基礎研究的重要性正在顯現，業界將回歸基礎並找到重要的東西。譬如，也許可以找到更好的控制濕度或氧化的方法，這對銅來說更為重要，這重回歸基礎的需求將開始滲透到其他材料中，將把製造者帶回科學，試圖了解什麼是真正重要的。
根據ACAM亞琛增材製造中心，3D列印-增材製造的發展將推動數字材料技術進步，多材料列印的進步，確保大幅減少增材製造新材料設計、開發和取得資格所需的時間和成本。該領域包括開發新的和新穎的計算方法，如基於物理及模型輔助的材料性能預測工具；開發對計算機預測進行驗證所需的通用基準數據，以及針對材料性能表征的新思路，有助於為每一個新的增材製造材料-工藝組合開發設計循環。
根據3D科學谷，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。
產生大量數據的3D列印過程
西門子
/ 數據的商業化力量
近日，Senvol 宣布將西門子能源的 L-PBF選區熔融3D列印資料庫商業化。從希望達到的製造性能反向獲取推薦的加工參數，Senvol通過大量的數據建立了3D列印參數與性能關係，如拉伸、低周疲勞、高周疲勞以及在各種溫度條件下的蠕變等信息。進一步推動數據與算法賦能的零件質量控制、性能、效率、成本以及認證。系統的數據研究涉及數十項測試、數百個樣本信息，是一項極耗時間、極耗精力的過程。
Senvol 將首先發布 Ti64、Inconel 625 和 Inconel 718 的資料庫，這些資料庫由 Siemens能源在其自己的 L-PBF 選區熔融3D印表機器上生成。與 Solukon 的 SPR-Pathfinder 軟體一樣，這些資料庫最初是為內部使用而開發的。然而，現在，西門子能源允許這些數據通過 Senvol 用於商業目的。
這標誌著增材製造行業的一個極其重要的時刻，此前，這種譜系和規模的資料庫通常被認為是專有信息，不會向其他組織提供商業用途。這些資料庫將作為Senvol Indexes 產品線的一部分提供，其中包括用於增材製造材料表征的數據集。此信息允許用戶立即訪問原本需要數月才能開發的數據，並且其售價僅為獨立創建所需價格的一小部分。
/ 大數據基礎上的機器學習
根據3D科學谷的市場觀察，Senvol 最初於 2019 年 11 月發布了 Senvol ML 機器學習作為一種分析工具，用於理解增材製造過程中產生的數據。它是一個模塊化的集成計算材料工程 (ICME) 系統，可將數據分為四個模塊：工藝參數、工藝特徵、材料特性和機械性能。
3D科學谷白皮書
Senvol的機器學習有著雄厚的數據基礎，3D科學谷嘗試使用了Senvol資料庫查找鈦合金金屬粉末3D列印材料供應商。系統給出的結果十分豐富，其中包括了每家主流廠商提供的材料牌號，加工工藝名稱，該工藝所加工的零件所能達到的拉伸強度，拉伸模量，斷裂伸長率等等。當選擇塑料，選擇復合材料的時候，系統的子欄目菜單會出現跟中各樣的復合材料，而隨便點擊一種復合材料，例如碳纖維復合PEEK材料，系統就會出現例如牛津性能材料這樣的推薦結果。而在這個推薦結果中，又包含了大量的材料和零件所能達到的性能的信息。
自開發以來，Senvol ML 已大量用於航空航天、石油和天然氣以及消費品領域。早在 2018 年，該公司就加入了國家軍備聯盟 (NAC)，這是 DOTC 的工業和學術部門。同年，為海軍研究辦公室開發了軟體，以幫助他們更快、更便宜地表征新材料。2020 年，空軍使用 Senvol ML 評估了他們的多雷射金屬 3D 列印程序，並確保Senvol ML可以製造適航部件。
滿足嚴苛的適航部件需求，這意味著用戶可以使用 Senvol ML 機器學習的結果來預測材料或過程的性能，從期望的結果（如抗拉強度）查看哪些過程或材料將使他們達到目標，甚至建議用戶應該收集哪些數據，以便更好地了解該過程。
/ AM Forward下的3D列印能力升級
值得關注的是，Senvol的投資者包括NIST美國國家標準與技術研究院，根據《響應白宮AM Forward（增材製造前進計劃）計劃，NIST授予近 400 萬美元以支持3D列印測量科學研究》一文，在制定增材製造行業標準方面，由於3D列印需要不同的標準和工藝認證，AM Forward（增材製造前進計劃）中強調美國商務部將通過美國國家標準與技術研究院 (NIST) 進行測量科學研究，以克服廣泛使用金屬基材料的關鍵障礙。增材製造，做為新的高優先級標準開發技術基礎，並通過在 ASTM 國際、國際標準化組織 (ISO)、美國機械工程師協會 (ASME) 和其他機構內領導標準制定，將這些結果傳播給 AM Forward 參與者。通過這些撥款，NIST正在促進行業解決採用增材製造的障礙，包括支持基於等效的資格和基於模型的資格的測量科學、AM增材製造材料的表征以及支持一致數據交換/表征新標準的標準AM增材製造生產系統的進步。
西門子作為AM Forward計劃的創始成員，見證了西門子、通用電氣和世界上最大的國防承包商一起努力促進增材製造在其供應鏈中的使用。
科研帶來更開闊的視野與對挑戰本質的理解。在這裡，我國的增材製造資料庫建設還有待像NIST這樣的支持與投入。此外，風險投資機構對於3D列印企業的投資期望應避免網際網路思維模式，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，單純意義上擅長價格戰「內卷」形態的企業很難建立真正意義上的核心競爭優勢。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。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。
根據3D科學谷的市場觀察，不僅僅是Senvol, NIST還支持了Sigma等與測量、數據收集、數據分析、過程質量控制相關的企業。
人工智慧賦能智能化製造策略
3D科學谷白皮書
早在2015年，美國國家標準與技術研究院-NIST就發布了<<對增材製造粉末床熔融技術進行實時控制所需要的測量科學>>，NIST的製造技術研究人員們針對基於粉末床的金屬3D列印工藝開發了一套技術跟蹤原則，由於金屬列印對於航空航天和汽車製造企業進一步開發金屬列印能力至關重要，因此NIST的這份報告具有推動列印過程控制和改進可靠性的現實意義。他們希望通過數理統計的方式計算金屬3D列印工藝中的關鍵變量之間的相關性，從而能夠使列印過程得到很好的過程控制和優化。
此外，NIST與ASTM的合作進一步強化了數據在增材製造領域的重要性，在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。Sigma成為材料數據與標準化聯盟 (CMDS) 的創始成員之一，CMDS使來自整個增材製造生態系統的各種規模的公司能夠協作標準化材料數據生成的最佳實踐，以及創建、管理和管理加速工業化和全面採用所需的數據增材製造技術。
根據3D科學谷，3D列印升級為智能化製造的路途上，將由人工智慧根據想要的零件性能完成複雜的設計，將由人工智慧輔助設計者進一步調整他們的設計，將由人工智慧根據想要的零件性能與設計推薦合適的加工參數，將由人工智慧在生產流程中預測將要發生的缺陷並加以在線調整，將由人工智慧「指引」批量生產的個性化零件進行不同需求的後加工處理作業，將由人工智慧為零件的檢測與認證完成可追溯的閉環管理… …
3D科學谷白皮書
窺一斑而見豹，數據與算法，將引領增材製造產業化發展。正如《（一）人工智慧在3D列印領域的應用綜述 l 人工智慧賦能3D列印》一文提到的，機器視覺和機器學習算法是與增材製造硬體設備密切相關的人工智慧技術。機器視覺和機器學習算法就像3D列印設備的眼睛與大腦，賦能設計者與製造者更敏捷的設計與製造能力，賦予3D列印設備監測和控制列印質量的自進化智能製造屬性，降低發生列印錯誤的風險。
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。