1. 簡介
體積積層製造（VAM）代表著從傳統逐層技術的典範轉移，能夠快速、同步地製造整個物件的三維結構。然而，快速原型製作流程仍受到列印後檢測與計量學的瓶頸限制。目前的方法，如X射線電腦斷層掃描或光學掃描，屬於非原位、耗時且無法整合到列印過程中的技術。本研究透過為斷層掃描體積積層製造引入一套完全同步的三維計量與列印系統，來解決這一關鍵缺口。
核心創新在於利用光敏樹脂在其凝膠化階段光散射的急遽增加。此物理變化被用於在物件成形時，對列印過程進行即時、無偽影的三維成像，達成低於列印尺寸1%的幾何精度。此整合為積層製造的閉迴路控制鋪平了道路。
2. 方法論與技術細節
2.1. 斷層掃描體積積層製造原理
在斷層掃描體積積層製造中，一個三維數位模型透過斷層掃描重建原理（類似於反向CT掃描）被分解為一系列二維光圖案（投影）。這些圖案從多個角度，透過一個裝有光固化樹脂的旋轉小瓶進行投影。當累積的光劑量超過凝膠化閾值時，樹脂固化，一次性形成所需的物件，消除了層線和支撐結構的需求。
2.2. 用於原位計量學的光散射技術
原位計量學的關鍵在於樹脂光學特性的變化。液態樹脂基本上是透明的，但在凝膠化時，由於形成具有折射率不均勻性的聚合物網絡，它變得具有高度散射性。透過照射建構體積，並使用相機從多個角度捕捉散射光，可以即時重建散射密度的三維圖譜——這直接對應於固化的幾何形狀。
2.3. 數學框架
從捕獲的二維投影 $P_\theta(\mathbf{x}, t)$ 重建三維散射密度 $\rho(\mathbf{r}, t)$ 遵循電腦斷層掃描的原理。對於給定的投影角度 $\theta$，其關係由雷登變換建模：
$P_\theta(\mathbf{x}, t) = \mathcal{R}[\rho(\mathbf{r}, t)] = \int_{L(\mathbf{x}, \theta)} \rho(\mathbf{r}, t) \, ds$
其中 $L(\mathbf{x}, \theta)$ 是穿過建構體積、位於偵測器位置 $\mathbf{x}$ 和角度 $\theta$ 的線，而 $ds$ 是線元素。三維模型使用濾波反投影或迭代演算法恢復：
$\hat{\rho}(\mathbf{r}, t) = \mathcal{B}\{ \mathcal{F}^{-1}[ |\omega| \cdot \mathcal{F}(P_\theta(\mathbf{x}, t)) ] \}$
其中 $\mathcal{F}$ 表示傅立葉變換，$\mathcal{B}$ 表示反投影運算子。時間分量 $t$ 允許進行四維（三維+時間）監測。
3. 實驗結果與分析
3.1. 設置與校準
實驗設置將標準的斷層掃描體積積層製造系統（投影機、旋轉小瓶）與一個額外的成像系統整合。一個漫射光源照射小瓶，一個或多個相機捕捉散射光。系統使用已知幾何形狀的模型進行校準，以建立散射強度與固化體積之間的關係。
3.2. 精度與效能指標
主要成果是展示了原位量測的幾何形狀相對於最終列印零件和原始CAD模型，達成了低於1%的尺寸精度。對於一個基準列印件（例如複雜的晶格結構或機械零件），原位重建與非原位微電腦斷層掃描之間的均方根誤差（RMSE）據報告低於物件特徵尺寸的1%（例如，在一個5毫米的零件上約有50微米的誤差）。
關鍵效能指標
尺寸精度： < 物件尺寸的 1%
量測延遲： 近即時（與列印速度同步）
資料類型： 定量三維 + 時間（四維）體積資料
3.3. 缺陷偵測能力
該系統成功地在列印缺陷發生時即時識別。例如，在重建的散射密度圖中，可視化了諸如非預期的孔洞、因光衰減導致的形狀扭曲或懸垂區域固化不完全等偏差。這透過故意引入錯誤（例如，劑量校準錯誤）並展示計量系統的輸出，突顯其與目標幾何形狀的差異來證明。
圖表說明： 一系列三維重建影像的時間序列將顯示物件的生長過程。一個比較圖表會繪製目標CAD模型的線輪廓、原位量測的輪廓以及非原位CT掃描的輪廓，顯示三者之間緊密吻合，且原位資料捕捉了製程動態。
4. 分析框架與案例研究
原位製程-性質關係框架： 此技術實現了一個新的分析框架：直接將製程參數（每個角度的光劑量、旋轉速度）與即時幾何結果相關聯。一個實際的案例研究涉及列印一個具有已知挑戰性特徵的零件（例如精細的銷、薄壁）。
- 輸入： 目標CAD模型和規劃的斷層掃描投影集。
- 製程監測： 原位系統重建實際的散射體積 $V_{actual}(t)$。
- 比較： 在軟體中，$V_{actual}(t)$ 持續與從已知凝膠化閾值和施加劑量推導出的預期「理想」散射體積 $V_{ideal}(t)$ 進行比較。
- 偏差映射： 生成差異圖 $\Delta V(t) = V_{actual}(t) - V_{ideal}(t)$。正值表示過度固化/膨脹；負值表示固化不足/孔洞。
- 根本原因分析： $\Delta V$ 中的空間模式可以追溯到特定的投影角度或劑量水平，從而識別缺陷的確切原因。這優於事後分析，因為事後分析無法將最終缺陷與製程中的特定時刻相關聯。
此框架將品質控制從被動的生產後檢測轉變為整合到製造迴路中的主動診斷工具。
5. 核心見解與批判性分析
核心見解： Orth 等人不僅僅是建構了一個更好的計量工具；他們從根本上重新架構了積層製造的回饋迴路。透過利用光聚合過程本身固有的潛在訊號（散射變化），他們實現了真正的同步量測與製造。這將體積積層製造從一個快速但盲目的過程轉變為一個透明的過程，解決了快速原型製作中最明顯的弱點：列印與確認是否成功之間令人煎熬的延遲。
邏輯流程： 其邏輯優雅且以物理為先。問題：積層製造需要原位幾何量測。限制：無法將掃描器放入樹脂槽中。他們的解決方案：不添加掃描器；讓列印過程本身成為掃描器。凝膠化誘導的散射不是缺陷，而是一個特性。這與其他領域的哲學相呼應，例如利用神經網路的訓練動態進行內省，而非添加單獨的診斷模組。從物理觀察（散射增加）到數學模型（散射密度的斷層掃描重建）再到系統整合的技術流程是無懈可擊的。
優勢與缺陷： 其優勢在於無縫整合和高精度。它需要最少的額外硬體，利用了現有的光路。對於一種原位方法而言，低於1%的精度是顯著的。然而，其缺陷也很顯著，且是開創性工作的典型特徵。首先，它與特定的材料現象緊密相關。它適用於所有光敏樹脂嗎？高填充、不透明或預散射的樹脂可能無法顯示足夠的對比度變化。其次，它透過散射密度量測「固化體積」，而非表面拓撲。細微的表面光潔度問題或聚合物與液態樹脂之間的折射率匹配可能是不可見的。它是一個體積檢測工具，而非表面檢測工具。第三，正如作者所暗示的，目前的即時資料僅用於觀察，尚未用於閉迴路控制。從在時間 *t* 偵測到缺陷，到在列印於 *t+Δt* 完成前計算並應用校正劑量，這是一個巨大的控制理論和硬體挑戰。
可操作的見解： 對於研究人員，當前的路徑是材料通用化：量化不同樹脂化學成分的散射對比度。對於產業界，優先事項不是等待閉迴路控制。真正的近期價值在於製程開發與認證。此系統可以透過對每個測試列印提供即時的體積回饋，將優化新樹脂或新幾何形狀列印參數的時間從數週縮短到數天。製造商應將此視為最終的品質控制站，而是列印過程的終極「數位孿生」——一個用於完善配方、確保在生產中運行時一次成功的工具。對耗時的微電腦斷層掃描過程 [15] 的引用，是對傳統計量學的直接挑戰；這項技術旨在使該瓶頸在開發週期中過時。
6. 未來應用與發展方向
- 閉迴路適應性列印： 最終目標是即時修正。如果在列印中途偵測到偏差，系統可以調整後續的光圖案進行補償——例如，對固化不足的區域增加劑量，或減少劑量以防止過度固化。
- 多材料與功能性列印監測： 將此原理擴展到監測不同材料（例如，透過波長依賴性散射）或功能性填料（例如，碳奈米管）在列印過程中的分佈。
- 與機器學習整合： 生成的四維（三維+時間）資料集非常適合訓練機器學習模型，以預測列印失敗、優化體積積層製造的無支撐設計，或自動分類缺陷類型。
- 標準化與認證： 在受監管的產業（航太、醫療）中，這可以為每個零件提供一個不可偽造的、關於實際建構內部幾何形狀的數位記錄，這對於認證至關重要。
- 超越體積積層製造： 核心概念——使用固有的製程訊號進行計量學——可能啟發其他積層製造模式中的類似方法，例如監測粉末床熔融中的熱輻射或材料擠出中的聲學特徵。
7. 參考文獻
- Kelly, B. E., et al. "Volumetric additive manufacturing via tomographic reconstruction." Science 363.6431 (2019): 1075-1079.
- Loterie, D., et al. "High-resolution tomographic volumetric additive manufacturing." Nature Communications 11.1 (2020): 852.
- Shusteff, M., et al. "One-step volumetric additive manufacturing of complex polymer structures." Science Advances 3.12 (2017): eaao5496.
- Webber, D., & Paquet, C. "Advances in Volumetric 3D Printing." National Research Council Canada Technical Reports (2022).
- Gibson, I., et al. Additive Manufacturing Technologies: 3D Printing, Rapid Prototyping, and Direct Digital Manufacturing. 3rd ed., Springer, 2021. （關於傳統積層製造計量學挑戰的背景）
- ISO/ASTM 52902:2023. "Additive manufacturing — Test artifacts — Geometric capability assessment of additive manufacturing systems." （用於精度評估的相關標準）
- Zhu, J., et al. "Real-time monitoring and control in additive manufacturing: a review." Journal of Manufacturing Systems 68 (2023): 276-301. （關於原位監測的更廣泛背景）
- Wang, C., et al. "Deep learning for real-time 3D reconstruction in additive manufacturing: A review." Virtual and Physical Prototyping 18.1 (2023): e2167456. （連結到機器學習的未來方向）