Menggunakan AI untuk Mengautentikasi Bagian Cetak 3D

Sebuah tim pemikir dari Grainger College of Engineering mengembangkan model Kecerdasan Buatan yang dapat secara akurat membuat sidik jari pada bagian yang dicetak 3D. AI tersebut memeriksa detail kunci yang tidak dapat dilihat oleh mata manusia dan mencocokkan temuan tersebut dengan detail spesifik yang ditinggalkan oleh setiap printer 3D.

Penemuan ini dapat membantu mengurangi masalah manufaktur, pemantauan, dan manajemen rantai pasokan, berpotensi menghemat miliaran dolar bagi perusahaan. Berikut yang perlu Anda ketahui.

Tantangan dalam Verifikasi Rantai Pasokan

Kompleksitas produk masa kini berarti bahwa konstruksinya dapat memerlukan ribuan komponen, yang bersumber dari ratusan produsen. Sayangnya, situasi ini menimbulkan beberapa masalah, karena memastikan kualitas produsen tetap tidak berubah terbukti menjadi tugas yang sulit.

Dalam perjanjian manufaktur yang umum, kedua pihak mencapai kesepahaman mengenai detail kunci produk. Detail tersebut dapat mencakup proses tepat, bahan yang digunakan, dan prosedur pabrik. Bergantung pada bagian dan tujuannya, perubahan yang dilakukan mungkin tidak mudah terlihat selama beberapa waktu atau hingga terjadi kegagalan.

Mengidentifikasi Sumber Sebuah Bagian

Di masa lalu, metode umum yang digunakan untuk memastikan sebuah bagian berasal dari tempat yang diklaim meliputi pendekatan sangat sederhana seperti label bagian, pelacak, dan bahkan nomor seri yang ditekan. Pendekatan ini mudah terlihat, tetapi juga mudah disalin, dipalsukan, dan diproduksi secara palsu. Masalah ini membuat produsen menuntut penggunaan tag tersembunyi pada beberapa komponen.

Pencetakan 3D dan Kerentanannya

Pengenalan pencetakan 3D mengubah proses industri selamanya. Opsi manufaktur yang fleksibel ini memudahkan produsen untuk mengalihdayakan komponen. Pada saat yang sama, bagian yang dicetak 3D lebih mudah diubah dan dipalsukan.

Ada lebih banyak faktor yang harus dikelola dan dipantau ketika membahas manufaktur aditif, termasuk kualitas bahan baku, kontrol proses, dan jenis mesin yang digunakan. Secara khusus, setiap perubahan dalam kategori ini dapat menyebabkan kualitas bagian yang tidak standar.

Pendekatan Tradisional untuk Kontrol Kualitas

Produsen telah berupaya keras untuk meningkatkan proses audit mereka. Mereka dapat melakukan lebih banyak kunjungan di lokasi dan meminta tanda tambahan untuk memastikan asal produk. Namun, kenyataannya pendekatan ini terbukti tidak efektif pada skala besar.

Di masa lalu, pakar manusia dipanggil untuk membantu menentukan asal komponen yang diproduksi dengan AM. Namun, proses ini memakan waktu. Selain itu, produsen sering tidak menyadari masalah apa pun hingga masalah muncul kemudian dalam produksi, sehingga sangat sulit menentukan secara tepat bagian mana yang diubah dan bagaimana.

Gambaran Umum Studi Sidik Jari AI

Studi¹ “Identifikasi sumber manufaktur aditif dari foto menggunakan pembelajaran mendalam”, yang dipublikasikan dalam jurnal mitra Nature, Advanced Manufacturing, memperkenalkan model AI yang dapat membantu menyelesaikan banyak masalah ini dalam beberapa tahun mendatang. Sistem ini mampu mensertifikasi kualitas dan keaslian bagian AP dengan menggunakan gambar yang dianalisis dari tekstur lapisannya.

Sidik Jari Manufaktur

Setiap printer 3D memiliki aspek unik yang memberikan sidik jari yang dapat dideteksi oleh sensor dan sistem AI. Detail kunci seperti toleransi dimensi bagian, pengaturan proses, dan bahan yang digunakan berhubungan dengan masing-masing mesin.

Sumber – Advanced Manufacturing

Cara Kerja Proses Sidik Jari AI

Sistem sidik jari bekerja dengan asumsi bahwa Anda memiliki kerja sama dengan produsen Anda, meskipun tidak diwajibkan. Langkah pertama adalah mengumpulkan sampel produk ideal untuk tujuan perbandingan. Anda perlu menyediakan detail spesifik, termasuk merek dan model mesin, proses fabrikasi, dan bahan yang digunakan selama produksi. Dari sana, sistem AI menangani sisanya.

Arsitektur Pembelajaran Mendalam dan Desain Model

Model AI dapat menentukan sidik jari printer 3D dari gambar beresolusi tinggi bagian tersebut. Ia kemudian mengambil detail gambar seperti tekstur permukaan menggunakan penurunan skala gambar, sampling acak, dan skema voting. Gambar tersebut kemudian diturunkan skalanya untuk memungkinkan lebih banyak gambar per model.

Para insinyur meninjau beberapa struktur AI yang berbeda sebelum menentukan bahwa EfficientNetV2 adalah pilihan terbaik. Pengujian mengungkapkan bahwa model AI mencapai akurasi tinggi. Selain itu, model ini menempati peringkat tercepat dalam hal waktu pelatihan. Para insinyur mengaitkan kinerja ini dengan kemampuan memasukkan lebih sedikit parameter dan desain lapisan model.

Melatih Model dengan Lebih dari 9.000 Gambar Bagian

Untuk melatih AI, tim membangun dataset yang mencakup foto-foto dari 9.192 bagian. Bagian-bagian tersebut berasal dari 6 produsen berbeda dan dibuat pada 21 mesin menggunakan salah satu dari empat proses fabrikasi yang berbeda. Setiap bagian dicetak dan kemudian dipindai dengan Epson Perfection V39 beresolusi tinggi.

Pemindaian dilakukan pada resolusi 4800-dpi, dan setiap bagian dipindai beberapa kali untuk menyertakan nomor seri yang dipindai. Gambar piksel 5,3 μm yang dihasilkan kemudian dipindai dalam batch masing-masing 21 foto, dan lokasi jalurnya dikirim ke pengacak. Pendekatan ini membantu meningkatkan waktu input pengumpulan data.

Menguji Metode Sidik Jari

Untuk menguji teori mereka, para insinyur membuat serangkaian bagian yang beragam dari 21 mesin unik dengan empat proses manufaktur yang berbeda. Model AI secara acak mengambil wilayah minat (ROI) berukuran 448 × 448 piksel dari setiap gambar bagian sebagai bagian dari fase pengujian.

Hasil Akurasi Sidik Jari

AI membuktikan kemampuannya, mencetak akurasi 98% pada 1050 bagian. Model ini mengidentifikasi semua metrik kunci bagian, termasuk proses manufaktur, bahan, dan lokasi dalam mesin tempat bagian tersebut dicetak. Ia menunjukkan bahwa hanya diperlukan sebanyak 10 bagian untuk mengamankan sidik jari printer.

Mengapa Hal Ini Penting bagi Industri

Ada banyak manfaat yang akan dibawa pendekatan ini ke pasar. Pertama, ia akan membantu mencegah penurunan kualitas dan membantu produsen menentukan asal kegagalan. Ketika berhadapan dengan sistem canggih dan kritis seperti pesawat terbang, pendekatan ini dapat menjadi perbedaan antara hidup dan mati.

Deteksi Dini Bagian yang Cacat

Model AI ini juga akan membantu menemukan masalah pada komponen cetak 3D sebelum pemasangannya. Pendekatan ini akan menghemat biaya produsen dan mengurangi risiko keselamatan yang dapat terjadi akibat kekurangan bagian yang tidak tepat. Selain itu, pendekatan ini menawarkan skalabilitas dibandingkan dengan penggunaan pakar manusia.

Skalabilitas dan Adaptabilitas Model

Model AI dapat belajar dan menyesuaikan seiring waktu. Detail ini berarti sistem dapat menentukan fitur yang dapat diidentifikasi untuk memprediksi atribut manufaktur lainnya. Ciri-ciri ini meliputi proses, bahan, dan mesin yang digunakan untuk mencetak komponen.

Aplikasi dalam Industri, Rantai Pasokan, dan Forensik

Ada beberapa aplikasi dunia nyata dari teknologi ini. Mulai dari manajemen pemasok hingga kontrol kualitas, bahkan penegakan hukum. Kemampuan menentukan asal bagian cetak 3D merupakan perubahan besar yang dapat membantu menyelamatkan nyawa. Berikut adalah aplikasi kunci dan garis waktunya.

Industri

Sektor industri akan menemukan penggunaan langsung untuk teknologi ini. Hal ini dapat menjadi krusial dalam pemecahan masalah akar penyebab. Di masa depan, produsen dapat memanfaatkan identifikasi sumber berbasis gambar untuk memantau kualitas dan keaslian bagian AM, membantu memastikan kontrol kualitas data tetap efektif di era printer 3D.

Rantai Pasokan

Manfaat yang sama akan menjadikan sistem ini ideal untuk manajemen rantai pasokan. Ada ribuan produsen kontrak dalam rantai pasokan besar. Sistem AI akan membantu perusahaan memantau dan mengelola produk individual yang datang dari lokasi berbeda dan pada waktu yang bervariasi. Skalabilitas sistem akan memungkinkan produsen di masa depan memverifikasi sebelumnya bahwa bagian tersebut benar sebelum pemasangan atau kegagalan.

Investigasi

Area lain di mana teknologi ini dapat membantu adalah dalam menentukan asal barang ilegal. Segala sesuatu mulai dari bagian palsu hingga senjata cetak 3D kini dapat lebih mudah dipantau berkat teknologi ini. Di masa lalu, masalah seperti senjata hantu membuat politisi kebingungan. Di masa depan, teknologi ini akan membantu penegak hukum membawa lebih banyak orang ke pengadilan sekaligus membantu menghentikan aliran senjata cetak 3D secara global.

Garis Waktu Sidik Jari Bagian Cetak 3D

Teknologi sidik jari AI ini dapat diterapkan dalam 1-3 tahun ke depan. Ada permintaan kuat untuk manfaat yang dibawa model AI ini, dan dapat dengan mudah disesuaikan serta diintegrasikan ke dalam rantai pasokan dan manufaktur. Faktor-faktor ini membantu menyelamatkan nyawa dan uang perusahaan.

Peneliti Sidik Jari Bagian Cetak 3D

Studi ini ditulis oleh peneliti dari Grainger College of Engineering. Secara khusus, tercantum Bill King, Miles Bimrose, Davis McGregor, Charlie Wood, dan Sameh Tawfick sebagai kontributor karya tersebut. Sekarang tim akan berupaya memperluas model mereka untuk mencakup lebih banyak printer 3D dan produsen.

Berinvestasi di Sektor Pencetakan 3D

Banyak perusahaan di sektor AM dapat memperoleh manfaat dari studi ini. Investor telah menyaksikan perusahaan pencetakan 3D beralih dari prototipe ke menciptakan seluruh lingkungan. Oleh karena itu, tidak mengherankan bahwa penggunaan teknologi pencetakan 3D terus meningkat. Berikut satu perusahaan yang terus menunjukkan upaya pionir.

Carpenter Technology Corporation

Carpenter Technology Corporation (CRS ) memasuki pasar pada tahun 1889 di Reading, Pennsylvania. Perusahaan ini didirikan oleh James Henry Carpenter dan beberapa investor untuk membuat komponen khusus.

Secara mengesankan, Carpenter Technology Corp telah mempertahankan semangat pionir dan bahkan membantu menciptakan beberapa proyektil anti-peluru pertama untuk Perang Spanyol-Amerika. Sejak itu, perusahaan membangun reputasi untuk ketahanan dan bahkan digunakan dalam mesin pesawat saudara Wright ketika mereka terbang untuk pertama kalinya pada tahun 1903.

Pada tahun 1917, perusahaan membuat penemuan besar lainnya ketika memperkenalkan baja berkekuatan tinggi ke pasar. Alternatif anti-karat ini sangat penting bagi inovasi di sektor penerbangan. Hari ini, perusahaan menawarkan beragam produk, termasuk baja khusus, paduan, dan serbuk untuk digunakan dalam aplikasi pencetakan 3D.

Pilihan serbuk Carpenter Tech merupakan komponen penting dalam proses pemotongan, pembentukan, dan pengeboran yang kompleks, dan paduannya digunakan di berbagai industri, termasuk transportasi, pertahanan, dirgantara, energi, industri, medis, dan elektronik konsumen. Semua faktor ini menjadikan CRS tambahan yang kuat untuk portofolio Anda.

Berita Saham dan Perkembangan Terbaru Carpenter Technology Corp.

Lebih banyak akuntabilitas → Masa Depan Kontrol Kualitas dengan AI

Ketika Anda melihat berita dan melihat laporan tentang komponen pesawat yang gagal atau kejadian mengancam jiwa lainnya, mudah dipahami mengapa menentukan sumber bagian yang cacat merupakan tugas penting untuk keselamatan publik. Pendekatan baru ini membantu mengurangi biaya dan membuka pintu untuk aplikasi berskala besar.

Di masa depan, kontrol kualitas akan mencakup setiap komponen produk, sebelum pemasangan dan kegagalan. Oleh karena itu, para insinyur ini pantas mendapat penghormatan atas upaya mereka yang dapat membantu menyelamatkan nyawa dan uang.

Pelajari terobosan AI di sini.

Studi yang Dirujuk:

^{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}