越来越多的学术和工业研究团体认为，将基于人工智能的算法整合到3D打印过程中，是提高3D打印质量和效率的一种方法。
虽然3D打印已经有了长足的进步，但质量控制和过程监控还是一个很大的挑战。
3D打印在汽车、航空航天、生物医学等工业领域发挥着重要作用，能够以低成本和小批量生产的方式制造具有复杂几何形状、内部结构细节和单独定制设计的零件。
然而，在实际应用中，3D打印的优点并没有被充分利用。很多时候，设计并不是从开始就考虑采用3D打印工艺，而是因为传统工艺无法加工而转向了3D打印。一来，改用新的工艺涉及的点很多，需要做大量的测试；二来目前对3D打印的过程缺乏有效的监控手段，只有打印完成才能知道打印是否成功。
影响3D打印质量的因素是多样的，比如可能与所使用的源材料的质量有关，也可能与工艺有关，如挤压的压力过大或过小、烧结材料中的气穴、层分离（缺乏粘附力）等。在大多数情况下，这些缺陷会导致制造的零件孔隙率增加，机械性能变差。
建立过程控制
首先，确定所使用材料的质量。对于大多数3D打印公司来说，材料质量控制是一个持续的挑战。
此外，可能影响最终产品的质量的各种变量跨越了整个3D打印流程：1、零件的结构设计；2、3D打印的过程，例如激光烧结的路径和强度，线材挤出的速度，支撑结构的设计，零件的摆放位置，金属粉末的回收和重复使用次数，PLA线材是否受潮等等。
目前，试错是优化3D打印工艺的最常见的方法，以实现一致和可重复的部件质量。这种方法通常需要多次重复制造步骤，并对最终部件进行大量测试。其结果是一个昂贵而低效的制造过程，否定了3D打印的主要好处，小批量的成本效益制造。
减少人为错误
大多数3D打印工艺仍然需要额外的人为干预。这可能涉及部件的初始设计、后处理（去除支撑物和精加工）以及对最终产品是否符合要求的人工测试。因此，减少人为错误的可能性对消除3D打印缺陷至关重要。
3D打印专家认识到，需要有更多可持续和可行的方法来进行工艺和质量控制。实现这一目标的最有希望的方法之一是通过使用人工智能（AI）算法来实现3D打印过程中最关键步骤的自动化。
预制阶段的效率
基于人工智能的软件包，如Autodesk公司的Netfabb和Sculpteo公司（巴斯夫子公司）的Agile Metal Technology，可以通过使用机器学习算法来评估和优化3D打印的设计文件，即所谓的生成式设计方法。制造商可以输入所需的设计参数，人工智能分析设计要求，找到最有效的生产途径。
自动缺陷检测和闭环控制
开发闭环控制系统一直是3D打印工程师的一个长期关键目标，由于先进的人工智能应用的快速发展，在过去几年成为一种可能。
位于纽约Niskayuna的通用电气添加剂研究实验室的研究人员开发了一个专有的机器学习平台，该平台使用高分辨率相机逐层监测打印过程，并检测条纹、凹坑、空隙和其他肉眼通常看不到的缺陷。
这些数据与使用计算机断层扫描（CT）成像技术预先记录的缺陷数据库实时匹配。在高分辨率成像和CT扫描数据的帮助下，人工智能系统可以被训练来预测问题并检测打印过程中的缺陷。
Ai Build是一家位于伦敦的专门开发基于人工智能的自动3D打印技术的公司，它采用了类似的综合机器学习方法，为3D打印创造了一个智能挤出机。
它是工业机器人手臂的一个高精度附件，能够高速、高精度地3D打印大型物体。通过将先进的人工智能算法与传感器数据的实时处理相结合，智能3D打印挤出机可以检测到任何问题，并作出自主决定，以实现最佳的打印质量。
总结
总的来说，人工智能对于3D打印的优化主要有两个方面，一是根据给定的性能参数，对3D模型进行分析，确定其是否能达到参数要求，如果不能，则给出修改建议。二是基于3D模型、材料性能和3D打印机的性能，通过算法模拟3D打印的过程，预估结果和可能出现的问题，找到最佳的打印路径。
