Minimizing Voids With Using an Optimal Raster Orientation and Bead Width for a Material Extrusion Based Process
Notice bibliographique
Résumé
Additive Manufacturing (AM) is the process of joining materials ‘layer by layer’ to make products from Computer Aided Design (CAD) model data. AM processes support faster product realization for a wide selection in industries. The Material Extrusion (ME) process is an AM process that builds a product from thin layers of extruded filaments from a semi-melted material such as a thermoplastic. In commercial systems, the software automatically generates the tool paths for both the model and any necessary supports, based on the curve geometry and the specified build parameters. The interior fill rotates 90° between each layer. Automatically generating the tool path can be the biggest weakness for this process planning strategy. Voids and discontinuities have been observed after evaluating test specimens developed to explore mechanical characteristics. Choosing an optimal raster orientation and bead width will help minimize voids and discontinuities in each layer. A mathematical model is introduced in this paper to find optimal raster orientation and bead widths based on the geometry of the slice for selected 2D extruded parts. As well, preliminary quality assessment metrics are introduced. Void analysis is performed to evaluate solution approaches, and the results compared. The future work will investigate utilizing multiple bead widths for a layer to minimize voids, and developing more comprehensive quality metrics to highlight problematic regions.
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 ».