MétaCan
Menu
Retour à la cohorte
Enregistrement W3011489445 · doi:10.3390/polym12030651

Tensile Mechanical Behaviour of Multi-Polymer Sandwich Structures via Fused Deposition Modelling

2020· article· en· W3011489445 sur OpenAlexafffund
David Moises Baca Lopez, Rafiq Ahmad

Notice bibliographique

RevuePolymers · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConsejo Nacional de Ciencia y Tecnología
Mots-clésMaterials scienceUltimate tensile strengthComposite materialPolymerDeposition (geology)Geology

Résumé

récupéré en direct d'OpenAlex

The application of single homogeneous materials produced through the fused deposition modelling (FDM) technology restricts the production of high-level multi-material components. The fabrication of a sandwich-structured specimen with different material combinations using conventional thermoplastics such as poly (lactic acid) (PLA), acrylonitrile butadiene styrene (ABS) and high impact polystyrene (HIPS) through the filament-based extrusion process can demonstrate an improvement on its properties. This paper aims to assess among these materials, the best material sandwich-structured arrangement design, to enhance the mechanical properties of a part and to compare the results with the homogeneous materials selected. The samples were subjected to tensile testing to identify the tensile strength, elongation at break and Young's modulus of each material combination. The experimental results demonstrate that applying the PLA-ABS-PLA sandwich arrangement leads to the best mechanical properties between these materials. This study enables users to consider sandwich structure designs as an alternative to manufacturing multi-material components using conventional and low-cost materials. Future work will consider the flexural tests to identify the maximum stresses and bending forces under pressure.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,027
Tête enseignante GPT0,222
Écart entre enseignants0,196 · 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'étudeExpérimental (laboratoire)
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

Citations109
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207