Challenges and Opportunities in Geometric Modeling of Complex Bio-Inspired Three-Dimensional Objects Designed for Additive Manufacturing
Notice bibliographique
Résumé
Abstract Ever since its introduction over five decades ago, geometric solid modeling has been crucial for engineering design purposes and is used in engineering software packages such as computer-aided design (cad), computer-aided manufacturing, computer-aided engineering, etc. Solid models produced by cad software have been used to transfer geometric information from designers to manufacturers. Since the emergence of additive manufacturing (AM), a CAD file can also be directly uploaded to a three-dimensional (3D) printer and used for production. AM techniques allow manufacturing of complex geometric objects such as bio-inspired structures and lattice structures. These structures are shapes inspired by nature and periodical geometric shapes consisting of struts interconnecting in nodes. Both structures have unique properties such as significantly reduced weight. However, geometric modeling of such structures has significant challenges due to the inability of current techniques to handle their geometric complexity. This calls for a novel modeling method that would allow engineers to design complex geometric objects. This survey paper reviews geometric modeling methods of complex structures to support bio-inspired design created for AM which includes discussing reasoning behind bio-inspired design, limitations of current modeling approaches applied to bio-inspired structures, challenges encountered with geometric modeling, and opportunities that these challenges reveal. Based on the review, a need for a novel geometric modeling method for bio-inspired geometries produced by AM is identified. A framework for such a bio-inspired geometric modeling method is proposed as a part of this work.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».