{"id":63362,"date":"2025-05-28T15:00:16","date_gmt":"2025-05-28T13:00:16","guid":{"rendered":"https:\/\/www.3dnatives.com\/de\/?p=63362"},"modified":"2025-05-28T09:53:20","modified_gmt":"2025-05-28T07:53:20","slug":"ki-basiertes-modell-identifiziert-herkunft-von-3d-gedruckten-teilen-280520251","status":"publish","type":"post","link":"https:\/\/www.3dnatives.com\/de\/ki-basiertes-modell-identifiziert-herkunft-von-3d-gedruckten-teilen-280520251\/","title":{"rendered":"KI-basiertes Modell identifiziert anhand eines Fotos die Herkunft von 3D-gedruckten Teilen"},"content":{"rendered":"

Was w\u00e4re, wenn man anhand eines einfachen Fotos die Herkunft eines 3D-gedruckten Teils erkennen k\u00f6nnte? Genau darum ging es in der Studie eines Teams der University of Illinois in Urbana Champaign. Mithilfe von K\u00fcnstlicher Intelligenz haben sie ein Lernmodell entwickelt, das feststellen kann, auf welchem 3D-Drucker ein Teil hergestellt wurde. Mehr als 9.000 Bauteile wurden produziert, um dieses Modell zu f\u00fcttern. Es k\u00f6nnte erhebliche Auswirkungen auf die Branche der additiven Fertigung<\/a> in Bezug auf Qualit\u00e4tskontrolle, Zertifizierung und R\u00fcckverfolgbarkeit haben.<\/p>\n

Das Projekt begann mit Lambda-3D-Drucken, bei denen die Forscher mehr \u00fcber die Wiederholbarkeit und den Zusammenhang zwischen Ma\u00dftoleranzen und 3D-Druckern erfahren wollten. Dabei entdeckten sie, dass auf allen Teilen, die sie druckten, eine Art Fingerabdruck vorhanden war. Jedes dieser Teile k\u00f6nnte also besser zur\u00fcckverfolgt werden, was den gesamten Prozess der Lieferantenkontrolle, der Qualit\u00e4tszertifizierung und der Authentifizierung von Teilen erleichtern w\u00fcrde. Aber wie kann man das Vorhandensein dieser Fingerabdr\u00fccke feststellen? Die Antwort lautet K\u00fcnstliche Intelligenz.<\/p>\n

\"\"

Der vorgestellte Prozess der Forscher.<\/p><\/div>\n

Aufbau des Modells f\u00fcr maschinelles Lernen<\/h2>\n

Das Forscherteam erstellte 9.192 Teile auf 21 verschiedenen 3D-Druckern und vier additiven Fertigungsverfahren: FDM<\/a>, SLA, Multi Jet Fusion<\/a> und DLS. F\u00fcr die Studie wurden drei Arten von Bauteilen erdacht, die verschiedene geometrische Merkmale und Gr\u00f6\u00dfen beinhalten: ein Verbindungsst\u00fcck, eine Gitterstruktur<\/a> und ein Stopfen. Die Komponenten sind klein genug, um gr\u00f6\u00dfere Mengen zu erm\u00f6glichen – als Beispiel: HP-Maschinen konnten 108 Teile desselben Designs pro Platte herstellen, w\u00e4hrend FDM-Maschinen 176 Teile herstellten.<\/p>

\"\"<\/a><\/div>\n

Jedes Teil wurde dann zweimal mit einem hochaufl\u00f6senden Flachbettscanner gescannt: einmal auf der gro\u00dfen Seite und ein weiteres Mal auf der Seite mit der Seriennummer. Anhand der erhaltenen Bilder wurde ein Deep-Learning-Modell generiert, um herauszufinden, welche Maschine welches Teil gedruckt hatte. Es war in der Tat ziemlich offensichtlich, die Verfahren zu unterscheiden (man erkennt die Rauheit des Pulvers bei MJF oder auch die Muster, die die D\u00fcse bei FDM erzeugen kann), aber nicht den 3D-Drucker<\/a> als solches. Daher mussten die Forscher die Bilder analysieren und Tests durchf\u00fchren, wobei sie insbesondere die Pixel normalisierten.<\/p>\n

William King ist einer der Projektleiter: „Unsere Ergebnisse legen nahe, dass das KI-Modell genaue Vorhersagen treffen kann, wenn es mit nur zehn Teilen trainiert wird. Wenn man nur einige wenige Muster eines Lieferanten verwendet, ist es m\u00f6glich, alles, was er sp\u00e4ter liefert, zu \u00fcberpr\u00fcfen.<\/em>“ Das entwickelte Modell w\u00fcrde eine Genauigkeit von \u00fcber 98 % erreichen.<\/p>\n

\"\"

3D-gedruckte Steckverbinder auf allen vier additiven Fertigungsverfahren<\/p><\/div>\n

KI zur Verbesserung der R\u00fcckverfolgbarkeit von 3D-Teilen?<\/h2>\n

Dieses Erkennungssystem k\u00f6nnte also die Herkunft eines Teils ohne die Kooperation des Originalherstellers, also ohne die Hilfe einer dritten Person, finden. Auf diese Weise k\u00f6nnte man F\u00e4lschungen bek\u00e4mpfen, die Konformit\u00e4t der Materialien, aber auch des Druckverfahrens sicherstellen etc. Mithilfe dieses Lernmodells k\u00f6nnte man auch den Produktionsprozess besser kontrollieren. William King f\u00fcgt hinzu: „F\u00fcr die meisten Unternehmen ist es nicht m\u00f6glich, ihre Zulieferer st\u00e4ndig zu kontrollieren. \u00c4nderungen am Herstellungsprozess k\u00f6nnen lange Zeit unbemerkt bleiben, und man merkt es erst, wenn eine falsche Produktcharge hergestellt wird. Jeder, der in der Fertigungsindustrie t\u00e4tig ist, kennt die Geschichte eines Lieferanten, der unerlaubt etwas ver\u00e4ndert hat und dadurch ein ernstes Problem verursacht hat<\/em>„.<\/p>\n

Jedenfalls klingen die Resultate vielversprechend! Wenn Sie mehr \u00fcber diese Methode und die Entwicklung des Lernmodells erfahren m\u00f6chten, klicken Sie HIER<\/a>.<\/p>\n

Was halten Sie davon, mithilfe von KI die Herkunft von 3D-gedruckten Teilen festzustellen? Lassen Sie uns gerne einen Kommentar da, oder teilen Sie es uns auf Facebook<\/a>\u00a0oder\u00a0LinkedIN<\/a>\u00a0mit. M\u00f6chten Sie au\u00dferdem eine Zusammenfassung der wichtigsten Neuigkeiten im 3D-Druck und der additiven Fertigung direkt und bequem in Ihr Postfach erhalten? Dann registrieren Sie sich jetzt f\u00fcr unseren\u00a0w\u00f6chentlichen Newsletter<\/a>.<\/p>\n

*Titelbildnachweis: Phonlamai Photo\/Shutterstock.com<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

Was w\u00e4re, wenn man anhand eines einfachen Fotos die Herkunft eines 3D-gedruckten Teils erkennen k\u00f6nnte? Genau darum ging es in der Studie eines Teams der University of Illinois in Urbana Champaign. Mithilfe von K\u00fcnstlicher Intelligenz haben sie ein Lernmodell entwickelt,…<\/p>\n","protected":false},"author":6102,"featured_media":63364,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[49,13],"tags":[],"class_list":["post-63362","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-aktuelles","category-forschung"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/posts\/63362","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/users\/6102"}],"replies":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/comments?post=63362"}],"version-history":[{"count":2,"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/posts\/63362\/revisions"}],"predecessor-version":[{"id":63366,"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/posts\/63362\/revisions\/63366"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/media\/63364"}],"wp:attachment":[{"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/media?parent=63362"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/categories?post=63362"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.3dnatives.com\/de\/wp-json\/wp\/v2\/tags?post=63362"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}