MétaCan
Menu
Retour à la cohorte
Enregistrement W3147023615 · doi:10.20944/preprints202104.0203.v1

From Gantry-Based Machine to Robot-Based Fused Deposition Modelling: A State-of-the-Art

2021· preprint· en· W3147023615 sur OpenAlexaff
Mohamed Habibi, Marwa Ziadia

Notice bibliographique

RevuePreprints.org · 2021
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversité du Québec à Trois-RivièresInnovation and Economic Development Trois Rivières
Organismes subventionnairesnon disponible
Mots-clés3D printingRobotScalabilityProcess (computing)Fused deposition modelingPlanarScale (ratio)Computer scienceCartesian coordinate systemMechanical engineeringDeposition (geology)Engineering drawingArtificial intelligenceEngineeringComputer graphics (images)MathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Over the last decade, a significant literature has emerged that advocates the potential of different Additive manufacturing (AM) technologies and printable polymeric materials. Nevertheless, large scale printing and complex geometric shapes, with curvatures and non-planar layer deposition, are a challenging process for the traditional gantry-based machine. The 3 degrees of freedom cartesian configuration restricted their capability to planar layered printing and restricted part dimensions. To date, many researchers have used industrial robots to overcomes this limitation. This review gives the reader a good overview of the FDM technique due to its scalability, cost efficiency and a wide range of material printability. A strong emphasis is laid on the PLA and PLA-based composites as promising materials for the FDM process applications. The second part of this paper links the successful use of these materials in the traditional printing process to large scale printing using the robot-based FDM process. This survey presents representative setups for robot-based AM and works that have been used these setups for non-planar material deposition. Finally, we conclude this paper by identifying opportunities for realizing new functional capabilities by exploiting robot-based AM, and we also present the future trends in this area.

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 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: Empirique
Score de désaccord entre enseignants0,706
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,063
Tête enseignante GPT0,273
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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207