江苏激光联盟导读：
质量是部署新流程、产品或服务的关键决定因素，并影响新兴制造技术的采用。增材制造 (AM) 作为制造工艺的出现有可能彻底改变从生产到供应链的一系列企业相关功能。AM 提供的前所未有的设计灵活性和扩展功能，加上大大缩短的交货时间，可能为大规模定制铺平道路。然而，增材制造的广泛应用目前受到工艺可重复性和质量管理方面的技术挑战的阻碍。
增材制造 (AM)，也称为3D打印，是通过材料的层层堆积来制造产品的过程的统称。商业增材制造系统的出现使得可以直接从计算机辅助设计 (CAD) 模型中以最少的干预步骤制造具有复杂几何形状的零件。直到最近，增材制造零件主要仅限于原型演示者角色；AM零件的可行性现在已经发展到可以用于生产和最终组装的程度。与传统的减材（机械加工）和成型（铸造、焊接和成型）制造工艺相比，增材制造具有显着优势，例如消除专门的工具成本、减少材料浪费和生命周期成本，从而能够创建复杂和自由形状的几何形状 ，并为各种工业应用扩展产品功能。
粉末床融合 (PBF) 工艺通常用于粉末材料床产品的AM。PBF印刷技术的例子包括使用不同类型能源的直接金属激光烧结 (direct metal laser sintering, DMLS) 、电子束熔化 (electron beam melting, EBM)、选择性热烧结 (selective heat sintering, SHS)、选择性激光熔化 (selective laser melting, SLM) 和选择性激光烧结 (selective laser sintering, SLS)。它们使用不同类型的能量源(例如激光、电子束或热)将粉末熔化或烧结在一起以制造固体3D部件。请注意，LPBF 利用激光源以逐层方式烧结金属粉末以创建最终结构。除了 PBF增材制造工艺外，还有多种其他AM工艺，例如材料喷射、粘合剂喷射、材料挤出、定向能量沉积 (directed energy deposition, DED)、片材层压和还原聚合。材料的选择范围从金属、复合材料、聚合物、生物材料到陶瓷。
但是，质量管理方面的技术挑战阻碍了AM技术在行业中的广泛采用。例如，增材制造的微观结构和机械性能受复杂、难以建模的工艺现象（例如热效应和残余应力）的影响。反过来，这些复杂的过程相互作用会导致隐藏的内部缺陷，从而降低零件的质量。因此，增材制造零件的废品率很高，尤其是在考虑独一无二的生产时。在实际案例研究中，在同一台商用 AM 机器中使用同一 CAD 模型同时构建的零件可能会产生不同的质量结果，这种情况并不少见。如图1所示，在同一台商用 AM 机器上使用相同的 CAD 模型同时构建了七个零件，其中只有两个零件没有缺陷。AM 构建的高拒绝率和相关成本显着阻碍了 AM 功能的更广泛利用，超出了当前的快速原型制作现状。
▲图1. 在内布拉斯加大学林肯分校的案例研究中，七个不锈钢部件建立在商业 AM 系统上。这些零件仅在方向上有所不同，所有其他工艺条件都相同。
Six Sigma (6S) 是传统制造业（例如半导体和汽车行业）广泛使用的实践，用于质量规划、质量保证 (QA)、质量控制 (QC) 和持续改进，广泛使用数据、统计、 和优化。如图2所示，6S 需要数据驱动的定义、测量、分析、改进和控制 (DMAIC) 方法。
- 定义：根据客户要求概述质量挑战。
- 测量：从制造系统收集有关关键过程变量的数据。
- 分析：提取与缺陷原因相关的有用信息。
- 改进：设计解决方案和方法以改进制造系统。
- 控制：当制造系统失控时，制定过程管理计划和更佳控制政策。
6S技术的目标是识别和消除缺陷的根本原因，并进一步提高最终产品的质量。6S的成功可以从摩托罗拉对其理念的应用中看出。1978年，公司净收入23亿元。到1988年，净收入增至83亿元；这大约增加了 260%。同样，通用电气通过自己的 6S 计划取得了巨大成功，每年节省了 40 亿百思特网美元。名单上还有其他著名的例子，包括丰田、福特、宝丽来、通用汽车等等。
AM从地面建造物体的能力激发了想象力，让人们在设计过程中设想出更广泛的可能性。尽管如此，增材制造面临着广泛的质量挑战，阻碍了增材制造在行业中的广泛采用。迫切需要以小批量和高混合的方式生产复杂的结构，再加上增材制造技术的快速进步，对增材制造质量管理的当前范式提出了重大挑战。由于正在为材料和工艺鉴定和零件认证制定此类新标准，因此正在进行无数实验和建模/仿真研究，以深入了解AM工艺的复杂物理为过程控制开发了新的原位传感能力和过程监控策略，并且正在努力捕获、存储、管理和保证谱系数据用于 AM 零件的 QA/QC。尽管取得了这些进步，但在许多金属 AM 工艺 （例如，激光 PBF (LPBF) 和 DED）中看到的可重复性和可靠性问题不幸地加剧了这些挑百思特网战，尤其是在尝试为关键应用和高度监管的行业（例如、航空航天和医疗）。
▲图2. 大规模制造中的大批量低混合生产方案
质量改进包括一系列管理、操作和工程活动，以减少过程中的可变性。特别地，统计设计方法被用来通过研究在不可控因素的不确定性下可控设置的效果来实现稳健过程，也称为“稳健参数设计”。因此，6S计划应运而生，以满足汽车和半导体行业大规模制造的需求，并在上个世纪取得了巨大成功。如图3所示，6S 计划利用 DMAIC 方法将过程可变性降低到极不可能出现故障和百思特网缺陷的水平。如果 3 限值与产品规格限值重叠，则部件落在 3 限值之外的概率为 0.27%，这意味着百万分之二的缺陷部件数 (PPM) 约为 2700。对于 6 限值，概率将为 0.0000002%，这意味着 PPM 为 0.002（即极不可能）。在 6S 场景中，如果一个成品有 100 个组件，并且每个组件都必须是无缺陷的才能使产品无缺陷，那么产品无缺陷的概率为 (0.999999998)≈1.0 。
▲图1. 正常曲线下的面积和产生缺陷的比例
未完待续，敬请期待！
