宾夕法尼亚州立大学工业工程教授杨辉表示，增材制造提供了前所未有的设计灵活性和扩展功能，但不同生产机器的质量和工艺可能大不相同。随着航空航天、医疗保健和汽车行业的应用具有大规模定制的潜力，增材制造需要质量管理。

为了解决这个问题，Yang 和来自宾夕法尼亚州立大学、内布拉斯加大学林肯分校和国家标准与技术研究所 (NIST) 的一组研究人员提议设计、开发和实施一种新的数据驱动方法，用于添加剂质量控制。制造。他们在 IEEE Proceedings 上发表了他们的工作。

“就像一个生态系统，我们让人们在增材制造的不同领域进行孤立的工作，系统工程师可以帮助将各个点系起来，为质量管理提供一个框架，”杨说。“质量是必不可少的，如果我们从一开始就设计一个系统级的质量管理框架，那么我们就能以更低的成本获得更高的质量和更好的生产力。最终，每个人​​都想做高精度、高端制造，但如果生产过程中的任何一步质量都会受到影响，您将失去全球市场所需的竞争优势。利用数据来控制和确保高质量的产品有助于保持这种优势。”

该团队共同分析了各种学术论文，以推导出增材制造质量控制的 6 西格玛框架，这导致了他们提出的系统工程方法。

该方法取决于 6 西格玛，这是一种流行的方法，它使用数据驱动的策略来消除缺陷、提高利润并提高产品质量。通过他们的详细分析，该团队建议将这种定义、测量、分析、改进和控制的五步方法应用于增材制造时可以进一步促进质量管理。

“通过我们分析的研究，我们确定了增材制造的关键挑战以及缺乏质量标准的地方，”杨说。“对于流程中的每一步，您都需要确定症结所在，这就是机器学习等方法可以发挥作用的地方，并帮助向工程师或设计师展示如何控制流程以避免缺陷。”

宾夕法尼亚州立大学工程设计与制造教授兼机械工程教授蒂姆辛普森解释说，在大规模生产产品的背景下，这些缺陷可能会成为巨大的负担。

“如果您的目标是使用增材制造来制造汽车或飞机的零件，那么该零件最好不要失败，”辛普森说。

他还指出，故障零件的成本会加起来——他说，一个失败的金属构造“很容易花费 10 到 2 万美元，并且需要多次迭代”。

通过寻找批量生产零件标准中的质量差距，辛普森表示，他们提出的方法对于确保大批量和定制产品的增材制造质量生产至关重要。

“质量控制流程和方法是为大规模生产建立的，在那里你可以生产数百到数百万件东西，”辛普森说。“增材制造实现了定制化，当您只制造一件或几件物品时，当前的质量控制方法和公认的做法并不容易适用。我们必须以不同的方式思考以确保高质量的零件。”

宾夕法尼亚州立大学的 Allen E. Pearce 和 Allen M. Pearce 工业工程教授 Soundar Kumara 指出，他们的评论代表了最先进的增材 制造技术，可以通过提供对工具和技术的全面了解来帮助研究人员.