3D olarak basılan parçaların kökeni dekorasyonun teknolojisi

Her ne kadar özellikler ilk bakışta görülmese de: oluşturulan 3D baskılı bileşenler, aynı şekilde makinede spesifik farklılıklar gösterir. Illinois Üniversitesi Urbana şampiyonundan bir araştırmacı ekibi, yazıcıya doğru üretim yolunu izlemek için bu özellikleri kullanmak için yapay zeka algoritmalarına dayanan bir yöntem geliştirdi.

Araştırma ekibinin başkanı Profesör Bill King, her 3D baskılı bileşenin özdeş makineler aynı koşullarda bassa bile ince farklılıklara sahip olduğunu söyledi. İlgili 3D yazıcının bireysel özellikleri, genellikle insan gözü için görünmez olan yüzeyin küçük özelliklerinde gösterilen bu farklılıklara neden olur, SO -adlandırılmış “parmak izleri”.

Kral kendi sözleriyle King, yöntemin çok net sonuçlar sağladığı gerçeğine şaşırdı. Diyerek şöyle devam etti: “İşe yaradığı gerçeğine şaşırdık. İki özdeş makine, aynı ayarlar, aynı malzeme – ancak IA, hangi makinenin hangi kısmı ürettiğini tam olarak görüyor.” Bu sadece üreticinin sık sık yapması gereken prototipleri ve küçük serileri kontrol etmekle ilgili değildir. Teknoloji, katkı üretiminde tedarik zinciri ve kalite garantisini yönetmek için yeni fırsatlar yaratıyor.

Yeni bir seviyede kalite sigortası

AI sistemi, dört farklı prosedüre sahip altı farklı şirketten 21 makine üreten 9.000'den fazla fotoğraflanmış bileşeni analiz etmiştir. %98 hassasiyetle kaynağı belirlemek için tek bir kare milimetrenin fotoğraflarının bir bölümü yeterliydi. Yapay zekanın gelecekte belirli bir baskı sisteminin tüm teslimatlarını doğrulamak için sadece on bölüme ihtiyacı vardır. Endüstride kullanıma ek olarak, araştırma ekibi ayrıca, örneğin ürünün korsanlığı alanında yasadışı olarak üretilen ürünlerin izlenmesinde potansiyelini de görüyor.

Şirketler, tedarikçilerin izlenmesinde daha fazla şeffaflık ve kontrol umuyor. Şimdiye kadar, esas olarak şampiyonların üretim özelliklerine uygun olarak güvenine ve denetimine dayandılar. Süreçler veya materyallerdeki değişiklikler, potansiyel olarak ciddi sonuçlarla sıklıkla fark edilmemiştir. Araştırmacılar, sonuçlarını “Derin Öğrenimi Kullanan Fotoğraflar'dan Katkı Üretim Kaynağının Tanımlanması” başlığıyla “Gelişmiş Üretim” dergisinde yayınladılar.

(USZ)