根據《數據與算法，3D列印走向智能化增材製造的跨時代金礦與賦能工具》一文，數據與算法的重要性正在掀起3D列印行業的自我革命，是增材製造走向智能製造的跨時代金礦與賦能工具。本期，3D科學谷通過ASTM 國際材料數據和標準化聯盟 (CMDS) 的新發展，透視正在轉向的金屬增材製造行業，基於通用數據模型的基礎材料數據、標準、算法驅動的產業化發展這一主流變化。
/ 一起，做偉大的事情
2022年，ASTM 國際增材製造卓越中心 (AM CoE) 和創始行業成員正式宣布啟動 AM CoE 材料數據和標準化聯盟 (CMDS) 計劃。ASTM CMDS 的使命是將代表整個 AM 價值流的各行各業的關鍵組織聚集在一起。
CMDS特別側重於確定開發生成機器無關材料數據的方法所必需的關鍵過程-結構-屬性關係。CMDS 通過聯盟方式來管理一個高譜係數據共享資料庫，聯盟成員將使用該資料庫來開發工具，例如基於物理/機率模型的工具，以及支持新 AM 應用、材料和技術的快速認證所需的數據分析，以及實時質量保證，旨在加速資格認證並協助更廣泛地採用增材製造技術。
增材製造產品認證
3D科學谷白皮書
/ 軟體-數據，協同
最近，用於創建下一代數字製造硬體和軟體的 GPU 加速計算引擎供應商 Dyndrite 加入 ASTM， 致力於行業合作，定義材料標準，為3D金屬列印提供參考數據。Dyndrite 與特許行業成員合作，標準化增材製造材料數據生成的要求，創建和管理共享的高譜系「參考」數據集。
迄今為止，個別公司獨自承擔了首當其衝的材料開發成本，並將其成果視為商業優勢的專有。但這會導致多家公司浪費投入，每個公司都重複做同樣的事情。CMDS 的工作將有助於解決這些問題，允許在基礎層面共享材料數據，同時仍允許公司生成智慧財產權。並區分特定的幾何參數修改。
根據3D科學谷，在高通量3D列印方面，設備端呈現出越來越大、越來越快速的3D列印設備，材料端呈現出高通量快速合金開發解決方案。
Dyndrite 最近推出了其第一個最終用戶 AM-增材製造應用程式，這個基於 GPU 的 應用程式專為材料和工藝工程師設計，用於開發用於基於雷射的 3D 金屬列印的新金屬合金和零件。Dyndrite 的新軟體功能為 L-PBF雷射粉末床熔融增材製造在材料開發、工藝開發方面為應用工程師提供了前所未有的能力。新功能對幾何形狀的控制，構建特定的加工路徑和雷射參數，為新合金、構建策略和3D列印以前無法列印的零件打開了大門。新軟體最大限度地利用了Dyndrite的加速計算引擎 (ACE) 中的強大功能，包括直接使用本地 CAD 數據、處理懸臂和薄壁等難加工細節、創建可共享構建的能力以及提高3D列印質量。DyndriteL-PBF軟體充分利用了之前宣布的3D體積零件分割技術，該技術能夠檢測上皮、下皮、內皮和通常被 2.5D 逐層解決方案遺漏的零件特徵。使用這種開創性的新幾何查詢方法，可以快速建立加工策略，以彌補過程加工相關的挑戰。
此外，Dyndrite 的最新發展還包括在 Dyndrite App Dev Kit 中支持ACAM（亞琛增材製造中心）的研究成員亞琛工業大學OVF開放矢量格式文件格式，將更高程度的3D列印工藝鏈自動化引入到增材製造領域，Dyndrite 用戶可以直接寫入包含雷射路徑等信息的 OVF 文件。根據ACAM亞琛增材製造中心，通過 OVF 連結數字和物理流程鏈，由於信息豐富的精簡的數據格式，可實現穩健且高效的製造流程。藉助這種標準化格式，可以顯著減少將數據傳輸到工廠的手動工作，從而實現增材製造自動化。
通過加入材料數據和標準化聯盟 (CMDS) 計劃，並優先考慮標準化生成高譜系材料數據所需的數據工作流的需求，Dyndrite 的解決方案將被集成，以推動需求的一致應用並最大限度地提高 CMDS 數據生成的效率。
/ 競爭規則改變
根據3D科學谷，市場競爭規則和普適的商業模式正在發生變化，「一流的企業做標準，二流的企業做品牌，三流的企業做產品」，這句話放在數字製造時代已煥發出新一重的意境，對於許多公司而言，數字化和自動化是增材製造進一步發展的關鍵。因此，越來越多的製造商依賴基於雲的解決方案，並將各種算法集成到他們的 3D 列印解決方案中，以充分發揮該技術的潛力。那麼這將勢必使得數據、標準、產品之間的聯動變得更為密切，標準、品牌影響力、產品性能之間的界限將變得愈加模糊。
Dyndrite構建了獨特的工具，能夠通過 AM 增材製造組件生產確保質量和可追溯性。隨著金屬增材製造行業發生轉向為基於通用數據模型的基礎材料數據、標準、算法驅動的產業化發展，這一點變得越來越重要。Dyndrite的工作使關鍵材料數據和譜系的知識轉移成為可能，這些數據和譜系是對過程-結構-特性關係進行穩健表征所需的。理解並有效地傳達這一概念將大大增加金屬AM增材製造在生產應用中的採用。
Dyndrite 將發布構建參數包配方，展示如何使用 Dyndrite 製作基於 ASTM 數據標準的標準化實驗設計 (DoE)。ASTM 成員將能夠在所有主要的 OEM 文件格式中使用這些參數包配方，或製作他們自己的參數包配方。這些參數包配方將為構建文件生成、掃描路徑策略探索和掃描路徑速度和層厚度變化以及估計雷射負載的方法提供一個通用框架。通過符合 ASTM 數據協議，Dyndrite Build 參數包配方將確保以標準和可重複的方式記錄並適用於製造過程，例如過程確認和校準。
材料數據和標準化聯盟 (CMDS)每年將選擇感興趣的材料和應用特定屬性（例如靜態、循環、熱、腐蝕）發布項目，並執行各種項目，最終支持標準和數據集的開發。研究成果和經驗將通過 ASTM 相關委員會（如 F42）制定的新 AM 標準和規範提供信息，以推動整個行業的一致性，創建具有屬性的和改進的材料規範和基於穩健數據集的結構要求。
那麼成立不到一年以來，目前材料數據和標準化聯盟 (CMDS)都進行了哪些項目合作呢？根據3D科學谷的市場研究，目前的聯盟合作項目如下（項目成員來自美國、英國、加拿大、德國、新加坡等國家）：
第四輪項目合作：
2101 原位缺陷檢測與分析 領導：滑鐵盧大學
2102 粉末床密度基準 領導：滑鐵盧大學
2103 增材製造零件的密度測量標準化 領導：奧本大學
2104 粉末清潔度評估分類和測量方法 領導：MTC英國國家製造技術中心
2105 材料擠出聚合物增材製造的層間剪切性能 領導：NIAR/NRC 加拿大
2106 使用張緊計算機斷層掃描法對疲勞裂紋進行無損檢測和評估 領導：EWI，由 America Makes 贊助
2107 用於實時控制和減輕金屬 PBF 缺陷的開放框架 領導：賓夕法尼亞州立大學，由 America Makes 贊助
2108 與產品鑑定和認證相關的增材製造零件系列的最佳實踐 領導：ASTM AM CoE增材製造卓越中心，由 America Makes 贊助
2109 表面拉伸和疲勞試樣的承重橫截面積測量標準 領導：科羅拉多礦業學院
2110 基於 PBF-LB 選區雷射熔融工藝的過程中斷後繼續構建作業的標準
領導：亞琛弗勞恩霍夫雷射技術研究所（ACAM研發成員）
2111 增材製造原料中濕度的影響 領導：NRC 加拿大
2112 高分子材料擠出用長絲拉伸試驗方法的開發 領導：阿拉巴馬大學伯明罕分校
第三輪項目
2001 晶格壓縮樣本（領導：奧本大學）
研究增材製造中的機械測試問題，以更好地了解測試樣本的特性與零件性能之間的關係。
2002 用於粉末表征 (EWI) 的通用數據交換格式 (CDEF)（領導：EWI)
數據共享對於開發強大的增材製造 (AM) 數據生態系統至關重要。
2003 金屬粉末回收 (領導：MTC)
增材製造用戶正在使用各種策略來回收、再利用和還原粉末原料……
2004 聚合物粉末回收 (領導：MTC)
2005 微型拉伸試樣 (領導：新加坡國家增材製造創新中心NAMIC)
2006 馬氏體時效鋼規範 (領導：新加坡國家增材製造創新中心NAMIC)
馬氏體時效鋼具有高強度和高韌性且不會失去延展性、良好的焊接性和尺寸穩定性。
2007 XCT的可追溯性 (領導：新加坡國家增材製造創新中心NAMIC)
X 射線計算機斷層掃描 (XCT) 是 AM 組件無損檢測的一種重要方法
2008 LB-PBF 工藝參數的耐熱性測試（領導：NASA/奧本大學）
2009 LB-PBF 光學系統的條件定義維護和校準周期
由於 LB-PBF 過程中系統或組件故障的高成本，維護和校準周期通常非常保守……
2010 AM 原料中濕度含量的測量（領導：NRC 加拿大）
第二輪項目
1901 快速質量檢驗標本（領導：奧本大學）
檢測具有挑戰性、成本高且耗時……
1902 數據譜系 (領導：EWI)
合作夥伴領導 EWI 相對較新的發展，例如數字數據採集、自動化、數據分析和數據共享，有可能以指數方式加速增材製造發展
1903 增材製造粉末鋪展性 (領導：MTC)
根據3D科學谷，相比於通過資金可以獲得迅即發展的網際網路模式來說，3D列印企業的發展模式更適合「大器晚成」的風格，不少進入到3D列印領域的企業和創投公司，並沒有理解3D列印行業競爭與發展的本質是什麼，這些企業和機構將面臨巨大的發展挑戰與風險。3D列印的核心是數據，3D列印騰飛的翅膀是人工智慧，對增材製造產業發展的支持，必須建立對這兩大要素的重視與支持之上。搭建合作、信任、共創的實力，只有長期主義者的辛勤耕耘，才能收穫3D列印產業化騰飛後的勝利果實。
3D科學谷白皮書
在不久的將來，業界將看到如何通過通用數據來理解關鍵的流程-結構-屬性關係；確定可變性的關鍵來源並量化敏感性；確保樣本生成數據與零件生產之間的聯繫。
下一代增材製造
3D科學谷白皮書
通過建立評估現有材料數據集質量和譜系的指南，創建共享的高度純正的參考材料數據集，從而生成與機器無關的數據集以支持基於流程的標準；建立基於材料結構確定數據等效性的方法；通過可信數據集支持先進的基於物理、機率和 AI/ML 人工智慧建模工具，用於流程優化和快速認證；通過基於數據和算法的成熟的實時質量保證，使用現場數據改進缺陷檢測/預測。
知之既深，行之則遠。基於全球範圍內精湛的製造業專家智囊網絡，3D科學谷為業界提供全球視角的增材與智能製造深度觀察。有關增材製造領域的更多分析，請關注3D科學谷發布的白皮書系列。