AIで3Dプリント部品を認証

Grainger工学部の研究者チームは、3Dプリント部品を正確に指紋認証できる人工知能モデルを開発しました。AIは人間の目では観測できない重要なディテールを解析し、各3Dプリンターが残す固有の情報と照合します。

この発見は、製造、モニタリング、サプライチェーン管理の課題を軽減し、企業の数十億ドルのコスト削減につながる可能性があります。以下が重要ポイントです。

サプライチェーン検証における課題

現在の製品の複雑さは、数千の部品が数百のメーカーから調達されることを意味します。残念ながら、この状況は問題を引き起こしており、メーカーの品質を変わらず保つことが難しい課題となっています。

一般的な製造契約では、双方が製品の重要な詳細について合意します。これらの詳細には、正確な工程、使用材料、工場の手順が含まれます。部品や用途によっては、変更が行われたことがしばらくは目立たず、故障が発生するまで気付かれないことがあります。

部品の出所特定

過去には、部品が表示された製造元から来たことを確認するために、部品ラベル、トラッカー、押し込み式シリアル番号などの非常に原始的な手法が用いられてきました。これらの手法は簡単に確認できますが、同様に容易にコピー、偽造、模倣されてしまいます。この問題から、メーカーは一部の部品に隠しタグを付けるようになりました。

3Dプリンティングとその脆弱性

3Dプリンティングの導入により、産業プロセスは永続的に変化しました。この柔軟な製造オプションにより、メーカーは部品の外部委託が容易になりました。一方で、3Dプリント部品は改ざんや偽造がしやすくなります。

付加製造を議論する際には、原料の品質、プロセス管理、使用機械の種類など、管理・監視すべき要素が増えます。特に、これらの項目に変化があると、部品品質が低下する可能性があります。

品質管理への従来のアプローチ

メーカーは監査プロセスを強化するために多大な努力を払ってきました。現地訪問を増やし、製品の出所を保証するために追加のマーキングを要求することがあります。しかし、このアプローチは大規模では効果が薄いことが判明しています。

過去には、人間の専門家がAM製造部品の出所判定に呼び出されていましたが、このプロセスは時間がかかります。さらに、メーカーは生産後期に問題が発生するまで問題に気付かないことが多く、どの部品がどのように改変されたかを正確に特定するのは極めて困難です。

AI指紋認証研究概要

この研究¹ 「深層学習を用いた写真からの付加製造ソース識別」は、Nature系列ジャーナル『Advanced Manufacturing』に掲載され、今後これらの課題解決に寄与する可能性のあるAIモデルを紹介しています。このシステムは、層テクスチャの画像解析により、AP部品の品質と真正性を認証できます。

製造指紋

すべての3Dプリンターは、センサーやAIシステムで検出可能な独自の指紋を持っています。部品寸法の許容差、プロセス設定、使用材料などの重要な詳細は、個々の機械と相関しています。

ソース – Advanced Manufacturing

AI指紋認証プロセスの仕組み

指紋システムは、メーカーの協力があることを前提としていますが、必ずしも必要ではありません。最初のステップは、比較用に理想的な製品サンプルを収集することです。機械のメーカーとモデル、製造プロセス、使用材料などの具体的な情報を提供する必要があります。その後、AIシステムが残りを処理します。

ディープラーニングアーキテクチャとモデル設計

AIモデルは、部品の高解像度画像から3Dプリンターの指紋を判別できます。その後、画像の表面テクスチャを画像縮小、ランダムサンプリング、投票方式で解析します。画像はさらに縮小され、モデルあたりの画像数を増やすことが可能になります。

エンジニアは複数のAI構造を検討した結果、EfficientNetV2が最適であると判断しました。テストでは、AIモデルが高精度を達成することが明らかになりました。さらに、学習時間が最も速いことも判明しました。エンジニアは、この性能をパラメータ数が少ないこととモデルの層設計に起因すると評価しています。

9,000枚以上の部品画像でモデルを訓練

AIを訓練するために、チームは9,192個の部品写真を含むデータセットを構築しました。これらの部品は6社のメーカーから提供され、4つの異なる製造プロセスのうちの1つで、21台の機械で製造されました。各部品は印刷後、高解像度のEpson Perfection V39でスキャンされました。

スキャンは4800dpiの解像度で行われ、各部品はシリアル番号を含めるために複数回スキャンされました。得られた5.3μmピクセルの画像は、21枚ずつのバッチでスキャンされ、パス情報はランダマイザーに送られました。この手法により、データ収集の入力時間が改善されました。

指紋認証手法のテスト

理論を検証するため、エンジニアは4つの製造プロセスにわたる21台のユニークな機械から多様な部品セットを作成しました。テスト段階で、AIモデルは各部品画像からランダムに448×448ピクセルの関心領域（ROI）を抽出しました。

指紋認証精度結果

AIはその能力を証明し、1,050個の部品で98％の精度を達成しました。モデルは部品の製造プロセス、材料、印刷された機械内の位置など、すべての主要指標を特定しました。また、プリンターの指紋を確保するために必要な部品数はわずか10個であることが示されました。

産業にとっての重要性

このアプローチは市場にもたらす利益が多数あります。まず、品質低下を防止し、メーカーが故障の原因を特定できるよう支援します。航空機のような高度で重要なシステムにおいては、生死を分ける可能性があります。

不良部品の早期検出

このAIモデルは、3Dプリント部品の設置前に問題を発見するのにも役立ちます。この手法により、メーカーはコストを削減し、誤った部品による安全リスクを低減できます。さらに、人間の専門家に比べてスケーラビリティも向上します。

スケーラビリティとモデル適応性

AIモデルは時間とともに学習・適応します。この特性により、システムは他の製造属性を予測する識別可能な特徴を特定できます。これらの属性には、プロセス、材料、部品の印刷に使用された機械が含まれます。

産業・サプライチェーン・法医学における応用

この技術には実際の応用例が多数あります。サプライヤー管理、品質管理、さらには法執行機関まで。3Dプリント部品の出所を特定できることは、命を救う可能性のある画期的な技術です。以下に主な応用例とタイムラインを示します。

産業

産業分野はこの技術をすぐに活用できるでしょう。根本原因の問題解決に重要な役割を果たす可能性があります。将来的には、メーカーは画像ベースの出所特定を利用してAM部品の品質と真正性を監視し、3Dプリンター時代におけるデータ品質管理の有効性を確保できるようになります。

サプライチェーン

同様の利点により、システムはサプライチェーン管理に最適です。大規模なサプライチェーンには数千の受託メーカーが存在します。AIシステムは、異なる場所や時期に供給される個別製品を監視・管理するのに役立ちます。システムのスケーラビリティにより、将来のメーカーは部品の設置前や故障前に正確性を事前検証できるようになります。

調査

この技術が貢献できる別の領域は、違法品の出所特定です。偽造部品から3Dプリント銃まで、すべてがこの技術により監視しやすくなります。過去には、ゴーストガン問題で政治家が手詰まりになっていましたが、将来はこの技術が法執行機関の捜査を支援し、世界的な3Dプリント銃の流通抑制にも寄与します。

3Dプリント部品の指紋タイムライン

このAI指紋技術は、今後1〜3年で実用化が見込まれます。このAIモデルがもたらす利点への需要は高く、サプライチェーンや製造チェーンへの適応・統合も容易です。これらの要素は、命を救い、企業のコスト削減に貢献します。

3Dプリント部品指紋研究者

本研究はGrainger工学部の研究者らによって執筆されました。具体的には、Bill King、Miles Bimrose、Davis McGregor、Charlie Wood、Sameh Tawfick が貢献者として記載されています。チームは現在、モデルを拡張し、より多くの3Dプリンターとメーカーを対象にすることを目指しています。

3Dプリンティング分野への投資

AM分野の多くの企業が本研究から恩恵を受ける可能性があります。投資家は、3Dプリンティング企業が試作段階から街全体の構築へと成長する様子を目の当たりにしています。そのため、3Dプリンティング技術の利用が拡大していることは驚くべきことではありません。以下は、先駆的な取り組みを続ける企業の一例です。

Carpenter Technology Corporation

Carpenter Technology Corporation (CRS ) は、1889年にペンシルベニア州リーディングで市場に参入しました。同社はJames Henry Carpenter と数名の投資家によって、特殊部品の製造を目的に設立されました。

印象的なことに、Carpenter Technology Corp は先駆的な精神を保ち続け、米西戦争で使用された初期の徹甲弾の開発にも関与しました。その後、耐久性で評価され、1903年にライト兄弟が初飛行した際の航空機エンジンにも採用されました。

1917年、同社は高強度鋼を市場に投入し、もう一つの大きな発見を成し遂げました。この耐腐食性代替素材は航空分野のイノベーションに不可欠でした。現在、同社は特殊鋼、合金、3Dプリンティング用途の粉末など、幅広い製品を提供しています。

Carpenter Tech の粉末オプションは、複雑な切削、成形、ドリリングプロセスに不可欠であり、同社の合金は輸送、防衛、航空宇宙、エネルギー、産業、医療、消費者エレクトロニクスなど多くの業界で使用されています。これらすべての要素が、CRS をポートフォリオに加える価値ある銘柄にしています。

Carpenter Technology Corp. の最新株式ニュースと開発情報

より高い説明責任 → AIによる品質管理の未来

ニュースで航空機部品の故障やその他の生命に関わる事故の報告を見ると、不良部品の出所特定が公共の安全にとって重要な課題であることがすぐに理解できます。この新しいアプローチはコスト削減に寄与し、大規模な応用への道を開きます。

将来的には、品質管理は製品のすべての部品を、設置前や故障前に検査することを含むようになるでしょう。そのため、命とコストの両方を救う可能性のある彼らの取り組みは称賛に値します。

AIのブレークスルーについて学ぶ こちら。

参照した研究:

^{1. Bimrose, M. V., McGregor, D. J., Wood, C., Tawfick, S., & King, W. P. (2025). 写真を用いた深層学習による付加製造ソース識別. npj Advanced Manufacturing, 2(20). https://doi.org/10.1038/s44334-025-00031-2}