समय प्रबंधित और निगरानी करने के लिए अधिक कारक होते हैं, जिसमें फीडस्टॉक की गुणवत्ता, प्रक्रिया नियंत्रण, और उपयोग किए गए मशीनों का प्रकार शामिल है। विशेष रूप से, इन श्रेणियों में कोई भी परिवर्तन घटक की निम्न गुणवत्ता का कारण बन सकता है।

गुणवत्ता नियंत्रण के पारंपरिक दृष्टिकोण

निर्माताओं ने अपने ऑडिटिंग प्रक्रियाओं को सुधारने के लिए बहुत प्रयास किए हैं। वे अधिक ऑनसाइट विज़िट कर सकते हैं और उत्पादों की उत्पत्ति सुनिश्चित करने के लिए अतिरिक्त चिह्नों की मांग कर सकते हैं। हालांकि, वास्तविकता यह है कि यह दृष्टिकोण बड़े पैमाने पर अप्रभावी साबित हुआ है।

पहले, मानव विशेषज्ञों को एएम-निर्मित घटकों की उत्पत्ति निर्धारित करने के लिए बुलाया जाता था। हालांकि, यह प्रक्रिया समय‑साध्य होती है। इसके अतिरिक्त, निर्माताओं को अक्सर तब तक समस्याओं का पता नहीं चलता जब तक उत्पादन में बाद में कोई समस्या नहीं आती, जिससे यह अत्यंत कठिन हो जाता है कि ठीक‑ठीक कौन सा भाग बदला गया और कैसे।

एआई फ़िंगरप्रिंटिंग अध्ययन का अवलोकन

अध्ययन¹ “डिप लर्निंग का उपयोग करके फ़ोटोग्राफ़ से एडिटिव मैन्युफैक्चरिंग स्रोत पहचान”, जो नेचर के सहयोगी जर्नल एडवांस्ड मैन्युफैक्चरिंग में प्रकाशित हुआ, एक एआई मॉडल प्रस्तुत करता है जो आने वाले वर्षों में इन समस्याओं में से कई को हल करने में मदद कर सकता है। यह प्रणाली लेयर टेक्सचर की विश्लेषित छवियों का उपयोग करके एपी भागों की गुणवत्ता और प्रामाणिकता प्रमाणित करने में सक्षम है।

निर्माण फ़िंगरप्रिंट

प्रत्येक 3D प्रिंटर में अनूठे पहलू होते हैं जो उसे एक फ़िंगरप्रिंट देते हैं, जिसे सेंसर और एआई सिस्टम द्वारा पहचाना जा सकता है। प्रमुख विवरण जैसे भाग आयामों की सहनशीलता, प्रक्रिया सेटिंग्स, और उपयोग किए गए सामग्री व्यक्तिगत मशीनों से संबंधित होते हैं।

स्रोत – Advanced Manufacturing

एआई फ़िंगरप्रिंटिंग प्रक्रिया कैसे काम करती है

फ़िंगरप्रिंट सिस्टम इस मान्यता पर काम करता है कि आपके पास निर्माता का सहयोग है, हालांकि यह आवश्यक नहीं है। पहला कदम तुलना के लिए आदर्श उत्पाद के नमूने एकत्र करना है। आपको मशीन का मेक और मॉडल, निर्माण प्रक्रिया, और उत्पादन के दौरान उपयोग किए गए सामग्री सहित विशिष्ट विवरण प्रदान करने होंगे। इसके बाद, एआई सिस्टम बाकी सब संभाल लेता है।

डीप लर्निंग आर्किटेक्चर और मॉडल डिज़ाइन

एआई मॉडल भाग की उच्च-रिज़ॉल्यूशन छवि से 3D प्रिंटर की फ़िंगरप्रिंट निर्धारित कर सकता है। फिर यह छवि के विवरण जैसे सतह टेक्सचर को इमेज डाउनस्केलिंग, रैंडम सैंपलिंग, और वोटिंग स्कीम का उपयोग करके लेता है। छवि को फिर अधिक छवियों को प्रति मॉडल अनुमति देने के लिए डाउनस्केल किया जाता है।

इंजीनियरों ने कई विभिन्न एआई संरचनाओं को देखा, फिर यह निर्धारित किया कि EfficientNetV2 सबसे अच्छा विकल्प है। परीक्षणों ने दिखाया कि एआई मॉडल उच्च सटीकता प्राप्त करता है। अतिरिक्त रूप से, यह प्रशिक्षण समय के मामले में सबसे तेज़ रैंक किया गया। इंजीनियरों ने इस प्रदर्शन को कम पैरामीटर इनपुट करने की क्षमता और मॉडल की लेयर डिज़ाइन को श्रेय दिया।

9,000+ भाग छवियों के साथ मॉडल का प्रशिक्षण

एआई को प्रशिक्षित करने के लिए, टीम ने 9,192 भागों की फ़ोटोग्राफ़ शामिल करने वाला डेटासेट बनाया। भाग 6 विभिन्न निर्माताओं से आए और 21 मशीनों पर चार विभिन्न निर्माण प्रक्रियाओं में से एक का उपयोग करके बनाए गए। प्रत्येक भाग को प्रिंट किया गया और फिर उच्च-रिज़ॉल्यूशन Epson Perfection V39 पर स्कैन किया गया।

स्कैन 4800-dpi रिज़ॉल्यूशन पर किए गए, और प्रत्येक भाग को कई बार स्कैन किया गया ताकि स्कैन किया गया सीरियल नंबर शामिल हो। परिणामी 5.3 μm पिक्सेल छवियों को फिर 21 फोटो के बैच में स्कैन किया गया, और उनके पथ स्थान को एक रैंडमाइज़र को भेजा गया। इस दृष्टिकोण ने डेटा संग्रह इनपुट समय को सुधारने में मदद की।

फ़िंगरप्रिंटिंग विधि का परीक्षण

अपने सिद्धांत का परीक्षण करने के लिए, इंजीनियरों ने चार विभिन्न निर्माण प्रक्रियाओं में 21 अनूठी मशीनों से विविध भागों का सेट बनाया। परीक्षण चरण के हिस्से के रूप में एआई मॉडल ने प्रत्येक भाग छवि से 448 × 448 पिक्सेल के रुचि क्षेत्र (ROI) को यादृच्छिक रूप से सैंपल किया।

फ़िंगरप्रिंटिंग सटीकता परिणाम

एआई ने अपनी क्षमता सिद्ध की, 1050 भागों पर 98% सटीकता प्राप्त की। मॉडल ने भागों के सभी प्रमुख मीट्रिक पहचाने, जिसमें निर्माण प्रक्रिया, सामग्री, और मशीन में वह स्थान शामिल है जहाँ भाग प्रिंट किया गया था। इसने दिखाया कि प्रिंटर की फ़िंगरप्रिंट सुरक्षित करने के लिए केवल 10 भागों की आवश्यकता थी।

यह उद्योग के लिए क्यों महत्वपूर्ण है

इस दृष्टिकोण से बाजार को कई लाभ मिलेंगे। पहला, यह गुणवत्ता हानि को रोकने और निर्माताओं को विफलता के मूल कारण निर्धारित करने में मदद करेगा। जब एयरलाइनर जैसी उन्नत और महत्वपूर्ण प्रणालियों से निपटा जाता है, तो यह दृष्टिकोण जीवन और मृत्यु के बीच अंतर बना सकता है।

खराब भागों का प्रारंभिक पता लगाना

यह एआई मॉडल स्थापित करने से पहले 3D प्रिंटेड घटकों में समस्याओं को खोजने में भी मदद करेगा। यह दृष्टिकोण निर्माताओं की लागत बचाएगा और गलत भाग की कमियों के कारण उत्पन्न होने वाले सुरक्षा जोखिमों को कम करेगा। अतिरिक्त रूप से, यह दृष्टिकोण मानव विशेषज्ञों की तुलना में स्केलेबिलिटी प्रदान करता है।

स्केलेबिलिटी और मॉडल अनुकूलनशीलता

एआई मॉडल समय के साथ सीख और समायोजित हो सकता है। इसका अर्थ है कि सिस्टम पहचान योग्य विशेषताओं को निर्धारित कर सकता है ताकि अन्य निर्माण गुणों की भविष्यवाणी की जा सके। इन गुणों में प्रक्रिया, सामग्री, और वह मशीन शामिल है जिसका उपयोग घटक को प्रिंट करने के लिए किया गया था।

उद्योग, आपूर्ति श्रृंखला, और फॉरेंसिक में अनुप्रयोग

इस तकनीक के कई वास्तविक‑विश्व अनुप्रयोग हैं। आपूर्तिकर्ता प्रबंधन से लेकर गुणवत्ता नियंत्रण, और यहाँ तक कि कानून प्रवर्तन तक। 3D प्रिंटेड भागों के स्रोत को निर्धारित करने की क्षमता एक गेम‑चेंजर है जो जीवन बचाने में मदद कर सकती है। यहाँ इसके प्रमुख अनुप्रयोग और समय‑रेखा दी गई है।

औद्योगिक

औद्योगिक क्षेत्र इस तकनीक का तुरंत उपयोग पाएगा। यह मूल कारण समस्या‑समाधान में महत्वपूर्ण साबित हो सकता है। भविष्य में, निर्माता इमेज‑आधारित स्रोत पहचान का उपयोग करके एएम भागों की गुणवत्ता और प्रामाणिकता की निगरानी कर सकते हैं, जिससे 3D प्रिंटर युग में डेटा गुणवत्ता नियंत्रण प्रभावी बना रहे।

आपूर्ति श्रृंखला

इसी लाभों के कारण सिस्टम आपूर्ति श्रृंखला प्रबंधन के लिए आदर्श होगा। एक बड़े आपूर्ति श्रृंखला में हजारों अनुबंध निर्माता होते हैं। एआई सिस्टम कंपनियों को विभिन्न स्थानों और विभिन्न समयों पर आने वाले व्यक्तिगत उत्पादों की निगरानी और प्रबंधन में मदद करेगा। सिस्टम की स्केलेबिलिटी भविष्य के निर्माताओं को स्थापित करने या विफलता से पहले भागों की सहीता की पूर्व‑जाँच करने की अनुमति देगी।

जांच

एक अन्य क्षेत्र जहाँ यह तकनीक मदद कर सकती है वह अवैध वस्तुओं के स्रोत को निर्धारित करना है। नकली भागों से लेकर 3D प्रिंटेड हथियारों तक, अब इस तकनीक के कारण उनकी निगरानी बहुत आसान हो जाएगी। पहले, घोस्ट गन जैसी समस्याओं ने राजनेताओं को चकित कर दिया था। भविष्य में, यह तकनीक कानून प्रवर्तन को अधिक लोगों को न्याय दिलाने में मदद करेगी और वैश्विक स्तर पर 3D‑प्रिंटेड हथियारों के प्रवाह को रोकने में सहायता करेगी।

3D‑प्रिंटेड भागों की फ़िंगरप्रिंट टाइमलाइन

यह एआई फ़िंगरप्रिंटिंग तकनीक अगले 1‑3 वर्षों में लागू की जा सकती है। इस एआई मॉडल द्वारा लाए गए लाभों की मजबूत मांग है, और इसे आपूर्ति और निर्माण श्रृंखलाओं में आसानी से अनुकूलित और एकीकृत किया जा सकता है। ये कारक जीवन बचाने और कंपनियों की लागत घटाने में मदद करते हैं।

3D‑प्रिंटेड भागों की फ़िंगरप्रिंट शोधकर्ता

यह अध्ययन ग्रेंजियर कॉलेज ऑफ इंजीनियरिंग के शोधकर्ताओं द्वारा लिखा गया था। विशेष रूप से, इसमें बिल किंग, माइल्स बिम्रोस, डेविस मैकग्रेगर, चार्ली वुड, और सामेह तवफिक को योगदानकर्ता के रूप में सूचीबद्ध किया गया है। अब टीम अपने मॉडल को अधिक 3D प्रिंटर और निर्माताओं को शामिल करने के लिए विस्तारित करने की योजना बना रही है।

3D‑प्रिंटिंग सेक्टर में निवेश

एएम सेक्टर की कई कंपनियों को इस अध्ययन से लाभ मिल सकता है। निवेशकों ने देखा है कि 3D प्रिंटिंग फर्में प्रोटोटाइपिंग से पूरे पड़ोस बनाने तक पहुंच गई हैं। इसलिए यह आश्चर्यजनक नहीं है कि 3D प्रिंटिंग तकनीक का उपयोग बढ़ रहा है। यहाँ एक कंपनी है जो निरंतर अग्रणी प्रयास दिखा रही है।

Carpenter Technology Corporation

Carpenter Technology Corporation (CRS ) ने 1889 में रीडिंग, पेंसिलवेनिया में बाजार में प्रवेश किया। कंपनी की स्थापना जेम्स हेनरी कार्पेंटर और कई निवेशकों ने विशेष घटकों को बनाने के लिए की थी।

प्रभावशाली रूप से, Carpenter Technology Corp ने अग्रणी भावना को बनाए रखा है और स्पेनिश‑अमेरिकन युद्ध के लिए कुछ पहले बख्तरबंद प्रोजेक्टाइल बनाने में भी मदद की है। तब से, इसने टिकाऊपन की प्रतिष्ठा बनाई है और 1903 में विंड बंधु के विमान इंजन में भी उपयोग किया गया था।

1917 में, कंपनी ने उच्च‑strength स्टील को बाजार में पेश करके एक और बड़ी खोज की। यह एंटी‑कोरोसिव विकल्प विमानन क्षेत्र में नवाचार के लिए महत्वपूर्ण था। आज, कंपनी उत्पादों की विस्तृत श्रृंखला प्रदान करती है, जिसमें विशेष स्टील, मिश्रधातु, और 3D प्रिंटिंग अनुप्रयोगों के लिए पाउडर शामिल हैं।

Carpenter Tech के पाउडर विकल्प जटिल कटिंग, आकार देने, और ड्रिलिंग प्रक्रियाओं के एक महत्वपूर्ण घटक हैं, और इसके मिश्रधातु कई उद्योगों में उपयोग होते हैं, जिसमें परिवहन, रक्षा, एयरोस्पेस, ऊर्जा, औद्योगिक, चिकित्सा, और उपभोक्ता इलेक्ट्रॉनिक्स शामिल हैं। ये सभी कारक CRS को आपके पोर्टफ़ोलियो में एक मजबूत जोड़ बनाते हैं।

Carpenter Technology Corp. स्टॉक समाचार और विकास

अधिक जवाबदेही → एआई के साथ गुणवत्ता नियंत्रण का भविष्य

जब आप समाचार देखते हैं और विमान घटकों की विफलता या अन्य जीवन‑धमकी वाली घटनाओं की रिपोर्ट देखते हैं, तो यह समझना आसान है कि दोषपूर्ण भागों के स्रोत को निर्धारित करना सार्वजनिक सुरक्षा के लिए एक महत्वपूर्ण कार्य क्यों है। यह नया दृष्टिकोण लागत को कम करने में मदद करता है और बड़े‑पैमाने पर अनुप्रयोगों के लिए द्वार खोलता है।

भविष्य में, गुणवत्ता नियंत्रण उत्पाद के प्रत्येक घटक को स्थापित करने और विफलता से पहले शामिल करेगा। इस प्रकार, इन इंजीनियरों को उनके प्रयासों के लिए सलाम किया जाना चाहिए जो जीवन और धन बचाने में मदद कर सकते हैं।

Learn about AI breakthroughs यहाँ.

संदर्भित अध्ययन:

^{1. Bimrose, M. V., McGregor, D. J., Wood, C., Tawfick, S., & King, W. P. (2025). डिप लर्निंग का उपयोग करके फ़ोटोग्राफ़ से एडिटिव मैन्युफैक्चरिंग स्रोत पहचान. npj Advanced Manufacturing, 2(20). https://doi.org/10.1038/s44334-025-00031-2}