3D打印部件的独特“指纹”助力供应链透明化与质量控制

一项新的人工智能系统能够通过照片精确识别3D打印零部件的具体来源机器。这项技术由伊利诺伊大学厄巴纳-香槟分校机械工程学教授比尔·金领导的研究团队开发，具有重要的供应链管理和质量控制意义。 研究团队发现，即使是相同的零件设计，使用同一型号、相同工艺设置和相同材料的两台不同3D打印机也会在零件上留下唯一的“指纹”。这些指纹不仅反映了制造机器的独特特征，还能揭示具体的制造过程和所用材料。金教授表示，该发现令人震惊，因为这表明即使是最微小的细节也能用于追溯零件的来源。 传统的供应链管理依赖于信任和初步的审核，但供应商往往会在不通知的情况下改变制造工艺或材料，导致最终产品的质量问题。金教授的研究团队通过大量实验验证了这些指纹的存在，他们收集了来自六家公司的21台机器上的9,192个零件的照片数据，这些零件采用了四种不同的制造工艺。实验结果显示，只需1平方毫米的零件表面照片，AI模型就能以98%的准确性识别出处。 研究团队还发现，AI模型可以通过少量零件样本（最少10个）进行训练，从而在后续生产中验证供应商提供的所有零件。这意味着制造商可以在生产的早期阶段检测到问题，节省时间和资源，避免后续的大规模召回或质量事故。此外，这项技术还可以用于追踪非法商品的源头，提高安全和合规性。 这项研究的成果最近发表在《npj 高级制造》杂志上。金教授认为，这项技术创新有望彻底改变供应链管理模式，使制造商能够更加精细地监控供应商，确保生产过程符合要求。业内人士表示，这项技术的应用前景广阔，尤其适用于高度依赖供应链的行业，如航空航天、汽车制造和医疗设备等领域。这项技术不仅提升了供应链的透明度和可靠性，也为打击假冒伪劣产品提供了有力工具。 伊利诺伊大学厄巴纳-香槟分校是一所知名的公立研究型大学，在工程和科技领域有着悠久的历史和卓越的研究成果。比尔·金教授的研究团队在3D打印技术的前沿领域深耕多年，此次的突破再次证明了他们在该领域的领导地位。