当托马斯·爱迪生在 130 多年前发明实用的电灯泡时，他对原型进行了数千次实验，我们至今仍然惊叹于他的有条不紊的耐心。然而，一位现代发明家如果提出类似的方法，更有可能招致嘲笑而不是赞扬。产品研发越来越依赖于比特和字节领域，工程师们通过计算机设计、测试、调整甚至演示新想法，然后再制造任何物理版本。
执行高度计算密集型任务的强大计算机服务器，又称高性能计算 (HPC)，现在成为了新技术成功推出和停滞不前之间的决定性因素。这种“数字制造”在公司生产任何物理部件之前，会在数千乃至数百万个处理器上进行。消费品制造商正在使用远远超出航空航天等行业大型公司多年前引入的数字建模技术。该策略降低了设计和生产成本，并帮助商品比以往任何时候都更快地从概念走向商店货架。计算机绘制的模型和复杂的数字模拟越来越多地决定了这些物品的外观、制造方式、制造材料以及它们的协同工作方式。在摩尔定律的驱动下，计算机处理能力大约每 18 个月翻一番，HPC 能力在未来几年应再提高 1000 倍。难怪非营利组织竞争力委员会表示，我们正在进入一个“超越竞争就是超越计算”的时代。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑支持我们屡获殊荣的新闻报道，方式是 订阅。通过购买订阅，您将帮助确保未来能够继续讲述关于塑造我们当今世界的发现和想法的具有影响力的故事。
以下示例展示了最先进的数字制造技术，并暗示了这项技术在不久的将来会走向何方。
潮流转变
宝洁 (P&G) 工程师意识到，大多数消费者不会过多考虑许多日常用品是如何制造的，而是简单地认为食品、清洁产品甚至卫生纸等必需品的制造是“容易的”。（顺便说一句，宝洁用于制造卫生纸的机器造价近 2.5 亿美元，其移动部件和代码行数比许多军用飞机还要多。）几年前，当该公司仍然拥有品客薯片品牌（现在归家乐氏所有）时，宝洁对零食在生产线上非常快速地移动时的气流进行了数字建模。这项研究促成了调整，防止薯片像小飞机一样起飞并在堆中坠毁。
汰渍洗衣球的复杂程度则完全不同。这种洗衣包由三个腔室组成，分别装有液体洗涤剂、去污剂和增白剂，并用可溶解的薄膜包裹。宝洁公司依靠数百万小时的计算机处理时间来确保其汰渍洗衣球与洗衣机中的水充分反应，释放出其中的液体并有效地清洁脏衣服。
大部分时间都用于研究如何制造洗衣球。宝洁公司进行了结构分析，以计算和最大限度地减少可溶解薄膜在切割时产生的褶皱量。流体动力学计算确定了如何在不将洗涤剂溅到边缘的情况下快速填充洗衣球，否则会导致洗衣球难以密封。
基于表面活性剂的液体具有有趣的特性，这意味着宝洁的研究人员还需要进行分子建模，以了解纳米级结构（胶束和囊泡）的形成可能如何抑制产品的稳定性和性能。描绘柔软、有弹性的洗衣球在不使用时如何随时间沉降的数字模型也帮助宝洁公司设计了销售它们的容器。这项工作使公司能够实现其生产目标：每个洗衣包的组装时间约为一秒，缺陷率低于十亿分之一。
动力泵
尽管宝洁取得了成功，但从传统方法转向基于 HPC 的数字制造仍然是一项重大挑战。它需要三个同步转变：从物理测试设施到计算设施，从近似方法到更复杂但更精确的技术，以及从故障排除文化到预测性前期设计。
在纽约州五指湖区，ITT Goulds Pumps 自 19 世纪 40 年代以来一直为化工、矿业、电力和其他多个行业制造泵。Goulds 没有像宝洁那样建立自己的数字制造能力的内部资源。相反，该公司找到了纳米技术创新计算中心，这是伦斯勒理工学院、IBM 和纽约州之间的合作项目。伦斯勒帮助 Goulds 将其计算机辅助设计 (CAD) 图纸转换为“网格化”的 3D 模型——分成数百万个小区域，工程师可以在这些区域中计算流体流动。它还创建了一个流程，用于设置、运行和分析泵设计方案。Goulds 继而开发出屡获殊荣的新泵设计。展望未来，大规模并行计算将帮助该公司的工程师避免气蚀（气泡形成），气蚀会降低性能并导致磨损。
在印第安纳州，Jeco 塑料制品公司讲述了一个类似的故事。为了响应一家主要汽车制造商对运输托盘的需求，Jeco 提出了可以超越外国竞争对手的金属托盘的塑料运输结构。然而，在没有任何买家保证的情况下，对其工厂进行改造以制造和测试不同的原型塑料托盘的成本令人望而却步。Jeco 也无法在其内部计算机上准确地模拟新设计。因此，该公司与普渡大学和俄亥俄州超级计算机中心合作，以数字化方式开发和测试 Jeco 的设计。该联盟——竞争力委员会的公私合作伙伴关系——开发软件、购买超级计算机时间并培训小型制造商掌握这项技术。结果是：一份新订单，并进入了一个 Jeco 估计可能带来 2300 万美元收入并创造 15 个就业岗位的市场。
数字原生
当有数百万种材料、制造工艺和设计可供选择时——而不是爱迪生面临的数千种——一次建模和探索多种方案的能力或许是将新产品推向市场的唯一途径。Pliant Energy Systems 深谙此道。这家位于布鲁克林的初创公司拥有一项革命性的概念，即利用所谓的智能材料从流动的水中发电，这些智能材料在弯曲和弯曲时会产生电力。Pliant 的水动能装置实际上可以放入溪流中并开始发电，或者配置为自供电灌溉泵。设计方案的广泛性——以及构建物理原型和了解其行为的挑战——使得预测性计算分析至关重要。
对开放水流中的水流进行数字建模需要大规模并行计算，将工作分配给许多处理器以提高速度。预测由电活性聚合物制成的细长、柔韧的枝条或管子在流动的水中如何弯曲——更不用说优化使用这些材料的设备的功率输出——需要设备和水流模型的耦合，这在当今高性能计算机的能力方面是一项前沿壮举。通过与伦斯勒理工学院合作，Pliant 赢得了美国小企业管理局近 30 万美元的拨款，部分原因是它展示了经济高效地开发其技术所需的数字工具和专业知识。现在，该公司可以创建更复杂的物理建模能力，并以数字方式设计更先进的原型。
Pliant 的数字制造成功只是更大趋势的一部分。伦斯勒理工学院生物学和计算机科学系的副教授 Chris Bystroff 开发了设计和制造定制蛋白质的技术。这种蛋白质可以充当分子生物传感器，例如，在登革热或 H5N1 病毒存在的情况下会发光。Bystroff 和纽约州立大学布法罗分校正在将其数字设计流程封装在一个 Web 界面之后，该界面可以在几小时内完成过去使用抗体需要数天才能完成的工作。
数字制造可能看起来是一个熟悉的概念，但更快、更便宜的计算机和日益复杂的软件意味着，无论是对抗牛仔裤上的草渍还是入侵人体的病毒，新产品现在都将首先在 0 和 1 的世界中这样做。
有关制造业未来的更多信息，请访问 ScientificAmerican.com/may2013/manufacturing