An Optimization Approach for Components Built by Fused Deposition Modeling with Parametric Internal Structures
Notice bibliographique
Résumé
Additive manufacturing processes are employed to create physical models from three-dimensional (3D) computer-aided design (CAD) math data. A solid model or water-tight surface model is used as the input, which is sliced into layers, and travel paths are created for each layer. The object is built by layer by layer stacking, with supporting structures for overhanging geometry and undercuts being created where necessary (process dependent). Fused deposition modeling (FDM) is an additive fabrication process that builds a part from extruded filaments of a melted thermoplastic. Several studies have focused on the depositing parameters; however, none of them have characterized internal support structures in different geometrical arrangements. The incorporation of reconfigurable parametric internal matrix structures based on primitive elements will balance the mechanical properties, the material usage and the build time. Parametric internal structures are designed, and compressive test components built and tested both experimentally and using simulation tools to depict the compressive characteristics. Extensive physical testing is done as the components built by the FDM process have anisotropic properties. The material usage, build time, and loading characteristics are captured for a variety of parametric structures (solid, shell, orthogonal, hexagonal, pyramid) build orientations, and internal densities (loose, compact). From this data, a model is developed that serves as a predictive tool to: (i) estimate the mechanical properties and (ii) calculate the build time and materials utilized based on various internal structural configurations for the component's application. A model that generates an optimal solution (minimum material, minimum build time, etc.) needs to be developed. Using the collected data as a foundation, an optimization model that considers the build time, material usage, surface finish, interior geometry, strength characteristics, and related parameters is presented and can be used to assist designers making informed decision with respect to strength, material usage and time, etc. is developed using the Genetic Algorithm approach.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».