面向增材制造（AM）的组件系统化识别以增强产品循环性并降低环境影响

《Proceedings of the Design Society》：Systematic identification of components suitable for additive manufacturing to enhance product circularity and reduce environmental impacts

　　

本研究提出了一种在设计早期识别增材制造（AM）适用组件及其循环设计路径的方法。该方法通过结构化、数据精简的问卷调查，结合基于层次分析法（AHP）的权重赋值、基于规则的R策略识别以及面向AM的可行性关口，实现了产品开发初期的透明化筛选。研究以分别用于柴油与电动工况的客车结构件为例进行了验证：方法推荐了主导的R策略，并将前瞻性生命周期评价（LCA-in-the-loop）嵌入循环反馈流程，展示了早期循环性信号与生命周期反馈如何支撑稳健的重设计决策。

研究背景与问题设置
随着可持续要求提高和供应链稳定性下降，交通系统难以在长期服役中维持性能。城市公交车队被要求达到极高累计行驶里程，却面临小批量生产、备件需求波动和供应商淘汰等约束。传统采购制造策略往往导致长交付周期和高库存风险，难以兼顾循环经济与韧性制造目标。在此背景下，金属增材制造（additive manufacturing，AM，即基于数字模型分层制造金属零件的技术）因无需模具、按需生产和可本地化制造等特点，被视为支持零部件再使用（Reuse）、修复（Repair）、再制造（Remanufacture）和减量化（Reduce）等循环策略的潜在途径。然而，以单位质量计，金属AM的环境影响可能高于铣削或铸造，公交行业目前也多用于备件生产。因此，业界亟需一种简洁方法，在早期识别适合AM的组件、选择循环路径并验证可行性。

研究目标与意义
针对上述缺口，研究人员提出了一种将AM适用性问卷筛选、基于规则的R策略识别和面向AM的制造前可行性关口相结合的决策框架，成果发表于《Proceedings of the Design Society》。其意义在于，在产品开发早期以有限数据对候选组件进行透明排序，并将前瞻性生命周期评价（life cycle assessment，LCA，即量化产品全生命周期环境影响的方法）嵌入循环反馈环路，使循环性信号与环境测算共同引导稳健的重设计决策。

主要技术方法
关键技术方法包括：结构化问卷与层次分析法（AHP，即成对比较赋权方法）相结合的AM适用度评分；基于ISO 59004的R策略规则映射与AM可行性关口；面向增材制造的设计（design for AM，DfAM）与可持续增材制造设计（design for sustainable AM，DfSAM，即兼顾材料、能耗、支撑结构和后处理的多目标优化）；前瞻生命周期评价（LCA-in-the-loop，即将LCA嵌入设计迭代）；以及以材料循环指数（material circularity indicator，MCI，即表征物料循环程度的指标）和产品生命周期（product life cycle，PLC，即覆盖原料生产到使用阶段的方法）评估环境影响。数据来自Daimler Buses客车结构件实测、ecoinvent 3.11数据集及Cognitive Design Add-In成本估算。

研究结果
4.1 筛选方法验证
4.1.1 研究范围与重设计方法
案例选择了一款钢制铣削客车结构件作为常规制造（conventional manufacturing，CM）参考，并假设其在同一平台上的结构功能不变，以比较不同制造路径。

4.1.2 组件识别与R策略指导
通过AM快速检查后，应用详细问卷从功能应用、几何设计、材料技术和经济制造四个准则组评分，AM适用度为2.3，高于重设计阈值。R策略画像中Reduce得分最高，Repair和Rethink次之。研究人员将Reduce与Rethink确定为可操作策略：Rethink以与AM兼容的高强度钢替代原钢材；Reduce通过拓扑优化降低结构质量，从而减少材料需求与车辆使用阶段能耗。

4.2 设计优化、循环性与环境影响评估
4.2.1 循环性与环境影响评估方法
循环性以MCI衡量，并计入减重带来的功能提升。环境影响采用PLC方法评估BoL和MoL阶段的CO₂当量。BoL数据来自ecoinvent 3.11、铣削仿真以及AM实际构建作业测得的粉末、电力和氮气消耗；MoL情景设定客车终身行驶里程为1,000,000 km，并区分柴油与电动运营。生命周期末期未纳入边界。

4.2.2 设计优化、循环性评估与LCA结果
研究比较了无环境反馈的常规拓扑优化（Track 1）和将前瞻LCA嵌入迭代的DfSAM流程（Track 2）。DfSAM变体的MCI高于CM参考件和Track 1，循环性更优。柴油运营情景下，使用阶段是CO₂当量的主控来源；两条路径均因减重获益，但Track 1较长的建造时间、支撑结构和后处理部分抵消了收益，而Track 2由于在设计迭代中同时权衡制造与使用阶段影响，总体CO₂当量削减更大。电动运营情景下，结果对能源结构高度敏感：当AM制造使用非可再生电力而使用阶段使用可再生电力时，CM参考件的总排放反而可能更低。这说明AM减排效果不仅取决于轻量化，还受制造电力与运营能耗语境交互作用的制约。

讨论
研究强调，在设计早期嵌入环境评估至关重要。柴油情景下减重可直接转化为使用阶段收益；电动情景下，气候绩效越来越受到制造能源结构、工艺效率和DfAM决策的影响。前瞻LCA可揭示传统后置评估难以发现的权衡，DfSAM则通过降低建造能耗、支撑体积和后处理负担来应对这些权衡。方法的局限包括AHP赋权的主观性、R策略评分对复杂循环交互的离散化简化，以及生命周期末期路径未详细建模可能遗漏部分策略效益。

研究结论与展望
该框架通过归一化准则、显式权重和固定阈值，提供透明的AM适用度评分；所需数据精简，仅需少量组件描述符即可完成“继续”“备选”或“搁置”决策。R策略识别能够缩小重设计空间，在投入大量重设计工作前即指向具体选项。研究以单个客车结构件验证了方法的适用性，并展示了按路径生成环境洞见的能力。未来应扩大组件与行业覆盖，将方法前移至需求定义、功能分解等更早的产品开发阶段，并从单件组件拓展至子系统和总成层面，以支持更宏观的循环设计决策。