Usando IA para Autenticar Peças Impressas em 3D

Uma equipe de pensadores da Grainger College of Engineering desenvolveu um modelo de Inteligência Artificial que pode identificar com precisão a impressão digital de peças impressas em 3D. A IA examina detalhes‑chave que não podem ser observados a olho nu e cruza suas descobertas com os detalhes específicos que cada impressora 3D deixa.

Desafios na Verificação da Cadeia de Suprimentos

A complexidade dos produtos atuais significa que sua construção pode exigir milhares de componentes, provenientes de centenas de fabricantes. Infelizmente, esse cenário gerou alguns problemas, já que garantir que a qualidade dos fabricantes permaneça inalterada tem se mostrado uma tarefa difícil.

Em um contrato de fabricação típico, ambas as partes chegam a um entendimento sobre detalhes‑chave do produto. Esses detalhes podem incluir processos exatos, materiais utilizados e procedimentos de fábrica. Dependendo da peça e de sua finalidade, pode não ser facilmente perceptível que alterações foram feitas por algum tempo ou até que ocorra uma falha.

Identificando a Origem de uma Peça

No passado, os métodos comuns usados para garantir que uma peça fosse proveniente de onde dizia ser fabricada incluíam abordagens muito rudimentares, como rótulos de peças, rastreadores e até números de série pressionados. Essas abordagens podiam ser facilmente vistas, mas também eram facilmente copiadas, falsificadas e contrabandeadas. Esses problemas levaram os fabricantes a insistir em etiquetas ocultas em alguns componentes.

Impressão 3D e Suas Vulnerabilidades

A introdução da impressão 3D mudou o processo industrial para sempre. Essa opção de fabricação flexível facilitou a terceirização de componentes pelos fabricantes. Ao mesmo tempo, peças impressas em 3D são mais fáceis de alterar e falsificar.

Existem mais fatores a gerenciar e monitorar ao discutir manufatura aditiva, incluindo a qualidade da matéria‑prima, controles de processo e o tipo de máquinas utilizadas. Notavelmente, quaisquer alterações nessas categorias podem levar a uma qualidade de peça inferior.

Abordagens Tradicionais de Controle de Qualidade

Os fabricantes têm se esforçado ao máximo para melhorar seus processos de auditoria. Eles podem realizar mais visitas in loco e exigir marcações adicionais para garantir a origem dos produtos. No entanto, a verdade é que essa abordagem tem se mostrado ineficaz em grande escala.

No passado, especialistas humanos eram convocados para ajudar a determinar a origem de componentes fabricados por AM. Contudo, esse processo consome tempo. Além disso, os fabricantes frequentemente desconhecem quaisquer problemas até que uma falha ocorra mais tarde na produção, tornando extremamente difícil determinar exatamente qual peça foi alterada e como.

Visão Geral do Estudo de Impressão Digital com IA

O estudo¹ “Identificação da origem da manufatura aditiva a partir de fotografias usando aprendizado profundo”, publicado na revista parceira da Nature, Advanced Manufacturing, apresenta um modelo de IA que pode ajudar a resolver muitos desses problemas nos próximos anos. O sistema é capaz de certificar a qualidade e autenticidade de peças AM usando imagens analisadas de suas texturas de camada.

Impressão Digital de Fabricação

Cada impressora 3D possui aspectos únicos que lhe conferem uma impressão digital que pode ser detectada por sensores e sistemas de IA. Detalhes‑chave como as tolerâncias das dimensões das peças, configurações de processo e materiais utilizados correlacionam‑se com máquinas individuais.

Fonte – Advanced Manufacturing

Como o Processo de Impressão Digital com IA Funciona

O sistema de impressão digital funciona sob a suposição de que você tem a cooperação do seu fabricante, embora isso não seja obrigatório. A primeira etapa é coletar amostras do produto ideal para fins de comparação. Você precisará fornecer detalhes específicos, incluindo a marca e o modelo da máquina, o processo de fabricação e os materiais usados durante a produção. A partir daí, o sistema de IA cuida do restante.

Arquitetura de Deep Learning e Design do Modelo

O modelo de IA pode determinar a impressão digital de uma impressora 3D a partir de uma imagem de alta resolução da peça. Em seguida, ele extrai detalhes da imagem, como a textura da superfície, usando redução de escala, amostragem aleatória e um esquema de votação. A imagem é então reduzida para permitir mais imagens por modelo.

Os engenheiros analisaram várias estruturas de IA antes de determinar que EfficientNetV2 era a melhor opção. Os testes revelaram que o modelo de IA alcança alta precisão. Além disso, ele foi o mais rápido em termos de tempo de treinamento. Os engenheiros atribuíram esse desempenho à capacidade de inserir menos parâmetros e ao design das camadas do modelo.

Treinamento do Modelo com Mais de 9.000 Imagens de Peças

Para treinar a IA, a equipe construiu um conjunto de dados que incluía fotografias de 9.192 peças. As peças provinham de 6 fabricantes diferentes e foram produzidas em 21 máquinas usando um dos quatro processos de fabricação diferentes. Cada peça foi impressa e depois escaneada em um Epson Perfection V39 de alta resolução.

As digitalizações foram feitas a 4800 dpi, e cada peça foi escaneada várias vezes para incluir um número de série escaneado. As imagens resultantes de 5,3 μm por pixel foram então processadas em lotes de 21 fotos cada, e seus caminhos foram enviados a um randomizador. Essa abordagem ajudou a melhorar os tempos de coleta de dados.

Testando o Método de Impressão Digital

Para testar sua teoria, os engenheiros criaram um conjunto diversificado de peças de 21 máquinas únicas, abrangendo quatro processos de fabricação diferentes. O modelo de IA amostrou aleatoriamente uma região de interesse (ROI) de 448 × 448 pixels de cada imagem de peça como parte da fase de teste.

Resultados de Precisão da Impressão Digital

A IA comprovou sua capacidade, alcançando 98 % de precisão em 1.050 peças. O modelo identificou todas as métricas‑chave das peças, incluindo o processo de fabricação, material e a localização na máquina onde a peça foi impressa. Demonstrou que precisava de apenas 10 peças para garantir a impressão digital de uma impressora.

Por Que Isso Importa para a Indústria

Há muitos benefícios que essa abordagem trará ao mercado. Primeiro, ajudará a prevenir a perda de qualidade e a permitir que os fabricantes determinem as origens das falhas. Ao lidar com sistemas avançados e críticos, como aviões comerciais, essa abordagem pode fazer a diferença entre a vida e a morte.

Detecção Precoce de Peças Defeituosas

Este modelo de IA também ajudará a encontrar problemas em componentes impressos em 3D antes de sua instalação. Essa abordagem economizará custos dos fabricantes e reduzirá riscos de segurança que ocorreriam devido às deficiências da peça incorreta. Além disso, essa abordagem oferece escalabilidade em comparação ao uso de especialistas humanos.

Escalabilidade e Adaptabilidade do Modelo

O modelo de IA pode aprender e ajustar‑se com o tempo. Esse detalhe significa que o sistema pode determinar características identificáveis para prever outros atributos de fabricação. Essas características incluem o processo, material e máquina usados para imprimir um componente.

Aplicações na Indústria, Cadeia de Suprimentos e Forense

Existem várias aplicações reais dessa tecnologia. Desde a gestão de fornecedores até o controle de qualidade, e até mesmo a aplicação da lei. A capacidade de determinar a origem de peças impressas em 3D é um divisor de águas que pode ajudar a salvar vidas. Aqui estão suas principais aplicações e cronograma.

Industrial

O setor industrial encontrará um uso imediato para essa tecnologia. Ela pode ser crucial na solução de problemas de causa raiz. No futuro, os fabricantes poderão utilizar a identificação de origem baseada em imagens para monitorar a qualidade e autenticidade de peças AM, ajudando a garantir que o controle de qualidade de dados permaneça eficaz na era das impressoras 3D.

Cadeia de suprimentos

Os mesmos benefícios tornarão o sistema ideal para a gestão da cadeia de suprimentos. Existem milhares de fabricantes contratados em uma grande cadeia de suprimentos. O sistema de IA ajudará as empresas a monitorar e gerenciar os produtos individuais que vêm de diferentes locais e em diferentes momentos. A escalabilidade do sistema permitirá que futuros fabricantes pré‑verifiquem se as peças estão corretas antes da instalação ou falha.

Investigação

Outra área onde essa tecnologia pode ajudar é na determinação da origem de bens ilícitos. Tudo, desde peças falsificadas até armas impressas em 3D, pode agora ser monitorado muito mais facilmente graças a essa tecnologia. No passado, questões como armas fantasma deixaram políticos perplexos. No futuro, essa tecnologia ajudará as forças de segurança a levar mais pessoas à justiça, ao mesmo tempo em que ajuda a conter o fluxo de armas impressas em 3D globalmente.

Cronograma da Impressão Digital de Peças Impressas em 3D

Esta tecnologia de impressão digital com IA pode ser colocada em prática nos próximos 1 a 3 anos. Há uma forte demanda pelos benefícios que este modelo de IA traz, e ele pode ser facilmente adaptado e integrado às cadeias de suprimentos e de fabricação. Esses fatores ajudam a salvar vidas e a economizar dinheiro das empresas.

Pesquisadores da Impressão Digital de Peças Impressas em 3D

O estudo foi escrito por pesquisadores da Grainger College of Engineering. Especificamente, lista Bill King, Miles Bimrose, Davis McGregor, Charlie Wood e Sameh Tawfick como colaboradores do trabalho. Agora a equipe buscará expandir seu modelo para incluir mais impressoras 3D e fabricantes.

Investindo no Setor de Impressão 3D

Muitas empresas no setor de AM podem se beneficiar deste estudo. Investidores viram empresas de impressão 3D passar de prototipagem para criar bairros inteiros. Assim, não é surpresa saber que o uso da tecnologia de impressão 3D está em ascensão. Aqui está uma empresa que continua a demonstrar um esforço pioneiro.

Carpenter Technology Corporation

Carpenter Technology Corporation (CRS ) entrou no mercado em 1889 em Reading, Pensilvânia. A empresa foi fundada por James Henry Carpenter e vários investidores para criar componentes especiais.

Impressionantemente, a Carpenter Technology Corp manteve um espírito pioneiro e até ajudou a criar alguns dos primeiros projéteis perfurantes de armadura para a Guerra Hispano‑Americana. Desde então, construiu uma reputação de durabilidade e foi até usada no motor do avião dos irmãos Wright quando eles voaram pela primeira vez em 1903.

Em 1917, a empresa fez outra grande descoberta ao introduzir aço de alta resistência no mercado. Essa alternativa anticorrosiva foi crucial para a inovação no setor de aviação. Hoje, a empresa oferece uma ampla gama de produtos, incluindo aço especial, ligas e pós para uso em aplicações de impressão 3D.

As opções de pó da Carpenter Tech são um componente crucial de processos complexos de corte, modelagem e perfuração, e suas ligas são usadas em vários setores, incluindo transporte, defesa, aeroespacial, energia, industrial, médico e eletrônicos de consumo. Todos esses fatores tornam a CRS uma adição forte ao seu portfólio.

Últimas Notícias e Desenvolvimentos das Ações da Carpenter Technology Corp.

Mais responsabilidade → O Futuro do Controle de Qualidade com IA

Quando você acompanha as notícias e vê relatos sobre falhas em componentes de aviões ou outros incidentes que ameaçam a vida, fica fácil entender por que determinar a origem de peças defeituosas é uma tarefa vital para a segurança pública. Essa nova abordagem ajuda a reduzir custos e abre caminho para aplicações em larga escala.

No futuro, o controle de qualidade incluirá cada componente de um produto, antes de sua instalação e falha. Assim, esses engenheiros merecem uma homenagem por seus esforços que podem ajudar a salvar vidas e dinheiro.

Saiba mais sobre avanços em IA aqui.

Estudos Referenciados:

^{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}