Uso de IA para Autenticar Piezas Impresas en 3D

Un equipo de pensadores del Grainger College of Engineering desarrolló un modelo de Inteligencia Artificial que puede identificar con precisión la huella digital de piezas impresas en 3D. La IA examina detalles clave que no pueden ser observados a simple vista y cruza sus hallazgos con los detalles específicos que deja cada impresora 3D.

El descubrimiento podría ayudar a aliviar los problemas de fabricación, monitoreo y gestión de la cadena de suministro, potencialmente ahorrando miles de millones a las empresas. Aquí está lo que necesitas saber.

Desafíos en la Verificación de la Cadena de Suministro

La complejidad de los productos actuales implica que su construcción puede requerir miles de componentes, obtenidos de cientos de fabricantes. Lamentablemente, este escenario ha generado algunos problemas, ya que garantizar que la calidad de los fabricantes se mantenga sin cambios ha demostrado ser una tarea complicada.

En un acuerdo de fabricación típico, ambas partes llegan a un entendimiento sobre los detalles clave del producto.  Estos detalles pueden incluir procesos exactos, materiales utilizados y procedimientos de fábrica. Dependiendo de la pieza y su propósito, puede no ser fácilmente perceptible que se hayan realizado cambios durante algún tiempo o hasta que ocurra una falla.

Identificando el Origen de una Pieza

En el pasado, los métodos comunes utilizados para asegurar que una pieza provenga de donde se decía que se fabricó incluyeron enfoques muy rudimentarios como etiquetas de piezas, rastreadores e incluso números de serie prensados. Estos enfoques podían verse fácilmente, pero también eran fácilmente copiados, falsificados y contrabandeados. Estos problemas llevaron a los fabricantes a insistir en etiquetas ocultas en algunos componentes.

Impresión 3D y sus Vulnerabilidades

La introducción de la impresión 3D cambia el proceso industrial para siempre. Esta opción de fabricación flexible facilitó a los fabricantes la subcontratación de componentes. Al mismo tiempo, las piezas impresas en 3D son más fáciles de alterar y falsificar.

Hay más factores que gestionar y monitorear al hablar de fabricación aditiva, incluyendo la calidad de la materia prima, los controles de proceso y el tipo de máquinas utilizadas. Notablemente, cualquier cambio en estas categorías puede conducir a una calidad de pieza inferior.

Enfoques Tradicionales de Control de Calidad

Los fabricantes han hecho grandes esfuerzos para intentar mejorar sus procesos de auditoría. Pueden realizar más visitas in situ y exigir marcados adicionales para garantizar el origen de los productos. Sin embargo, la realidad es que este enfoque ha demostrado ser ineficaz a gran escala.

En el pasado, se recurría a expertos humanos para ayudar a determinar el origen de los componentes fabricados mediante AM. Sin embargo, este proceso consume mucho tiempo. Además, los fabricantes a menudo desconocen cualquier problema hasta que ocurre más adelante en la producción, lo que dificulta enormemente determinar exactamente qué pieza fue alterada y cómo.

Resumen del Estudio de Huellas Digitales con IA

El estudio¹ “Identificación de la fuente de fabricación aditiva a partir de fotografías mediante aprendizaje profundo”, publicado en la revista asociada de Nature, Advanced Manufacturing, presenta un modelo de IA que podría ayudar a resolver muchos de estos problemas en los próximos años. El sistema es capaz de certificar la calidad y autenticidad de piezas de AM mediante el análisis de imágenes de sus texturas de capa.

Huella de Fabricación

Cada impresora 3D tiene aspectos únicos que le otorgan una huella que puede ser detectada por sensores y sistemas de IA. Detalles clave como las tolerancias de las dimensiones de la pieza, los ajustes del proceso y los materiales utilizados se correlacionan con máquinas individuales.

Fuente – Advanced Manufacturing

Cómo Funciona el Proceso de Huellas Digitales con IA

El sistema de huellas digitales funciona bajo la suposición de que cuentas con la cooperación de tu fabricante, aunque no es obligatorio. El primer paso es recopilar muestras del producto ideal para propósitos de comparación. Deberás proporcionar detalles específicos, incluyendo la marca y modelo de la máquina, el proceso de fabricación y los materiales utilizados durante la producción. A partir de ahí, el sistema de IA se encarga del resto.

Arquitectura de Aprendizaje Profundo y Diseño del Modelo

El modelo de IA puede determinar la huella de una impresora 3D a partir de una imagen de alta resolución de la pieza. Luego extrae detalles de la imagen, como la textura de la superficie, mediante reducción de escala, muestreo aleatorio y un esquema de votación. La imagen se reduce posteriormente para permitir más imágenes por modelo.

Los ingenieros evaluaron varias estructuras de IA antes de determinar que EfficientNetV2 era la mejor opción. Las pruebas revelaron que el modelo de IA alcanza alta precisión. Además, se ubicó como el más rápido en tiempo de entrenamiento. Los ingenieros atribuyeron este rendimiento a la capacidad de ingresar menos parámetros y al diseño de capas del modelo.

Entrenamiento del Modelo con Más de 9,000 Imágenes de Piezas

Para entrenar la IA, el equipo construyó un conjunto de datos que incluía fotografías de 9.192 piezas. Las piezas provenían de 6 fabricantes diferentes y se fabricaron en 21 máquinas utilizando uno de cuatro procesos de fabricación distintos. Cada pieza se imprimió y luego se escaneó con una Epson Perfection V39 de alta resolución.

Los escaneos tenían una resolución de 4800 dpi, y cada pieza se escaneó varias veces para incluir un número de serie escaneado. Las imágenes resultantes de 5,3 μm por píxel se escanearon luego en lotes de 21 fotos cada uno, y su ubicación de ruta se envió a un aleatorizador. Este enfoque ayudó a mejorar los tiempos de entrada de recopilación de datos.

Prueba del Método de Huellas Digitales

Para probar su teoría, los ingenieros crearon un conjunto diverso de piezas de 21 máquinas únicas a través de cuatro procesos de fabricación diferentes. El modelo de IA muestreó aleatoriamente una región de interés (ROI) de 448 × 448 píxeles de cada imagen de pieza como parte de la fase de pruebas.

Resultados de Precisión de las Huellas Digitales

La IA demostró su capacidad, alcanzando un 98 % de precisión en 1.050 piezas. El modelo identificó todas las métricas clave de las piezas, incluyendo el proceso de fabricación, el material y la ubicación en la máquina donde se imprimió la pieza. Demostró que solo necesitaba tan solo 10 piezas para asegurar la huella de una impresora.

Por Qué Esto es Importante para la Industria

Hay muchos beneficios que este enfoque aportará al mercado. Por un lado, ayudará a prevenir la pérdida de calidad y a que los fabricantes determinen los orígenes de las fallas. Al tratar con sistemas avanzados y críticos como los aviones, este enfoque podría marcar la diferencia entre la vida y la muerte.

Detección Temprana de Piezas Defectuosas

Este modelo de IA también ayudará a encontrar problemas en componentes impresos en 3D antes de su instalación. Este enfoque ahorrará costos a los fabricantes y reducirá los riesgos de seguridad que podrían surgir debido a las deficiencias de la pieza incorrecta. Además, este enfoque ofrece escalabilidad en comparación con el uso de expertos humanos.

Escalabilidad y Adaptabilidad del Modelo

El modelo de IA puede aprender y ajustarse con el tiempo. Este detalle significa que el sistema puede determinar características identificables para predecir otros atributos de fabricación. Estas características incluyen el proceso, el material y la máquina que se utilizaron para imprimir un componente.

Aplicaciones en la Industria, Cadena de Suministro y Forense

Existen varias aplicaciones reales de esta tecnología. Desde la gestión de proveedores hasta el control de calidad, e incluso la aplicación de la ley. La capacidad de determinar el origen de piezas impresas en 3D es un cambio de juego que podría ayudar a salvar vidas. Aquí están sus principales aplicaciones y cronología.

Industrial

El sector industrial encontrará un uso inmediato para esta tecnología. Podría resultar crucial en la resolución de problemas de causa raíz.  En el futuro, los fabricantes podrían utilizar la identificación de origen basada en imágenes para monitorear la calidad y autenticidad de piezas de AM, ayudando a garantizar que el control de calidad de datos siga siendo efectivo en la era de las impresoras 3D.

Cadena de suministro

Los mismos beneficios harían que el sistema sea ideal para la gestión de la cadena de suministro. Hay miles de fabricantes bajo contrato en una cadena de suministro importante. El sistema de IA ayudará a las empresas a monitorear y gestionar los productos individuales que provienen de diferentes ubicaciones y en distintos momentos. La escalabilidad del sistema permitirá a los futuros fabricantes pre‑verificar que las piezas sean correctas antes de su instalación o falla.

Investigación

Otro ámbito donde esta tecnología podría ayudar es en la determinación del origen de bienes ilícitos. Todo, desde piezas falsificadas hasta armas impresas en 3D, ahora podría ser mucho más fácil de monitorear gracias a esta tecnología. En el pasado, problemas como las armas fantasma dejaron perplejos a los políticos. En el futuro, esta tecnología ayudará a las fuerzas del orden a llevar a más personas ante la justicia mientras ayuda a frenar el flujo de armas impresas en 3D a nivel mundial.

Cronología de la Huella de Piezas Impresas en 3D

Esta tecnología de huellas digitales con IA podría ponerse en marcha en los próximos 1‑3 años. Existe una fuerte demanda por los beneficios que aporta este modelo de IA, y puede adaptarse e integrarse fácilmente en las cadenas de suministro y fabricación. Estos factores ayudan a salvar vidas y a ahorrar dinero a las empresas.

Investigadores de la Huella de Piezas Impresas en 3D

El estudio fue redactado por investigadores del Grainger College of Engineering. Específicamente, enumera a Bill King, Miles Bimrose, Davis McGregor, Charlie Wood y Sameh Tawfick como colaboradores del trabajo. Ahora el equipo buscará ampliar su modelo para incluir más impresoras 3D y fabricantes.

Invertir en el Sector de la Impresión 3D

Muchas empresas del sector AM podrían beneficiarse de este estudio. Los inversores han visto a firmas de impresión 3D pasar de la creación de prototipos a la construcción de barrios enteros. Por lo tanto, no es sorprendente saber que el uso de la tecnología de impresión 3D está en aumento. Aquí hay una empresa que sigue demostrando un esfuerzo pionero.

Carpenter Technology Corporation

Carpenter Technology Corporation (CRS ) ingresó al mercado en 1889 en Reading, Pensilvania. La compañía fue fundada por James Henry Carpenter y varios inversores para crear componentes especializados.

De manera impresionante, Carpenter Technology Corp ha mantenido un espíritu pionero e incluso ayudó a crear algunos de los primeros proyectiles perforantes de armadura para la Guerra Hispano‑Estadounidense. Desde entonces, ha construido una reputación de durabilidad y fue incluso utilizada en el motor del avión de los hermanos Wright cuando realizaron su primer vuelo en 1903.

En 1917, la compañía hizo otro gran descubrimiento al introducir acero de alta resistencia en el mercado. Esta alternativa anticorrosiva fue crucial para la innovación en el sector de la aviación. Hoy, la empresa ofrece una amplia gama de productos, incluyendo acero especializado, aleaciones y polvos para su uso en aplicaciones de impresión 3D.

Las opciones de polvo de Carpenter Tech son un componente crucial de procesos complejos de corte, conformado y perforación, y sus aleaciones se utilizan en múltiples industrias, incluyendo transporte, defensa, aeroespacial, energía, industrial, médica y electrónica de consumo. Todos estos factores hacen de CRS una sólida incorporación a tu cartera.

Últimas Noticias y Desarrollos de la Acción de Carpenter Technology Corp.

Más responsabilidad → El Futuro del Control de Calidad con IA

Cuando observas las noticias y ves informes sobre fallas en componentes de aviones u otros incidentes que ponen en riesgo la vida, es fácil comprender por qué determinar el origen de piezas defectuosas es una tarea vital para la seguridad pública. Este nuevo enfoque ayuda a reducir costos y abre la puerta a aplicaciones a gran escala.

En el futuro, el control de calidad incluirá cada componente de un producto, antes de su instalación y falla. Por lo tanto, estos ingenieros merecen un saludo por sus esfuerzos que podrían ayudar a salvar vidas y dinero.

Aprende sobre los avances de IA aquí.

Estudios Referenciados:

^{1. Bimrose, M. V., McGregor, D. J., Wood, C., Tawfick, S., & King, W. P. (2025). Identificación de la fuente de fabricación aditiva a partir de fotografías mediante aprendizaje profundo. npj Advanced Manufacturing, 2(20). https://doi.org/10.1038/s44334-025-00031-2}