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。数字数据采集、分析、机器学习和人工智能以及建模方面的最新发展可以迅速加快增材制造的技术成熟度以用于更可控的生产过程。

ASTM国际标委会与Americas Makes合作推出增材制造数据战略指南，该指南指出了增材制造（AM）数据的差距、挑战、解决方案和行动计划。

巨量数据的机会与挑战

处理增材制造数据的关键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。

根据ASTM国际标委会总监Mohsen Seifi博士，增材制造（AM）数据生态系统发展中的一个关键和巨大的差距是如何轻松安全地生成、存储、分析和共享关键和重要数据。该战略指南试图解决一系列差距，提供解决方案和潜在的行动计划，希望参与AM数据生态系统开发并为标准化做出贡献的行业利益相关者和AM专家都可以使用该指南。

ASTM的另一个最新成果是在ASTM的增材制造技术委员会（F42）内成立了一个新的数据小组委员会（F42.08）。小组委员会将开发并执行价值流映射，以识别获得完整的数字线程理解所需的需求、流程、工具和机会。

根据3D科学谷的市场研究，ASTM在增材制造数据战略指南中提出了创建一个健全有力的增材制造数据生态系统，以此推动3D打印进入指数级增长态势。

目前的共识是如下五个主题的工作需要尽快获得推动：

- 开发一个公共的增材制造数据指南

- 开发最小可行数据包

- 促进数据自动化获取的可行性

- 建立公共数据交换格式

- 建立跨行业数据基准以及价值流图谱

在数据的获取方面，目前的挑战是不同的测试工具提供商的数据获取方式，数据质量是不一样的。同样的数据在根据不同的测试方法测试后所呈现的结果是不一样的。另外还会有人工输入的数据所带来的错误。

在数据的管理方面，目前针对不同的3D打印设备所制造出来的零件没有系统化的数据标准来进行跨设备的结果比较。这使得标准化的工作也充满阻力。

由于增材制造的数据量十分浩大，如何管理后台支持数据，如何提供一个高效的基础设施来有效管理、分析这些数据是十分重要的。

在数据的安全性方面，如何保护和追溯数据，以理解在制造的每个过程中所发生的各个加工因素的相互作用是必要的。另外，还需要考虑如何在分享分析数据的同时考虑到数据的保护，分享数据可以提高合作，然而保护数据同样重要，这其中需要一个清晰的方法来推动双边的发展。

数据的分析方面，需要建立数据与零件性能的相关性，如果数据不能预言真实世界的加工结果，那么数据将是无效的。当然增材制造所产生的数据是巨量的，如果去伪存真，如何甄选出对加工结果有分析价值的数据流，这需要一个公共的指南来指导业界进行数据优化。

数据的应用实践方面，ASTM的增材制造数据工作小组将确定MVD(最小可行数据包）从而界定那些数据是必要的对增材制造加工结果起决定作用的数据。

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，3D科学谷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。

在这方面，德国亚琛已经率先而行，欧洲5G工业园区于2020年5月12日启动了5G网络，通过将近1平方公里的面积，19根5G天线和每秒10G比特的带宽，亚琛开始运行欧洲最大的5G研究网络。可以说欧洲5G工业园区正在创建一个全球范围内独特的生态系统，以研究、开发适应5G的工业4.0技术。

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。