美國TMS發布《利用材料創新支持下一代製造技術》報告
3月1日，美國礦物、金屬和材料協會（TMS）代表製造業前瞻聯盟發布了《利用材料創新支持下一代製造技術》報告。該報告識別了7個能支持下一代製造技術發展的材料創新領域和相關技術，確認了20個有可能成為未來研發突破點的優先研究技術領域。
一、無損評估分析（NDE）和感測器
NDE和感測器可在下一代製造過程中幫助說明材料的質量、可靠性和行為。NDE的「分析」是廣義的分析，指材料和加工數據之間模式和關係的計算髮現，尤其涉及科學和技術領域，包括統計、機器學習、計算模型和模擬。與此領域相關的潛在顛覆性技術包括發展和部署由感測器支持的增強型分析技術，以提高原位感測技術水平，獲得更好的預測模型工具。實時的反饋方法和診斷也有利於調整製備過程，顯著降低失敗頻次，進而減少製造過程中對材料的浪費。
技術突破領域1：新穎的感測技術和實時監測
該領域可致力於研發能評估大體量材料的新穎感測器材料和技術。在具有加工或者製備功能的機器中嵌入或者配置超小的可視化監測系統可能會有一定的用處，但是要保證其性能不會由於環境的侵蝕而降低，以確保其不會干擾製備過程。為了提供更為精確和豐富的數據，需要在應用型製備場景中引入壓電感測器和技術的替代技術。將實時的NDE技術結合到智能製造應用中，需要進一步研究製備過程中可以原位監測各種類型材料的缺陷位置的相關技術，同時得到的數據可以用來確認和訓練數據驅動的分析模型和計算工具。
技術突破領域2：數據挖掘、壓縮、存儲和管理
該領域需進一步發展機器學習演算法，將其應用於與NDE和感測器相關的材料資料庫。另一個潛在技術的是數字主線，因為它提供了一種在產品的整個生命周期內跟蹤相關數據（包括材料數據）的方式。
技術突破領域3：NDE及感測器的預測模型工具
需要藉助材料模型和過程模型來預測採用其他方式非常困難或者不可能測量出的材料參數和特徵。模型應能對實時感測數據做出快速響應。同時應開發虛擬感測器，為了能使其更好的被製造者廣泛接受，需要對其演算法進行研究。模型的開發和實施應該考慮不同的NDE形態，包括材料的微結構和缺陷，及他們之間的相互作用。結合了有限元模型數據和真實NDE數據的預測模擬可以增加預測模型的魯棒性，可以幫助製造者更全面的了解材料缺陷數量及其對製造過程的影響。
二、不同材料的結合
多材料設計方法通常用來製備具有新功能和高級性能的產品或者結構，最重要的是將不同材料結合。現在已經有一些結合工藝，但是他們通常不兼容，不足夠可靠，不能夠在廣泛的範圍內實現新的多材料創新的低風險結合。為此，必須通過計算模型和高級軟體程序來模擬和設計不同材料的結合以促進新方法的研發和成熟。這些模型必須能夠解決與材料性質不匹配及多層面加工方法相關的系列挑戰。此領域的創新可以解決不同材料結合過程中影響性能、實用性及可修復性的關鍵問題，包括接觸腐蝕，熱膨脹過程中材料的不兼容等。針對不同結合過程研發新的候選材料可以促進新的多材料設計方法的發展。固態結合技術和增材製造方法也是製備多材料組件的理想方法。
技術突破領域1：多材料設計、模型及快速表徵工具
需要新穎的材料結合模擬工具來預測複雜界面的相互作用，以減少高昂的實驗測試費用。需要模型化的材料性質包括界面、力學、腐蝕性及熱力學性質，及其他在結合過程中及結合後需考慮的與兼容性相關的其他性質。為了增加多材料組件的接受程度及降低產品的壽命限制，材料製造團體應該調研與多種材料類型和不同幾何形狀組件結合相關的設計方法，以確保低成本的解決材料兼容性問題。借鑒半導體產業中與界面相關的創新經驗，可以促進不同材料結合的研發。應該將設計方法學和預測計算模擬與用戶友好的軟體工具結合使用。
快速表徵工具和自適應的過程式控制制有助於提高結合的整體性，實現理想材料和不同加工過程的更快速掃描，降低加工成本，驗證模型工具等。這需要建立相關的標準（包括測試方法、工具及儀器），以實現界面特點及鍵合性能（如強度）的快速表徵等。
技術突破領域2：用於多材料聯合應用的新候選過程和材料
近些年，一些不同材料結合領域出現了一些進展，如電弧焊接、混合結合方法和固態結合方法。用於結合的新方法、新材料和新工具可以在多材料應用領域發揮作用。該領域有前景的方向是研發具有高粘度、導電性、大的溫度範圍及具有高熱循環耐受性的低成本粘合劑。加工過程中表現出良好相變性能的材料應該成為多材料結合的候選材料。通過不同材料的創新結合製備的組件也可以應用到產品的再循環和臨終拆卸中。
技術突破領域3：固態和沉積結合過程
在較低溫度操作或者依賴於替代能源的可擴展固態焊接技術可以在製備過程中顯著降低能源消耗需求，增加擴展能力，如攪拌摩擦、熱摩擦、超聲、衝擊焊接等。新穎的金屬與陶瓷/陶瓷基複合物固態製造工藝可以提升相關應用的生產效率並改善產品的可修補性。表面合金技術與結合過程的協同使用可以改善化學鍵的分布方式。研究混合增材製造方法（結合了增材製造和減材加工技術）可以得到更為便宜的組件，複合材料的設計可採用最新的層壓板製造技術。
三、加速材料發現和設計的機器學習
數據的合理優化利用有可能催生材料創新領域的系列突破性進展。最近在實驗表徵、測試方法、計算模型及數據存儲能力方面獲得的進展可以實現材料數據的高精準度產生和存儲，其速度超過了數據的分析速度。為此，材料團體要探索類似機器學習的演算法來提高和優化預測分析及決策制定，其優勢是：可以通過擴展材料組件設計空間的方式，支持所有企業製造部門對材料的選擇和優化，同時可以促進材料發展，節省產品設計時間，使材料創新成果更快的融入突破性製造技術中；促進了閉環實驗，優化了材料發現和製造過程，幫助材料製造團體解決了預測模型中物理範疇內主要的不確定性問題。
技術突破領域1：機器可讀的數據格式和架構
專有或者獨特的數據格式和架構不允許數據共享及自動分析，也禁止數據管理平台與表徵工具和儀器之間的數據互用。材料團體應該支持現有的或者創造一些新的、數量有限且開放的機器可讀數據格式，以促進機器學習演算法的廣泛使用，進而促進材料的發現和設計，及提升新材料的製備工藝。同時，建立一些可以構建新資料庫或將現有數據轉換成機器可讀格式的相關項目。
技術突破領域2：快速的數據產生
為更好的利用機器學習工具的各種優勢，需要採用新的實驗方法產生大量低成本標準化數據。研究人員曾表示即使是失敗的實驗，機器學習方法也可以給出一些有用的見解。有必要在數據產生階段研發可以促進合金及製造過程發展的快速數據掃描技術；在材料研發和製造階段研發可以快速產生數據及進行機器學習的專有感測器，以增加數據驅動分析工具的使用機會。
技術突破領域3：計算機篩選和機器學習方法
在材料篩選和發現過程中有必要使用能對感測器發出的反饋信息進行持續評估的軟體工具，有必要建立一種對材料和製備數據背後的一些物理、材料科學、冶金學及加工原理有一定知識儲備的機器學習演算法。同時研究能夠兼容不同長度單位數據的方法，尤其是研究能集成不同製造階段數據的方法。機器學習有利於高緯度材料和加工設計空間的快速尋找，以確認可行的材料，結構及加工條件。對於很難或者不可能得到數據的計算模擬可以與機器學習相結合來使用。
四、新材料和過程的認證
在對產品、材料和加工過程進行製備和部署之前，一般都要進行嚴格的質量測試，以確認產品的質量和使用壽命。質量測試還包含統計學上的設計容許值的產生，以確保最終測量得到的性能參數滿足最初的設計要求。材料認證是需要重要資源的產品發展過程中重要且必須的一個階段，尤其對於需要由新興製造方法製備的新穎材料體系更是如此。現有的認證模式涉及對部分樣品的破壞性測試，測試對象通常是通過確定的加工路線合成的且已經被廣泛研究的材料體系。然而該方法並不適用於新材料的快速部署，也不適合經由增材製造製備的小部件的認證。所以，採用數字方法有助於對依賴於材料和組件行為的模型和模擬的認證。製備過程的原位監測可以幫助確認該組件是可用的，不需要再進行破壞性測試。
技術突破領域1：用於材料認證的最佳經驗的框架
為了降低材料認證步驟的成本、複雜性及認證時間，利益相關者應該一起建立一個企業範圍內的框架促進大家了解與認證相關的主要資源（包括材料資料庫）的獲得性及最好經驗。現在應該致力於採取統一的數據格式支持快速的材料認證。
技術突破領域2：用於材料測試的計算模型認證方法
以計算方式模擬材料性能的模型認證方法可以顯著降低必需的物理測試水平，由此縮短認證材料和過程所需的時間。這些模型有必要經過嚴格的認證和驗證以確保可信的、高保真的精準數據。計算模型要能夠通過有代表性的體積單元展示出大體積物質詳細的微結構進而產生可信的評估結果。
技術突破領域3：感測器和數據驅動的分析使快速認證成為可能
感測器件的實時反饋應該與材料和過程模型相結合，以理解其對產品最終性能的影響，尤其是大批量生產時，這樣可以縮短材料生產、過程優化及認證所需的時間，同時可以降低成本。有必要研發新穎、可靠的智能材料監測過程和器件，對即將出現的故障進行原位定點探測。可以利用機器學習自動評估材料的微結構並將其與性質相聯繫，以顯著提高材料認證的效率，準確性及適應性。
五、下一代導電材料
輕質的高性能導電材料有助於提高製造業的能源效率、生產能力及競爭力。通過提供高效便宜的銅替換材料，電網的基礎設施部件有可能增加或者被替換，也可以將其作為使能技術用於可再生能源平台，還可以使軍事及交通領域（尤其是航空）的應用輕量化，燃料效率提高及降低排放。下一代導電材料還可以促進小規模的生物醫療和生物兼容產品性能的提高，如腦移植、起搏器、植入式電極等。該領域的技術突破不僅可以影響美國的製造業，還將對美國社會（國家安全）產生重要影響。該領域的研究應該致力於大範圍的材料篩選，包括先進的超導體、銅基體納米碳複合材料、介電材料及塗層材料。
技術突破領域1：超導材料和新穎的納米材料
高溫低損耗高強度，且具有較寬操作範圍的超導體是非常有前景且值得持續關注的技術領域。銅基體納米碳複合材料是一種高電導、高抗腐蝕性和高機械強度的新穎新材料。在能源收集領域有潛在應用的導電碳基納米線可用於規模化的製造技術。製造方法的發展，線型及其他結構超導材料（包括基於鋁、銅、鎂/碳、碳納米管、銅基體納米碳複合材料、石墨烯等的材料）的性能提升都需要界面和彌散物理學方面的基礎知識。
技術突破領域2：塗層及介電絕緣體
塗層和絕緣體是重要的支持性技術，需要材料領域的創新以幫助其在下一代導電材料中有所應用。相關研究和發展應致力於優化高級介電絕緣體，使之可與低損耗導電材料一起使用。結合了強度和導電性能的新穎塗層非金屬材料為高級導電材料的製備和發展提供了希望。
技術突破領域3：用於能源存儲和收集的導電材料
下一代導體將使小的高電壓、能源密集且輕質、滿足各種消費需求的轉換器件成為可能。未來的器件可能會是採用增材製造技術製備的複雜的、高溫高效的熱交換器。用於收集流失熱量的材料和結構設計方法可用於下一代導體支持的基礎設施中。
六、智能製造和數字主線技術材料
材料創新對於智能製造非常重要。智能製造包括集成企業自動化軟體、硬體工具、雲服務、3D計算模型、感測器、移動計算、智能等功能，結合平台的使用，使製造企業能夠實現前瞻性管理。在智能製造過程中採用數字主線技術對材料和加工過程進行追蹤可以控制操作過程，可以幫助製造者監測材料，生產能力和產品質量，不間斷的檢驗材料缺陷和損傷，管理如能源消耗等各種材料處理、加工及製備參數。
技術突破領域1：可以測量詳細的材料加工數據的感測器
特別需要對現有感測器設備和平台進行基礎性研究，以確定他們在獲取關鍵材料性質參數及材料缺陷方面的能力。由於受到來自製造環境方面的挑戰，需要採用彈性非接觸感測器實現對製備過程的間接測量。同時需要創新的材料技術支持低成本、魯棒且耐用的感測器的發展並展示其可行性，以提升許多老牌金屬企業對感測器的接受程度，實現新的突破。
技術突破領域2：材料數據管理、分析和智能決策
最先進的製造環境需要配備數據驅動的分析和數據管理工具，使其可以翻譯大量感測器發送的數據及其他數據，並且能夠根據提供的信息，對隨後的材料加工和製造做出智能決策。採用向下選擇的方法確認重要的材料參數，將會減少對材料數據收集和後續分析的需求。採用數據挖掘技術對機器信號進行分析，可以直接的得到和分析關鍵材料性質和表徵數據，實現對製備組件的快速原位表徵，並在表徵數據和相關製備過程之間建立聯繫。材料製備團體應該支持通用的材料數據格式，以實現材料數據之間的有效交換。同時需要高級數據壓縮工具來支持快速的材料數據處理、加工、分析。
用於監測和量化材料數據中的模型或者加工參數的人工智慧跟蹤演算法和機器景象分析可以與決策理論相結合，為快速決策和策略調整創造新的可能性，以降低材料和過程的可變性，提高產品質量。自動化的前攝控制也有望監測製備組件的質量。
技術突破領域3：計算的材料模型工具
用於材料建模和工作流管理的產品壽命計算模型是智能製造實踐中不可缺少的部分。材料團體應該研發新的界面友好、傻瓜式、與智能製造基礎設施兼容的集成計算材料工程（ICME）高級工具。這些工具應該使用可信的，可追蹤的材料模型和產品發展鏈以追蹤跨越不同材料體系和過程的參數，這樣可以確保本地組件材料的微結構滿足最初的設計要求。
七、智能材料
智能材料和技術是支持下一代製造技術非常有希望的領域。智能材料可以滿足重要的製造需求，如預防性維修、故障檢測、信號傳輸及材料減重等。智能材料代表了從被動材料到主動材料的重要轉變，這一轉變對許多產業部門都有影響。智能材料可以支持能夠快速反饋的嵌入式感測技術，進而縮短製造和進入市場的時間周期。與材料數據分析相結合，該領域的創新有助於提高機器人設施的觸感，增加安全性，減少製造過程的停工期，狀態檢修和部件替換，及降低產品成本，以此提升美國製造業的競爭力。由於能夠適應不同的操作過程，下一代智能材料系統還可以降低製備過程中的能源消耗。材料團體應該對不同製造平台內幾個特定應用領域（如感測器和制動器）的新智能材料和加工過程進行投資，利用材料模型和模擬支持新智能材料的發現和發展。
技術突破領域1：新穎的智能材料和製造方法
90年代起，智能材料的研發開始有長足進步，但還要做很多工作才能使其更為廣泛地應用於下一代製造，如自適應材料和結構可以促進基於生物模擬材料、自清潔材料、自愈材料及生物兼容材料的下一代製造組件的發展。最有前景的智能材料有高性能陶瓷、碳基材料、無鉛壓電材料、熱電能源收集材料。應該探索能組裝具有不同層級架構的智能材料的增材製造技術，可能包括由化學反應過程增強的增材製造技術。研究者還要研究其他創新材料製備方法，實現將基於智能材料的感測器及制動器嵌入到結構材料和組件內部的同時結構的完整性不會受到影響。
技術突破領域2：建模和數據分析
智能材料另一個有潛力的研究領域是研發預測性計算模型工具，該工具可以用於快速掃描和發現能應用於各種製造領域的智能材料候選材料。同樣，模型和數據分析可以幫助確定在結構或者功能材料的製備過程中智能材料感測器的最佳位置。但首先需要加深對候選材料性能的基礎性理解。
（作者單位：中國科學院文獻情報中心）
TAG:戰略與政策論壇 |