根据3D科学谷的市场观察，材料是推动增材制造突破界限约束的驱动力！人工智能、数字材料、人工双胞胎，这些因素正在推动推动增材制造突破界限约束。

根据德国弗朗霍夫研究所-Fraunhofer，未来制造业竞争的关键是材料，以数字形式提供材料的行为，将产品开发与材料开发关联，通过工业 4.0将材料信息链接到整个加工应用链条中，大幅降低材料的全寿命应用成本。

根据中国钢研，企业发展材料数字化研发，对欧美企业来说，其目的是大幅缩短研发周期、降低研发成本，对中国制造来说远不止于此，其意义在于帮助中国深刻认识材料创新研究的机理，使研发过程可迭代、可升级。

此前，由英国剑桥的一家人工智能公司Intellegens开发的一种新的机器学习算法已被用于设计一种新的用于金属增材制造的镍基合金，减少了合金开发15年的努力时间。

可以说在我们当前的数字时代，机会以不断增长的速度出现并成熟。

未来，或许我们将不再谈如何将制造数字化，因为那时候制造从材料到成品就是数字化的。

本期，窥一斑而见豹，3D科学谷与谷友通过几个典型案例来共同领略国内外在推动digital materials-数字材料方面的最新研发举措。

贯穿设计到制造的数字化材料

亚琛工业大学（RWTH) DAP数字增材制造

亚琛工业大学（RWTH) DAP是ACAM亚琛增材制造中心的研发成员，在推动Intelligent digital materials-智能数字材料的发展方面，DAP具备三大优势：来自亚琛工业大学（RWTH) 国际领先的数字孪生技术优势；来自亚琛工业大学及Fraunhofer研究所的材料与生产制造研发优势；来自亚琛工业大学及Fraunhofer研究所在增材制造领域的研发优势。

数字材料可以只包含一种材料，可以包含多种材料。

我们来看看一种材料由于在几何体中的密度分布可能会有所不同，因此零部件在不同的位置可以具有不同的机械性能。

3D打印-增材制造可以在不同材料分布的帮助下根据负载和其他要求调整局部密度。此外，借助定制的数字材料，可以优化组件的重量、成本和生产时间。增材制造 (AM) 作为一项突破性的生产技术，由于其几何自由度和免模具生产，成为可以高效生产数字材料的工艺。

▲智能化数字材料

© RWTH亚琛工业大学DAP数字增材制造学院

为了推动数字材料在工业应用中的非凡潜力，亚琛工业大学数字增材生产 DAP 学院专注于开发用于生成智能数字材料的创新及高效算法。开发的解决方案侧重点是在未来生成数字材料时可以自动集成生产和应用相关的条件，从而使得设计更轻松更智能化。 

根据3D科学谷的了解，在材料的智能化数字化方面，亚琛工业大学数字增材生产 DAP 学院目前的主要开发重点在以下领域：

• 考虑制造限制（例如临界悬角或最小可实现特征尺寸）的点阵晶格结构生成算法

• 基于负载和边界条件的自适应网格结构生成

• 共形晶格结构生成

• 局部或全局晶格结构的细化算法

• 拓扑优化算法

将增材制造设计领域的专业知识与在增材制造工艺开发领域多年的专业知识相结合，作为各种项目的一部分，亚琛工业大学数字增材生产 DAP 学院正在为汽车、航空、模具和医疗行业的应用领域开发和工业化数字材料。

▲走向数字材料的3D打印骨科植入物

© 3D科学谷

数字流程链

不仅寻求制造技术层面的突破，亚琛的Fraunhofer一直在开发数字流程链，通过可扩展的，强大的增材制造系统技术和自动化流程以及量身定制的增材制造材料来提升3D打印技术的产业化潜能。

亚琛的科学家还正在研究监测金属3D打印的新方法，以提高工艺的稳定性和制造的可重复性。通过在构建平台中使用结构传感器，希望在未来监测关键的缺陷，例如支撑结构何时发生撕裂。此外，超声波传感器还用于分析空气中爆破的声音以确定与组件质量的相关性。

▲通过人工智能来预测增材制造加工工艺与材料性能的关系，从而创建更强大的材料

© Fraunhofer

在质量控制方面，Fraunhofer将不断推动基于激光的超声波测量的研究，将在未来更进一步进行一系列的研究，包括研究脉冲激光是如何引起结构噪声，这些变化通过激光振动计检测以形成变量之间相关性的研究。Fraunhofer希望在制造过程中发现孔隙的产生，以便能够立即进行干预。

金属粉末方面，3D科学谷还分享过Fraunhofer IFAM 采用新的生产方法，可以将铁基金属粉末的成本降到当前成本的10％左右。钛金属粉末等其他材料，也能够通过新的制备工艺生产出廉价的替代品。

人工智能成就超合金

在《增材制造设计（DfAM)指南》这本书中，援引了AM零件质量影响因素的石川图，在石川图中详细的举出了影响加工质量的160多种因素，仅仅是激光扫描过程，就包括了扫描线长度，扫描线种类，外轮廓，内轮廓，扫描方式，扫描速度，光束矫正，收缩补偿，扫描线顺序，填充间距，填充方向，激光功率，（离）聚焦，表面填充参数，偏移等等。可见要通过人的经验来驾驭和平衡160多种影响加工质量的变量是非常难的。

好在人工智能 (AI) 已经取得了长足的进步，在这方面，Fraunhofer IWS的专家通过“人工智能”（AI）和“机器学习”的先进方法来提升对加工过程的理解，由Fraunhofer IWS图像处理和数据管理工作组进行研究。通过人工智能，可以找到这些数据泛洪中的隐藏联系。

例如，特殊的分析算法将测得的传感器值与研究所的粉末数据库联系起来，并评估进一步的工艺参数。根据3D科学谷的了解，机器逐渐学习如何做出自己的决定。例如，可以自主确定是否可以容忍激光熔覆增材制造过程中温度的轻微升高，还是必须在导致整个组件的加工出现质量缺陷之前立即采取对策。

通常采用单一材料设计飞机发动机整个组件不是很有效，因为组件不会在所有点上都受到相同的热量。最好只在温度很高的地方使用昂贵的高电阻材料，在其他地区，使用较便宜的材料就足够了。这正是增材制造系统可以实现的，一旦人工智能学会了加工所需的超合金，下一步是将各种高性能材料整合到一个组件中。

将材料的数字化与零件增材制造建立联系

根据3D科学谷的市场观察，材料巨头GKN增材制造看到了数字化的加速趋势，以及数字化在推动3D打印突破边界约束的力量，通过与与ACAM亚琛增材制造研究中心的密切合作，GKN增材制造正在加速技术创新，推动3D打印的主流应用从原型与设计验证转向批量生产。

目前，根据3D科学谷的了解GKN正在将材料的数字化与零件增材制造建立联系，通过将GKN Hoeganaes的材料专业知识与增材制造组件功能之间建立数字联系，GKN正在加速从材料到零件的整个工艺链的数字化，从而为零件的致密性、质量的可重复性，认证过程提供数字化基础。

GKN还通过与西门子的合作将数字双胞胎用于实现增材制造中的批量生产。通过强大的过程预测来节省时间，这还意味着可以更好地了解3D打印过程，这是进一步降低成本的一个很好的起点。

目前，GKN已经将激光制造过程中的大部分工艺数字化。现在，GKN希望通过对材料和过程进行全面的数字描述来预测加工过程的结果。

通过将整个环节以数字化作为铺垫，GKN获得大量的大数据，然后从结果中获得深刻的理解。这使得材料公司具备了深刻的数字化的DNA。

目前，GKN根据客户需求在闭环系统中开发用于汽车高性能生产的钢材。而GKN将粉末生产和3D打印零件制造集中在一个屋檐下带来的不仅仅是部门合作之间的创新，而是理念的升级，即以应用为中心的开发，并通过应用为导向的数字化流程缩短交付周期。

一方面，GKN开发了供内部使用的经过验证的材料，同时也将这些材料对外销售，提供给外部市场。

3D打印进入产业化最关键的驱动因素是强大的质量和成本。GKN正在致力于通过数字表征材料，并将数字之间的联系建立起来，以实现强大的质量控制能力。而随着3D打印的应用面获得更广泛的推广，成本将随之下降。

GKN将这些具有详细特征表述的粉末称为先进的数字粉末，因为不可能有100％可重复的材料生产，从材料的物理和化学特征来看，这是不可能的。

目前，GKN通过其粉末研究实验室，对粉末进行金相组织分析，对粉末形态进行表征。通过这些关于粉末的信息，GKN可以建立材料的数字双胞胎。通过与加工流程的数据相结合，形成对粉末与加工的相关性研究。

金属材料高通量制备技术 

根据国内安士亚太，未来新材料的开发更多的会以海量的数据作为基础，这也是当前发展“材料基因组”工程的重要原因，“材料基因组工程”以前所未有的大量数据为基础，将人工智能数据技术与高通量计算、高通量制备、高通量表征等新技术深度融合，更快、更准确的获得成分-结构-工艺-性能间的关系，从而实现对先进新材料及工艺进行设计预测，更快的获得所需的材料。

材料高通量制备技术可以在短时间内制备大量不同成分的新型材料，可以加速新型材料的研发与应用，被列为材料基因组技术的三大技术要素之一。其中金属材料的高通量制备有多种制备方法，但传统的金属材料高通量制备方法制备周期长，制备样品尺寸较小，能源消耗较高。

随着增材制造技术的不断发展，采用增材制造技术开展金属材料的高通量制备也得到了迅速的发展，且增材制造高通量制备相较于传统高通量制备技术呈现出了明显的优势：

• 可以快速成型多种材料试样；

• 可以制备毫米级以上的块状样品；

• 研究过程中原材料消耗较少，更经济。

基于此，安世增材携手钢铁研究总院，基于激光选区熔化技术开发了DLM-120HT金属材料高通量增材制备设备。

DLM-120HT是基于异质粉末3D打印的新金属材料开发高通量制备平台。直接利用元素粉末或合金粉末进行激光选区熔化成型，一次打印过程可实现4种粉末、160种材料成分配比的力学性能样件制备，适用于钢铁材料、铝合金、钛合金、 镍基高温合金、高熵合金等金属新材料的成分筛选、性能研究以及梯度材料的研究。