《Proceedings of the Design Society》：An iterative investigation of needs and barriers in deciding when to design for additive manufacturing
编辑推荐：
增材制造（Additive Manufacturing, AM）在工业中的应用仍然有限，部分原因在于难以判断AM何时比传统工艺更适合。由于这一决策必须在设计早期作出，才能有效开展面向增材制造设计，因此有必要理解塑造此类评估的相关因素。本研究采用迭代式需求分析与
增材制造（Additive Manufacturing, AM）在工业中的应用仍然有限，部分原因在于难以判断AM何时比传统工艺更适合。由于这一决策必须在设计早期作出，才能有效开展面向增材制造设计，因此有必要理解塑造此类评估的相关因素。本研究采用迭代式需求分析与原型开发循环，对这些因素进行考察。研究结果识别出影响早期“何时面向AM开展设计”决策的关键需求与障碍，并表明，开发有效的支持方式需要对潜在问题形成深入理解。
本文发表于《Proceedings of the Design Society》，聚焦于工业场景下“何时面向增材制造（Additive Manufacturing, AM）开展设计”这一早期决策问题。研究背景在于，AM虽然能够支持高几何复杂度、定制化、零件整合等优势，但这些潜力在工业中并未得到充分释放。现有实践中，设计人员与工程师更倾向于沿用熟悉的传统制造（Conventional Manufacturing, CM）路径，只要既有工艺仍能满足需求，便缺乏转向AM的动力。与此同时，是否采用AM的判断必须发生在设计前期，否则AM在功能集成、轻量化、表面/材料结构调控等方面的价值往往无法真正实现。论文进一步指出，当前工业中的此类决策常常依赖经验、直觉与隐性知识，而缺少系统化分析；学术界虽已提出若干支持方法，但往往要么只覆盖可行性（feasibility）而忽视适用性（suitability），要么依赖既有几何模型，难以支持前期决策，且普遍缺乏与产业用户的深度共创。因此，研究人员开展本研究，旨在通过迭代式、协同演化式的方法，在问题理解与支持工具开发同步推进的过程中，识别决定“何时为AM设计”的核心需求与障碍，并据此改进决策支持的有效性与可用性。
从研究设计看，本文的核心贡献并不只是提出一个原型工具，更在于展示一种方法论路径：通过产业界与学术界双轨并行的短周期迭代，让问题框定（problem framing）与解决方案形成（solution development）共同演化。研究人员首先回顾已有方法，将支持AM决策的方法大体归纳为三类：其一是基于排除的筛选方法，擅长剔除不可行方案，但难以处理多个均可行工艺之间的适用性权衡；其二是基于几何的方法及其结合人工智能（Artificial Intelligence, AI）的变体，能够根据三维模型分析特征尺寸、支撑结构、成形空间等，但必须依赖预先存在的零件设计，因此无法用于真正的设计前期；其三是多准则决策（Multi-Criteria Decision Making, MCDM）方法，可在成本、交期、性能等因素间权衡，更接近适用性分析，但常过度依赖计算、缺乏因素选取指导，并且对AM特有增值特征关注不足。基于这一文献回顾，论文明确提出：当前研究缺少扎根真实产业需求、并通过持续用户互动演化而成的早期决策支持。
研究人员采用与设计研究八重模型（eightfold model）及敏捷设计研究（Agile Design Research）一致的迭代框架。方法上主要包含两类关键技术路径：第一，面向产业的质性研究与原型共创，包括2场工作坊、8次半结构化访谈、3次线上访谈，以及跨两处公司场地的现场调研，并选取3个生产线工具作为案例对象进行AM重设计、打印制造与装配线评估；此外，与3家大型制造企业代表开展5次补充会议，以扩展组织层面的采纳视角。第二，面向学术参与者的受控实验评估，先后组织研究人员围绕生产线起吊工具及简化设计问题开展多轮测试、问卷、协议分析（protocol analysis）与事后访谈，以识别可用性与认知决策问题。原型工具依次经历Excel清单、Python交互实现、Figma界面与Microsoft Power Apps功能原型等阶段，并在持续文献综述支撑下迭代成熟。
在结果部分，论文保留并围绕两个主标题展开：4.1 Needs and expectations；4.2 Barriers。
4.1 Needs and expectations
在“需求与期望”部分，研究首先指出与AM本身相关的核心需求，即必须明确探索AM能够为产品带来何种附加价值。研究人员归纳的典型AM增值特征包括定制化、基于晶格（lattice）的轻量化结构、内部流道、零件整合，以及表面或材料结构变化。若设计者在设计早期没有被明确引导去思考这些特征，则这些机会通常不会被自然识别。由此可见，支持方法不能只问“能不能制造”，还必须问“采用AM是否有意义、意义体现在哪里”。
针对决策过程本身，研究发现，决策支持必须被嵌入详细几何尚未确定的早期设计阶段，并在此阶段显式纳入AM增值特征。工业参与者与学术实验组均认为，原型覆盖了产品功能、需求、生产批量、设备与材料可得性、AM技术属性与约束等相关因素，但同时强调，若要使支持更贴近真实工业应用，还应进一步纳入可持续性（sustainability）、供应链与市场等维度，因为技术适用并不等同于商业成功。此外，研究反复强调区分“可行性”与“适用性”的重要性：前者关注某工艺是否违反生产与设计要求，后者关注在具体产品及其情境中该工艺是否真正合适并带来可感知收益。研究还表明，工业用户普遍期待评估过程高效、直观，过于细致繁复的程序在时间压力较大的工作环境中难以被接受。
针对支持工具层面，论文总结出若干具体需求。首先，评估过程中应设置引导性问题与提示语，以帮助尤其是AM经验不足的用户考虑原本容易遗漏的因素。其次，工程师建议支持系统采用双层结构：一类是面对新手的引导式、全面评估版本；另一类是面向有经验用户、基于历史产品数据自动推荐工艺与制造细节的自动化版本。再次，将AM设备可用性、材料属性等分散信息整合到单一工具中具有明显价值，因为现实中这些信息往往碎片化、获取耗时。与此同时，参与者也提出“工具疲劳”问题，即设计师已经需要使用多个数字工具，因此新工具应尽可能与现有数字基础设施集成，而非增加额外负担。关于可用性，研究显示清晰性、术语明确定义、问题表达具体并辅以实例非常关键；计算过程的透明性有助于建立信任。界面层面，用户偏好下拉菜单、默认值、条形图和饼图等可视化方式，也希望有页面能够汇总输入参数并允许动态调整，以便观察参数变化如何影响结果。
4.2 Barriers
在“障碍”部分，研究识别出与AM、决策过程及支持工具相关的多重限制。首先，AM相关障碍体现在当前决策高度依赖直觉与隐性知识。一位工程师甚至直接表示“都在脑子里”。学术实验中，不使用原型而仅依赖直觉的组别，经常忽视AM驱动的设计机会，如基于晶格的减重和零件整合，因此容易漏掉潜在收益。工业案例也表明，AM常常只在CM变得过于昂贵或过于缓慢时才被考虑，这使AM被定位为“备选方案”而非主动性选择。再加上“AM主要适合原型、小批量、高复杂度零件”的刻板印象，如果产品不被视作“足够复杂”，AM就很少进入候选范围。这些现象共同表明，行业对AM价值的理解仍偏狭窄。
其次，创造性思维构成另一类关键障碍。研究人员发现，识别AM机会高度依赖设计者既有的AM经验。具备AM设计经验的参与者更容易理解相关术语，也更擅长发现再设计空间。这说明某些障碍并不能单靠预定义规则完全消除，因为创造力可以被支持，却无法被保证。
在决策过程层面，论文指出，当前工业实践通常是先定义客户需求，再选择制造工艺。虽然这一流程高效，却会抑制对客户可能重视但尚未明确表达的AM机会的探索。决策还常受到既有成功方案的路径依赖影响，只要现有方案“够用”，便不太会显式质疑其是否真为最合适工艺。研究进一步指出，功能导向推理（function-based reasoning）在实际决策中使用不足。判断AM适用性需要围绕产品主要功能与需求，而非固守既有几何特征；但无论工业观察还是学术实验都显示，参与者强烈依附于遗留设计几何，这种几何驱动视角会限制再设计探索，削弱AM价值识别。论文还批判性地讨论了基于CAD库自动扫描AM适用零件的算法路径，认为尽管其可提高效率，却可能进一步强化对既有几何的关注，而非鼓励功能重释与系统性再设计。
在支持工具相关障碍方面，研究提出了一个值得注意的“信心悖论”。在最终实验中，使用原型的组别经过系统分析后倾向于保留CM，而凭直觉决策的组别则更容易选择AM，并且后者信心更高。也就是说，结构化分析虽然提高了决策质量，却可能降低主观确定感。研究人员认为，这反映出分析深入后，不确定性被更充分地暴露，参与者因而更谨慎。另一个障碍是用户常期待支持工具给出唯一“正确答案”。当AM与其他工艺的适用性百分比接近时，参与者往往难以有信心地作出选择，且过度聚焦数值输出，而忽视原型原本意在促进的反思与讨论。这说明决策支持的设计必须在分析结构化与解释灵活性之间取得平衡。论文还指出，若原型实现质量不足，界面问题会直接影响用户对方法本身价值的判断；相较静态材料，交互式原型更有利于激发反思、收集反馈，而随着原型逐渐成熟，讨论深度也随之提高，说明持续迭代优于一次性评估。
综合讨论部分，论文认为，本研究最重要的发现之一，是采用产业参与者与学术参与者并行的双人群研究策略具有明显优势。工业实践者更擅长揭示内容层面的需求、约束与真实应用情境中的实用性；学术参与者则更容易暴露认知决策模式、界面可用性问题及方法逻辑缺陷。两类视角相互补充，增强了所识别需求与障碍的稳健性，也使得在产业接触受限时，学术导向迭代仍可维持开发节奏并提供结构化分析深度。整篇论文据此强调，真正有效的AM早期决策支持并非简单提供一个算法或清单，而是要建立在对问题空间的深入理解之上，并通过持续用户互动实现内容与交互形式的共同成熟。
研究结论部分可译述为：开发有效的决策支持需要对潜在需求与障碍形成深入理解。对于AM这类制造技术而言，这一点尤为重要，因为若要从AM提供的机会中受益，产品往往需要面向AM进行设计，而这又要求在设计过程早期判断AM是否为恰当替代方案。此类理解可以通过数据收集、原型开发与反馈循环构成的迭代过程获得，使问题理解与解决方案共同演化。本文的一项关键贡献，在于展示了结合产业与学术迭代的方式具有方法论价值，互补的实践视角与分析视角共同增强了决策支持开发的相关性与稳健性。基于这一方法，研究将识别出的需求与障碍归纳为三类：AM相关方面、一般决策过程以及支持工具本身。研究结果表明，当前决策往往受直觉驱动、受遗留几何约束，并且缺乏基于功能的推理；与此同时，判断何时面向AM开展设计是一个多因素问题，需要在设计早期开展系统分析，并明确探索AM的价值赋能特征。基于这些认识，论文提出了改进决策支持有用性与可用性的建议，并指出所提出的决策支持仍在持续开发之中。
