Assembly-Level Design for Additive Manufacturing: Issues and Benchmark
Notice bibliographique
Résumé
The emerging additive manufacturing (AM) technology works in a layer-wise fashion which makes it possible to manipulate material distribution and composition. The resulting effects are reflected on the potential of innovative shape design, consolidated assembly, optimized topology, and functionally graded material. These new characteristics force designers to rethink about how to make a better engineering design. However, existing design theory and methodology cannot take these potentials provided by AM into account. To fill this void, various design for additive manufacturing (DFAM) approaches are reported. Unfortunately, majority of them focused on part-level redesign without potential of being extended to assembly-level applications. In order to shed a light into this emerging field, an overview of current assembly-level DFAM is summarized in this paper. After that, existing issues including the absent analysis of AM’s impact on conceptual design, the lack of explicit functional analysis method, the shortage of decision-making support for part consolidation, the deficiency of functional reasoning approaches to generate AM-enabled features, and the scarcity of integrating manufacturing and assembly knowledge into design stage are analyzed and discussed. However, it seems that addressing these issues is such a large scope that collaborative efforts are in need from both design and manufacturing communities. Therefore, this paper serves as a call to action for the research community to establish a comprehensive assembly-level/ product-level DFAM method to realize product evolution. As an initial benchmark, authors propose a three-stage design methodology on the basis of the Systematic Design approach. In the presented framework, functional analysis, part consolidation, and structural optimization with process knowledge integration are much highlighted. Moreover, a simple redesign case study is exemplified to clarify existing issues and how the benchmark method works. In the end, this paper is wrapped up with future research.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».