Credit: CC0公共领域添加剂制造提供了前所未有的设计灵活性和扩展的功能，但根据宾夕法尼亚州立大学工业工程教授惠阳的说法，不同生产机器的质量和工艺可能会有很大差异。随着在航空航天、医疗保健和汽车行业的应用以及大规模定制的潜力，添加剂制造需要质量管理。为了解决这一问题，杨和来自宾夕法尼亚州立大学、内布拉斯加大学林肯分校和美国国家标准与技术研究所()的一组研究人员提出了一种新的数据驱动的添加剂制造质量控制方法的设计、开发和实施。他们在《电气和电子工程师协会学报》上发表了他们的工作。
“就像一个生态系统一样，我们让人们在添加剂制造的不同领域独立工作，系统工程师可以帮助连接这些点，为质量管理提供一个框架，”杨说。“质量是不可或缺的，如果我们从一开始就设计质量管理的系统级框架，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率。最终，每个人都想从事高精度、高端制造，但如果生产过程中的任何一步质量受到影响，你就失去了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一优势。”
该团队合作分析了各种学术论文，以推导出添加剂制造质量控制的六西格玛框架，这导致了他们提出的系统工程方法。
这种方法依赖于六西格玛，这是一种流行的方法，使用数据驱动的策略来消除缺陷，提高利润和产品质量。通过他们的详细分析，该团队认为，这种定义、测量、分析、改进和控制的五步方法在应用于添加剂制造时可以进一步推进质量管理。
“通过我们分析的研究，我们发现了添加剂制造的关键挑战和缺乏质量标准的地方，”杨说。“对于流程中的每一步，你都需要找出症结所在，这是机器学习等方法可以发挥作用的地方，有助于向工程师或设计师展示如何控制流程以避免缺陷。”
保罗·莫罗工程设计和制造教授、宾夕法尼亚州立大学机械工程教授蒂姆·辛普森解释说，在大规模生产产品的背景下，这种缺陷可能会成为巨大的责任。
辛普森说:“如果你的目标是使用添加剂制造来制造汽车或飞机的零件，那么这个零件最好不要出现故障。
他还指出，故障零件的成本可能会增加——他说，一个失败的金属构件可能“很容易花费1万到2万美元，并且需要一路上多次迭代。”
辛普森说，通过寻找大规模生产零件标准中的质量差距，他们提出的方法对于确保高产量和定制产品的高质量生产至关重要。
辛普森说:“质量控制流程和方法是为大规模生产而建立的，在那里你可以生产数亿到数百万件东西。“添加制造支持定制，当您只制作一个或几个产品时，当前的质量控制方法和公认的实践并不容易适用。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工业工程教授Soundar鸠摩罗王、Allen E. Pearce和Allen M. Pearce指出，他们的评论代表了最先进的添加剂制造技术，可以通过提供对工具和技术的全面理解来帮助研究人员。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
