MétaCan
Menu
Retour à la cohorte
Enregistrement W3132995500 · doi:10.1115/imece2020-24309

Design Innovation Incorporating Additive Manufacturing: Creation and Assessment of a Design Tool

2020· article· en· W3132995500 sur OpenAlexaff
Mark Menefee, Mahesh Pokharel, Brian Kaplun, Daniel Jensen, Christopher M. Yakacki, Kristin L. Wood

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceNew product developmentDesign educationDesign technologyProduct designProcess (computing)Set (abstract data type)HeuristicsDesign processEngineering design processManufacturing engineeringSystems engineeringProduct (mathematics)EngineeringWork in process

Résumé

récupéré en direct d'OpenAlex

Abstract Additive Manufacturing (AM) offers design engineers new and advanced manufacturing processes to consider when developing new products or redesigning and evolving current products. AM includes 3D printing processes to quickly produce complex parts and prototypes, that were previously uneconomical or impossible to fabricate. Engineers and organizations have an increasing need to incorporate AM as part of product development; however, design heuristics, design methodologies, and design tools to support AM are nascent and only recently emerging. To enhance Design for Additive Manufacturing (DfAM), this research seeks to develop an accessible, computer-based design assistant that will aid designers in incorporating AM into their design processes. The design assistant implements a distinctive and user-centered Design Innovation (DI) process, set of methods, and set of principles based on a 4D design framework. This 4D framework encompasses the UK Design Council’s double diamond model and includes the phases of Discover, Define, Develop, and Deliver. The Discover phase entails user studies and a deep understanding and empathy for the user. The Define phase considers the reframing of design opportunities based on derived insights from the modeling users’ interactions. The Develop phase uses a variety of methods to create a large quantity of innovative ideas and concepts, and the Deliver phase implements a set of methods to prototype, test, pitch, and ultimately produce deliverables for a market or community. We demonstrate the design assistant tool for AM through the development of high-end bracket design for space applications. The design considers the Selective Laser Melting (SLM) process for productions and incorporated topology optimization approaches. This demonstrative case study shows how the tool includes design heuristics and approaches for each of the 4-Ds that assist designers in implementing AM capabilities as part of repeatable design processes. Assessment of the tool is carried out through systematic assessments performed by practicing design engineers that have knowledge of AM. Initial results show that the design assessment tool is very helpful when designers consider using AM and also in helping them use AM in effective and efficient manners.

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)0,045
score de la tête « metaresearch » (Gemma)0,069
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,069
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0020,004
Communication savante0,0090,005
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,047
Tête enseignante GPT0,261
Écart entre enseignants0,214 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207