宾夕法尼亚州立大学(Penn State)工业工程教授杨辉(Hui Yang)表示，增材制造提供了前所未有的设计灵活性和扩展功能，但不同生产设备的质量和工艺可能存在巨大差异。由于在航空航天、医疗保健和汽车行业的应用具有大规模定制的潜力，增材制造需要质量管理。
为了解决这个问题，Yang和一个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(NIST)的研究团队提出了一种新的数据驱动方法的设计、开发和实施，用于增材制造的质量控制。他们的研究成果发表在《IEEE学报》上。
“就像一个生态系统，我们在增材制造的不同领域有独立的工作人员，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。“质量是必不可少的，如果我们从一开始就设计一个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力。”最终，每个人都想做高精度、高端的制造，但如果在生产过程中的任何一步质量都受到影响，你就会失去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种优势。”
该团队共同分析了各种学术论文，推导出增材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。
该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，推动利润和提高产品质量。通过详细的分析，该团队提出了定义、测量、分析、改进和控制这五步法应用于增材制造时，可以进一步促进质量管理。
“通过我们分析的研究，我们确定了增材制造的关键挑战，以及缺乏质量标准的地方，”杨说。“对于过程中的每一步，你都需要识别症结所在，这是机器学习等方法可以发挥作用的地方，并帮助工程师或设计师如何控制过程，避免缺陷。”
宾夕法尼亚州立大学工程设计与制造保罗·莫罗教授、机械工程教授蒂姆·辛普森(Tim Simpson)解释说，在大规模生产的产品中，这些缺陷可能成为巨大的责任。
辛普森说:“如果你的目标是使用增材制造技术来制造汽车或飞机的部件，那么这个部件最好不要出故障。”
他还指出，失效部件的成本可能会增加，他说，一个失效的金属部件“很容易就会花费1万到2万美元，而且需要多次迭代。”
Simpson说，通过寻找量产零件标准中的质量差距，他们提出的方法对于通过增材制造来确保大批量和定制产品的质量至关重要。
辛普森说:“质量控制程序和方法是为大规模生产而建立的，在大规模生产中，你可以生产成百上千万件东西。”“增材制造可以实现定制，当你只制造一件或几件产品时，当前的质量控制方法和公认的做法并不适用。我们必须以不同的方式思考，以确保零部件的高质量。”
宾夕法尼亚州立大学工业工程教授Soundar Kumara、Allen E. Pearce和Allen M. Pearce指出，他们的综述代表了最先进的增材制造技术，可以帮助研究人员全面理解工具和技术。
