技术领域
[0001] 本
发明是有关于一种积层制造系统与方法及特征撷取方法，且特别是有关于一种支援虚拟量测的积层制造系统与方法及特征撷取方法。
背景技术
[0002] 积层制造(Additive Manufacturing；AM)，即俗称的3D打印，是建立数字化计算机模型文件后，通过加热
金属粉末或塑胶材料，使其呈熔融可塑状态，再透过一层层堆迭以制得
工件的技术。粉床熔融成型制程(Powder Bed Fusion Process)是常见的积层制造技术之一，粉床熔融成型制程可例如为选择性激光熔融(Selective Laser Melting，SLM)制程及选择性激光
烧结(Selective Laser Sintering，SLS)制程。选择性激光熔融制程是将粉末状的材料铺在基材上，并利用高
能量的激光照射在欲成型的
位置上，以使材料熔融聚合。
选择性激光烧结制程亦是利用激光照射粉末材料后，使材料烧结粘着而聚积成
块，接着再铺上另一层粉末，并重复制程，直至产品成型。
[0003] 习知的积层制造机台缺乏(生产)线上调整机制。当积层制造机台使用固定制程数值(例如：激光功率、扫描策略、粉层厚度、扫描速度等)来进行生产时，所生产的产品品质会随着制程变化(例如：功率分布、流量控制、湿度含量等)而有所改变。习知的积层制造技术是在产品完成后才进行品
质量测，以确认产品品质。然而，积层制造产品的是通过对多层粉末逐层加工而成，某一层的加工品质不良往往会影响最终产品的品质。因此，需要提出一种积层制造系统与方法及特征粹取方法，以及时得知产品的品质，而可于(生产)线上调整积层制造机台的制程参数。
发明内容
[0004] 本发明的一目的是在提供一种积层制造系统与方法及特征撷取方法，借以及时得知产品的品质，而可于(生产)线上调整积层制造机台的制程参数。
[0005] 根据本发明上述目的，提出一种积层制造系统。积层制造系统，包含：积层制造机台、产品量测系统、原位量测系统和虚拟量测系统。积层制造机台是配置以制造多个工件产品，其中积层制造机台包含：粉床和熔合系统。粉床包含粉床容器，其中粉床容器中承载有一粉层。熔合系统是配置以在每一个工件产品的
制造过程中将一能量束分别导向粉层上的多个粉体，以熔合此些粉体，而形成多个熔池。产品量测系统是配置以在完成工件产品后分别量测工件产品的品质，而获得工件产品的多个实际量测值。原位量测系统包含：
高温计和摄影机。高温计是配置以在每一个工件产品的制造过程中对粉床的每一个熔池进行
温度量测，而获得每一个工件产品的每一个熔池的温度。摄影机是配置以在每一个工件产品的制造过程中对粉床的每一个熔池进行摄影，而获得每一个工件产品的每一个熔池的影像。原位量测
服务器包含：影像特征撷取装置和熔池特征处理装置。影像特征撷取装置是配置以从每一个熔池的影像中撷取出每一个熔池的长度、宽度，并对应至该每一个熔池的温度。熔池特征处理装置是配置以将每一个熔池的长度、宽度和温度转换成每一个工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。虚拟量测系统是配置以根据工件产品的多组制程数据和实际量测值以及预测演
算法，来预测积层制造机台在工件产品之后所处理的下一工件产品的虚拟量测值，其中制程数据包含每一个工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。
[0006] 在一些
实施例中，积层制造系统还包含：
模拟器、补偿器、追踪计划器和
控制器。模拟器是配置以根据工件产品的制程数据和/或实际量测值进行一模拟操作，来产生一组制程参数建议范围。补偿器是配置以根据下一工件产品的虚拟量测值来输出一组制程参数调整值。追踪计划器是配置以根据制程参数调整值、制程参数建议范围和制程参数设计值，来产生一组制程参数追踪值。控制器是配置以根据制程参数追踪值，控制并调整积层制造机台来处理下一工件产品。
[0007] 根据本发明上述目的，提出一种积层制造特征撷取方法。在此积层制造特征撷取方法中，在一工件产品者的制造过程中，对一粉床上的多个熔池进行温度量测，而获得工件产品的每一个熔池的温度；并对粉床的每一个熔池进行摄影，而获得工件产品的熔池的多个影像。接着，从此些影像撷取出每一个熔池的长度和一宽度。然后，进行一熔池特征处理操作，以将每一个熔池的长度、宽度、温度转换成工件产品的每一个熔池的熔池长度特征、熔池宽度特征和熔池温度特征。
[0008] 在一些实施例中，上述的熔池长度特征、熔池宽度特征和熔池温度特征包含在至少一个预设区域中的熔池的长度的一最大值、一最小值、一平均值、一变异值、一标准差、一统计数据分布的峰度(kurtosis)、一统计数据分布的偏度(skewness)、一全距(Full Distance)和/或一四分位数；在此至少一预设区域中的熔池的宽度的一最大值、一最小值、一平均值、一变异值、一标准差、一统计数据分布的峰度(kurtosis)、一统计数据分布的偏度(skewness)、一全距(Full Distance)和/或一四分位数；和在此至少一预设区域中的熔池的温度的一最大值、一最小值、一平均值、一变异值、一标准差、一统计数据分布的峰度(kurtosis)、一统计数据分布的偏度(skewness)、一全距(Full Distance)和/或一四分位数。
[0009] 在一些实施例中，上述的积层制造特征撷取方法还包含：由影像撷取出每一个熔池的一中心点位置；以及进行上述的熔池特征处理操作，以将每一个熔池的中心点位置转换成工件产品的熔池中心点特征。
[0010] 根据本发明上述目的，提出一种积层制造方法。在此积层制造方法中，使用积层制造机台来制造多个工件产品，其中此些工件产品分为多个第一工件产品和一第二工件产品，第二工件产品是在此些第一工件产品后被制作，制造每一个工件产品的操作包含：铺设一粉层于一粉床平台上；以及将一能量束依序导向粉层上的多个粉体，以熔合该些粉体，来形成多个熔池。然后，在完成第一工件产品后量测第一工件产品的品质，而获得第一工件产品的多个实际量测值。接着，在每一个工件产品的操作过程中对粉床的每一个熔池进行一温度量测，而获得每一个工件产品的每一个熔池的温度；并对粉床的每一个熔池进行摄影，而获得每一个工件产品的每一个熔池的影像。然后，由每一个熔池的影像撷取出每一个熔池的熔池长度和熔池宽度。接着，进行熔池特征处理操作，以将每一个熔池的熔池长度、熔池宽度、温度转换成每一个工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。然后，根据第一工件产品的多组第一制程数据和实际量测值以及预测演算法，来建立一推估模型，其中第一制程数据包含每一个第一工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。接着，根据第二工件产品的一组第二制程数据，来预测第二工件产品的虚拟量测值，其中第二制程数据包含第二工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。
[0011] 在一些实施例中，上述的积层制造方法还包含：根据工件产品的多组制程数据和实际量测值进行一模拟操作，来产生一组制程参数建议范围；根据第二工件产品的虚拟量测值来输出一组制程参数调整值；根据制程参数调整值、组制程参数建议范围和一组制程参数设计值，来产生一组制程参数追踪值；以及根据制程参数追踪值控制并调整积层制造机台以处理该第二工件产品。
[0012] 因此，应用本发明实施例，可及时地得知最终产品或逐层加工中的产品的品质，而可于(生产)线上调整积层制造机台的制程参数，进而提升良率。
附图说明
[0013] 为了更完整了解实施例及其优点，现参照结合所附附图所做的下列描述，其中[0014] 图1A为绘示根据本发明一些实施例的积层制造系统的示意图；
[0015] 图1B为绘示根据本发明一些实施例在制程站上的积层制造机台的示意图；
[0016] 图2A为绘示根据本发明一些实施例的原位量测系统的示意图；
[0017] 图2B为绘示用以说明根据本发明一些实施例的积层制造特征的示意图；以及[0018] 图2C为绘示根据本发明一些实施例的积层制造特征的撷取结果的示意图；
[0019] 图3为绘示根据本发明一些实施例的虚拟量测系统的示意图；
[0020] 图4为绘示根据本发明一些实施例的补偿器的示意图；以及
[0021] 图5为绘示根据本发明一些实施例的积层制造方法的流程示意图。
[0022] 【符号说明】
[0023] 10 积层制造系统
[0024] 100 积层制造机台
[0025] 102 熔合系统
[0026] 104 能量束
[0027] 110 粉床
[0028] 112 粉层
[0029] 114 基材
[0030] 116 粉床容器
[0031] 120 产品量测系统
[0032] 130 虚拟量测系统
[0033] 140 补偿器
[0034] 142 进化最佳化器
[0035] 144 模糊控制器
[0036] 150 追踪计划器
[0037] 160 控制器
[0038] 170 模拟器
[0039] 180 扩充实境装置
[0040] 200 原位量测系统
[0041] 202 同轴摄影机
[0042] 204 高温计
[0043] 206 综观摄影机
[0044] 210 原位量测服务器
[0045] 220 影像特征撷取装置
[0046] 222 记忆体
[0047] 224 FTP服务器
[0048] 230 多执行绪分配装置
[0049] 232 熔池特征处理装置
[0050] 240 FTP用户端
[0051] 242 熔池特征处理装置
[0052] 246 平行运算处理平台
[0053] 310-380 步骤
[0054] A1 熔池
[0056] C12 开关
[0057] C13 开关
[0058] C21 开关
[0059] C22 开关
[0060] EM 实际量测值
[0061] FF1、FFm 样本熔池数据
[0062] IM 特征数据
[0063] IS 感测数据
[0064] Li 长度
[0065] PAon 线上制程参数调整值
[0066] PAoff 离线制程参数调整值
[0067] PD 制程数据
[0068] PP 制程参数数据
[0069] PR 制程参数建议范围
[0070] PT 制程参数追踪值
[0071] VM 虚拟量测值
[0072] Wi 宽度
[0073] Xi、Yi 中心点位置
具体实施方式
[0074] 以下仔细讨论本发明的实施例。然而，可以理解的是，实施例提供许多可应用的发明概念，其可实施于各式各样的特定内容中。所讨论的特定实施例仅供说明，并非用以限定本发明的范围。
[0075] 请参照图1A，图1A为绘示根据本发明一些实施例的积层制造系统10的示意图，其中开关C11、C12、C13是用以选择是否输入数据至对应的系统或装置。积层制造系统10包含积层制造机台100、产品量测系统120、原位量测系统200、虚拟量测系统130、补偿器140、追踪计划器150、控制器160、模拟器170和扩充实境(Augmented Reality；AR )装置180。
[0076] 请参照图1B，图1B为绘示根据本发明一些实施例在制程站上的积层制造机台的示意图。积层制造机台100包含粉床110及熔合系统102(例如：激
光源)。粉床110包含粉床容器116，粉床容器116中承载有基材114及在基材114上的粉层112，其中粉层112包含有多个粉体。积层制造机台使用粉床熔融成型制程来制造工件产品。在每一个工件产品的制造过程中，粉床熔融成型制程是利用熔合系统102提供能量束104至粉床110的各个粉体，并通过控制特定参数，使粉层112
熔化成型后获得所要的工件产品外型。当粉层112的各个粉体熔化时，粉床110上形成有多个熔池。在一些实施例中，粉床熔融成型制程为选择性激光烧结制程(Selective Laser Sintering，SLS)或
选择性激光熔化制程(Selective Laser Melting，SLM)。
[0077] 如图1A所示，模拟器170的目的是发现可行的制程参数范围，而扩充实境装置180是通过虚拟实境技术来辅助积层制造机台100的操作与维修。产品量测系统120、原位量测系统200和虚拟量测系统130是被整合来推估积层制造机台100的粉床上材料层的变异。补偿器140可通过调整制程参数来(生产)线上或离线地补偿制程变异。产品量测系统120是配置以在完成工件产品后分别量测工件产品的品质，而获得工件产品的实际量测值EM(例如：表面粗造度、孔隙率(Porosity)等的实际量测值)。原位量测系统是配置以在每一个工件产品的制造过程中搜集粉床上每一个熔池的特征数据IM，特征数据IM包含熔池长度特征、熔池宽度特征和熔池温度特征。
[0078] 虚拟量测系统130配置以根据工件产品的制程数据PD和实际量测值EM以及预测演算法，来预测积层制造机台100在工件产品之后所处理的下一工件产品的虚拟量测值VM(例如：表面粗造度、孔隙率(Porosity)等的推估值)，其中制程数据PD包含每一个工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。此外，制程数据PD亦可包含由控制器160所提供制程参数数据PP(例如：激光功率值等)、积层制造机台100所提供感测数据IS(例如：流场速度、含
氧量等)。
[0079] 在一些实施例中，虚拟量测系统130所使用的预测演算法可为类神经网络(NN)或复回归演算法。然而，本发明亦可使用其他演算法，例如：倒传递类神经网络(Back Propagation Neural Network；BPNN)、通用回归类神经网络(General Regression Neural Network；GRNN)、径向基底类神经网络(Radial Basis Function Neural Network；RBFNN)、简单回归性网络(Simple Recurrent Network；SRN)、支持向量数据描述(Support Vector Data Description；SVDD)、
支持向量机(Support Vector Machine；SVM)、复回归演算法(Multiple Regression；MR)；部分最小平方法(Partial Least Squares；PLS)、非线性替代偏最小平方法(Nonlinear Iterative Partial Least Squares；NIPALS)或广义线性模式(Generalized Linear Models；GLMs)等，故本发明并不在此限。
[0080] 模拟器170是配置以根据工件产品的制程数据PD和/或实际量测值EM进行模拟操作，来产生一组制程参数建议范围PR。补偿器140是配置以根据虚拟量测值VM来输出制程参数调整值，制程参数调整值可分为(生产)线上制程参数调整值PAon和离线制程参数调整值PAoff。追踪计划器150是配置以根据离线制程参数调整值PAoff、制程参数建议范围PR和制程参数设计值，来产生一组制程参数追踪值PT。控制器是配置以根据制程参数追踪值PT来控制并调整积层制造机台100，以处理下一工件产品。本发明的实施例所使用的模拟器可参照美国
专利公开案第20190128738号。即，本发明的实施例引用此美国专利公开案的相关规定(Incorporated by reference)。
[0081] 以下说明原位量测系统200。请参照图2A，图2A为绘示根据本发明一些实施例的原位量测系统的示意图。原位量测系统200装设有同轴摄影机202、高温计204、综观摄影机206和原位量测服务器210。高温计204是配置以在每一个工件产品的制造过程中对粉床上的每一个熔池进行温度量测，而获得每一个工件产品的每一个熔池的温度。在一些实施例中，高温计204是配置以在每一个工件产品的每一层粉层的制造过程中对粉床上的每一层粉层的每一个熔池进行温度量测。同轴摄影机202是配置以在每一个工件产品的制造过程中对粉床上的每一个熔池进行摄影，而获得每一个工件产品的每一个熔池的影像。原位量测服务器210包含影像特征撷取装置220、多执行绪分配装置230、FTP(File Transfer Protocol；文件传输协定)用户端240和熔池特征处理装置232/242。影像特征撷取装置220是配置以从每一个熔池的影像撷取出每一个熔池的影像的长度、宽度，并从高温计204所量测到的熔池温度撷取出每一个熔池的熔池温度。熔池特征处理装置232/242是配置以将每一个熔池的长度、宽度和温度转换成每一个熔池长度特征、熔池宽度特征和熔池温度特征。在获得每一个熔池长度特征、熔池宽度特征和熔池温度特征后，虚拟量测系统130根据多个工件产品的多组制程数据和实际量测值以及预测演算法，来预测积层制造机台在此些工件产品之后所处理的一下一工件产品的虚拟量测值，其中此些组制程数据包含每一个件产品的熔池长度特征、熔池宽度特征和熔池温度特征。
[0082] 原位量测系统200有两种计算负荷模式，即轻负荷模式和重负荷模式。轻负荷模式是应用于构造简单工件，例如无
支撑材工件、或少量支撑材工件。重负荷是应用于构造复杂工件，例如大量支撑材工件、几何造型多变工件。轻负荷模式与重负荷模式是根据同轴摄影机202的拍摄
频率与影像特征撷取装置220的取样速率而定。使用这可根据实际需要选择开关C21或C22来启动轻负荷模式或重负荷模式。在轻负荷模式中，积层制造特征的撷取是采用习知的影像处理方法，而重负荷模式是使
用例如平行运算中的
卷积神经网络(Convolutional Neural Networks，CNN)。在轻负荷模式中，由于高取样速率的缘故，原位量测系统200使用多执行绪分配装置230来分配大量的熔池影像至计算机的不同核心中。在重负荷模式中，原位量测服务器210是架构在平行运算处理平台246(例如：Hadoop)上的平行处理服务器，Hadoop是为
大数据设计的分散式数据平行运算处理平台，其根据
请求开始熔池特征撷取(Melt Pool Feature Extraction)。CNN
基础的熔池特征撷取可辨识出在不同同温层(Isothermal Envelopes)中的熔池的长度、宽度和中心点位置。
[0083] 以下说明根据本发明一些实施例的原位量测系统200所进行的积层制造特征撷取方法。请参照图2B和图2C，图2B为绘示用以说明根据本发明一些实施例的积层制造特征的示意图，图2C为绘示根据本发明一些实施例的积层制造特征的撷取结果的示意图。
[0084] 首先，在粉床熔融成型制程期间，以一预设频率(例如4kHz)使用同轴摄影机202对粉床进行拍摄，以取得n张熔池影像(如图2B的影像260所示)，此些熔池影像包含每一个熔池的影像(如图2B的熔池A1所示)。同时，以此预设频率(例如100kHz)使用高温计204对粉床进行温度量测，以取得每一个熔池的影像的温度，并以此预设频率(例如4kHz)使用综观摄影机206对粉床进行逐层拍摄，而获得多张
工作空间影像。此工作空间影像可用于后续查看品质异常发生位置，并可作为品质评估依据。
[0085] 然后，影像特征撷取装置220接收每一个熔池的影像和温度、及工作空间影像。影像特征撷取装置220将这些数据存入记忆体222中，并透过FTP服务器224提供立即下载。然后，熔池特征处理装置232/242以一取样速率(例如25张/秒)对上述数据进行处理，而从熔池影像中选取出m张样本影像和其对应的温度Ti，其中i＝1至m，m>0。接着，熔池特征处理装置232/242从m张样本影像中撷取出每一个熔池的长度Li、宽度Wi、中心点位置(Xi、Yi)，其中x、y为座标值(如图2B的影像262所示)，而获得样本熔池数据FFi＝(Wi,Li,Xi,Yi,Ti)，如图2C所示)。然后，熔池特征处理装置232/242进行一熔池特征处理操作，以将样本熔池数据FFi＝(Wi,Li,Xi,Yi,Ti)转换成该工件产品的每一个熔池的熔池长度特征Lj、熔池宽度特征Wj和熔池温度特征Tj。在熔池特征处理操作中，首先，以中心点位置(Xi、Yi)为中心向四周定义出至少一个预设区域Sj，例如：中心点位置(Xi、Yi)为中心向外±3个画素。在一些实施例中，预设区域Sj为包含所有样本熔池数据FFi的区域。然后，计算出区域Sj中熔池长度特征Lj、熔池宽度特征Wj和熔池温度特征Tj。熔池长度特征、该熔池宽度特征和该熔池温度特征包含在至少一个预设区域Sj中的熔池的长度的一最大值、一最小值、一平均值、一变异值、一标准差、一统计数据分布的峰度(kurtosis)、一统计数据分布的偏度(skewness)、一全距(Full Distance)和/或一四分位数；在至少一个预设区域Sj中的熔池的宽度的一最大值、一最小值、一平均值、一变异值、一标准差、一统计数据分布的峰度(kurtosis)、一统计数据分布的偏度(skewness)、一全距(Full Distance)和/或一四分位数；和在至少个一预设区域Sj中的熔池的温度的一最大值、一最小值、一平均值、一变异值、一标准差、一统计数据分布的峰度(kurtosis)、一统计数据分布的偏度(skewness)、一全距(Full Distance)和/或一四分位数。可理解的是，最大值、最小值、平均值、变异值、标准差、统计数据分布的峰度(kurtosis)、统计数据分布的偏度(skewness)、全距(Full Distance)和四分位数的运算是本领域具有通常知识者所熟知，故不在此叙述。
[0086] 以下说明虚拟量测系统130。请参照图3，图3为绘示根据本发明一些实施例的虚拟量测系统130的示意图。本发明的实施例所使用的虚拟量测系统可参照美国专利前案第8095484B2号。本发明的实施例可与此美国专利前案所建构的虚拟量测系统相结合。即，本发明的实施例引用此美国专利前案的相关规定(Incorporated by reference)。
[0087] 虚拟量测系统130分为建模阶段和推估阶段。在建模阶段中，虚拟量测系统130使用在积层制造机台100制造多个历史工件产品时所获得的制程数据PD和完成历史工件产品后所量测到的实际量测值EM，并根据预测演算法建立一推估模型。虚拟量测系统130亦根据历史工件产品的制程数据PD来建立DQIX(Process Data Quality Index；制程数据品质指标)模型和GSI(Global Similarity Index；整体相似度指标)模型，并计算出DQIX
门槛值和GSI门槛值。虚拟量测系统130亦根据历史工件产品的实际量测值EM来建立量测数据品质指标(Metrology Data Quality Index；DQIy)模型，并计算出DQIy门槛值。虚拟量测系统130并提供信心指标(Reliance Index；RI)值，来评估虚拟量测值的可信度，GSI值是用来评估目前输入的制程参数数据与推估模型内用来训练建模的所有制程参数数据的相似程度，GSI值是用以辅助RI值来判断虚拟量测系统130的信心度。DQIX值是用来评估产品工件的制程数据是否异常，而DQIy值是用来评估工件的量测数据是否异常。
[0088] 在推估阶段中，虚拟量测系统130使用积层制造机台100制造一待测工件产品时所获得的制程数据PD，来预测待测工件产品的虚拟量测值VM。制程数据PD包含每一个工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。此外，制程数据PD亦可包含由控制器160所提供制程参数数据PP(例如：激光功率值等)、积层制造机台100所提供感测数据IS(例如：流场速度、含氧量等)。值得一提的是，虚拟量测系统130可对最终产品工件，或同一个产品工件的多个材料层进行推估。
[0089] 以下说明补偿器140。请参照图4，图4为绘示根据本发明一些实施例的补偿器140的示意图。
[0090] 补偿器140可根据进化最佳化演算法(Evolutionary Optimization Algorithms)，以虚拟量测值VM来调整积层制造机台100的制程参数(例如：激光功率、扫描速度等)。补偿器140包含进化最佳化器142和模糊控制器144。进化最佳化器142根据例如混合式田口基因演算法(Hybrid Taguchi-Genetic Algorithm；HTGA)和品质目标的参数范围来最佳制程参数。模糊控制器144透过扫描规则来建议线上制程参数调整值PAon。控制器160再根据线上制程参数调整值PAon来逐层修正制程参数。
[0091] 以下说明根据本发明一些实施例的积层制造方法。请参照图5，图5为绘示根据本发明一些实施例的积层制造方法的流程示意图。如图5所示，首先，进行步骤310，以使用积层制造机台制造多个工件产品，其中此些工件产品分为多个第一工件产品(即建模用的历史工件产品)和一第二工件产品(待测工件产品)，第二工件产品是在此些第一工件产品后被制作，制造每一个工件产品的操作包含：铺设粉层于粉床平台上；以及将能量束依序导向粉层上的多个粉体，以熔合此些粉体，来形成多个熔池。在完成第一工件产品后量测第一工件产品的品质，而获得第一工件产品的多个实际量测值(步骤320)。在每一个工件产品的操作过程中对粉床的每一个熔池进行一温度量测(步骤330)，而获得每一个工件产品的每一个熔池的温度。然后，在每一个工件产品的操作过程中对粉床的每一个熔池进行摄影(步骤340)，而获得每一个工件产品的每一个熔池的影像。接着，由每一个熔池的影像撷取出每一个熔池的熔池长度、中心点位置和熔池宽度(步骤350)。然后，进行熔池特征处理操作(步骤
360)，以将每一个熔池的熔池长度、熔池宽度、温度转换成每一该些工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。接着，根据第一工件产品的多组制程数据和实际量测值以及预测演算法，来建立一推估模型(步骤370)，其中此些组制程数据包含每一个第一工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。然后，根据第二工件产品(待测工件产品)的一组制程数据，来预测待测工件产品工件产品的虚拟量测值(步骤380)，其中此组制程数据包含第二工件产品的熔池长度特征、熔池宽度特征和熔池温度特征。
[0092] 可理解的是，上述实施例所说明的各实施步骤的次序可依实际需要而调动、结合或省略。上述实施例可利用
计算机程序产品来实现，其可包含储存有多个指令的机器可读取媒体，这些指令可程序化(programming)计算机来进行上述实施例中的步骤。机器可读取媒体可为但不限定于
软盘、光盘、只读光盘、磁光盘、只读记忆体、随机存取记忆体、可抹除可程序只读记忆体(EPROM)、
电子可抹除可程序只读记忆体(EEPROM)、光卡(optical card)或磁卡、快闪记忆体、或任何适于储存电子指令的机器可读取媒体。再者，本发明的实施例也可做为计算机程序产品来下载，其可通过使用通讯连接(例如网络连线之类的连接)的数据
信号来从远程计算机转移本发明的计算机程序产品至请求计算机。
[0093] 由上可知，透过本发明实施方式所提供的积层制造系统可有效且及时的控制积层制造机台。透过本发明实施方式所提供的特征撷取方法，可在数量众多的数据中撷取出有效的积层制造特征，来成功地进行积层制造产品的虚拟量测，以及时地得知最终产品或逐层加工中的产品的品质，而可于(生产)线上调整积层制造机台的制程参数，进而提升良率。
[0094] 虽然本发明已以实施方式揭露如上，然其并非用以限定本发明，任何熟悉此技艺者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视所附的
权利要求书所界定的范围为准。
