数据与算法，3D打印走向智能化增材制造的跨时代金矿与赋能工具

| 3DScienceValley · 2023/03/11

基础研究的重要性正在显现，业界将回归基础并找到重要的东西。譬如，也许可以找到更好的控制湿度或氧化的方法，这对铜来说更为重要，这重回归基础的需求将开始渗透到其他材料中，将把制造者带回科学，试图了解什么是真正重要的。

根据ACAM亚琛增材制造中心，3D打印-增材制造的发展将推动数字材料技术进步，多材料打印的进步，确保大幅减少增材制造新材料设计、开发和取得资格所需的时间和成本。该领域包括开发新的和新颖的计算方法，如基于物理及模型辅助的材料性能预测工具；开发对计算机预测进行验证所需的通用基准数据，以及针对材料性能表征的新思路，有助于为每一个新的增材制造材料-工艺组合开发设计循环。

根据3D科学谷，数据与算法的重要性正在掀起3D打印行业的自我革命，是增材制造走向智能制造的跨时代金矿与赋能工具。

产生大量数据的3D打印过程
© 西门子

数据的商业化力量

近日，Senvol 宣布将西门子能源的 L-PBF选区熔融3D打印数据库商业化。从希望达到的制造性能反向获取推荐的加工参数，Senvol通过大量的数据建立了3D打印参数与性能关系，如拉伸、低周疲劳、高周疲劳以及在各种温度条件下的蠕变等信息。进一步推动数据与算法赋能的零件质量控制、性能、效率、成本以及认证。系统的数据研究涉及数十项测试、数百个样本信息，是一项极耗时间、极耗精力的过程。

Senvol 将首先发布 Ti64、Inconel 625 和 Inconel 718 的数据库，这些数据库由 Siemens能源在其自己的 L-PBF 选区熔融3D打印机器上生成。与 Solukon 的 SPR-Pathfinder 软件一样，这些数据库最初是为内部使用而开发的。然而，现在，西门子能源允许这些数据通过 Senvol 用于商业目的。

这标志着增材制造行业的一个极其重要的时刻，此前，这种谱系和规模的数据库通常被认为是专有信息，不会向其他组织提供商业用途。这些数据库将作为Senvol Indexes 产品线的一部分提供，其中包括用于增材制造材料表征的数据集。此信息允许用户立即访问原本需要数月才能开发的数据，并且其售价仅为独立创建所需价格的一小部分。

大数据基础上的机器学习

根据3D科学谷的市场观察，Senvol 最初于 2019 年 11 月发布了 Senvol ML 机器学习作为一种分析工具，用于理解增材制造过程中产生的数据。它是一个模块化的集成计算材料工程 (ICME) 系统，可将数据分为四个模块：工艺参数、工艺特征、材料特性和机械性能。

Senvol的机器学习有着雄厚的数据基础，3D科学谷尝试使用了Senvol数据库查找钛合金金属粉末3D打印材料供应商。系统给出的结果十分丰富，其中包括了每家主流厂商提供的材料牌号，加工工艺名称，该工艺所加工的零件所能达到的拉伸强度，拉伸模量，断裂伸长率等等。当选择塑料，选择复合材料的时候，系统的子栏目菜单会出现跟中各样的复合材料，而随便点击一种复合材料，例如碳纤维复合PEEK材料，系统就会出现例如牛津性能材料这样的推荐结果。而在这个推荐结果中，又包含了大量的材料和零件所能达到的性能的信息。

自开发以来，Senvol ML 已大量用于航空航天、石油和天然气以及消费品领域。早在 2018 年，该公司就加入了国家军备联盟 (NAC)，这是 DOTC 的工业和学术部门。同年，为海军研究办公室开发了软件，以帮助他们更快、更便宜地表征新材料。2020 年，空军使用 Senvol ML 评估了他们的多激光金属 3D 打印程序，并确保Senvol ML可以制造适航部件。

满足严苛的适航部件需求，这意味着用户可以使用 Senvol ML 机器学习的结果来预测材料或过程的性能，从期望的结果（如抗拉强度）查看哪些过程或材料将使他们达到目标，甚至建议用户应该收集哪些数据，以便更好地了解该过程。

AM Forward下的3D打印能力升级

值得关注的是，Senvol的投资者包括NIST美国国家标准与技术研究院，根据《响应白宫AM Forward（增材制造前进计划）计划，NIST授予近 400 万美元以支持3D打印测量科学研究》一文，在制定增材制造行业标准方面，由于3D打印需要不同的标准和工艺认证，AM Forward（增材制造前进计划）中强调美国商务部将通过美国国家标准与技术研究院 (NIST) 进行测量科学研究，以克服广泛使用金属基材料的关键障碍。增材制造，做为新的高优先级标准开发技术基础，并通过在 ASTM 国际、国际标准化组织 (ISO)、美国机械工程师协会 (ASME) 和其他机构内领导标准制定，将这些结果传播给 AM Forward 参与者。通过这些拨款，NIST正在促进行业解决采用增材制造的障碍，包括支持基于等效的资格和基于模型的资格的测量科学、AM增材制造材料的表征以及支持一致数据交换/表征新标准的标准AM增材制造生产系统的进步。

西门子作为AM Forward计划的创始成员，见证了西门子、通用电气和世界上最大的国防承包商一起努力促进增材制造在其供应链中的使用。

科研带来更开阔的视野与对挑战本质的理解。在这里，我国的增材制造数据库建设还有待像NIST这样的支持与投入。此外，风险投资机构对于3D打印企业的投资期望应避免互联网思维模式，相比于通过资金可以获得迅即发展的互联网模式来说，3D打印企业的发展模式更适合“大器晚成”的风格，单纯意义上擅长价格战“内卷”形态的企业很难建立真正意义上的核心竞争优势。3D打印的核心是数据，3D打印腾飞的翅膀是人工智能，对增材制造产业发展的支持，必须建立对这两大要素的重视与支持之上。只有长期主义者的辛勤耕耘，才能收获3D打印产业化腾飞后的胜利果实。

根据3D科学谷的市场观察，不仅仅是Senvol, NIST还支持了Sigma等与测量、数据收集、数据分析、过程质量控制相关的企业。

早在2015年，美国国家标准与技术研究院-NIST就发布了<<对增材制造粉末床熔融技术进行实时控制所需要的测量科学>>，NIST的制造技术研究人员们针对基于粉末床的金属3D打印工艺开发了一套技术跟踪原则，由于金属打印对于航空航天和汽车制造企业进一步开发金属打印能力至关重要，因此NIST的这份报告具有推动打印过程控制和改进可靠性的现实意义。他们希望通过数理统计的方式计算金属3D打印工艺中的关键变量之间的相关性，从而能够使打印过程得到很好的过程控制和优化。

此外，NIST与ASTM的合作进一步强化了数据在增材制造领域的重要性，在2022年，ASTM 国际增材制造卓越中心 (AM CoE) 和创始行业成员正式宣布启动 AM CoE 材料数据和标准化联盟 (CMDS) 计划。Sigma成为材料数据与标准化联盟 (CMDS) 的创始成员之一，CMDS使来自整个增材制造生态系统的各种规模的公司能够协作标准化材料数据生成的最佳实践，以及创建、管理和管理加速工业化和全面采用所需的数据增材制造技术。

根据3D科学谷，3D打印升级为智能化制造的路途上，将由人工智能根据想要的零件性能完成复杂的设计，将由人工智能辅助设计者进一步调整他们的设计，将由人工智能根据想要的零件性能与设计推荐合适的加工参数，将由人工智能在生产流程中预测将要发生的缺陷并加以在线调整，将由人工智能“指引”批量生产的个性化零件进行不同需求的后加工处理作业，将由人工智能为零件的检测与认证完成可追溯的闭环管理… …

窥一斑而见豹，数据与算法，将引领增材制造产业化发展。正如《（一）人工智能在3D打印领域的应用综述 l 人工智能赋能3D打印》一文提到的，机器视觉和机器学习算法是与增材制造硬件设备密切相关的人工智能技术。机器视觉和机器学习算法就像3D打印设备的眼睛与大脑，赋能设计者与制造者更敏捷的设计与制造能力，赋予3D打印设备监测和控制打印质量的自进化智能制造属性，降低发生打印错误的风险。

知之既深，行之则远。基于全球范围内精湛的制造业专家智囊网络，3D科学谷为业界提供全球视角的增材与智能制造深度观察。有关增材制造领域的更多分析，请关注3D科学谷发布的白皮书系列。