《Heliyon》：Method for selecting the optimal technology in metal additive manufacturing using an analytical hierarchical process
编辑推荐：
金属增材制造现涵盖多种工艺、材料与设备配置，使得技术选择日益复杂且高度依赖具体应用。本研究提出一种专家驱动的多准则决策框架，用于选择合适的金属增材制造技术，其前提是没有任何单一工艺在几何形状、材料和构建尺寸方面普遍最优。该方法采用层次分析法（Analytica
金属增材制造现涵盖多种工艺、材料与设备配置，使得技术选择日益复杂且高度依赖具体应用。本研究提出一种专家驱动的多准则决策框架，用于选择合适的金属增材制造技术，其前提是没有任何单一工艺在几何形状、材料和构建尺寸方面普遍最优。该方法采用层次分析法（Analytical Hierarchy Process, AHP）构建决策问题、定义并赋权选择标准，以及对相互竞争的技术备选方案进行排序。标准权重通过结构化调查中的专家启发获得，并嵌入层次模型。其中一个关键贡献是引入了明确的预筛选（screening）阶段，在AHP排序之前，根据应用描述符（零件形状、材料和尺寸）剔除不可行方案。这种两阶段策略减少了因比较不适用于特定应用的选项而产生的决策偏差，并得到可直接用于具体工业场景的排序结果。最终方法输出一组优先排序的候选技术并附有透明的决策依据，为金属增材制造领域的工程师和决策者提供了实用的选择工具。
**基于AHP的金属增材制造技术选择方法解读**
**研究背景与目的**
金属增材制造（Additive Manufacturing, AM）涵盖粉末床熔融（Powder Bed Fusion, PBF）、材料挤出（Material Extrusion, MEX）和定向能量沉积（Directed Energy Deposition, DED）等多种工艺家族，不同技术在原料形态、能量源、沉积速率、尺寸精度、构建体积、材料适配性、成本及后加工要求方面差异显著。随着可用的工艺、材料和机器配置数量增加，技术选择不再是简单的最优解问题，而是高度依赖具体零件形状、材料和尺寸。传统减材制造通过去除材料获得零件，而增材制造逐层堆积材料，能够制造复杂内部结构、拓扑优化设计和一体化零件，但也带来了工艺选型困难。现有研究多集中于增材制造与传统制造的一般性比较，或针对某一特定技术的分析，缺少面向用户所需金属零件的、将零件特征作为排除条件的技术选择方法。因此，研究人员提出了一种基于层次分析法（Analytical Hierarchy Process, AHP）的多准则决策框架，并创新性地引入预筛选阶段，以排除不可行方案，从而使最终排序更具针对性和可操作性。
**技术方法概述**
研究人员采用专家驱动的AHP方法。首先根据ISO/ASTM 52900标准及市场文献，确定五种金属增材制造备选技术：PBF、DED-激光束（DED-LB）、DED-电子束（DED-EB）、DED-电弧（DED-Arc）和MEX。通过结构化调查收集专家判断，调查在2022年11月至12月进行，样本包括130名增材制造专家、70名设计师和60名客户，共260份有效回复。调查采用成对比较方式，依据Saaty 1-9标度构建判断矩阵，并通过归一化、优先级向量和一致性比率（CR<0.1）检验，计算各标准和备选方案的权重。对于可量化的客观标准，如机器价格、制造成本、生产率和最终零件性能，则基于文献数据转换为统一权重。研究还设置了预筛选阶段，依据零件几何复杂度、材料和尺寸排除不适用技术，再对剩余方案进行AHP全局排序。
**研究结果**
标准权重方面，打印阶段的全局权重为0.683，显著高于最终阶段的0.317。在打印阶段中，可靠性（Reliability, R）的局部权重最高，为0.444；在最终阶段中，最终零件性能（Final part Properties, FP）的局部权重最高，为0.585。综合全局排序后，可靠性（R）以0.304的权重位列第一，其次为最终零件性能（FP，0.186）、制造成本（Manufacturing Cost, MC，0.147）、打印后零件表面质量（Part Finish after Printing, PFAP，0.110）、生产率（Productivity, P，0.088）、后加工复杂性（Complexity of Post-processing, CP，0.063）、用户偏好（User Preferences, UP，0.046）、机器价格（Machine Price, MP，0.034）和过程可持续性（Sustainability of the Process, SP，0.023）。
备选技术评分方面，对于由专家调查评估的标准，PBF在可靠性（0.286）、打印后零件表面质量（0.493）和用户偏好（0.361）方面得分最高；DED-Arc在后加工复杂性（该标准为负向指标，DED-Arc得分0.364）和过程可持续性（0.384）方面领先；MEX在过程可持续性（0.272）方面也有较高得分。对于客观标准，DED-Arc在机器价格（0.309）和生产率（0.328）方面最优，MEX在制造成本（0.309）方面最优，PBF和DED-LB在最终零件性能（0.254）方面并列。
最终全局排序显示，DED-Arc的特征向量值最高，为0.249，PBF以0.231紧随其后，之后依次为DED-EB（0.179）、DED-LB（0.172）和MEX（0.170）。研究人员进一步展示了预筛选的应用效果：对于一种中等复杂度的铝制中等尺寸零件，预筛选排除DED-EB和DED-Arc后，仅对PBF、DED-LB和MEX进行重新评价，得到的结果为PBF（0.415）、MEX（0.306）、DED-LB（0.279），这表明最优技术并非普遍固定，而是随具体应用要求而变化。
**讨论与结论**
讨论部分指出，DED-Arc因沉积速度快、材料利用率高，在制造大型金属零件时具有成本和生产率优势；PBF则凭借高可靠性、优良表面质量和最终零件性能，在精度要求高的应用中表现突出。专家调查显示可靠性是最受重视的标准，符合金属增材制造对工艺稳定性的工程需求。研究局限性包括：标准权重基于特定专家群体的主观判断，技术数据来自文献和专家评估，可能随设备、材料和运行条件变化；预筛选条件简化了应用约束；AHP假设标准相互独立且为确定性比较，未显式处理不确定性和标准间交互。未来研究可引入模糊AHP或概率方法，并纳入更多应用专属约束。
研究结论部分可翻译为：论文展示了AHP如何作为多准则决策工具，依据多种技术和经济标准选择最合适的金属零件增材制造技术，并提供了一个可根据不同偏好和场景定制的综合决策矩阵。主要结论包括：将设计阶段变量作为排除标准，能够针对特定应用排除不可行技术，避免在不适用方案之间进行比较；在所调查的金属增材制造专业人员中，可靠性被认为是决策过程中最重要的标准，权重为0.304；虽然DED-Arc总体上被受访者视为最佳备选技术，但它与其他技术的差异较小，且会随具体应用而变化；从经济和技术性能看，DED-Arc在全局重要性矩阵中获得最高特征向量值（0.249），PBF紧随其后（0.231），DED-Arc具有最佳的机器价格和生产率，而PBF提供有竞争力的最终零件性能；对于机器价格和制造成本这类负向标准，DED-Arc和MEX各有优势；AHP方法能够结构化地综合专家偏好和各技术特征，但最优技术选择仍取决于具体应用要求。未来研究方向可包括探索其他金属增材制造技术，整合用户信息以提升决策的准确性和相关性。
