{"id":82109,"date":"2025-06-02T00:02:30","date_gmt":"2025-06-01T22:02:30","guid":{"rendered":"https:\/\/www.3dnatives.com\/es\/?p=82109"},"modified":"2025-05-28T15:28:56","modified_gmt":"2025-05-28T13:28:56","slug":"ia-procedencia-piezas-impresas-3d-fotografia-020620252","status":"publish","type":"post","link":"https:\/\/www.3dnatives.com\/es\/ia-procedencia-piezas-impresas-3d-fotografia-020620252\/","title":{"rendered":"Esta IA identifica la procedencia de las piezas impresas en 3D a partir de una fotograf\u00eda"},"content":{"rendered":"

\u00bfY si fuera posible detectar el origen de una pieza impresa en 3D a partir de IA y una simple foto? Este es el enfoque del estudio realizado por un equipo de la Universidad de Illinois en Urbana-Champaign. Mediante inteligencia artificial, desarrollaron un modelo de aprendizaje autom\u00e1tico capaz de identificar en qu\u00e9 impresora 3D se fabric\u00f3 una pieza. Se fabricaron m\u00e1s de 9000 componentes para impulsar este modelo, lo que podr\u00eda tener un impacto significativo en el sector de la fabricaci\u00f3n aditiva<\/a> en t\u00e9rminos de control de calidad, certificaci\u00f3n y trazabilidad.<\/p>\n

El proyecto comenz\u00f3 con piezas aleatorias, donde los investigadores buscaban aprender m\u00e1s sobre la repetibilidad y la relaci\u00f3n entre las tolerancias dimensionales y las impresoras 3D. Descubrieron entonces la presencia de una especie de huella digital en todas las piezas. De esta forma, cada una de ellas pod\u00eda rastrearse mejor, facilitando todo el proceso de supervisi\u00f3n de proveedores, certificaci\u00f3n de calidad y autenticaci\u00f3n de piezas. Pero \u00bfc\u00f3mo podemos detectar la presencia de estas huellas? La respuesta reside en la inteligencia artificial<\/a>.<\/p>\n

\"\"

El proceso desarrollado por los investigadores.<\/p><\/div>\n

Construcci\u00f3n del modelo de aprendizaje autom\u00e1tico<\/h2>\n

El equipo de investigaci\u00f3n cre\u00f3 9192 piezas utilizando 21 impresoras 3D diferentes y cuatro procesos de fabricaci\u00f3n aditiva: FDM, SLA<\/a>, MultiJet Fusion y DLS. Para este estudio, se dise\u00f1aron tres tipos de piezas con diversas caracter\u00edsticas geom\u00e9tricas y tama\u00f1os. En concreto se cre\u00f3 un conector, una estructura reticular y una tapa. Los componentes son lo suficientemente peque\u00f1os como para permitir vol\u00famenes mayores. Por ejemplo, las m\u00e1quinas HP pudieron producir 108 piezas del mismo dise\u00f1o por bandeja, mientras que las m\u00e1quinas FDM produjeron 176.<\/p>

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

Cada pieza se escane\u00f3 dos veces con un esc\u00e1ner plano de alta resoluci\u00f3n: una vez en el lado grande y otra en el lado con el n\u00famero de serie. Las im\u00e1genes resultantes se utilizaron para generar un modelo de aprendizaje profundo y determinar qu\u00e9 m\u00e1quina hab\u00eda impreso qu\u00e9 pieza. De hecho, fue bastante obvio distinguir los procesos (podemos identificar la rugosidad del polvo para MJF o los patrones que la boquilla puede generar en FDM), pero no la impresora 3D<\/a> en s\u00ed. Por lo tanto, fue necesario analizar estas im\u00e1genes y realizar pruebas estandarizando los p\u00edxeles.<\/p>\n

William King, uno de los l\u00edderes del proyecto, coment\u00f3: \u201cNuestros resultados sugieren que el modelo de IA puede realizar predicciones precisas al entrenarse con tan solo 10 piezas. Al usar solo unas pocas muestras de un proveedor, es posible verificar todo lo que entrega posteriormente\u201d<\/em>. El modelo desarrollado alcanza una precisi\u00f3n superior al 98 %.<\/p>\n

\"\"

Conectores impresos en 3D en los cuatro procesos de fabricaci\u00f3n aditiva.<\/p><\/div>\n

\u00bfIA para una mejor trazabilidad de piezas impresas en 3D?<\/h2>\n

Este sistema de detecci\u00f3n podr\u00eda, por lo tanto, encontrar el origen de una pieza sin la cooperaci\u00f3n del fabricante original y, en \u00faltima instancia, sin la ayuda de un tercero. Esto ayudar\u00eda a combatir la falsificaci\u00f3n, garantizar la conformidad de los materiales y los procesos de impresi\u00f3n, etc. Este modelo de aprendizaje permitir\u00eda un mejor control de la producci\u00f3n. William King a\u00f1ade: \u201cPara la mayor\u00eda de las empresas, no es posible supervisar constantemente a sus proveedores. Los cambios en el proceso de fabricaci\u00f3n pueden pasar desapercibidos durante mucho tiempo, y solo se detectan cuando se produce un lote defectuoso. Cualquiera que trabaje en el sector manufacturero conoce la historia de un proveedor que cambi\u00f3 algo sin autorizaci\u00f3n y caus\u00f3 un problema grave\u201d<\/em>.<\/p>\n

Lo que est\u00e1 claro es que los resultados son realmente prometedores. Si quieres saber m\u00e1s sobre este m\u00e9todo y c\u00f3mo se desarroll\u00f3 el modelo de aprendizaje, haz clic aqu\u00ed<\/a>.<\/p>\n

\u00bfQu\u00e9 piensas de la soluci\u00f3n de IA para identificar piezas impresas en 3D? Deja tus comentarios en nuestras redes sociales: Facebook<\/a>, LinkedIn<\/a> y Youtube<\/a>. Sigue toda la informaci\u00f3n sobre impresi\u00f3n 3D en nuestra Newsletter semanal<\/a>.<\/p>\n

*Cr\u00e9ditos foto de portada: Phonlamai Photo\/Shutterstock.com<\/em><\/p>\n

\"\"<\/a><\/div>","protected":false},"excerpt":{"rendered":"

\u00bfY si fuera posible detectar el origen de una pieza impresa en 3D a partir de IA y una simple foto? Este es el enfoque del estudio realizado por un equipo de la Universidad de Illinois en Urbana-Champaign. Mediante inteligencia…<\/p>\n","protected":false},"author":6070,"featured_media":82111,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[16,13,282],"tags":[],"class_list":["post-82109","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualidad","category-investigacion","category-tecnologias-3d"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/posts\/82109","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/users\/6070"}],"replies":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/comments?post=82109"}],"version-history":[{"count":2,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/posts\/82109\/revisions"}],"predecessor-version":[{"id":82116,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/posts\/82109\/revisions\/82116"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/media\/82111"}],"wp:attachment":[{"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/media?parent=82109"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/categories?post=82109"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.3dnatives.com\/es\/wp-json\/wp\/v2\/tags?post=82109"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}