La caracterización de alta fidelidad y el monitoreo efectivo de procesos espaciales y espaciotemporales son cruciales para el control de calidad de alto rendimiento en muchos procesos y sistemas de fabricación en la era de la fabricación inteligente. Aunque el desarrollo reciente en tecnologías de medición ha hecho posible adquirir datos de medición de superficie tridimensional (3D) de alta resolución, generalmente es costoso y consume mucho tiempo utilizar tales tecnologías en entornos de producción del mundo real. Los enfoques basados en datos que provienen de la estadística y el aprendizaje automático pueden permitir potencialmente una medición de superficie inteligente y rentable, lo que permite a los fabricantes utilizar datos de superficie de alta resolución para una mejor toma de decisiones sin introducir costos de producción sustanciales inducidos por la adquisición de datos. Entre estos métodos, las técnicas de interpolación espacial y espaciotemporal pueden inferir sobre ubicaciones no medidas en una superficie utilizando la medición de otras ubicaciones, disminuyendo así el costo y el tiempo de medición. Sin embargo, los métodos de interpolación son muy sensibles a la disponibilidad de datos de medición, y su rendimiento depende en gran medida del esquema de medición o del diseño de muestreo, es decir, cómo asignar los esfuerzos de medición. Como tal, el diseño de muestreo se considera otro campo importante que permite una medición de superficie inteligente. Este artículo revisa y resume la investigación de vanguardia en interpolación y diseño de muestreo para la medición de superficies en diversas aplicaciones de fabricación. También se identifican las brechas de investigación y las direcciones futuras de investigación, que pueden servir como una guía fundamental para los profesionales industriales e investigadores en futuros estudios en estas áreas.