MétaCan
Menu
Retour à la cohorte
Enregistrement W2968036747 · doi:10.1108/rpj-01-2019-0007

Additive manufacturing infill optimization for automotive 3D-printed ABS components

2019· article· en· W2968036747 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

RevueRapid Prototyping Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésInfillAutomotive industryUltimate tensile strengthStructural engineeringAcrylonitrile butadiene styreneMaterials scienceStress (linguistics)Composite materialEngineering drawingEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose Lightweighting of components in the automotive industry is a prevailing trend influenced by both consumer demand and government regulations. As the viability of additively manufactured designs continues to increase, traditionally manufactured components are continually being replaced with 3D-printed parts. The purpose of this paper is to present experimental results and design considerations for 3D-printed acrylonitrile butadiene styrene (ABS) components with non-solid infill sections, addressing a large gap in the literature. Information published in this paper will guide engineers when designing fused deposition modeling (FDM) ABS parts with infill regions. Design/methodology/approach Uniaxial tensile tests and three-point bend tests were performed on 12 different build configurations of 20 samples. FDM with ABS was used as the manufacturing method for the samples. Failure strength and elastic modulus were normalized on print time and specimen mass to quantify variance between configurations. Optimal infill configurations were selected and used in two automotive case study examples. Findings Results obtained from the uniaxial tensile tests and three-point bend tests distinctly showed that component strength is highly influenced by the infill choice selected. Normalized results indicate that solid, double dense and triangular infill, all with eight contour layers, are optimal configurations for component regions experiencing high stress, moderate stress and low stress, respectively. Implementation of the optimal infill configurations in automotive examples yielded equivalent failure strength without normalization and significantly improved failure strength on a print time and mass normalized index. Originality/value To the best of the authors’ knowledge, this is the first paper to experimentally determine and quantify optimal infill configurations for FDM ABS printed parts. Published data in this paper are also of value to engineers requiring quantitative material properties for common infill configurations.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil1,000

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 recherche0,0000,001
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 GPT0,223
Écart entre enseignants0,210 · 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