3D打印从模型的建模，到生产工艺、加工参数、仿真、材料性能、产品质量、供应链可以说产生了海量的数据。
仅仅是金属3D打印过程中就有50多个变量相互发生作用，感谢这些剪不断理还乱的大数据，为3D打印带来困惑的同时也带来了机遇。
如何理性看到大数据为3D打印带来的机会？究竟大数据在3D打印领域是工具还是亦可以成为一种商业模式？

数据实现定制生产
3D打印的效率和灵活性使得生产订单的产生方式发生方向性的改变。以前是公司需要预测生产什么，生产多少量，然后进行生产，经常会出现产能过剩或者不足的现象。而3D打印可以实现安需生产，拿到定制化订单，快速生产，零库存，快速发货。

数据流在这其中发挥了什么作用呢？就拿医用鞋垫的生产来说，医生使用三维扫描获取用户脚部数据，然后将扫描数据提供给设计师。设计师根据扫描数据进行建模以及设计优化，让用户脚部数据与鞋垫足够拟合。设计数据提交给3D打印机将鞋垫打印出来。3D打印机的地点则非常灵活，既可以是制造商的3D打印机，也可以是医院的3D打印机，甚至可以是用户附近的3D打印机。

3D打印矫正鞋垫供应链
我们认为3D打印的技术特点带来了供应链的变化，供应链的变化带来了数据流的变化，而数据流的变化进一步增强了3D打印在应用端的渗透能力。
另外，CAD建模与产品是对应的，这些文件是巨大的、复杂的，这必然意味着他们需要更多的服务器存储空间，严格的安全性和敏锐的归档方法。围绕着这其中的需求，我们认为还将诞生出大数据＋3D打印更多的商业模式。而在这方面，以America Makes引领的美国增材制造行业已经在进行积极的布局。

America Makes的大数据布局包括为其成员提供了一个新的资源，将每个成员单位的能力通过数据关键词记录形成“能力数据库”，该数据库只有注册会员才能够查询和使用。通过这个数据库，Amercia Makes的会员能够更便利的找到自己的合作伙伴，最大限度的利用资源和知识，全面提升增材制造技术的应用和发展。

America Makes的数据库还与半开放型的Senvol数据库对接，以增强其用户从上游供应商搜索到加工过程决策的无缝衔接需求。Senvol数据库，就像是一个增材制造行业的Google, 包含了工业增材制造设备和材料的数据。用户可以在上面根据自己的需求搜索与之相关的信息。其强大的专有算法可以帮助生产者确定哪些部分使用增材制造（AM）会比传统工艺更加有效。这个算法分析了整个供应链，并考虑了诸如库存、停机时间和运输等各项因素。

数据源质量保证
通用电气航空公司将在2020年通过3D打印生产10万个喷油嘴引擎组件，3D打印在生产喷油嘴方面的速度更快、效率更高，但也需要更先进的质量控制。无数的因素会影响最终产品的结果，包括温度、取向、变形、收缩、膨胀、结构完整性等。

为了增强对增材制造过程中各个变量之间发生的相互影响，美国国防部先进研究项目局（DARPA）的Open Manufacturing开放制造计划旨在通过数据来了解制造。DARPA指出，为了使3D打印成为复杂军工部件——比如飞机机翼——制造的主流技术，就需要对“基于不同属性和性能材料的各种制造方法所产生的细微差别”有深入的了解。由于无法对3D打印出来的每一个部件都进行测试，目前能做的是对某一个特定的生产批次中的极少数产品进行测试，然后由抽样测试的产品质量代表整个生产批次的质量。这就是为什么DARPA的开放式制造项目对于增材制造的未来如此重要的原因：因为对于技术和材料的透彻了解能够帮助公司节省大量的时间和金钱。

我们认为除了像美国国防部的开放制造计划这样采集众多的加工数据来实现对增材制造的理解，过程中的监控手段必不可少，在金属熔融的过程中有超过50种不同的因素在发挥着作用，粉末的尺寸和形状公差、熔融层中的空隙、最终部件的高残余应力，以及对材料性能——包括硬度和强度等各种变量相互关系的研究不足导致了3D打印工艺难以量化控制。金属粉末熔化不当导致零件的内部缺陷，即使现有的技术难以控制金属熔化的过程，即时的监测必不可少。3D科学谷了解到Sigma Labs软件的主要工作原理是将模型切片作为微观层面的设置跟加工过程做匹配，从模型切片创建与质量的相关性，这种前瞻性的过程控制被称为过程质量保证，是西格玛实验室独特的（iPQA）技术。这样可以提高生产效率，并实现制造业务精益战略。

当然仅仅通过Sigma Labs实现过程中监测与控制是不够的，看到国际上尤其是仿真软件正在为过程前的建模优化与加工参数设置而发力。通过仿真对材料属性在增材制造过程中发挥的作用，减少昂贵材料的浪费，以及避免试验不通过的材料情况发生，在这方面，仿真软件的设计是个大数据的活。仿真软件需要与机器制造商合作，以获得设备的物理参数权利；需要与材料供应商合作，以保证材料科学指标是正确的；需要与测试专家合作，以确保正在测试的零件是正确的；需要和与用户合作，以确保得到更多的预测结果与实际效果之间匹配的权利。根据所有的材料、设备和产品的关键信息，预测如何改变材料，机器和建模。这些数据的获得与反馈将形成一套对增材制造的闭环控制体系，而无疑大数据在其中发挥了重要的作用。

其他
另一个层面，3D打印与大数据“手拉手”的还涉及到数据可视化领域。3D科学谷看到作为全球数据大爆炸的时代，所有行业的公司都正在寻找创新的方式，使他们的数据更有价值和意义。麻省理工学院的两名研究人员证明了3D打印的实用程序作为一种数据可视化工具，他们制作了一个三维比例模型的麻省理工学院的校园，并使用彩色灯光通过投影机显示学校的各种数据，如建筑高度。该模型的优点是它提供了一个固定的框架，用于显示变量的数据输入。

而在硬件方面，3D打印也进一步推动了大数据存储技术的提升。3D打印存储驱动器、服务器组件、电路板和其他技术。从理论上说，这些通过3D打印的驱动器又可以承载大数据。

3D打印从模型的建模，到生产工艺、加工参数、仿真、材料性能、产品质量、供应链可以说产生了海量的数据。
仅仅是金属3D打印过程中就有50多个变量相互发生作用，感谢这些剪不断理还乱的大数据，为3D打印带来困惑的同时也带来了机遇。
如何理性看到大数据为3D打印带来的机会？究竟大数据在3D打印领域是工具还是亦可以成为一种商业模式？

数据实现定制生产
3D打印的效率和灵活性使得生产订单的产生方式发生方向性的改变。以前是公司需要预测生产什么，生产多少量，然后进行生产，经常会出现产能过剩或者不足的现象。而3D打印可以实现安需生产，拿到定制化订单，快速生产，零库存，快速发货。

数据流在这其中发挥了什么作用呢？就拿医用鞋垫的生产来说，医生使用三维扫描获取用户脚部数据，然后将扫描数据提供给设计师。设计师根据扫描数据进行建模以及设计优化，让用户脚部数据与鞋垫足够拟合。设计数据提交给3D打印机将鞋垫打印出来。3D打印机的地点则非常灵活，既可以是制造商的3D打印机，也可以是医院的3D打印机，甚至可以是用户附近的3D打印机。

3D打印矫正鞋垫供应链
我们认为3D打印的技术特点带来了供应链的变化，供应链的变化带来了数据流的变化，而数据流的变化进一步增强了3D打印在应用端的渗透能力。
另外，CAD建模与产品是对应的，这些文件是巨大的、复杂的，这必然意味着他们需要更多的服务器存储空间，严格的安全性和敏锐的归档方法。围绕着这其中的需求，我们认为还将诞生出大数据＋3D打印更多的商业模式。而在这方面，以America Makes引领的美国增材制造行业已经在进行积极的布局。

America Makes的大数据布局包括为其成员提供了一个新的资源，将每个成员单位的能力通过数据关键词记录形成“能力数据库”，该数据库只有注册会员才能够查询和使用。通过这个数据库，Amercia Makes的会员能够更便利的找到自己的合作伙伴，最大限度的利用资源和知识，全面提升增材制造技术的应用和发展。

America Makes的数据库还与半开放型的Senvol数据库对接，以增强其用户从上游供应商搜索到加工过程决策的无缝衔接需求。Senvol数据库，就像是一个增材制造行业的Google, 包含了工业增材制造设备和材料的数据。用户可以在上面根据自己的需求搜索与之相关的信息。其强大的专有算法可以帮助生产者确定哪些部分使用增材制造（AM）会比传统工艺更加有效。这个算法分析了整个供应链，并考虑了诸如库存、停机时间和运输等各项因素。

数据源质量保证
通用电气航空公司将在2020年通过3D打印生产10万个喷油嘴引擎组件，3D打印在生产喷油嘴方面的速度更快、效率更高，但也需要更先进的质量控制。无数的因素会影响最终产品的结果，包括温度、取向、变形、收缩、膨胀、结构完整性等。

为了增强对增材制造过程中各个变量之间发生的相互影响，美国国防部先进研究项目局（DARPA）的Open Manufacturing开放制造计划旨在通过数据来了解制造。DARPA指出，为了使3D打印成为复杂军工部件——比如飞机机翼——制造的主流技术，就需要对“基于不同属性和性能材料的各种制造方法所产生的细微差别”有深入的了解。由于无法对3D打印出来的每一个部件都进行测试，目前能做的是对某一个特定的生产批次中的极少数产品进行测试，然后由抽样测试的产品质量代表整个生产批次的质量。这就是为什么DARPA的开放式制造项目对于增材制造的未来如此重要的原因：因为对于技术和材料的透彻了解能够帮助公司节省大量的时间和金钱。

我们认为除了像美国国防部的开放制造计划这样采集众多的加工数据来实现对增材制造的理解，过程中的监控手段必不可少，在金属熔融的过程中有超过50种不同的因素在发挥着作用，粉末的尺寸和形状公差、熔融层中的空隙、最终部件的高残余应力，以及对材料性能——包括硬度和强度等各种变量相互关系的研究不足导致了3D打印工艺难以量化控制。金属粉末熔化不当导致零件的内部缺陷，即使现有的技术难以控制金属熔化的过程，即时的监测必不可少。3D科学谷了解到Sigma Labs软件的主要工作原理是将模型切片作为微观层面的设置跟加工过程做匹配，从模型切片创建与质量的相关性，这种前瞻性的过程控制被称为过程质量保证，是西格玛实验室独特的（iPQA）技术。这样可以提高生产效率，并实现制造业务精益战略。

当然仅仅通过Sigma Labs实现过程中监测与控制是不够的，看到国际上尤其是仿真软件正在为过程前的建模优化与加工参数设置而发力。通过仿真对材料属性在增材制造过程中发挥的作用，减少昂贵材料的浪费，以及避免试验不通过的材料情况发生，在这方面，仿真软件的设计是个大数据的活。仿真软件需要与机器制造商合作，以获得设备的物理参数权利；需要与材料供应商合作，以保证材料科学指标是正确的；需要与测试专家合作，以确保正在测试的零件是正确的；需要和与用户合作，以确保得到更多的预测结果与实际效果之间匹配的权利。根据所有的材料、设备和产品的关键信息，预测如何改变材料，机器和建模。这些数据的获得与反馈将形成一套对增材制造的闭环控制体系，而无疑大数据在其中发挥了重要的作用。

其他
另一个层面，3D打印与大数据“手拉手”的还涉及到数据可视化领域。3D科学谷看到作为全球数据大爆炸的时代，所有行业的公司都正在寻找创新的方式，使他们的数据更有价值和意义。麻省理工学院的两名研究人员证明了3D打印的实用程序作为一种数据可视化工具，他们制作了一个三维比例模型的麻省理工学院的校园，并使用彩色灯光通过投影机显示学校的各种数据，如建筑高度。该模型的优点是它提供了一个固定的框架，用于显示变量的数据输入。

而在硬件方面，3D打印也进一步推动了大数据存储技术的提升。3D打印存储驱动器、服务器组件、电路板和其他技术。从理论上说，这些通过3D打印的驱动器又可以承载大数据。