你有没有想过，就算是同一家工厂出来的同款3D打印机，它们打印出来的东西也可能不一样？

坦率的讲，这确实是个问题。

最近，西班牙的IMDEA材料研究所和美国的劳伦斯伯克利国家实验室的研究人员发表了一篇论文，专门解决这个问题。

他们开发了一种算法，可以检测理论上相同的设备之间的行为差异，然后根据这些差异选择优化策略。

这个研究成果发表在《先进工程信息学》期刊上。

它直面了自动化制造中一个长期存在的老大难，就是同一品牌和型号的设备，性能并不完全相同。

在规模化生产里，比如3D打印农场这种并行生产设置，这种差异会累积，最后导致缺陷。

那他们的算法是怎么工作的呢？

其实，系统会先对每台设备做个诊断，建一个个体性能档案。

然后，用统计分析来量化各单元之间的差异有多大。

如果差异不大，就用联合优化策略，大家一起优化；如果差异显著，就每台设备单独优化，优先保证精度，而不是共享效率。

为了验证这个方法，他们用了三台理论上相同的3D打印机。

算法检测到了设备之间的可测量差异，虽然只用了三台打印机，但差异已经足够明显，然后判断每台设备需要各自的优化策略，而不是共享策略。

在这个案例里，分布分析和散度指标都支持单设备方法。打印颗粒的密度估计显示设备之间有明显分离，成对散度值也比较大，也就是说，每台打印机都在自己的独特输出状态下运行。

研究人员说，采用个体优化，在打印部件重量误差方面，收敛速度更快，误差也大幅减少。相比之下，把所有设备同等对待、没能正确纠正个体偏差的做法就差远了。

研究人员还打了个比方，即使是批量生产的设备，也可能有自己独特的运行个性。这个系统能学习这些差异并利用起来，判断是应该把它们当成一个团队来优化，还是当成个体来优化更高效。

他们说，这不仅能提高精度，还能通过避免失败的实验来节省资源，是未来全自动实验室和工厂的关键一步。

虽然这次验证用的是3D打印，但说到底，同样的方法论也可以用在其他领域，比如新材料发现、化学合成、传感器校准这些高通量实验。

这项研究由IMDEA材料研究所的克里斯蒂娜·申克博士、米格尔·埃尔南德斯·德尔·巴列、路易斯·卡莱罗和马切伊·哈兰奇克博士，以及劳伦斯伯克利国家实验室的马库斯·诺阿克博士共同完成。