Un modelo de IA logra una gran precisión en la identificación del origen de piezas impresas en 3D

Investigadores de la Universidad de Illinois han demostrado en https://grainger.illinois.edu/news/stories/75700 que cada impresora 3D industrial deja un patrón de superficie sutil y específico de la máquina. Una red convolucional entrenada en esos patrones puede decir qué impresora fabricó una pieza con una precisión casi perfecta.

El equipo produjo 9.192 piezas en 21 máquinas comerciales que cubrían cuatro procesos de fabricación aditiva: síntesis digital de luz, fusión multichorro, estereolitografía y modelado por deposición fundida. Cada pieza se escaneó en un escáner plano de documentos a 5,3 µm por píxel, creando una biblioteca de imágenes de alta resolución para el entrenamiento y las pruebas del modelo.

Utilizando una arquitectura EfficientNet-V2 y un esquema de votación a través de múltiples cultivos de imágenes aleatorias, el modelo identificó la impresora de origen de las piezas no vistas con una precisión del 98,5 por ciento. También reconoció el proceso de fabricación y el material con una precisión de hasta el 100% e incluso dedujo la posición de la bandeja de construcción de las piezas de síntesis digital de luz con una precisión aproximada de 5 cm (~1,97 pulgadas).

El estudio trazó cómo la precisión depende de la resolución de la imagen y del tamaño del recorte. Para procesos como la síntesis digital de luz, bastaba con un recorte cuadrado de 200 µm; las piezas de deposición fundida necesitaban regiones mayores (≈3 mm) pero toleraban una resolución menor, lo que hacía que el método fuera compatible con las cámaras y escáneres disponibles en el mercado.

Más allá de la clasificación básica, el método ofrece una herramienta práctica para la supervisión de la cadena de suministro. Puede confirmar que un contratista utilizó la máquina acordada, señalar cambios de proceso no notificados y ayudar a rastrear piezas defectuosas o falsificadas sin etiquetas incrustadas ni cooperación del proveedor.