MétaCan
Menu
Retour à la cohorte
Enregistrement W2770752891 · doi:10.3390/jmmp1020018

Mechanical Characterization of Additively Manufactured Parts by FE Modeling of Mesostructure

2017· article· en· W2770752891 sur OpenAlexaff
Madhukar Somireddy, Aleksander Czekanski

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceOrthotropic materialComposite materialElastic modulusFused deposition modelingFinite element methodStiffnessLayer (electronics)ModuliMatrix (chemical analysis)Structural engineering3D printing

Résumé

récupéré en direct d'OpenAlex

In the present study, the mesostructure of a fused deposition modeling (FDM) processed part is considered for the investigation of its mechanical behavior. The layers of FDM printed part behave as a unidirectional fiber reinforced laminae, which are treated as an orthotropic material. The finite element (FE) procedure to find elastic moduli of a layer of the FDM processed part is presented. The mesostructure of the part that would be obtained from the process is replicated in FE models in order to find stiffness matrix of a layer. Two distinctive architectures of mesostructure are considered in the study to predict the mechanical behavior of the parts. Also, influences of layer thickness, road shape and air gap on the elastic properties of a material are investigated. Further, the parts fabricated with FDM process are treated as laminate structures. From the numerical results, it is seen that the elastic moduli are governed by mesostructures. Our laminate results are validated with experimental to demonstrate the use of classical laminate theory (CLT) for FDM parts. The elastic moduli (E1, E2, G12, ν12) of a layer used in the analysis are calculated from FE simulations. This study establishes relationship between mesostructure and macro mechanical properties of the part.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations70
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing and Materials ProcessingMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207