Illinois Urbana-Champaign Üniversitesi’nden araştırmacılar, yüksek çözünürlüklü fotoğrafçılık ve derin öğrenme kullanarak 3D baskılı parçaların üretildiği kaynağı tespit edebilen yeni bir yöntem geliştirdi. Bu yaklaşım, üretim sırasında parçalarda oluşan “üretim parmak izlerini” – yani fiziksel olarak benzersiz özellikleri – analiz ederek bir parçanın hangi yazıcıda üretildiğini belirleyebiliyor. Bu teknoloji, üretim tedarik zincirlerinde parçaların izlenmesinde yaşanan büyük zorluklara çözüm sunuyor.
Araştırmada, 21 farklı kaynaktan üretilmiş 9.192 parça, üç farklı tasarım ve altı farklı malzeme ile test edildi. Araştırmacılar, kaynak yazıcının tespitinde %98'in üzerinde doğruluk oranı elde etti. Sistem aynı zamanda üretim sürecini, kullanılan malzeme türünü ve parçanın yazıcı içindeki hangi konumda üretildiğini de belirleyebiliyor.
Önceki çalışmalar daha çok tüketici tipi masaüstü yazıcılara odaklanmışken, bu araştırma üretim ortamlarında kullanılan endüstriyel eklemeli imalat (additive manufacturing) ekipmanlarına yöneldi. Testlerde dört farklı AM ekipmanı türü ve yedi farklı yazıcı modeli kullanıldı. Yaklaşım, çeşitli malzemeler ve parça tasarımları arasında etkili olduğunu kanıtladı.
Etiket, RFID çipi veya lazerle kazıma gibi geleneksel parça tanımlama yöntemleri kolayca çıkarılabilir ya da tahrif edilebilir. Bu derin öğrenme yaklaşımı ise üretim sırasında doğal olarak oluşan fiziksel özellikleri analiz ederek çok daha güvenli bir çözüm sunuyor. Sistem, insan gözünün fark edemeyeceği desenleri tanıyabiliyor.
Üretim kaynağının tespiti; kalite kontrol, hata ayıklama, tedarik zinciri yönetimi ve ürün doğrulama gibi pek çok alanda önemli uygulamalara sahip. Özellikle dağıtık tedarik zincirlerine sahip olan eklemeli imalatta bu teknoloji büyük bir ihtiyaç karşılıyor. Sistem, karmaşık üretim ağlarında kullanılan malzeme, süreç ve nihai parçaların doğrulanması için güçlü bir araç sağlıyor.
Araştırmada, 21 farklı kaynaktan üretilmiş 9.192 parça, üç farklı tasarım ve altı farklı malzeme ile test edildi. Araştırmacılar, kaynak yazıcının tespitinde %98'in üzerinde doğruluk oranı elde etti. Sistem aynı zamanda üretim sürecini, kullanılan malzeme türünü ve parçanın yazıcı içindeki hangi konumda üretildiğini de belirleyebiliyor.
Önceki çalışmalar daha çok tüketici tipi masaüstü yazıcılara odaklanmışken, bu araştırma üretim ortamlarında kullanılan endüstriyel eklemeli imalat (additive manufacturing) ekipmanlarına yöneldi. Testlerde dört farklı AM ekipmanı türü ve yedi farklı yazıcı modeli kullanıldı. Yaklaşım, çeşitli malzemeler ve parça tasarımları arasında etkili olduğunu kanıtladı.
Etiket, RFID çipi veya lazerle kazıma gibi geleneksel parça tanımlama yöntemleri kolayca çıkarılabilir ya da tahrif edilebilir. Bu derin öğrenme yaklaşımı ise üretim sırasında doğal olarak oluşan fiziksel özellikleri analiz ederek çok daha güvenli bir çözüm sunuyor. Sistem, insan gözünün fark edemeyeceği desenleri tanıyabiliyor.
Üretim kaynağının tespiti; kalite kontrol, hata ayıklama, tedarik zinciri yönetimi ve ürün doğrulama gibi pek çok alanda önemli uygulamalara sahip. Özellikle dağıtık tedarik zincirlerine sahip olan eklemeli imalatta bu teknoloji büyük bir ihtiyaç karşılıyor. Sistem, karmaşık üretim ağlarında kullanılan malzeme, süreç ve nihai parçaların doğrulanması için güçlü bir araç sağlıyor.