在《暗知识》一书中提到，当数据无法被感受，它们之间的关系又无法用方程解析表达时，这些数据间的关系就掉入了人类感官与数学理解能力之外的暗知识大海。
当前，增材制造-3D打印技术也正在产生大量的暗知识，而充分利用增材制造过程中产生的用数据将能够支持多种应用，例如材料筛选、打印过程监控，打印后的零件性能预测，打印过程监控，质量可追溯，零件认证和数据安全。 如何将暗知识为人类所用，成为推动3D打印发展迫切需要解决的挑战。
通过新的方法和标准构建一个能够便利、安全的生成增材制造数据、存储、分析与共享增材制造数据的生态系统将促进增材制造技术的发展。为此，ASTM International 和America Makes 举行了增材制造数据研讨会，探讨了增材制造数据生成、增材制造先进数据驱动方法，以及增材制造数据库和数据管理系统等话题。
本期， 将分享这一活动中所探讨的话题，以此来透视增材制造数据管理中存在的挑战及解决思路。
流动的数据，衔接、管理、智能化的挑战
在增材制造过程中，片段化的数据是缺乏价值的，至少没有将数据的价值最大化，而如何将数据与数据之间的环节衔接起来，如何将数据汇聚起来，并充分发挥其价值，这是3D打印业界关心的话题。
当前ASTM的重点工作之一就是支持数据管理和架构建设。数据是任何制造过程资格和认证的基础。数据捕获、保留和验证对于形成稳健增材制造供应链至关重要。但是数据管理中存在一些关键挑战，例如人力、财务、知识和技能方面的资源不足，供应链协调、硬件、软件和方法上的技术差距，最重要的是缺乏最佳实践/标准。ASTM的重点工作是与合作伙伴合作，解决这些差距与挑战。
从粉末到零件
案例分享：Carpenter的思路
从粉末制造到最终零件，这是一个颇为长的链条，Carpenter公司在这方面强化了应对整个增材制造粉末数据管理中的关键挑战能力。
挑战来自两方面：首先，共享从雾化过程到筛选，测试/认证以及最终库存中的数据的衔接是一个挑战。第二个挑战在于追踪粉末的使用和状况。如何建立数据与产品结果之间的数字关联，如何将粉末特性、机器条件和加工参数相结合，理解这些因素如何影响最终零件的机械性能。
为了应对这些挑战，Carpenter内部开发了PowderSolve软件，用于管理从雾化到零件生产的数据。不过，目前仍存在一些缺口需要完善，首先是标准缺口，特别是粉末的规格要求不可用，而这种规格可以成为帮助行业发展的标准。另一个缺口是在关键材料特性上未达成共识。
增材制造大数据存储和分析平台
案例分享：GE的思路
关于增材制造大数据存储与分析，GE 目前的聚焦点在于将增材制造各个阶段的数据集成，数据集成的主要挑战之一是在整个增材制造生命周期中进行捕获和使用数据。
GE开发了SADL和SemTk之类的工具来管理流程链中的数据，SemTk可以快速为多个数据存储构建知识驱动型应用和知识驱动型接口。
为了进行有效的数据管理，未来的需求是开发通用的数据规范指南，指南中定义各项之间的模型关系，采用标准数据交换格式以用于捕获机器数据的标准机制和格式。增材制造数据管理的未来愿景是通过模型驱动的数据集成平台按需提供数据集成。
医疗器械增材制造与数据
案例分享：FDA的思路
目前，FDA在数据领域的工作旨在从供应链到后处理方面理解数据，建立监管方面的标准。
机器学习和人工智能在增材制造中的应用是必然的，因为通过利用来自不同来源的增材制造数据，开发出用于实时质量控制的系统。FDA 肯定数据与标准结合发挥作用的地方，标准可以帮助FDA等监管机构进行更快的审查，并批准更好、更安全的医疗产品与设备，而这一切需要数字化的思路与体系来支撑。
航空航天领域的数据管理
案例分享：NASA的思路
NASA关于增材制造数据管理的愿景是公共和私有云共存。
通过公有云，可以推动基于材料质量、工艺评定，SPC标准和设计准则的发展，通过公有云实现开放、可转移与分享的数据存储。对于私有云来说，对于NASA这样的机构，或许是不可避免将长期需要的一种存储方式。
数据的开放性，将影响行业标准的建立与发展，也将影响增材制造技术的应用发展速度。
跨组织合作的数据生态系统
案例分享：空军研究实验室
空军研究实验室为了推动数据管理的标准和方案，需要从多个项目中获取、清理和分析数据。空军研究实验室正在开发一个数据生态系统，用于管理侧重于增材制造的跨组织合作数据。通过Hyperthought 工具，该工具可以集成来自多个来源的增材制造数据，提供用于协作的数字工作区以及与现有系统和设备集成。
集成面临的一些主要挑战是：处理来自不同来源的大量数据，如何捕获数据的变化，如何将这些数据组织成不同的格式、标签和分类，保证数据安全性以及设置数据访问权限。
空军研究实验室对来自三个组织的数据集进行的案例研究表明，数据缺少总体架构并且提取数据的时间较长。关键教训之一是，数据之间的关系建立很重要。空军研究实验室认为，建立更为详细和全面的数据链，将研究目标与数据链联系起来，填补标准中的空白是需要解决的关键挑战。
数据驱动决策
案例分享：美国国家标准技术研究院（NIST）
美国国家标准技术研究院（NIST）探讨数据在链接和支持增材制造生命周期和价值链活动中起到的关键作用，数据驱动决策将成为增材制造进入产业化的显著特征。
数据共享对于简化增材制造开发和加速增材制造认证至关重要。在这里，增材制造数据标准对于业界来说是重要的，因为它可以有效地管理和共享增材制造数据。许多相关数据的ASTM国际标准，例如ASTM E1338和E2738，可以作为增材制造数据管理的ASTM标准的下一个发展参考。
数据管理的通用语言
案例分享：西门子
数字化是增材制造的核心特征，数字制造的一个关键方面在于数据管理，因为数据构成了增材制造中几乎每个工作流的基础。
在增材制造中，数据是不断生成和传输的，但当前不一定得到了正确的分析。在增材制造中，由于非标准接口的存在，数据收集的瓶颈受到限制。西门子提倡通用的设备接口（UMATI）通用“语言”解决方案。
通用数据交换格式
案例分享：宾夕法尼亚州立大学应用研究实验室（ARL）
宾夕法尼亚州立大学应用研究实验室（ARL）提出一种通用数据交换格式（CDEF），这是一种用于共享增材制造数据的中性格式，以及一种从生成点自动进行数据收集的机制，尤其侧重于粉末床熔化（PBF）和定向能源沉积（DED）增材制造工艺。
ARL开发了用于增材制造的数据管理系统（DMSAM），以跟踪America Makes资助的单个工厂中的所有数据。该软件的作用是跟踪库存，从设计到后期处理的所有单个零件，并生成报告。虽然当前有许多数据管理软件可用，但是挑战在于它们之间无法交流或共享数据。
集成与分析数据的系统
案例分享：ANSYS
ANSYS提供用以捕获增材制造价值链中数据，分析数据并将其与CAD / CAE集成的系统。
处理增材制造数据的关键方面是数据的可追溯性和捕获，增材制造数据分析以及与CAD系统的集成。增材制造价值链中数据管理的挑战主要在于设计/制造工程，增材制造生产和测试以及认证。
同样，增材制造数据面临的挑战包括难以定义产品特性，非标准传感器的数据扑捉，机器日志，数据加密，设计和仿真中材料定义的粒度等等。推进测试套件与增材制造设备的兼容性，机器与设计和仿真系统的集成以及增材制造设备过程数据的标准非常重要。
数据驱动的3D打印车间自动化
案例分享：3YOURMIND
增材制造MES 软件企业3YOURMIND将数据谱系集成应用到标准、认证、机器学习、资格认证和供应链的各个方面。
这种做法旨在改善增材制造业务决策，改善质量保证（使用实时数据），提高增材制造数据安全性和优化现有流程，从而将3D打印车间的用户体验和自动化提升到一个新水平。这方面基于ASTM International 通过开发机器需要的标准，建立更高级别的设备连接性，从而促进标准化组、软件和增材制造技术提供商之间的沟通。
数据驱动实现增材制造认证
案例分享：橡树岭国家实验室（ORNL）
使用常规方法认证增材制造零件面临许多挑战，而ORNL则采用相反的方法，通过了解工艺，优化工艺，对组件进行认证和鉴定，并创建一个用于工艺自我优化的反馈回路。
ORNL使用开源软件Dream.3D创建了一个集成数据管理平台，该软件捕获了3D打印工艺的各个方面。Dream.3D的突破性在于通过人工智能进行过程中原位质量控制的技术，与CT扫描相比，该技术可以捕获非常精细的增材制造缺陷。使用数据驱动技术可以实现对增材制造过程和组件的认证。
3D科学谷Review: 总体来说，建立数据与产品结果之间的数字关联，如何将粉末特性、机器条件和加工参数相结合，理解这些因素如何影响最终零件的机械性能是必要的，也是赋能通过3D打印技术开发新材料，新产品的路径， 认为这一切需要结合大量的数据，在算法与人工智能的基础上完成。
认为，不久的将来，3D打印的PK将进化成数据与人工智能的PK，那时候某种意义上，拥有制造数据的企业是幸福的，拥有基于人工智能软件的企业是幸福的。
- – - – - – - – - – - – - – - – - -
知之既深 行之则远
三维世界，全球视野，尽在 ！
点击观看轻松20万+ 创始人最新人气微课：
《3D打印发展趋势及中国市场的机遇与挑战》
白皮书下载，加入 产业链QQ群：529965687
网站投稿请发送至2509957133@qq.com
欢迎转载，长期转载授权请留言
