> **来源：[研报客](https://pc.yanbaoke.cn)** # AI及软件赋能增材制造总结 ## 核心内容 AI及软件技术正在深刻改变增材制造（AM）的各个环节，从材料开发、设计、制造到质量控制，实现了从“经验驱动”到“数据驱动”的转变。AI赋予3D打印设备监测和控制打印质量的智能化属性，提升了制造过程的效率、精度和可靠性。通过多源数据整合、数字孪生、传感器融合等技术，AI能够在增材制造过程中进行实时监测与预测，从而实现闭环控制和质量保证。 ## 主要观点 1. **AI赋能增材制造的多领域应用**： - **缺陷检测与纠正**：AI能够识别和预测熔池、飞溅、孔隙、裂纹等缺陷，实现早期预警和实时纠正。 - **工艺优化**：通过强化学习等算法，AI可以优化激光功率、扫描速度、填充距离等工艺参数，提升打印质量。 - **微结构设计**：AI用于控制晶粒结构、晶体织构和纳米级强化面缺陷，以实现材料性能的优化。 - **材料开发**：AI加速新材料研发，缩短开发周期并降低成本，例如在合金设计中实现高精度成分-性能关系预测。 2. **AI在增材制造中的关键技术**： - **多模态传感器融合**：结合热成像、光学相机和声学传感器，提升熔池监测和缺陷识别的可靠性。 - **数字孪生技术**：通过虚拟仿真和实时数据反馈，实现增材制造过程的预测、优化和控制。 - **机器学习与深度学习**：监督学习、无监督学习和强化学习在不同阶段的应用，提升制造智能化水平。 3. **数据与标准**： - 数据孤岛是当前增材制造的痛点，数据的标准化和共享是推动AI应用的关键。 - 中国和欧盟等国家和地区正在推动增材制造与AI融合的政策，如《“十四五”智能制造发展规划》、《智能检测装备产业发展行动计划》和《制造业数据空间》等。 4. **AI对制造流程的重构**： - AI推动制造流程从“被动检测”向“主动控制”转变，实现智能制造。 - AI技术改变了传统试错法，提升了材料研发效率和制造过程的可预测性。 5. **AI在商业与生态中的作用**： - AI推动了新的商业模式，如“机器即服务”（MaaS）和“AI即服务”（AlaaS）。 - 企业通过AI技术实现数据资产化，提升竞争力并构建数字壁垒。 ## 关键信息 - **AI在增材制造中的应用领域**： - 智能化材料开发 - 智能化设计 - 智能化制造策略 - 智能化质量控制 - **主要缺陷类型与来源**： - **缺陷类型**：气孔、裂纹、未熔合、咬边、飞溅、滚球、涟漪 - **缺陷来源**：硬件、原料、工艺输入、构建环境、空间分布、相变、设计、飞溅颗粒 - **AI在微结构控制中的应用**： - 控制晶粒结构和晶体织构 - 实现纳米级强化面缺陷（如孪晶边界、层错、9R相） - 优化位错密度与析出相共存 - **AI在材料研发中的应用**： - 使用“文献数据-实验数据-仿真数据”三位一体的数据体系 - 通过生成式AI加速合金设计，例如HRL实验室利用Citrine平台筛选出高强铝合金配方 - **AI在制造过程中的实时控制**： - 实时分析打印层数据，进行质量控制与工艺优化 - 闭环控制体系：从数据采集、处理到决策反馈，形成完整控制链 - **AI在增材制造生态系统中的价值**： - **数据价值**：通过数据沉淀、管理、分析，提升制造过程的可预测性、可重复性和可持续性 - **数字资产化**：将数据作为资产，提升企业的核心竞争力 ## 行动与号召 - **数据标准化**：联合中国信通院、国标委，出台《增材制造数据脱敏与流通指南》 - **数据共享**：建立国家增材AI数据交换中心，推动高质量数据共享 - **技术发展**：发布“智能增材制造”国家路线图，推动核心装备标配AI在线监测与闭环控制 - **跨领域合作**：强化开放合作能力，推动增材制造在工业应用中的发展 ## 增材制造与AI融合的政策支持 - **中国**： - 《“十四五”智能制造发展规划》：推动AI与增材制造融合，提升智能制造水平。 - 《智能检测装备产业发展行动计划》：支持基于AI的无损检测技术发展。 - 《关于深入实施“人工智能+”行动的意见》：探索AI在增材制造等领域的深度应用。 - 国家重点研发计划专项：支持基于深度学习的铺粉状态识别和质量在线监测。 - **美国**： - 《国家先进制造战略》：推动AI在制造流程中的应用，包括过程监控和认证协议。 - 《国防部增材制造战略》：推动制造过程的数字化、智能化和可追溯性。 - 《AM Forward》：支持AI与增材制造的融合，推动商业化和规模化应用。 - **欧盟**： - 《Advanced Manufacturing Report》：定位AI与增材制造为欧洲制造业竞争力的关键技术。 - 《Apply AI》战略行动计划：投资约10亿欧元用于AI在增材制造等领域的应用。 - 《AM Europe Manifesto》：呼吁制定专门的增材制造战略，提升AI与增材制造融合能力。 ## AI在增材制造中的应用案例 - **Zimmer Biomet**：利用AI进行植入物多孔结构设计，提升与人体骨骼的匹配度。 - **布加迪**：与西门子合作，实现液压控制系统零件的优化设计。 - **Relativity Space**：采用AI驱动的光束整形和多光谱成像监控，提升打印速度和质量。 - **Velo3D**：利用多传感器和AI算法进行过程监控与性能预测。 - **Addiguru**：平台化解决方案，实现原位质量监测与工艺优化。 - **Kebotix**：打造无人值守材料研发闭环，提升研发效率和数据利用率。 - **LLM-3D Print**：利用大语言模型实现自主控制和故障识别，提升制造智能化水平。 ## 增材制造数据管理实践 - **七步路径**： 1. 定义数据源 2. 设计收集机制 3. 管理数据队列 4. 执行分级归档 5. 制定精简策略 6. 构建决策模型 7. 推动模型应用 - **数据管理标准**： - F3490-21：数据血统标准 - F3560-22：粉末粒度分析数据交换标准 - F3605-23：过程监控数据文件结构标准 - ISO/ASTM52953-25：增材制造过程监控与质量控制数据登记规范 ## AI对制造企业战略的影响 - **提升企业竞争力**：AI赋能制造流程，推动企业从“制造”向“智能制造”转型。 - **数据资产化**：将数据视为核心资产，提升企业运营效率和创新能力。 - **构建数字壁垒**：通过AI和数字孪生，企业能够实现可复用、可放大、可交易的数字资产。 - **推动可持续发展**：AI提升制造过程的可预测性和可重复性，实现绿色制造目标。 ## 结论 AI和软件技术正在重塑增材制造的全流程，从设计、制造到质量控制，实现智能制造。数据孤岛、标准缺失和工艺复杂性是当前的主要挑战，而数字孪生、多源传感器融合和AI模型的集成应用为解决这些问题提供了有效路径。各国政策也在推动AI与增材制造的融合，支持技术发展和产业应用。未来，AI将推动增材制造向更高效、更智能、更可持续的方向发展，成为制造企业不可或缺的战略资产。