MétaCan
Menu
Retour à la cohorte
Enregistrement W2092470473 · doi:10.1016/j.procir.2014.02.050

An Optimization Approach for Components Built by Fused Deposition Modeling with Parametric Internal Structures

2014· article· en· W2092470473 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProcedia CIRP · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésParametric statisticsFused deposition modelingComponent (thermodynamics)Mechanical engineeringLayer (electronics)Shell (structure)Process (computing)Structural engineeringDeposition (geology)Material propertiesMaterials scienceEngineering drawingComputer science3D printingEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,441
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,214
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle