Euler不装新传感器，靠现有层图像提前预警LPBF金属打印缺陷

周一早上，一位生产工程师回到工位，发现周末那炉激光粉末床熔融（LPBF）已经跑完了。

零件看上去挺好。

两周后CT结果回来，内部几何翘了，或者出现一条熔化不良的条纹，位置大概从第400层开始。这一层之后打印出来的大部分东西，连同设备工时、粉末和检测费用，很可能一起进了废品箱。

原因和结果之间的这段时差，是金属LPBF往批量生产走的路上不太显眼的一道坎。翘曲、送粉不足、条纹这类毛病，往往要等到打印结束、后处理或者检测时才被发现，那时已经过去几天甚至几周。

过程监测能解决一部分，但通常要在设备上加装专用传感器。几台机器还好说，一整个设备群就不太好算账了。

专用传感器不是没道理，它看得更细，数据也更可控，几台关键设备上这笔钱花得值。可一旦设备数量上去，事情就变成另一道算术题。

那这段时差到底值多少钱？

冰岛有一家做软件的初创公司叫Euler，它走了另一条路。

平台纯软件，不挑硬件。这个思路来自一个很朴素的观察，现在大多数LPBF系统本来就在每次打印时采集层图像，很多情况下，这些好几个GB的数据就一直躺在硬盘上没人动。

Euler的说法是，相机已经装在那儿了，接进现有配置不到五分钟，结果当场就能看。

它不是在缺陷出现之后再去标记，那时候已经太晚。它做的是预测，在操作员还没察觉的时候先把警报发出去。

大多数缺陷在早期都会露出迹象，Euler那个正在申请专利的预测引擎就是为抓这些迹象建的，在一炉活彻底报废之前，先提醒可能出问题。

这套逻辑其实不新。上世纪二十年代，休哈特（Walter Shewhart）提出统计过程控制，核心就是把事后检查挪到过程里面去看。一百年后，同样的念头换了个场景又来一遍，只不过这次盯着粉床的，是本来就在那儿的相机。

不过这类说法听多了容易麻木。软件加相机，就能救回一炉几十小时的打印，听上去便宜得有点不真实。

所以Euler需要拿数字说话。

目前公开的证据，来自它和丹麦技术研究院（DTI）的一次联合研究。

47天里，Euler在DTI的四台Nikon SLM设备上盯了54次打印，覆盖六种金属合金，包括316L不锈钢和Ti6Al4V钛合金。

论文给出的数字是，总打印时间里有27.8%花在了最终失败的打印上。

而在这些被浪费掉的时间里，77%本来可以省下来，办法就是在Euler预测到故障的那个位置把打印停掉。折算下来，大约相当于10天的3D打印时间。

再往下算。参考沃勒斯报告（Wohlers Report）对一个百万美元级设备的估算，运营成本按每小时75美元计，论文作者认为，单台设备一年仅运营成本一项的潜在节省就超过115,000美元，还没算浪费的粉末、人力时间和后处理。

DTI那边有个案例挺能说明问题。

作为质量调查的一部分，一次生产打印被回溯上传到Euler。人工审了近14,000张层图像，没找到问题出在哪一层。

平台上来直接把缺陷层标了出来。它还给出了另一笔账，早期警报本来可以挽救38小时43分钟的部分零件打印时间，让它免于报废，同时避开故障发生之后另外48小时的无效打印。

加起来是超过86小时的打印时间。

对受监管的行业来说，能不能部署，和能不能检出缺陷一样重要。

Euler提供本地部署和私有云两种选择，其中包含政府云（GovCloud）。对那些不能把打印数据传到公共服务上的航空航天和国防用户，这一条可能相当关键。

设备侧它支持主流金属打印机品牌，包括德国做金属机的EOS、尼康旗下的Nikon SLM和英国雷尼绍（Renishaw），也跟做设计软件的欧特克（Autodesk）和德国扫描振镜厂商Scanlab有合作。背后投它的是Frumtak和Kvanted，两家都盯着深科技和制造技术。

11月17日到20日，Euler会在法兰克福的Formnext上展出，展位是11.0号馆A32。Formnext是全球3D打印行业最大的展会之一，每年秋天在法兰克福办。

这次要演示的是新的连接功能。一部分是模型上下文协议（Model Context Protocol，简称MCP）集成，另一部分是把警报推到Slack和Microsoft Teams这两个团队沟通工具里。

MCP这一条可以这么理解，它让工程师直接从Claude或者ChatGPT这类AI助手里查自己的打印数据。比如问一句，这周哪些打印出了缺陷，分别在哪几台机器上，几秒钟就能拿到答案。

问一句话，几秒钟出结果。这些数据在硬盘里躺了那么多年，大概就该是这个用法。